广告砍掉65%，总订单却保住68%：老品真的需要这么多广告吗？- 大数跨境

首页

广告砍掉65%，总订单却保住68%：老品真的需要这么多广告吗？

从宇宙大爆炸到PPC

2026-11-04

阿波罗skill：

正文

一个产品70%的订单来自广告，你敢不敢把广告预算砍掉一半？很多卖家不敢。因为账很容易算：如果广告订单跟着预算下降50%，总订单就可能损失35%。

但我们在一个美国站自有品牌账户里，复盘了62周的真实降投记录，发现事情并没有这么简单。30次降投，涉及22个产品。广告花费的中位保留率只有35%，广告订单保留36%，总订单却保住了68%。

也就是说，广告订单少了很多，总订单并没有同比例下降。我们开始意识到，广告后台记下来的订单，不一定全部都是广告真正创造的增量。真正的问题变成了：哪些广告是在创造订单，哪些只是在接走原本就可能成交的订单？

一、一开始，我们也担心广告一降，销量就跟着塌

这次复盘的数据来自美国站一个时尚品类的用户账户里，主营耐用消费品，主力客单价在60—120美元之间，以SP广告为主。观察周期从2025年7月到2026年9月，共62周。在这个账户里，我们找到30次真实发生的降投事件。不是某一天预算没花完，也不是临时调整一下竞价。这些事件都有相对明确的降投特征：降投前四周的周均广告花费至少50美元，降投后三周平均花费下降到原来的50%以内，后六周仍保持在60%以内。换句话说，确实是把广告投入降下来了，而且持续了一段时间。

按照常规理解，广告单应该下降，总订单也会跟着下降。可实际结果出现了分化。有些产品广告单大幅减少，总订单却没有受到太大影响。有些产品看起来广告占比并不高，降投以后反而出现明显的销量下滑。

这让我们不得不重新审视过去一个经常使用的判断标准：广告订单占比高，真的就代表产品高度依赖广告吗？答案是，不能直接这样判断。

因为亚马逊广告后台统计的是归因订单。在这组数据里，广告订单使用点击后7天的归因窗口。只要符合归因条件，订单就会计入广告表现。但这笔订单是不是没有广告就不会发生，归因报表本身并不能回答。

举个简单的场景。消费者已经认识某个品牌，准备购买它的产品，搜索品牌名称后点击了广告位。后台把这笔订单算给广告。但如果没有那个广告位，消费者也可能点击自然搜索结果完成购买。

订单是真实发生的，广告归因也没有算错。只是归因不等于增量。这两者的差别，才是我们这次复盘真正想弄清楚的事情。

二、为什么我们没有继续盯广告订单，而是换了一个判断口径？

当时其实有两条路。

一条是继续按照广告单量和ACoS评估降投结果。

广告单下降明显，就认为降投伤害销量；ACoS改善，就认为优化有效。这套方式简单，后台数据也容易获得。

但它有个缺陷：无法判断那些少掉的广告订单，究竟是真的消失了，还是换了自然入口成交。

另一条路，是把总订单放在主要位置，再研究广告单和自然单之间发生了什么。我们选择了后者。

这里有个容易误解的地方。后台的自然单，在这次分析中是用总订单减去广告归因订单计算出来的。因此，自然单不是完全独立的测量结果。如果总订单不变，广告归因订单减少，计算出来的自然单自然就会增加。这并不能单独证明消费者发生了真实的渠道迁移。

所以我们没有把“自然单上涨”直接当成降投成功。

真正关注的是两个问题：

广告减少之后，总订单还保留了多少？
扣除同期其他产品的市场变化以后，少掉的广告单，有多少被自然单变化抵消了？

我们把后一个指标称为回补率。回补率 = 扣除对照组影响后的自然单增量 ÷ 减少的广告订单量。它可能为正，也可能为负。正值说明有一定回补，负值则意味着自然单也在下降。

最终，我们选择把总订单保留率作为核心指标，把回补率作为判断渠道变化的辅助指标。

因为经营一个产品，最终要保住的是订单和利润，而不是某个归因渠道的订单数字。这次30个事件里，降投后的广告花费中位保留35%，广告单中位保留36%，总订单中位保留68%。按照样本中的基准关系，如果自然单完全不变，总订单保留率对应的参考值是64%。实际经过对照调整后为68%，高出4个百分点。而且30个事件里，有67%落在“自然单不变”的参考线上方。这说明，在这批事件中，广告归因订单的下降，并没有全部转化为总订单损失。

