吴老师讲AMC——25期"如何查询Sponsored Brands流量与转化（How to query Sponsored Brands traffic and conversions）"

本文深入解析 Sponsored Brands（SB）广告在亚马逊营销云（AMC）中的核心应用场景：如何查询 SB 广告的流量、视频互动数据及转化表现。

Sponsored Brands 不仅是一种广告类型，更涵盖 Product Collection、Store Spotlight 及 Sponsored Brands Video 等多种形态。若需在 AMC 中精准洞察 SB 广告表现，本文将提供基础分析模板与方法论。

PART.01

引言：AMC 分析 SB 广告的核心价值

官方该 Use case 旨在指导广告主如何在 AMC 中查询 Sponsored Brands 广告数据，覆盖以下核心维度：

1. Sponsored Brands 基础流量；
2. Sponsored Brands Video 流量与互动；
3. Sponsored Brands 转化归因；
4. 定向策略（Targeting）；
5. 广告展示位置（Ad Placement）；
6. 广告活动预算类型（Campaign Budget Type）。

需注意，使用本方案的前提是账户实际运行了 Sponsored Brands 广告。

专家解读：本方案的重点不在于单纯验证销售数据，而在于教会广告主如何将 SB 广告拆解为多个维度与指标进行深度分析，从而发现后台报表无法呈现的洞察。

PART.02

核心数据表解析

官方方案主要涉及三张核心数据表：

1. sponsored_ads_traffic：用于查询 SB 广告流量数据；
2. amazon_attributed_events_by_traffic_time：基于触点时间的归因事件表；
3. amazon_attributed_events_by_conversion_time：基于转化时间的归因事件表。

后两张表主要用于查看带有 Amazon 归因信息的转化数据。

专家解读：务必区分"Traffic Time"（广告触点发生时间）与"Conversion Time"（转化发生时间）。由于统计口径差异，AMC 数据与广告后台数据不完全一致属正常现象，不应直接判定为错误。

PART.03

AMC 数据与广告后台差异原因

AMC 输出结果与广告后台报告存在差异，主要受以下因素影响：

1. 时区设置不同；
2. 数据聚合阈值规则；
3. 恢复窗口期（Reinstatement Window）；
4. 来源事件在 28 天后发生变更；
5. Traffic Time 与 Conversion Time 统计口径不同。

专家解读：AMC 并非后台报表的简单复制，其核心价值在于灵活组合事件、维度与转化逻辑。分析时应关注数据口径与趋势，而非机械追求数字的绝对一致。

PART.04

Sponsored Brands 关键分析维度

官方定义了以下常用分析维度：

1. customer_search_term：消费者搜索词；
2. targeting：广告主设置的关键词或定向；
3. match_type：匹配方式；
4. placement_type：广告展示位置；
5. campaign_budget_type：预算类型；
6. campaign_end_dt：广告活动结束时间戳。

专家解读：SB 广告复盘不能仅停留在 Campaign 层级。必须结合搜索词、定向、匹配类型及展示位置进行交叉分析。例如，“搜索顶部”与“商品详情页”的用户意图截然不同，需差异化对待。

PART.05

Sponsored Brands 流量查询方法

首个模板为"Sponsored Brands Traffic"，用于查询 SB 广告的基础流量表现，并支持按 Campaign 进行筛选。

若只需分析特定广告活动，可在 sb_campaigns CTE 中指定名称并开启筛选条件。

专家解读：该模板适用于构建 SB 基础流量报表，可查看不同 Campaign、广告组、定向及位置下的曝光与点击指标。对于拥有大量 SB 活动的账户，建议优先筛选核心活动进行分析，以避免数据冗余。

PART.06

Sponsored Brands Video 独立分析

Sponsored Brands 包含 Retail 与 Video 两种形式。区分 SBV（视频广告）需关注以下视频专属指标：

1. five_sec_views：5 秒观看次数；
2. video_complete_views：完整播放次数；
3. video_first_quartile_views：播放至 25% 次数；
4. video_midpoint_views：播放至 50% 次数；
5. video_third_quartile_views：播放至 75% 次数；
6. video_unmutes：取消静音次数。

