戦略分析

ACoS や入札の戦術調整より一段上、ブランド戦略・予算配分・CAC/LTV といったマネジメント層が見たい判断材料を作るプロンプト集です。広告効率だけでなく、ファネル全体・商品ライン横断・新規顧客獲得の視点で分析できます。

プロンプト早見表

やりたいこと	プロンプト
ファネル別（インプレッション → クリック → 注文）でパフォーマンスを分解したい	プロンプト 1
Brand キーワードと Generic キーワードの ROAS を比較したい	プロンプト 2
オーダー × ラインアイテム別にパフォーマンスを分解したい	プロンプト 3
不採算要因を CAC/LTV 視点で説明・改善提案したい	プロンプト 4
予算追加配分（NTB 新規顧客増加）の最適化案がほしい	プロンプト 5
O&O vs 3P インベントリを比較したい	プロンプト 6
ブランド × キャンペーン × 広告グループ別の包括分析がしたい	プロンプト 7
既存キャンペーン内で予算追加時の最適配分を知りたい	プロンプト 8
予算未消化の原因を分析したい	プロンプト 9
イベント前後の予算配分案を検索ファネル別に欲しい	プロンプト 10
CLTV 分析クエリを生成したい（AMC）	プロンプト 11
ASIN × キャンペーンタイプ別に ACOS を比較したい（AMC）	プロンプト 12
ASIN 別の純広告貢献利益を計算したい	プロンプト 13
ASIN の日次サマリーを取得したい	プロンプト 14
高 CTR・低 CVR の ASIN を特定したい	プロンプト 15

詳細仕様は安全装置 / 自動化フェーズ / 困ったときを参照。

プロンプト 1: ファネル別パフォーマンス分解

検索ファネル KPI（インプレッション → クリック → 注文）を参照し、過去期間のキャンペーンをファネルステージ別に分解したパフォーマンスレポートを作成します。

直近 {{対象期間（例: 過去30日）}} の SP キャンペーンを、検索ファネル KPI
（インプレッション → クリック → 注文）でファネルステージおよびキャンペーン別に
分解したパフォーマンスレポートを作って。
ボトルネックがファネルのどの段階にあるかを示して。

プレースホルダー: 対象期間（例: 過去 30 日、2026-04）。 返ってくるもの: ファネルステージ × キャンペーン × インプレッション / クリック / 注文 / CVR / ACoS の表 + ボトルネック段階の特定。読み取り専用で広告設定は変更しません。

プロンプト 2: Brand vs Generic キーワードの ROAS 比較

キャンペーン名から Brand（指名型）と Generic（一般語）を判別し、最も成果の良い ASIN 群を特定します。

全 SP キャンペーンを確認し、名称に Brand キーワード相当が含まれるものと
Generic キーワード相当が含まれるものを比較して、
最も成果（ROAS / ACoS / 売上）の良い ASIN 群を特定して。

プレースホルダー: なし。 返ってくるもの: Brand 群 vs Generic 群の集計表 + ASIN 別パフォーマンスランキング。命名規則の判別精度はキャンペーン命名規則の整備状況に依存します（ラベル分類を設計するプロンプト 6 で命名規則を整備済みなら判別精度が上がります）。

プロンプト 3: オーダー × ラインアイテム別パフォーマンス分解

「Branded Keyword」「Catch-All」などの Picaro 内のオーダー × ラインアイテム単位でパフォーマンスを分解して、最適化案と新たな機会を提案します。

直近 {{対象期間（例: 過去30日）}} の主要キャンペーンを、オーダー × ラインアイテム単位で
パフォーマンス分析して。最適化案と新たな機会を提案して。

プレースホルダー: 対象期間（例: 過去 30 日）。 返ってくるもの: ラインアイテム × spend / sales / ACoS / ROAS / 最適化案の表。

