SD（Sponsored Display）与 Amazon DSP 均具备展示广告、再营销及受众扩展功能，许多卖家会同时投放以触达相似人群。然而，双渠道并行究竟是扩大了有效覆盖，还是造成了对同一用户的重复曝光？若双重曝光用户的购买率更高，又该如何科学解读？
本文基于 AMC（Amazon Marketing Cloud）案例"Sponsored Display and DSP overlap"，深入解析三个核心问题：单一渠道与双重曝光用户的表现差异、组合触达是否真正提升购买率，以及如何从探索性查询过渡到正式模板完成分析。
案例核心价值与应用场景
1.1 案例目的
该 Instructional Query 旨在衡量 SD 与 DSP 联合投放时的归因表现。系统将用户划分为 DSP、SD、both 及 none 四类。分析重点在于前三类有效曝光组，none 仅代表产生购买但未匹配到曝光记录的用户，不作为主要分析对象。
1.2 前置条件
-
同一 AMC 实例中需包含 SD 和 DSP 数据； -
两类广告需在相同周期内推广相同或可比商品，且共同投放时间至少为 1 周； -
报告期结束后，需等待完整 14 天再提取归因数据，以确保转化窗口闭合。
数据查询关键指标说明
2.1 返回字段定义
exposure_group 标识用户所属组别（DSP、SD 或 both）；unique_reach 为独立触达人数；users_that_purchased 指至少完成一次购买的独立用户数；purchases 则为总购买次数。需注意，purchases 不等于购买人数，单用户可能产生多次复购。
2.2 核心数据表
查询涉及三张关键表：dsp_impressions 用于提取 DSP 曝光数据；sponsored_ads_traffic 通过筛选 ad_group_type = 'sponsored_display' 获取 SD 曝光；amazon_attributed_events_by_traffic_time 用于归因购买事件。由于采用流量时间归因逻辑，若未满足 14 天观察期，将导致末期曝光用户的转化数据缺失。
数据解读逻辑：分组判定与比率计算
3.1 分组判定规则
DSP 组包含仅受 DSP 影响的用户，以及虽看过两者但 SD 曝光发生在购买之后的用户；SD 组逻辑同理。both 组特指在购买前同时被两种广告有效触达的用户。因此，这三个分组并非简单的曝光集合，而是基于“曝光 - 购买”时间路径的有效划分。
3.2 两步计算法
第一步计算触达占比：各 exposure_group 的 unique_reach 除以三个有效组（DSP、SD、both）的总和；第二步计算购买转化率：users_that_purchased 除以 unique_reach。注意，none 组必须排除在分母之外。
3.3 组合效应解读
若数据显示 both 组购买率高于单一渠道组，表明组合触达具有研究价值。但这并不直接等同于广告带来的增量效果，因为高意向用户本身就更易被多种渠道覆盖。后续需进一步校验受众重合度、曝光频次、商品关联性及时间序列。
查询执行步骤指南
4.1 运行探索性查询
首先执行探索查询，按 Campaign、Campaign ID 及广告类型汇总购买数据。利用 ad_product_type IS NULL 识别 DSP，ad_product_type = 'sponsored_display' 识别 SD。此步骤用于筛选出实际产生购买且值得分析的 Campaign，如需限定特定商品，可增加 tracked_asin 条件。
4.2 配置正式模板
在正式模板中，DSP (campaign_id) CTE 需填入具体的 DSP Campaign ID；SD (campaign) CTE 则需填入 SD Campaign 名称。特别注意，SD 匹配使用的是 Campaign 名称而非 Customer Facing ID，必须确保与 AMC 数据中的名称完全一致。
4.3 三项关键检查
-
日期范围需覆盖两类 Campaign 的真实共同投放期，并确认结束后已满足 14 天归因窗口； -
核实 both组样本量，若样本过小会导致购买率波动剧烈，缺乏参考意义； -
若 both组为空，应优先排查 Campaign 名称、DSP ID、共同投放时段及商品范围设定，避免直接得出无协同效应的结论。
专家实操建议
鉴于 SD 与 DSP 常服务于高度重合的人群，本 Use case 更适合作为“投放结构诊断”工具，而非单纯的预算归依手段。建议先厘清独立触达与交叉触达的比例，结合频次与转化率分析，再决策是扩大协同效应、细分受众群体，还是实施互相排除策略。
后续我们将持续拆解 AMC 中的各类 Use case，助力卖家更深入地理解数据背后的营销逻辑。