本文探讨的亚马逊 AI 导购接口应用，目前市面上鲜有软件商涉及，具有极高的前瞻性与实战价值。从用户洞察（VOC）到 Listing 诊断，再到官方 API 与 AMC 的深度应用，相关方法论正逐步成为行业标配。本文将聚焦于如何利用 AMC 数据接口，精准捕捉 AI 导购场景下的用户提问与广告表现。
01 用户行为变迁：从搜索到提问
首先需明确三个关键认知转变：
第一，Rufus 已正式融入搜索体系。2024 年上线的 Rufus 于同年 5 月退役，其功能整合进「Alexa for Shopping」，入口直接嵌入搜索栏。这意味着询问 AI 不再是搜索的补充，而是下一代搜索的核心形态。
第二，新增「提示词广告」（Sponsored Prompts）。 在买家浏览搜索结果或与 AI 对话时，页面会展示如“能放进车载杯架吗”等提示性问题。买家点击后，AI 继续引导并推荐相关产品。该广告形式自去年 Unboxed 大会发布，今年 3 月 25 日起在美国站正式按 CPC 计费。
第三，自动注册机制。该功能无需手动开通，卖家的广告实际上已在该场景中运行。许多卖家尚未意识到，自己的广告预算正在为这些看不见的 AI 提问买单。
02 现有数据获取方式的局限
目前运营圈获取 AI 导购数据的方式主要分为三类：
- 人工前台查看：浏览详情页预设问题，观察 AI 回答。
- 模拟买家测试：手动输入问题，记录回答及自身产品提及情况。
- RPA 脚本爬取：批量提问并抓取回答，建立数据库。
上述方法虽方向正确，但存在共同天花板：只能看到前台公开内容，无法掌握规模与成本。卖家无法得知哪些问题被多少买家看到、关联了哪些具体产品、消耗了多少广告费，以及最终的转化效果。简言之，看得到内容，看不到规模，更看不到钱。
03 挖掘 AMC 接口中的关键字段
通过亚马逊营销云（AMC）的流量表 sponsored_ads_traffic，可获取一个常被忽略的关键字段：prompt_text。该字段记录了广告展示时页面上挂着的提示问题原文。
需注意，这并非买家逐字输入的原话，而是亚马逊基于真实买家提问习惯，结合 Listing 信号自动生成的聚合问题。其核心价值在于：原料源自真实需求，且直接关联广告花费。
关于 AI 的回答内容，接口中并不包含。这是因为答案取决于卖家的详情页、评论和 QA 优化，属于卖家可控范围；而提问的规模与分布，唯有通过接口才能洞察。
以下 SQL 代码可直接在 AMC Query editor 中运行，获取提问数据：
-- AI 导购提问 × 产品（SP/SB 广告）
SELECT prompt_text, -- 提示问题原文
creative_asin, -- 挂在哪个产品上
SUM(impressions) AS impressions, -- 曝光
SUM(clicks) AS clicks, -- 点击
SUM(spend)/100000000 AS spend -- 花费（原始单位是亿分之一美元）
FROM sponsored_ads_traffic
WHERE prompt_text IS NOT NULL
GROUP BY 1, 2
ORDER BY 3 DESC
数据解读提醒：
- 关注曝光而非仅点击：AI 导购场景呈现“高曝光、低点击”特征，按曝光排序更能反映全貌。
- 数据为空属正常现象：提示词广告仍在推广期，部分账号可能暂无数据，建议定期重试。
相比广告后台下载的 Prompts 报表（仅收录有点击数据且维度固定），AMC 提供的数据包含零点击曝光，支持按产品、位置、时间等多维度交叉分析，如同从“成绩单”升级为“监控录像”，为优化提供坚实抓手。
04 单一字段的多维交叉分析
基于 prompt_text 字段，可延伸出六个关键分析维度：
① 提问 × 花费
基础层级分析。例如某条提问月曝光 22.6 万次，点击 13 次，花费仅 10.93 美元。极低的单次触达成本值得重点关注。
② 提问 × 产品
利用 creative_asin 字段，可精准区分同一条提问下不同产品的表现，避免多产品账号的数据混淆。
③ 提问 × 位置
数据显示，AI 导购提问主要出现在搜索顶部（约 43%）及其他搜索位，详情页占比为零。这表明该场景完全依附于搜索行为。
④ 提问 × 钟点
通过小时级时间戳，可绘制流量分时曲线，识别买家与 AI 互动的高峰时段（如傍晚 18:00-19:00）。
⑤ 提问 × 触达人数
分析去重买家数及复访频次。若大量买家反复触达却零点击，说明提示问题或商品本身缺乏吸引力，亟需优化。
⑥ 提问 × 出单
通过关联归因表可计算具体提问带来的订单，但受限于 AMC 隐私门槛（详见下文）。
05 每一条提问都是 Listing 的考题
数据最终需落地为运营动作。典型的 AI 提问包括：
- Does it fit in a car cup holder?（能放进车载杯架吗？）
- Water bottles that keep drinks cold for 24 hours（能保冷 24 小时的水杯）
- Does it leak when lying flat in a bag?（平放在包里会不会漏？）
- Is it dishwasher safe?（能进洗碗机吗？）
这些问题直击买家下单前的核心顾虑，与关键词搜索（寻找什么）不同，它们反映了买家的纠结点（担心什么）。AI 在回答时会检索卖家的详情页、QA 和图片。
运营策略应直接对照这些高频提问，检查 Listing 是否清晰作答。若无法回答，AI 将引导买家流向竞争对手。
06 关于出单数据的客观限制
未直接展示“提问×出单”的具体数字，主要受限于两点：
1. AMC 隐私门槛：AMC 对数据输出有严格的去重人数限制。曝光、点击等指标无门槛；但涉及具体提问文本、搜索词等维度，单行数据至少需覆盖 2 个买家；涉及地域等敏感维度则需 100 人以上。店铺规模越大，数据越完整。
2. 当前账号体量限制：中小账号点击量尚不足以支撑提问级的出单明细分析。但随着大账号数据的完善，这一维度将被打通。
尽管如此，曝光是领先信号，出单是滞后信号。即便暂无出单数据，卖家仍可依据高频提问优化 Listing。AI 导购目前更多承担“种草”角色，低价高曝的阶段正是抢占用户心智、完善详情页内容的最佳时机。Listing 的读者已从“人”和“算法”，扩展到了"AI"。
07 结语：深挖数据价值
本次分析仅需利用 AMC 中已有的流量表，通过增加一个字段即可解锁全新视角。这印证了 AMC 的巨大潜力：同一把钥匙，能打开更多房间。
评论区反映买后原声，搜索词记录买前脚印，而 AI 提问则揭示了掏钱前最后的犹豫。掌握这份数据，意味着掌握了引导用户决策的关键主动权。