吴老师讲AMC——58期"广告到底触达了多少人，又让每个人看了几次？（Reach and impression frequency）"

一百万次曝光，可能意味着触达了接近一百万人，也可能只是少数人反复看到了广告。仅看曝光量，卖家难以判断预算是用于扩大覆盖范围还是增加频次。

本文深入解析亚马逊营销云（AMC）中的Reach and impression frequency用例，重点阐述去重触达人数的计算逻辑、用户曝光频次的分桶机制，以及跨DSP与Sponsored Ads投放时的去重频次分析方法。

Reach（触达）指被广告展示过的去重用户数。Impression frequency（曝光频次）则是这些用户在指定时间与活动范围内看到广告的次数。

需注意，同一用户观看10次广告，曝光量为10，但触达人数仅计为1。因此，分析频次前必须明确统计范围（如单个Campaign、多个Campaign、特定周期或整个活动生命周期），范围不同，频次分布亦会变化。

此外，由于不同Campaign的商品属性、目标及投放策略存在差异，直接比较频次分布时需结合具体策略进行解读。

官方提供三种分析模板：

若需分析DSP与Sponsored Ads共同覆盖的用户群体，应选择Omni-channel模板；若仅需单一渠道数据，则选择对应专用模板。

选择DSP版本后，需确认报告名称、日期范围及时区。虽然Campaign ID为可选填项，但在进行具体活动复盘时，建议明确指定相关活动ID，避免数据范围无意间扩大至所有DSP活动，影响分析准确性。

Omni-channel版本允许同时选择DSP与Sponsored Ads的活动ID。操作时需预先确定需联合分析的活动列表，并设置统一的日期和时区后提交。

该结果能准确反映“这批亚马逊广告总体触达了多少独立用户”。切记不可将各渠道单独报告的触达人数简单相加，因为同一用户可能同时接触过DSP、SP和SD广告，简单相加会导致重复计算。

官方默认将频次划分为frequency_1至frequency_10+等多个区间：

每个分桶包含users_in_bucket（该桶内的去重用户数）和impressions_in_bucket（该桶贡献的总曝光数）。对于frequency_10+桶，其曝光总数可能远超“用户数×10”，因为该区间涵盖了所有观看10次以上的用户。

方法一：各频次桶的人数占比

计算公式：某桶人数占比 = users_in_bucket / 所有桶users_in_bucket之和

例如，若frequency_1有85,234人（约占62%），frequency_2有23,459人（约占17%），frequency_3有12,345人（约占9%），则表明约九成用户看到广告的次数在3次及以下。

方法二：平均曝光频次

计算公式：平均频次 = 所有桶impressions_in_bucket之和 / 所有桶users_in_bucket之和

例如，总曝光249,059除以总用户136,588，平均频次约为1.8次。需注意，平均值仅反映总体水平，无法替代分桶分布，少数高频用户的极端值可能会掩盖整体分布特征。

该用例主要揭示“谁看了几次”，并不能直接证明观看8次比3次更易促成购买。要判断频次与转化的关系，还需结合购买率、加购、详情页浏览等转化指标，并综合考量受众特征与投放策略。

因此，频次数据主要用于初步诊断“是否过度集中在少数高频用户”或“多数用户仅曝光一次”。在设定频控策略前，应进一步结合转化数据进行验证。

建议固定活动清单和时间窗口，分别运行DSP-only、Sponsored Ads-only与Omni-channel报表。通过对比各渠道单独触达与跨渠道去重触达数据，并检查frequency_1和frequency_10+的人数占比，可得出以下结论：

• 若跨渠道去重触达远小于各渠道触达之和，说明存在明显的重复覆盖；
• 若高频桶用户占比持续上升，需进一步分析这批用户是否带来更高转化。

以此区分并处理“覆盖不足”和“重复曝光”两个核心问题。

Reach and impression frequency帮助卖家从宏观曝光总数深入到微观的用户触达与频次结构。最终数据的含义取决于活动组合、统计时长以及是否进行跨渠道去重。