但我们并没有因此得出“广告可以随便砍”的结论。因为接下来拆开看，风险非常不一样。

三、同样是降投，为什么有的产品回补61%，有的只有16%？

这次复盘里，一个最值得警惕的结果，是不同统计口径下的回补差异。

我们先把30次事件分成三种情况。

扣除对照影响后，自然单增长超过10%，归为回流；
变化在正负10%以内，归为基本不变；
下降超过10%，归为塌陷。

最终得到17个回流事件、6个基本不变事件和7个塌陷事件。

17个回流事件单独计算回补率再取中位数，得到36%。也就是说，在这些回流事件里，典型事件中少掉的广告单，有超过三分之一被自然单增长抵消。但如果只看相对干净、不受主要促销因素干扰的10个事件，采用合计口径计算，回补率达到了61%。这个数字很有吸引力。意味着广告单少掉以后，其中相当大的一部分，并没有表现为总订单的实际流失。

可一旦把全部30次事件加总，结果立刻变了。广告单合计每周减少259单，扣除对照影响后，自然单合计每周增加41单。整体回补率只有16%。36%、61%、16%，看起来像三个完全不同的结论。其实它们反映了同一件事：不同产品、不同时间发生的降投，风险差异很大。尤其是降投规模较大的事件，会对整体结果产生明显影响。

例如P01，在2025年12月的一次降投中，广告订单从周均88单降到57.5单，自然单只从0增加到3.17单。回补率只有约10%。另一个P05，在2025年11月降投后，广告单从周均56.75单降到15单，自然单从0增加到12.33单。回补率约30%。

两个事件都碰上了大促窗口，因此不能简单把结果全部归因于降投。

但它们揭示了一个很现实的风险：一旦广告带来的是真实增量，降投损失的就不只是广告报表上的订单，而是真正的销售额。按照主力客单价60—120美元估算，P01少掉但没有回补的订单，对应每周约1,620—3,240美元销售额。P05对应的量级约为每周1,740—3,480美元。

所以我们最后没有拿61%作为“降广告也能保单”的承诺。它只说明，在排除部分促销干扰的样本里，确实观察到了更明显的回补。而所有事件合计只有16%，提醒我们不能忽视那些真实依赖广告增量的大产品。值得注意的是，30次事件里，完全避开大促、明显折扣变化和疑似断货干扰的事件只有11个。样本并不完美。正因为如此，我们更愿意把这次结果作为阶段判断的依据，而不是一条所有账户都能照搬的降投公式。

四、真正改变我们判断的，是两类产品完全相反的表现

把这30次降投进一步拆开后，我们发现一个非常反直觉的现象。降投前自然单占比越低的产品，反而越容易观察到回流。自然单占比不超过40%的15个事件中，有12个出现回流，占80%。而自然单占比超过60%的8个事件中，只有2个回流，占25%，其中一半出现塌陷。

这个结果与很多人的直觉相反。通常我们会认为，一个产品广告单占比达到80%甚至90%，说明它离不开广告。但这次数据提示了另一种可能。有些产品虽然大量订单被归因给广告，但消费者本身已经有明确购买意愿。他们可能通过品牌词、自然搜索或者自家详情页完成购买。广告只是在交易前多接触了消费者一次，因此拿到了订单归因。广告单占比很高，并不代表每一笔订单都必须依靠广告才能发生。

反过来，有些产品自然单占比很高，但剩下那部分广告订单可能是真实的新增需求。撤掉广告，这部分需求就没有了。这也是为什么自然占比超过60%的产品，虽然整体订单本来就相对稳定，却未必表现出明显的自然回补。另外两个特征，也给了我们新的判断线索。

一个是规模。回流组降投前的周均订单中位数为12.5单，塌陷组为25.5单。在这批样本里，原有订单规模越大的产品，每百单回补越少。但这条结论需要谨慎。因为几个规模较大的事件刚好遇到大促，促销因素可能放大了这种差异。另一个是产品在通用词上的转化能力。我们把本品在通用搜索词上的转化率，除以同批词的市场转化率，得到一个相对转化力指标。回流组的中位数是0.75，塌陷组是1.47。也就是说，通用词转化能力较强的产品，降投后反而更难获得回补。

