數字化營銷時代，依托大數據的分析和洞察，營銷過程中不同媒體的投放結果、不同用戶的觸媒習慣以及同樣的數據從不同維度進行解讀，都將產生不一樣的分析結果。

對于中國出海企業和賣家來說，如何通過大量的數據建模分析，更清晰地監測不同廣告形式的投放效果，了解海外消費者的喜好和行為習慣，愈發受到大家的關注和重視，特別是在復雜的廣告歸因邏輯中更為凸顯。以亞馬遜廣告生態為例，比如說，某個消費者看了SP搜索廣告，又看了DSP投放的展示類廣告，最后又在搜索廣告中完成下單，那么這個轉化應該怎么算？或者說，亞馬遜站內站外的廣告都在投，但并不知道廣告費用怎么分配才能使最后的轉化效果達到最佳？

針對這一系列的營銷痛點，今年初亞馬遜廣告推出了亞馬遜營銷云Amazon Marketing Cloud（簡稱：AMC），一種整體衡量和分析亞馬遜生態廣告效果的解決方案，旨在幫助賣家或者營銷人員通過更加多維度、更加細顆粒度的數據分析，來衡量搜索廣告、展示廣告、視頻廣告、OTT電視廣告等不同媒體渠道的營銷效果。

也就是說，與賣家從亞馬遜廣告后臺，或者DSP后臺看到的數據有所不同。通過 AMC數據粒度可以精細到用戶層級（UserID)，并且可以看到日志級別 (log-level) 的數據，針對每一次曝光的所有信息都會被記錄。

此外，AMC 構建在亞馬遜網絡服務Amazon Web Services (AWS) 之上，因此可以為廣告客戶提供靈活性強、透明度高的跨渠道數據，從而幫助他們作出更精準的營銷決策。換句話說，AMC一定程度上是依托AWS的云計算服務進行工作的，AWS本身的安全性、合規性以及作為一種基礎設施的大數據分析和管理能力將保障AMC的高效運行。

一、AMC具體是如何運行工作的？

簡單來說，大家可以把AMC當作一個云平臺，在這個保護隱私的安全專用云環境中，可以輕松跨越多個匿名數據集進行分析，生成匯總報告。盡管AMC平臺的數據粒度精細到每個用戶(User)，但廣告主在 AMC 實例中的所有信息都是嚴格按照亞馬遜的隱私聲明進行處理的，只能從亞馬遜營銷云（AWS）訪問匿名的匯總分析，卻無法返回任何個人數據。

借助AMC超越傳統報告的分析功能，可以幫助賣家或者廣告主深入分析所需信息，提供更全面的廣告系列效果視圖，并且對各個渠道更加復雜的歸因和廣告效果進行衡量和評估。

點擊了解。

此外，當前AMC主要通過開放API及UI給到使用者，來實現數據的匯集與分析。除了亞馬遜廣告活動指標，如展示、點擊和轉化等等之外，還可以輸入廣告主自己的數據集，從而通過AMC 報告，進一步分析廣告數據表現，幫助賣家針對每個跨渠道營銷投放做出更明智的決策。

二、AMC的主要功能及優勢有哪些？

通過上述內容，我們不難發現AMC最重要的一個功能和優勢，就是可以基于賣家或者廣告主的廣告目標、策略和渠道進行完全自定義的數據分析，包括各個渠道的廣告運營策略調整，效果分析，轉化路徑分析，轉化窗口分析等等。同時，還可以開發自定義歸因模型，以幫助大家清楚地了解廣告投放過程中，哪個渠道或者形式對于目標受眾最具影響力。

具體我們可以結合實際案例，看看這幾個不同維度的數據分析到底有什么意義？

1、最佳廣告頻次分析模塊 (Optimal Frequency)

分析廣告頻次對于廣告點擊率的關系，根據不同產品在投放不同階段的表現，隨時調整廣告設置，優化整體投放表現。

（圖片來源：邑炎，轉化率在轉化階段的廣告頻次分析）

如上圖所示，該圖為某個客戶在轉化階段的投放表現，第一次廣告曝光后轉化率處于最高水平，隨著曝光次數增多轉化率同步減少，并在第5次曝光后大幅度減少。也就是說，在轉化階段，受眾被觸達控制在6次之內轉化效果相對較好。