プロンプト 4: 不採算要因の特定と CAC/LTV 改善提案

ACoS だけでは見えない不採算要因を CAC（顧客獲得コスト）/ LTV（顧客生涯価値）視点で分解し、改善提案を返します。

直近 {{対象期間（例: 過去90日）}} の不採算キャンペーン / 不採算 ASIN を特定して、
原因を CAC / LTV 視点で説明して。
改善提案を ACoS 軸ではなく顧客視点で出して。

プレースホルダー: 対象期間（例: 過去 90 日、長期トレンドが必要なため 30 日以上推奨）。 返ってくるもの: 不採算キャンペーン × CAC / 想定 LTV / 改善提案の表。LTV は Picaro が持つ売上履歴から推定値で算出されます。

プロンプト 5: 予算追加配分（NTB 新規顧客増加に最適化）

新規顧客（New-to-Brand）を増やす目的で、予算追加分の配分案を提示します。

広告予算を {{追加予算（例: ¥500,000）}} 追加する場合、
NTB（新規顧客）増加に最適な配分案を出して。
キャンペーン × 配分額 × 想定 NTB 増加数を併記。

プレースホルダー: 追加予算（例: ¥500,000）。 返ってくるもの: 配分先キャンペーン × 配分額 × 想定 NTB 増加数 × 想定 ACoS の表。

プロンプト 6: O&O vs 3P インベントリ比較

Amazon 自社インベントリ（O&O: Owned and Operated）と 3P（サードパーティ）インベントリでパフォーマンスを比較します。

直近 {{対象期間（例: 過去30日）}} の広告パフォーマンスを、O&O インベントリ
（Amazon サイト内）と 3P インベントリ（外部サイト経由）で分けて比較して。
ROAS / CTR / CVR の差分を出して。

プレースホルダー: 対象期間（例: 過去 30 日）。 返ってくるもの: O&O / 3P 別の指標比較表。3P 配信が無い場合は O&O のみで返却されます。

プロンプト 7: ブランド × キャンペーン × 広告グループ別パフォーマンス分析

ブランド・キャンペーン・広告グループの 3 階層で包括的にパフォーマンスを分析し、既存広告グループの最適化案と新規広告グループ案の両方を提案します。

直近 {{対象期間（例: 過去30日）}} の {{対象ブランド名（例: ○○ブランド）}} の SP キャンペーンを、
キャンペーンおよび広告グループ単位で分析して。
既存広告グループの最適化案と新規広告グループ案の両方を提案して。

プレースホルダー: 対象期間（例: 過去 30 日）、対象ブランド名（未指定なら接続中アカウント全体）。 返ってくるもの: キャンペーン × 広告グループ × 主要指標 × 最適化案 / 新規案の表。

プロンプト 8: 予算追加時の最適配分（既存キャンペーン内）

既存 SP キャンペーン内で予算追加分をどこに配分するのが最適かをシミュレーションします。

既存 SP キャンペーン内で {{対象ブランド名（例: ○○ブランド）}} の予算を
{{追加予算（例: ¥1,000,000）}} 追加する場合、どこに配分するのが最適か?
キャンペーン × 推奨配分額 × 想定 ROI を出して。

プレースホルダー: 対象ブランド名（任意、絞り込み用）、追加予算（例: ¥1,000,000）。 返ってくるもの: キャンペーン × 推奨配分額 × 想定 ROI / ACoS の表。

プロンプト 9: 予算未消化の原因分析

ポートフォリオやキャンペーンが予定通りに予算消化されていない理由を説明します。

{{対象ブランド名（例: ○○ブランド）}} の {{対象ポートフォリオ名（例: ○○ポートフォリオ）}} が予定通りに予算消化されていない
理由を説明して。原因（入札不足 / IS 不足 / マッチタイプ過剰絞り込み等）を
分けて提示して。

プレースホルダー: 対象ブランド名、対象ポートフォリオ名（未指定なら全体）。 返ってくるもの: 未消化キャンペーン × 想定原因（入札 / IS / マッチタイプ / 競合の強さ）× 対処方針の表。