原因可以理解。如果一个产品在通用关键词上本来就具有很强的成交能力，那么这些广告可能真的帮助它获得了原本拿不到的订单。撤掉广告，失去的就是实际增量。而通用词转化力一般的产品，如果广告订单主要来自品牌搜索和自家商品页面，那么里面可能存在更多归因与增量不一致的部分。

这条关系具有统计信号，但本次同时检验了多个特征，没有进行多重比较校正，因此更适合作为方向性证据。我们不能因为某个产品广告占比高，就认定它不能降；也不能因为它ACoS低，就认定这部分花费一定值得继续增加。真正要看的，是广告在什么流量上创造了什么价值。

五、有一组广告，ROAS越漂亮，我们反而越想重新审视

为了进一步理解回补可能来自哪里，我们还分析了同品牌另一个广告账户的52周搜索词数据。这批产品并不属于前面30次降投事件，因此不能作为同一产品的直接因果验证。但它提供了一个很有价值的结构线索。

不同流量类型的ROAS差异非常明显。

广告流量类型	ROAS
品牌关键词	10.62
自家ASIN定投	8.33
通用大词	3.95

品牌词和自家ASIN定投，只消耗了13%的广告花费，却贡献了25%的广告销售额。如果按照传统的广告效率判断，这显然是非常优秀的流量。ROAS高、产出稳定、花费占比还不大。直觉上，这些活动似乎最值得加预算。但结合前面30次降投的现象，我们开始重新看待这组数据。

搜索品牌词的消费者，通常已经对品牌有一定认知。进入自家商品详情页的消费者，也已经处在比较靠近成交的位置。广告能够在这些位置拿到订单，不代表订单完全是广告创造的。尤其是当消费者本来就打算购买时，广告可能更多是在承接需求，而不是创造需求。

这不意味着品牌广告和自家ASIN定投没有价值。它们仍可能承担防守、减少竞品截流和保障转化路径的作用。只是高ROAS本身不足以证明这些订单具有同等程度的增量价值。我们进一步观察了56个广告花费不低于2,000美元的ASIN。自家ASIN定投花费占比与平均ROAS的相关系数为0.47，竞品ASIN定投为0.31。通用大词占比与平均ROAS的相关系数为\-0.40。也就是说，在这批数据里，自家定投占比越高的产品，平均ROAS往往越漂亮；通用大词占比越高，平均ROAS反而容易偏低。

但对于增长阶段来说，通用大词所带来的订单，可能更接近真正的新增流量。

于是我们面临一个很重要的选择：是继续把预算投向报表上ROAS最高的流量，还是保留真正承担新增需求的流量，把部分承接型广告拿出来验证？

我们的判断是，不能只根据平均ROAS决定。

如果产品已经进入利润阶段，具备一定自然流量承接能力，那么品牌词和自家ASIN定投的部分预算，可以成为优先验证的对象。
如果产品还在增长阶段，通用词广告持续带来新客和实际增量，就不能因为它的ROAS低于品牌词而贸然削减。

预算调整的顺序，应该由增量价值决定，而不是由ROAS排名决定。

六、降投之后，最怕的是发现订单下降，又马上把预算加回去

这次复盘还有一个发现，直接改变了我们对降投后观察节奏的理解。原本我们也会担心，广告减少以后，自然流量需要较长时间才能逐步承接。但17个回流事件的趋势并不是这样。把这些事件按照降投周对齐后，自然单在第一周就出现了超预期表现。后面几个星期主要是在相近水平上下波动，并没有明显的持续爬升趋势。这意味着，在这些事件里，回流并不是一个需要等待很久才开始发生的过程。它很早就出现了。

而有完整SQP周报的23个事件，也提供了进一步的线索。回流组在通用词上的点击量下降了42%，但相对转化率指数为1.06，并没有同步下降。品牌词的相对购买指数为1.02，基本保持稳定。塌陷组则出现了另一种情况。通用词相对点击指数为0.90，点击还保留了相当一部分，但转化下降了41%。