（圖片來源：邑炎，DPVR在考慮階段的廣告頻次分析）

在考慮階段的投放目標主要是吸引潛在消費者了解產品和品牌，所以我們以DPVR (到達DPV的轉化率) 作為主要考核目標。上圖數據分析中同樣出現第一次曝光獲得最高DPVR，隨著次數增多轉化率逐步減弱。可以發現，在考慮階段受眾被觸達4/3次以內廣告投放效率更高。

2、轉化路徑分析 (User Path to Conversion)

（圖片來源：邑炎，轉化全路徑分析）

進行轉化路徑分析的主要目的，是觀察每個消費者從被廣告曝光到完成購買的所有路徑，通過每個獨立路徑深入理解消費者在不同階段以及不同渠道的喜好及行為習慣，從而進一步分析每個渠道在不同時間節點對于促成轉化的影響力。

如上圖所示，左側我們可以當作是First Touch的渠道，右側則是用戶下單購買的渠道。以在亞馬遜下單購買為例，通過AMC的轉化路徑分析，從右向左看可以發現，對該品牌客戶而言，在亞馬遜下單的消費者，其實也會經常出現在新聞、電子郵件、娛樂網站以及其他app等平臺。這就意味著在投放時我們可以對亞馬遜站內站外的多渠道進行布局，全面覆蓋更多的目標受眾，擴大上層流量入口。

（圖片來源：邑炎，用戶轉化數據）

在日常運營過程中，我們也發現不少客戶比較注重Retargeting階段的投放，而忽視了對完整消費鏈路的流量滲透。從上面這張圖的客戶案例分析，也可以清晰地發現，對消費者進行從認知到考慮再到轉化的全流程覆蓋，長期來看整體轉化率較之單純地只打其中某一個或者某兩個階段要高得多。

同時，通過AMC轉化全路徑的分析，我們還可以針對消費者比較集中的路徑，及時調整預算比例。持續分析不同人群包、廣告位等因素的影響，對整個投放鏈條進行數據追蹤，實現效果轉化的歸因，并由此不斷提升廣告精準度。

3、轉化窗口分析 (Conversion Time Window)

（圖片來源：邑炎，轉化窗口分析）

通過轉化窗口分析，可以了解消費者在廣告曝光后，一般會在哪個時間段上發生轉化。如上圖所示，其實用戶在被廣告觸達后，廣告對于用戶的影響效果是遞減的。這就需要根據分析結果，及時調整針對不同投放天數的人群包的競價設置，最大化可曝光機率，提升轉化效果。

4、跨渠道廣告數據分析 (Cross-channel Analysis)

如我們文章開頭所說，不少賣家經常會有疑問，我的廣告預算到底要怎么分配？不同渠道之間如何配合最有效？亞馬遜的飛輪效應到底有沒有？

(圖片來源：邑炎）

針對賣家的這些靈魂拷問，AMC的跨渠道廣告數據分析功能，就可以很好地幫助我們以數據為基礎做精細化的預算分配。從AMC日志層級的數據-Data Science 建模-最佳預算組合拳打法，深入了解不同廣告渠道、廣告形式對于生意增長的影響，利用算法有效分配不同渠道的投放比例，最大化生意增長的可能性。

總而言之，Amazon Marketing Cloud可以根據不同賣家及廣告客戶的定制化需求、差異化受眾分類、多元化渠道選擇以及復雜的歸因模型，傳遞出獨特的數據報告和營銷結論，包括對于亞馬遜站內站外整體廣告投放效果的分析，AMC都可以給出一個比較完整和全面的報告指南。

目前，SparkX自主研發的一站式智能營銷平臺——Xplatform，已經與AMC進行了對接，并且選擇了部分出海頭部客戶率先開始通過AMC進行數據分析和精細化運營管理。在保證數據安全和用戶隱私的前提下，我們希望無限釋放出亞馬遜生態的數據紅利，進一步賦能廣告客戶的數字化戰略布局，促進品牌生意的長效增長。

（編輯：江同）

以上內容僅代表作者本人觀點，不代表雨果跨境立場！如有關于作品內容、版權或其它問題請于作品發表后的30日內與雨果跨境取得聯系。