用 AMC 从客户视角看广告效果

仅靠 ACoS / ROAS 无法回答「每位客户给我们带来多少价值」「广告获取的客户几个月后还会回购吗」「哪些广告活动开始饱和」—— 此分类用 Amazon Marketing Cloud (AMC) 数据回答这些问题。分析视角以 客户为中心，横跨 SP / SB / SD / DSP，并延伸至 ASIN 组合判断、广告活动判断与预算分配。

AMC 的价值

普通广告报表是「广告活动视角」，AMC 能跨 SP / SB / SD / DSP 跟踪同一位客户，得到「客户视角」。LTV / CAC / 同期群留存这类跨月指标只能由 AMC 产出。

使用前提

• 需连接 AMC 实例。仪表板用户选择已连接账号即可；MCP 用户需在连接设置中完成 AMC 实例映射。
• 每个分群至少包含 100 名独立客户（AMC 隐私保护下限）。若期间 / ASIN / 广告活动用户数不足，返回「无法聚合」—— 这是平台规范，并非 Picaro 的限制。
• 全部查询均为 只读，不会修改广告设置。

提示词速查表

全局快照

想要做的事	提示词
计算每位客户的 LTV / CAC / 真实 ROAS（含品牌晕轮）	提示词 1
拆解品牌晕轮（广告点击 ASIN 以外的销售）贡献度	提示词 2
月度品牌获取健康度检查（NTB 比例 / RPR / LTV:CAC 走势）	提示词 3

ASIN 组合判断

想要做的事	提示词
按 ASIN 查看 NTB（新客）获取能力	提示词 4
将 ASIN 划分为「获取型 / 维持型 / 停止推荐」	提示词 5

同期群与留存

想要做的事	提示词
按月度同期群查看留存与 LTV 增长	提示词 6
查看购买后留存漏斗（M+1 / M+3 / M+6 回归率）	提示词 7

广告类型对比

想要做的事	提示词
按广告类型（SP / SB / SD / DSP）比较 NTB 获取能力与销售额	提示词 8
向 NTB CAC 最低的广告类型提出预算转移方案	提示词 9
按广告类型比较 M+1 回归率（客户「质」）	提示词 10

广告活动趋势与信号

想要做的事	提示词
按广告活动查看月度归因趋势	提示词 11
早期检测饱和 / 逓减趋势的广告活动	提示词 12
识别客户数与销售额走势背离的广告活动（购物篮变化）	提示词 13

更多规范见安全机制 / 自动化阶段 / 遇到问题。

---

提示词 1: 计算客户 LTV / CAC / 真实 ROAS

计算广告触达客户的 LTV（客户终身价值）、CAC（获客成本）、复购率与「含品牌晕轮的真实 ROAS」。会同时返回两个数值：仅限广告点击 ASIN 的销售额，以及客户在品牌内其他 ASIN 的购买（晕轮效应）一并计入的销售额。

基于最近 {{PERIOD}} 的 AMC 数据，输出广告触达客户的
LTV / CAC / 复购率 / 真实 ROAS（含品牌晕轮）。
将「仅广告点击 ASIN（不含晕轮）」与「品牌全域（含晕轮）」两组数字并列展示，
并判断 LTV : CAC 比是否健康。

占位符：{{PERIOD}}（如 过去 90 天、2026-Q1。趋势可靠性建议 30 天以上）。

返回：客户数 × 总销售额 × 广告点击 ASIN 销售额 × 含晕轮销售额 × CAC × LTV（含/不含晕轮）× 复购率 × ROAS × LTV:CAC 比，附带相对 3 倍基准的健康判断。

此提示词中 AI 的工作

1. 按 {{PERIOD}} 聚合 AMC 数据，提取广告触达客户
2. 以「仅广告点击 ASIN」与「品牌全域（含晕轮）」两种口径计算单客户销售额
3. 同期广告花费 ÷ 客户数得到 CAC
4. 计算 LTV ÷ CAC 并判断健康度（3 倍以上为健康）
5. 不足 100 名独立客户的分群按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 2: 拆解品牌晕轮贡献度