这两类表现的区别很关键。

回流型产品，更像是广告曝光和点击减少了，但消费者仍然有能力通过其他入口完成购买。
塌陷型产品，则更像是广告减少以后，原有的成交能力没有得到自然渠道的有效承接。

所以我们现在更重视降投后的早期信号。

7天看变化方向。14天决定是否继续维持降幅、放缓调整或者恢复预算。如果前两周自然单明显下跌，同时通用词转化能力也在下降，就不能继续指望它会自然恢复。需要及时保护订单。

在17个回流事件里，有15个在前两周就能看到回流方向。但也要注意，前两周本身包含在后续六周观察窗口之内，因此早期和最终结果的相关性有一部分来自统计窗口重叠。它可以作为预警信号，不能当成独立的预测模型。对于没有明显异常的产品，我们仍然需要继续观察六周左右，并在第八周附近结合完整窗口判断是否保留降幅。

这也解释了为什么降投不是越快越好。有回流能力的产品，可以接受短期广告归因订单下滑；没有承接能力的产品，不能拿总订单去赌自然流量会慢慢回来。

七、这次复盘之后，我们对降投留下了几条原则

最重要的一条，是先判断广告的真实职责，再决定能不能降。如果一个产品的广告主要承担已知需求的承接，那么存在验证预算冗余的空间。如果广告主要承担通用流量拓展和新增订单，那么即使ROAS没有那么漂亮，也不能简单削减。

另一条，是不能拿单一指标判断广告依赖。广告单占比、ACoS、ROAS都很重要，但它们并不直接等于增量。真正涉及降投决策时，还要结合历史总订单变化、同期对照、产品转化力和流量结构一起看。

更重要的是，降投必须选择合适的时间。在这30次事件中，大促影响非常明显。一些大规模、低回补的事件恰好发生在促销前后。如果在这个阶段直接削减广告，可能同时损失促销流量和原本可争取的增量。而促销结束后的自然需求回落，又可能让降投结果看起来比实际更差。所以我们不倾向于在大促前后进行这种验证。

还有一个容易忽略的原则：不是所有产品都值得立刻测试降投。如果产品本身正在出现自然订单下降，通用词转化能力也持续走弱，那么当前最需要解决的，可能是市场竞争力或者转化问题。此时继续降广告，容易把原本已经存在的问题放大。如果没有合适的对照产品，没有足够的观察窗口，或者只有一次偶发的预算变化，也不应该轻易得出能够降投的结论。

至于模型预测，我们同样保持谨慎。在本次复盘里，另一个广告依赖度模型对降投损失的预测，与实际历史回补率之间没有显著相关关系，相关系数为\-0.10，p=0.66，样本数23。模型可以帮助提前识别风险，但不能替代真实的降投观察。能不能降，最终还要让总订单和真实经营结果来回答。

总结

经过这次62周的复盘，我们最大的变化，并不是开始鼓励卖家大幅削减广告。恰恰相反。我们更清楚哪些广告不能轻易动，也更清楚哪些看起来很漂亮的广告数据，可能掩盖了资源配置的问题。这30次真实降投，让我们看到两种完全不同的情况。

一种产品，广告承担了大量订单归因，但部分需求本来就有自然成交的可能。降掉部分投放以后，总订单没有同比例下降。
另一种产品，广告确实在创造增量。一旦削减，总订单就会出现明显损失。

前者真正需要解决的是利润效率，后者需要保护的是增长能力。

所以我们现在判断降投，不再从“这个产品广告单占比多少”开始。而是先问：如果今天少花一笔广告费，少掉的到底是广告归因，还是消费者真实的购买需求？这两件事看起来只差一个词，背后却是完全不同的经营结果。对于处于利润阶段的产品，适度验证回流空间，可能比继续追求更高的广告ROAS更有价值。对于仍然依赖广告拓展新需求的产品，保留有效增量，可能比短期降低ACoS更重要。

同一套广告策略，放到不同阶段，答案就不一样。这也是我们一直强调阶段判断和预算结构的原因。广告真正要优化的，不是让每一笔订单都被广告记录下来，而是让每一笔预算尽可能创造原本不会发生的订单。

但有一点值得思考：如果连目标ACoS都定不合理，AI调价再精准，又能帮你解决多少问题？

工具可以替你执行，却不能替你决定哪些流量值得争取、哪些预算应该收回来。这些判断，才是真正影响广告利润和增长的关键。