今天我们讲一篇非常适合分析订购省前用户行为的AMC Use case：
Subscribe and Save purchase lead-in analysis
中文可以理解为：
分析用户在Subscribe & Save（订购省）之前，已经购买过多少次。
这个问题非常关键。
因为有些用户第一次接触产品就使用订购省，有些用户要先买1次、2次、3次，确认产品适合自己以后，才会进入订购省关系。
这篇Use case就是帮助我们看清楚：
用户到底是在什么购买阶段开始使用SnS。
Introduction
官方说明中，这个查询会分析客户在Subscribe & Save（订购省）事件之前的购买行为。
它的目的，是识别用户在订购省前已经购买了多少次，从而理解客户旅程和转化模式。
官方要求包括：
-
需要有Flexible Amazon Shopping Insights，也就是FSI； -
需要加入Amazon Subscribe & Save（订购省）项目。
吴老师解读：
这篇Use case和上一篇SnS复购分析不一样。
上一篇看的是用户使用订购省之后有没有持续复购。
这一篇看的是用户使用订购省之前经历了什么。
一个看“订购省后”，一个看“订购省前”。
这个Use case适合解决什么问题？
它适合回答这些问题：
-
用户是第一次购买就使用订购省，还是多次购买后才使用订购省； -
产品是否需要先建立信任，再推动订购省； -
应该在第几次购买后提醒用户加入Subscribe & Save（订购省）； -
哪些ASIN适合做首次购买后订购省转化； -
订购省推广应该更偏新客，还是更偏老客。
吴老师解读：
很多卖家做Subscribe & Save（订购省）时，会直接给所有用户推订购省。
但实际上，不同产品的订购省决策周期不一样。
有的产品用户第一次买就愿意使用订购省。
有的产品用户必须先试用几次，才会愿意长期使用订购省。
这篇Use case就是帮助我们找到这个节奏。
Template里需要填写什么？
官方模板里主要需要设置：
-
名称； -
日期范围； -
时区； -
Tracked ASINs； -
Submit运行。
吴老师解读：
Tracked ASINs非常重要。
如果你选择ALL，看到的是所有产品的整体情况。
但如果你的产品线很多，最好按核心ASIN单独分析。
因为不同ASIN的订购省前购买次数可能完全不同。
结果会返回哪些指标？
官方示例结果中，核心字段包括：
purchases_pre_sns：订购省前购买次数； users：对应购买次数下的用户数量； percent_of_total：该组用户占全部订购省用户的比例。
吴老师解读：
这张表非常直观。
比如：
purchases_pre_sns = 0
说明用户在订购省前没有普通购买记录，可能是第一次就直接使用订购省。
purchases_pre_sns = 1
说明用户普通购买过1次之后才使用订购省。
purchases_pre_sns = 2或更高，
说明用户需要更多次购买体验，才会进入订购省关系。
示例结果应该怎么读？
官方示例中：
-
0次购买前就使用订购省的用户占比最高； -
1次购买后使用订购省的用户排第二； -
购买次数越多，用户占比逐渐降低。
吴老师解读：
如果你的结果也是0次占比最高，说明很多用户可能在首次接触时就愿意直接使用订购省。
这种产品通常有明显的周期性消费属性，或者订购省优惠很有吸引力。
如果你的结果是1次或2次购买后占比更高，说明用户需要先试用，再决定使用订购省。
这种情况下，你的运营重点就不是一上来强推订购省，而是先让用户完成第一次购买体验。
Interpretation insights怎么理解？
官方给出的解释是：
-
如果0次购买占比很高，说明很多客户在没有历史购买的情况下就使用订购省； -
分布情况能展示用户在采用订购省前的购物旅程复杂度； -
更高的购买次数可能代表用户在订购省前已经有更强参与度。
吴老师解读：
这里要注意一个点：
0次购买前就使用订购省，不一定就是最好。
它可能说明订购省入口设计得好，也可能说明产品天然适合订购省。
但如果这批用户后续留存不好，也要结合SnS repeat purchases继续看。
所以这篇Use case最好不要单独使用，最好和订购省后复购分析一起看。
这个Use case在运营中怎么用？
第一，用来判断订购省转化时机。
如果大量用户在第1次购买后使用订购省，就可以在首次购买后的再营销中重点推SnS。
第二，用来优化优惠策略。
如果用户需要购买2次或3次后才使用订购省，说明首次购买阶段可能还不够信任，可以用组合优惠、复购券或订购省折扣去推动。
第三，用来区分产品类型。
有些ASIN适合首次使用订购省，有些ASIN适合体验后使用订购省。
不要用同一套SnS策略套所有产品。
第四，用来设计AMC Audiences。
比如购买过1次但还没有使用订购省的用户，就可以作为重点转化人群。
实操建议
吴老师建议大家这样看：
-
先按核心ASIN跑一次； -
看不同购买次数下使用订购省的占比； -
找出最常见的订购省前购买次数； -
根据这个次数设计再营销节奏； -
再结合订购省复购Use case，看订购省后的留存质量。
不要只追求让用户尽快使用订购省。
真正要看的是：
用户在什么阶段使用订购省，后续复购质量最好。
最后总结
Subscribe and Save purchase lead-in analysis，是一篇帮助我们理解订购省前用户行为的Use case。
它能告诉我们：
-
用户使用SnS之前买过几次； -
使用订购省更像是首次决策，还是复购后的信任决策； -
订购省推广应该放在新客阶段，还是放在复购阶段； -
哪些用户适合进入订购省转化再营销。
也欢迎大家收藏专题“吴老师讲AMC”，后面我们会继续用更容易理解的方式，把AMC中的Use case拆开讲清楚。
Codex+亚马逊AMC线下实操课
今天这篇Use case已经把AMC分析带到了“客户旅程节奏”层面。
不是只看用户买没买，而是看用户在什么时候愿意建立长期关系。
如果你能把这类Use case和Codex结合起来，就可以把官方SQL模板转化成自己的复购、订购省、再营销分析框架。
吴老师也准备了 Codex+亚马逊AMC王牌技能组合线下实操课，会围绕“用上帝视角洞察消费者购物全路径”来展开，带大家系统学习如何把Codex和AMC结合起来，用数据看懂广告、看懂消费者、看懂转化路径。