拆解广告触达客户购买中「广告点击 ASIN」与「品牌晕轮（同品牌其他 ASIN）」的销售/LTV 占比。可视化「以为广告效率高，其实另一个 ASIN 在背后卖」这种结构。

基于最近 {{PERIOD}} 的 AMC 数据，将广告触达客户的购买拆分为
「广告点击 ASIN」与「晕轮（同品牌其他 ASIN）」。
输出销售构成比 × LTV 构成比 × 晕轮受益 ASIN 排行。
晕轮占比高时，指出哪些 ASIN 是晕轮受益者。

占位符：{{PERIOD}}（如 过去 90 天）。

返回：销售构成（广告点击 ASIN / 晕轮）× LTV 构成 × 晕轮受益 ASIN 排行，附带与常见水平（30–50%）的对比判断。

此提示词中 AI 的工作

1. 提取广告触达客户，按客户分类为「广告点击 ASIN」与「其他 ASIN」
2. 计算两类的销售构成比与 LTV 构成比
3. 按销售额对晕轮受益 ASIN 排行
4. 若晕轮占比异常偏高 / 偏低，解读含义（品牌忠诚度 vs 单次购买）
5. 不足 100 名独立客户的分群按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 3: 月度品牌获取健康度检查

「本月品牌整体是否健康」的单页仪表板。并列展示 NTB 比例 / RPR / LTV:CAC 的月度走势，并指出最需要警惕的指标。

基于最近 {{PERIOD}} 的 AMC 数据，输出品牌全域的月度健康度检查。
月 × NTB 比例（独立客户口径）× 复购率 × CAC × LTV × LTV:CAC 比 表。
对每项指标判定「改善 / 持平 / 恶化」，
并指出最需关注的一项指标。

占位符：{{PERIOD}}（如 过去 6 个月、过去 12 个月。趋势判断建议 3 个月以上）。

返回：月 × NTB 比例 × RPR × CAC × LTV × LTV:CAC 比 表 + 趋势判断（改善 / 持平 / 恶化）+ 最关键的恶化指标。

此提示词中 AI 的工作

1. 按月聚合 AMC 数据
2. 按月计算 NTB 比例 / RPR / CAC / LTV
3. 判定各指标的月度趋势方向
4. 通过 LTV:CAC 走势判断综合健康度
5. 提取恶化最严重的一项指标作为警告
6. 不足 100 名独立客户的月份按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 4: 按 ASIN 查看 NTB（新客）获取能力

按 ASIN 维度分解「带来了多少新品牌客户（NTB: New-to-Brand）」与「投放是否值得」。帮助判断哪些 ASIN 应该侧重获取，哪些更适合做留存。

基于最近 {{PERIOD}} 的 AMC 数据，输出 SP / SB / SD 广告
ASIN 层级的 NTB（新客）业绩。
ASIN × 总购买数 × NTB 购买数 × NTB 比例 × 广告归因销售额 × 广告花费 × ACoS 表。
分别列出 NTB ROI 较差（应停止扩量）的 ASIN，
以及 NTB 比例高且有扩量空间的前 10 名 ASIN。

占位符：{{PERIOD}}（如 过去 30 天、上个月）。

返回：ASIN × 总购买数 × NTB 购买数 × 独立客户数 × NTB 独立客户数 × NTB 比例 × 广告归因销售额 × 广告花费 × ACoS 表，附「建议缩减 / 建议扩量」标签。

此提示词中 AI 的工作

1. 从 AMC 数据中提取每个 ASIN 的购买数与新客数
2. 计算 NTB 比例（NTB 客户 ÷ 全部客户）与每位 NTB 的广告花费
3. 按 NTB 获取效率（NTB ÷ 广告花费）对 ASIN 排序
4. 划分出前 10（扩量推荐）与末位（缩减推荐）
5. 不足 100 名独立客户的 ASIN 按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 5: 将 ASIN 划分为获取型 / 维持型 / 停止推荐