プロンプト 10: イベント前後の予算配分案（検索ファネル別）

セールやキャンペーンイベントの前後で、リード前後の予算配分案を検索ファネル別（調査 / 比較 / 購入直前）に作成します。

{{対象ブランド名（例: ○○ブランド）}} の {{イベント日（例: 2026-07-15）}} 割引のリード前後の SP 予算配分案を、
検索ファネル別（調査 / 比較 / 購入直前）に作成して。
リード期 / 当日 / フォロー期で配分を変えて。

プレースホルダー: 対象ブランド名、イベント日（例: 2026-07-15）。 返ってくるもの: ファネルステージ × リード期 / 当日 / フォロー期 × 予算配分額の表。

プロンプト 11: CLTV 分析クエリ生成（AMC）

Amazon Marketing Cloud（AMC）で実行可能な CLTV（顧客生涯価値）分析の SQL クエリを生成します。

AMC で CLTV（顧客生涯価値）分析を行うクエリを生成して。
セグメント別の購入回数 / 平均購入額 / 算出 LTV を含む構造で。
過去 {{対象期間（例: 12ヶ月）}} のデータを対象に。

プレースホルダー: 対象期間（例: 12 ヶ月、AMC データ保有期間内で指定）。 返ってくるもの: 実行可能な SQL クエリ + 想定結果スキーマ。AMC コンソールでの実行手順案内付き。AMC アカウント連携が必要な点に注意。

プロンプト 12: ASIN × キャンペーンタイプ別 ACOS 比較（AMC）

ASIN ごとに、SP / SB / SD のキャンペーンタイプ別 ACoS を AMC データで比較します。

過去 {{対象期間（例: 90日）}} の主要 ASIN について、SP / SB / SD のキャンペーンタイプ別 ACoS を
AMC データで比較するクエリを生成して。
ASIN × キャンペーンタイプ × ACoS の表で出して。

プレースホルダー: 対象期間（例: 90 日）。 返ってくるもの: 実行可能 SQL クエリ + ASIN × キャンペーンタイプ別 ACoS のサマリー表。

プロンプト 13: ASIN 別の純広告貢献利益

SP 広告の売上から広告費を差し引いて、注文あたりの純広告貢献利益を計算します。

直近 {{対象期間（例: 過去30日）}} の SP 広告について、ASIN 別に
売上 − 広告費 = 純広告貢献利益 を計算して。
注文 1 件あたりの純利益も併記。

プレースホルダー: 対象期間（例: 過去 30 日）。 返ってくるもの: ASIN × 売上 × 広告費 × 純利益 × 注文 1 件あたり純利益の表。原価率・粗利は加味していないため「広告 ROI 評価用」の指標です。

プロンプト 14: ASIN 日次サマリー

主要 ASIN について、日次の売上 / 広告費 / 注文 / ROAS をサマリーで返します。

{{対象ASIN一覧（例: B0XXXXXXXX, B0YYYYYYYY）}} の直近 {{対象期間（例: 過去7日）}} の日次サマリーを出して。
売上 / 広告費 / 注文 / ROAS を 1 ASIN 1 行で集計表示。

プレースホルダー: 対象ASIN一覧（例: B0XXXXXXXX, B0YYYYYYYY、複数 ASIN）、対象期間（例: 過去 7 日）。 返ってくるもの: ASIN × 日付 × 売上 / 広告費 / 注文 / ROAS の日次表。

プロンプト 15: 高 CTR・低 CVR ASIN の特定

CTR は高いが CVR が低い ASIN を特定します（広告は引きが強いが商品ページで離脱しているケース）。

直近 {{対象期間（例: 過去30日）}} で CTR がアカウント平均より高いが
CVR が低い ASIN を特定して。
原因候補（価格 / 画像 / レビュー / 在庫切れ）の仮説を併記。

プレースホルダー: 対象期間（例: 過去 30 日）。 返ってくるもの: ASIN × CTR × CVR × アカウント平均比 × 原因候補仮説の表。商品ページ改善（LP・画像・価格）の優先順位付けに使えます。