从经验到系统，把 AI 用进亚马逊广告运营

2026年10月29日，感谢 AMZ123 的邀请，麦克有幸在深圳的亚马逊创新卖家实战峰会上，和大家分享《从经验到系统：用 AI Agent 打造可复制的亚马逊广告优化系统》。

很开心借着这次机会，认识了一众优秀的亚马逊卖家朋友。也希望这次分享，能为大家把 AI 落地到业务里，提供一些具体、可操作的思路。

这次分享围绕一个问题展开：

怎样把我们积累的广告经验，变成一套团队能反复使用、持续改进的工作方法？

做亚马逊广告，每天都要处理很多细碎而相互关联的事情：看花费、查订单、整理搜索词、调整竞价和预算，再结合库存、价格、促销与利润，判断下一步怎么做。

有经验的运营，往往知道先看哪里、什么情况需要继续观察、哪些问题值得优先处理。

这些判断里，藏着团队很有价值的业务经验。如果能把判断条件、处理顺序和复盘方法整理下来，交给 AI 辅助完成，团队就有机会更稳定地复用这些经验。

这也是我理解的“从经验到系统”。

让 AI 进入日常工作，可以从一个具体任务开始。

比如，每天检查广告时，我们可以先明确这次要找什么问题、依据哪些数据、最后需要拿到什么结果。

课件里给了一个广告诊断的提问示例，稍作调整就可以用于自己的业务：

> 这是美国站近30天的 SP 广告报表，同时附上产品说明和近期调整记录。

这个产品目前以盈利为主，目标 ACoS 和预算已在资料中注明。

请找出最需要处理的5个问题，按花费和影响大小排序，列出具体活动或关键词、数据依据、可能原因和处理建议。

缺少的资料请列出来，调价和否词先给方案，由我确认。

这段要求把资料、目标、任务和交付结果说清楚了。拿到结果后，我们也更容易检查：有没有定位到具体问题？理由是否充分？建议是否符合当前的经营目标？

如果分析仍然太泛，就继续追问：“对应的是哪几个活动？”“这条建议依据哪些数据？”“先给我最值得处理的3项。”

一轮轮把要求说清楚，也是在梳理自己的工作方法。

这里还有一个很关键的前提：把经营背景一起交给 AI。

同一份广告数据，放在不同阶段，可能需要不同的处理方式。

新品期，需要考虑测试流量和积累订单；放量期，需要兼顾增长、库存和广告效率；盈利期，则要更关注利润与稳定回报。遇到促销、清库存或成本变化，目标也要相应更新。

所以，除了报表，还要准备产品用途、主要卖点、适用限制、预算、目标 ACoS，以及近期价格、库存和页面的变化。

这些资料越清楚，AI 的分析就越容易贴近实际业务。

在这个基础上，才谈得上把经验沉淀成 Skill。

可以把 Skill 理解为：把一项经常重复的工作，整理成 AI 可以反复遵循的方法。

例如，检查广告浪费时先看哪些数据，遇到什么情况需要补充资料，如何排列问题的优先级，最后用什么格式交付结果。

第一版可以从日常需求出发。拿自己的报表试用后，再把发现的问题补进去：

“这个产品正在清库存，分析时要考虑这一点。”

“每条建议都要附上对应的数据。”

“请把需要继续观察的项目单独列出来，说明原因。”

这些具体反馈，会逐步成为方法的一部分。经过实际使用，再把好用的做法保存下来，下次换一份报表，团队就可以沿用同样的流程。

课件中，我展示了三套独立的使用方式：Codex 中的跨境电商365Agent、跨境电商365 AI Agent的智能助手与智能店铺，以及 Grok Bot 广告体系。

它们呈现了不同的组织方式：通过对话发起任务，通过工作台集中查看数据与建议，或者让多个 Bot 按职责分工，再汇总和审核。

选择时，可以先考虑团队最常做什么、习惯怎样工作、需要怎样的交付结果。已有报表就先上传使用；重复取数成为负担时，再考虑接入平台支持的数据源。

工具的配置，可以随着实际需求逐步增加。

在演示中，我也强调了一个很具体的动作：看到建议后，回到明细里核对。

课件的演示账号里，有一条相关性评分很低的投放，却已经产生订单。这时，就需要继续查看搜索词和产品用途，核查评分是否准确、流量是否匹配，再决定如何处理。

有点击却没有订单的投放，同样需要检查具体搜索词、花费和业务背景，再判断是继续观察、调整竞价，还是否定。

这些演示想传达的是：每一条建议，都应该有可以查看的对象、数据和理由。

在工作流程上，可以让 AI 整理问题、提出方案，由运营结合业务情况审核，确认实际动作，再留下记录。

多 Bot 协作也需要明确分工。课件中的配置是：总调度负责拆分任务和汇总，专项 Bot 负责分析，Grok Bot 负责审核，运营确认涉及真实账户的调整。

谁提供资料、谁分析、谁审核、谁执行，都写清楚，工作才容易衔接。

而一套系统能否持续发挥作用，还要看调整之后有没有复盘。

改了哪些词、竞价从多少调到多少、在哪一天调整，都应该留下记录。之后，再选择可比的时间段，结合促销、断货等变化，一起看花费、订单、ACoS 和利润。

ACoS 降低，同时订单也明显减少，这样的结果是否合适，需要回到当时的经营目标判断。

复盘得到的新认识，还可以继续补充到 Skill 和工作流程里，让下一次分析更有依据。

课件最后准备了一张沙盘画布，用四个问题帮助大家梳理自己的系统：

- **做什么：**选出两三件经常重复的广告工作，明确每件事需要什么结果。

- **用什么：**准备平台、Skill、报表、产品资料和必要的工具。

- **怎么做：**画清楚资料怎样进入、结果交给谁、哪些环节需要人工审核。

- **怎么改：**找出一个不好用的地方，提出改进办法，并确定怎样检查效果。

一张纸就可以先把这些问题梳理出来。

从广告体检、搜索词分析或周复盘中，选一项团队最费时间的工作，用一份真实报表开始。安排人维护方法、审核建议，记录哪些地方省了时间、哪些地方仍然需要返工。

随着使用，把常用入口、资料来源、判断方法和复盘记录留下来，团队就能逐步形成自己的广告工作系统。

经验被整理下来，方法被反复验证，团队就更容易把好的判断延续下去。

这也是我希望通过这次分享传递的方向：从一个真实问题开始，把 AI 用进日常运营，让积累的经验成为团队能够持续使用的能力。

再次感谢 AMZ123 的邀请，也很开心在深圳认识这么多优秀的亚马逊卖家朋友。

期待后续和大家多多交流，一起分享实践中的收获和问题，让 AI 在具体业务里发挥更大的价值。