将每个 ASIN 自动分为「获取型（新客获取能力强）」「维持型（推动复购）」「停止推荐（ROI 差应退出）」三类。用于厘清 ASIN 组合中各 ASIN 的角色。

基于最近 {{PERIOD}} 的 AMC 数据，将正在 SP / SB / SD 投放的 ASIN 划分为
「获取型」「维持型」「停止推荐」三类。
明确分类标准（NTB 比例 / 广告 ROI / 复购数），
并附上各类的前 5 名 ASIN 及其指标。
给出预算分配的调整建议。

占位符：{{PERIOD}}（如 过去 90 天。为吸收季节性建议 90 天以上）。

返回：ASIN × 类别 × NTB 比例 × 广告 ROI × 复购数 × 建议行动 表。各类前 5 名 ASIN 列表 + 预算分配调整方案。

此提示词中 AI 的工作

1. 按 ASIN 提取 NTB 比例 / 广告 ROI / 复购数
2. 三轴打分自动分为三类（先明确标准）
3. 提取各类前 5 名 ASIN
4. 提议应将预算倾向哪一类 ASIN
5. 不足 100 名独立客户的 ASIN 按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 6: 按月度同期群查看留存与 LTV

将客户按获取月份分组（同期群），分别在 M+1 / M+3 / M+6 时点查看其购买情况。可以可视化「越新的同期群是否更黏」「客户在哪个时间点流失」。

基于最近 {{COHORT_RANGE}} 的 AMC 数据，输出月度同期群的留存与 LTV。
获取月 × 同期群规模 × M+1 销售 × M+3 销售 × M+6 销售 × 同期群 LTV 表。
判断越新的同期群是否更黏，并给出月度趋势。

占位符：{{COHORT_RANGE}}（如 过去 12 个月、2025-04 至 2026-03。建议 6 个月以上以观察同期群增长）。

返回：获取月 × 同期群规模 × M+1 / M+3 / M+6 销售额 × 同期群 LTV × 月度趋势判断。同期群规模不足 100 名独立客户的月份按 AMC 规范不显示。

此提示词中 AI 的工作

1. 按获取月构造广告首购客户的同期群
2. 聚合各同期群在 M+1 / M+3 / M+6 产生的销售额
3. 跨月趋势化同期群 LTV（改善 / 恶化 / 持平）
4. 不足 100 名独立客户的同期群按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 7: 购买后留存漏斗

按时间槽（M+1 / M+3 / M+6 等）聚合「首购后 N 个月有多少 % 客户回归」。按获取广告活动拆分，可判断哪些广告活动带来「更黏」的客户。

基于最近 {{PERIOD}} 的 AMC 数据，输出购买后留存漏斗。
槽（M+1 / M+3 / M+6）× 留存客户数 × 留存率 × 平均复购间隔 表。
按 {{BY_CAMPAIGN}} 拆分，判断哪些广告活动带来易留存的客户，哪些不易留存。

占位符：{{PERIOD}}（如 过去 6 个月、2025-10 起）、{{BY_CAMPAIGN}}（如 按获取广告活动 或 仅整体）。

返回：槽 × 留存客户数 × 留存率 × 平均复购间隔 表。指定广告活动拆分时，附「最易留存 / 最难留存」标签的排行。

此提示词中 AI 的工作

1. 从 AMC 数据中提取首购客户
2. 按时间槽（M+1 / M+3 / M+6 等）聚合复购情况
3. 可视化留存曲线，找出流失点
4. 指定广告活动拆分时按获取路径排序留存率
5. 不足 100 名独立客户的分群按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 8: 按广告类型比较 NTB 获取能力与销售额

按 SP / SB / SD / DSP 广告类型比较「带来多少购买者」「其中 NTB 比例多少」「广告归因销售额多少」。是判断广告类型间预算转移的依据。

基于最近 {{PERIOD}} 的 AMC 数据，按广告类型（SP / SB / SD / DSP）输出
购买者数 × 广告归因销售额 × NTB 比例 × NTB 单位 CAC × NTB ROAS。
按 NTB 获取效率判断应将预算倾向哪个广告类型。