上述指标仅在 SBV 广告中有数值，普通 SB 广告通常显示为 NULL。

专家解读：这是评估 SBV 素材质量的关键。若视频曝光量高但 5 秒观看、完播率及取消静音等指标偏低，说明素材未能有效吸引用户。SBV 分析不能仅看曝光与点击，视频互动数据本身就是重要的质量信号。

PART.07

Sponsored Brands 转化查询方法

第三个模板为"Sponsored Brands Conversions"，从 Amazon 归因转化表中提取数据，涵盖以下维度：

1. Campaign（广告活动）；
2. Targeting（定向）；
3. Match type（匹配类型）；
4. Placement type（展示位置）；
5. Customer search term（搜索词）；
6. Detail page view（详情页浏览）；
7. Add to cart 等转化行为。

专家解读：该模板用于回答“何种搜索词、定向及位置带来了转化”。仅看 Campaign 层级只能知晓整体表现，而深入至搜索词与定向层级，才能洞察用户的真实搜索意图与投放策略的匹配度。

PART.08

Match Type 与 Placement 深度解析

match_type 描述搜索词与关键词的匹配关系，常见值包括：

1. PHRASE（词组匹配）；
2. EXACT（精确匹配）；
3. BROAD（广泛匹配）；
4. TARGETING_EXPRESSION；
5. TARGETING_EXPRESSION_PREDEFINED。

placement_type 表示广告展示位置，主要包括：

1. Top of Search on-Amazon（搜索结果顶部）；
2. Detail Page on-Amazon（商品详情页）；
3. Other on-Amazon（站內其他位置）；
4. Gateway on-Amazon（网关页）。

专家解读：不同位置（如搜索顶部 vs 详情页）对应不同的用户心智，不同匹配类型（如 Exact vs Broad）代表不同的流量质量。SB 分析必须纳入这两个维度，否则结论将过于粗糙。

PART.09

运营实战应用场景

本 Use case 在运营中主要有四大应用：

1. 建立基础数据表：将流量、视频互动与转化数据分层管理；
2. 评估 SBV 素材：重点关注视频观看进程指标，而非仅看点击；
3. 复盘定向质量：分析哪些 Targeting 和 Search Term 真正驱动了转化；
4. 对比位置表现：针对 Top of Search、Detail Page 等不同位置的用户意图制定差异化优化策略。

PART.10

实操建议步骤

建议按以下顺序执行分析：

1. 使用 Traffic 模板查看 SB 基础流量；
2. 若有 SBV 广告，单独运行 Video Traffic 模板；
3. 使用 Conversions 模板分析转化行为；
4. 综合交叉分析 Targeting、Search Term、Match Type 及 Placement；
5. 避免仅依赖 Campaign 总数据进行决策。

Sponsored Brands 的真正价值，往往隐藏在搜索词与展示位置的细节之中。

PART.11

总结

"How to query Sponsored Brands traffic and conversions"是 SB 广告复盘的优质范本。它将 SB 广告拆解为三个核心层次：

1. 流量分析；
2. 视频互动分析；
3. 转化归因分析。

同时强调了对 Targeting、Search Term、Match Type、Placement 及 Budget Type 的关注。后续将持续通过案例拆解，帮助广告主更深入地掌握 AMC 应用能力。

PART.12

Codex 与亚马逊 AMC 线下实操课

本文已将 SB 广告分析从后台报表升级至 AMC 分析框架。若希望系统掌握用户搜索、广告位置、视频互动及转化路径的深度洞察，需进行体系化学习。

相关线下实操课程将围绕“用上帝视角洞察消费者购物全路径”展开，系统讲解如何结合 Codex 与 AMC，利用数据透视广告效果、消费者行为及转化路径。