同样是100次广告归因购买，若主要来源于新客首单与老客复购，对品牌增长、复购经营及预算分配的意义截然不同。本文将深度拆解AMC（Amazon Marketing Cloud）的核心Use case：New-to-brand purchases（品牌新客购买）。
该指标的核心不仅是统计新客人数，更在于解答三个关键问题：广告归因购买中新客购买与复购的占比是多少？不同Campaign带来的新客购买及销售贡献有何差异？
Use Case介绍与使用条件
1.1 概念界定：什么是New-to-brand Purchase
根据官方定义，消费者在过去365天内首次购买某特定ASIN，即被认定为New-to-brand purchase。在实际分析中，切勿将其直接等同于平台新注册用户。
1.2 核心分析价值
通过计算广告归因购买中新客与复购的数量、销售额及占比，精准评估不同Campaign的拉新转化能力。
1.3 与New-to-brand Customers的核心差异
New-to-brand customers侧重“去重用户数”（单人计为1次），用于评估拉新人数；而New-to-brand purchases侧重“购买事件”（单人多次购买计为多次），用于分析新客购买结构与销售额贡献。
1.4 使用前提与要求
ASIN必须被Campaign追踪。官方建议对比的Campaign应同时面向新客与老客，以确保新客与复购比例的分析更具参考价值。
数据查询说明
2.1 返回数据字段
查询将按广告主与Campaign维度，返回总购买量、总销售额、新客购买量、复购量及其对应占比。这有助于拆解Campaign的销售构成，明确新客与复购的贡献权重。
2.2 使用数据表及归因窗口
查询主要使用amazon_attributed_events_by_conversion_time数据表。基于14天归因窗口，官方建议在Campaign结束后等待两周再运行查询，以确保转化数据完整。
查询模板一：仅分析Sponsored Ads
3.1 适用场景
当分析范围仅限于Sponsored Products、Sponsored Brands或Sponsored Display时，适用“New-to-brand purchases for sponsored ads only”官方模板。
3.2 Campaign过滤设置
模板在sa_campaigns的VALUES区域预留了过滤值。若仅需分析特定Campaign，请替换示例值，并依照代码注释取消Imprions CTE与最终SELECT中对应过滤行的注释；若无需过滤，则保持默认关闭状态。
3.3 输出结果与占比计算逻辑
输出结果包含广告主、Campaign名称及ID、新客与复购购买量、新客购买占比，以及对应销售额。需注意，新客购买占比的计算公式为SUM(new_to_brand_total_purchases) / SUM(total_purchases) × 100。计算时分子与分母必须保持口径一致，避免因包含或不包含Brand Halo导致数据失真。
查询模板二：同时分析Amazon DSP与Sponsored Ads
4.1 适用场景与过滤设置
适用于需在同一结果中对比Amazon DSP与Sponsored Ads的场景。在dsp_campaigns的VALUES中填入真实DSP Campaign ID，在sa_campaigns中填入Sponsored Ads Campaign。请务必区分两者，切勿混淆填写。
4.2 Total口径与Promoted-only口径切换
官方模板默认使用total_purchases（包含推广商品及同品牌Brand Halo商品）。若仅评估推广商品表现，需将所有相关字段替换为Promoted-only口径（如将new_to_brand_total_purchases改为new_to_brand_purchases）。此修改必须成套进行，以确保新客与总购买口径一致，避免百分比计算失真。
核心数据字段与解读说明
5.1 关键数据字段解析
• new_to_brand_purchases：新客总购买数（默认含Brand Halo）。
• non_new_to_brand_purchases：复购总数。
• new_to_brand_purchases_percentage：新客购买占比。比例越高，表明Campaign拉新倾向越强；反之则复购贡献更高。
• new_to_brand_product_sales与non_new_to_brand_product_sales：分别为新客与复购的商品总销售额，用于评估实际收入贡献。
• new_to_brand_product_sales_percentage：新客销售额占比。受客单价影响，该数值常与购买占比存在差异。
5.2 官方示例数据解读
官方示例通过对比新客购买占比与销售占比最高的Campaign，计算其相对差异（如57.96%除以30.84%约等于1.88，即前者拉新效率约为后者的1.88倍）。同时指出，部分Campaign若复购占比高，并非表现不佳，而是其承担了不同的营销任务（如复购承接）。
资深操盘手实操建议
针对AMC数据分析，提出三点核心实操建议：
1. 统一数据口径：分析前须明确使用Total口径（评估品牌整体外溢价值）还是Promoted-only口径（评估主推ASIN表现）。两者切忌在同一数据表中直接对比。
2. 交叉验证数据：解读时应同时关注新客“购买占比”与“销售额占比”。若购买占比高而销售额占比低，说明新客客单价偏低；反之则新客贡献了更高客单价。
3. 实施分类评估：将拉新型与复购型Campaign分开考核。拉新型重点关注新客比例与获客成本，复购型则聚焦复购规模与利润率，避免用单一指标对所有Campaign进行排名。