占位符：{{PERIOD}}（如 过去 30 天、上个月）。

返回：广告类型 × 购买者数 × 广告归因销售额 × NTB 比例 × NTB 单位 CAC × NTB ROAS 表，附预算分配建议。未投放 DSP 的账号仅返回 SP / SB / SD。

此提示词中 AI 的工作

1. 按广告类型拆分 AMC 数据，聚合购买者与销售额
2. 计算 NTB 比例与 NTB 单位 CAC
3. 按 NTB ROAS（NTB 销售 ÷ 广告花费）对广告类型排序
4. 检查预算分配是否过于集中于某一类型
5. 不足 100 名独立客户的广告类型按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 9: 向 NTB CAC 最低的广告类型提出预算转移方案

比较各广告类型的 NTB 单位获客成本（CAC），并提出向效率最高类型转移预算的具体方案 —— 转出方 / 转入方 / 预计 NTB 增加数 / 风险。

基于最近 {{PERIOD}} 的 AMC 数据，比较 SP / SB / SD / DSP 的 NTB 单位 CAC。
若将 {{BUDGET_SHIFT}} 转向 CAC 最低类型，给出预计 NTB 增加数，
以及应从 CAC 最高类型抽出的金额。
附转移的风险（规模天花板 / 饱和信号）。

占位符：{{PERIOD}}（如 过去 30 天、过去 60 天）、{{BUDGET_SHIFT}}（如 ¥500,000 或 当前的 10%）。

返回：广告类型 × NTB CAC × 转出方 / 转入方 × 预计 NTB 增加数 × 风险说明 表。未投放 DSP 的账号仅在 SP / SB / SD 之间比较与转移。

此提示词中 AI 的工作

1. 按广告类型计算 NTB CAC
2. 找出 CAC 最低与最高的类型
3. 假设将 {{BUDGET_SHIFT}} 转向 CAC 最低类型，按当前 CAC 线性试算 NTB 增加数
4. 附转移风险（规模天花板 / 饱和信号 / 季节因素）
5. 不足 100 名独立客户的广告类型按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 10: 按广告类型比较 M+1 回归率

按广告类型比较「带来更黏客户」的能力，使用 M+1 回归率作为指标。衡量的是「客户的质」，而非单纯的 NTB 数量。

基于最近 {{PERIOD}} 的 AMC 数据，比较通过 SP / SB / SD / DSP 获取的
NTB 客户的 M+1 回归率。
广告类型 × NTB 获取数 × M+1 回归客户数 × 回归率 × 质 KPI 表。
判断哪个广告类型带来更黏的客户。

占位符：{{PERIOD}}（如 过去 90 天。M+1 观测至少需 2 个月）。

返回：广告类型 × NTB 获取数 × M+1 回归数 × 回归率 + 「黏性型 / 一次性型」分类。未投放 DSP 的账号仅返回 SP / SB / SD。

此提示词中 AI 的工作

1. 按广告类型提取 NTB 客户
2. 判断各 NTB 是否在 M+1 内二次购买
3. 按广告类型对回归率排序
4. 分为「黏性型（回归率高）」「一次性型（回归率低）」
5. 不足 100 名独立客户的广告类型按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 11: 广告活动级归因趋势

按广告活动维度追踪月度购买者 / 销售额 / NTB 比例的变化。将广告活动划分为「扩量推荐 / 饱和 / 停止推荐」三类。

基于最近 {{PERIOD}} 的 AMC 数据，输出 广告活动 × 月份 的
购买者数 × 广告归因销售额 × NTB 比例 趋势。
将广告活动分类为 扩量推荐 / 饱和 / 停止推荐 三类，
并并列展示 NTB-to-Spend 比例较优的广告活动排行。

占位符：{{PERIOD}}（如 过去 6 个月、2025-12 起。趋势判断建议 3 个月以上）。

返回：广告活动 × 月份 × 购买者 × 广告归因销售额 × NTB 比例 表，附「扩量推荐 / 饱和 / 停止推荐」分类与 NTB-to-Spend 排行。

此提示词中 AI 的工作

1. 在「广告活动 × 月份」粒度聚合 AMC 数据
2. 根据月度增长率判断趋势
3. 用 NTB 比例变化判断「NTB 是否已枯竭」
4. 将各广告活动分类为「扩量推荐 / 饱和 / 停止推荐」
5. 不足 100 名独立客户的「广告活动 × 月份」单元按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 12: 早期检测饱和的广告活动

通过 NTB 比例下降 / CPA 上升 / 销售额触顶等「饱和信号」的月度变化，提前识别需要收紧预算或加新词的广告活动。提示词 11 是全量视图，本提示词只挑出「有恶化迹象」的广告活动作为警报。

至少需要 3 个月的数据

月度趋势判断（下降率 / 上升率 / 触顶）需至少 3 个月的连续数据。月份不足 3 个月的广告活动会在另一份「趋势判断暂缓」列表中返回。

基于最近 {{PERIOD}} 的 AMC 数据，早期检测饱和 / 逓减趋势的广告活动。
按月检查：NTB 比例下降率 / CPA 上升率 / 销售额触顶。
将「饱和信号 2 项以上」的广告活动列为警告对象。
附建议动作（收紧预算 / 加新关键词 / 扩展目标）。

占位符：{{PERIOD}}（如 过去 6 个月。趋势判断至少需要 3 个月）。

返回：广告活动 × 饱和信号计数 × 主要恶化指标 × 月度趋势 × 推荐动作 表。月份不足 3 个月的广告活动会归入「趋势判断暂缓」单独列出。

此提示词中 AI 的工作

1. 在「广告活动 × 月份」粒度计算 NTB 比例 / CPA / 销售额的月度变化
2. 对每项设「恶化标记」，提取标记 2 项以上的广告活动
3. 找出各广告活动的主要恶化指标
4. 根据恶化指标自动建议动作（NTB 比例下降 → 加新关键词 / CPA 上升 → 收紧出价 / 销售触顶 → 扩展目标）
5. 月份不足 3 个月的广告活动归入「趋势判断暂缓」
6. 不足 100 名独立客户的「广告活动 × 月份」单元按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

提示词 13: 识别客户数与销售额背离的广告活动

识别「客户数增加但销售额减少（购物篮缩小）」或「客户数减少但销售额持平（单价上升）」的广告活动。这些是表面销售数据无法揭示的结构性变化。

基于最近 {{PERIOD}} 的 AMC 数据，识别客户数与销售额走势背离的广告活动。
广告活动 × 客户数变化率 × 销售额变化率 × 购物篮变化 × 推测原因 表。
分为「客数升 · 销售降（降价）」和「客数降 · 销售稳（涨价）」两种模式。

占位符：{{PERIOD}}（如 最近 3 个月 vs 之前 3 个月。需要对比期间组）。

返回：背离广告活动 × 客户数 / 销售 / 购物篮变化率 × 模式分类 × 原因假设。

此提示词中 AI 的工作

1. 在「广告活动 × 月份」粒度计算客户数与销售额变化率
2. 提取「客数升 · 销售降」和「客数降 · 销售稳」两种模式
3. 同时输出购物篮（销售 ÷ 客户数）变化
4. 假设原因（促销折扣 / 涨价 / 商品组合变化 / 大促时段）
5. 不足 100 名独立客户的广告活动按 AMC 规范不参与聚合

操作模式：即时显示（只读，不修改广告设置）

---

相关分类

• 战略分析 —— 非 AMC 的战略级分析（CAC/LTV 改进、品牌 vs 通用词、漏斗分解）
• 查看 KPI 仪表板 —— 作为 AMC 分析前置的日常 KPI
• 用 SQP 看市场检索漏斗 —— 市场整体的检索行为分析（与 AMC 数据源不同）
• 用 N-gram 分解销售贡献 —— 按搜索词的销售贡献度
• 生成报表 —— 将 AMC 分析结果整合为报表