用 AMC 分析跨广告的客户行为

本页用 Amazon Marketing Cloud (AMC) 数据，拆解仅靠 ACoS / ROAS 看不到的问题：「每位客户给我们带来多少收益」「广告带来的客户几个月后是否还会购买」「哪些广告活动开始饱和」。分析横跨 SP / SB / SD / DSP，以客户为中心，并深入到 ASIN 组合、广告活动判断与预算分配。

本页基本信息

项目	内容
本页能做什么	从 AMC 数据出发，从客户视角拆解 LTV / CAC / NTB / 留存率 / 广告类型归因，把 ASIN 组合、广告活动判断、预算分配的判断材料汇总成一览；同时生成 AMC 控制台用的 SQL 查询
适用对象	AMC（Amazon Marketing Cloud）。横跨 SP / SB / SD / DSP，以客户维度分析广告触达的客户
所需数据・连接	需连接 AMC 实例。聚合对象仅限 100 名以上用户的分群（AMC 隐私保护规范）。用户数不足的期间 / ASIN / 广告活动会返回「无法聚合」
执行范围	绝大多数仅为分析（只读）。提示词 14・15 仅为生成在 AMC 控制台执行的 SQL 查询（Picaro 不会在 AMC 上执行 SQL）。两者均不修改广告设置

本页用到的术语

• AMC（Amazon Marketing Cloud）…… Amazon 的分析环境。横跨 SP / SB / SD / DSP，能以客户维度分析广告触达的客户。
• LTV（客户终身价值，Customer Lifetime Value）…… 一位客户在其生命周期内带来的销售额。CLTV 同义。
• CAC（获客成本）…… 获取一位客户所花的成本。仅针对新客的称为 NTB CAC。
• NTB（品牌新客，New-to-Brand）…… 在过去一定期间内未购买过本品牌的新客户。
• 品牌光环（品牌光环效应）…… 广告点击 ASIN 以外、同品牌其他商品所产生的连带销售额。
• 真实 ROAS …… 含品牌光环计算的 ROAS（广告带来的销售额 ÷ 广告花费）。通常高于仅计广告点击 ASIN 的 ROAS。
• 复购率 …… 购买过一次的客户再次购买的比例。
• M+1 / M+3 / M+6 …… 首购后 1 / 3 / 6 个月的时点，是留存率的计测点。
• ACoS …… 广告销售成本比。广告花费 ÷ 广告带来的销售额。越低效率越好。

AMC 分析与 Amazon DSP 分析的区分使用

AMC 横跨 SP / SB / SD / DSP，以客户维度分析广告触达客户的获客、复购、LTV、NTB、品牌光环等。

若要按 DSP 的订单或订单项目查看投放实绩，请使用 分析 Amazon DSP 的投放实绩。

AMC 好用的原因

普通广告报表是「广告活动视角」，而 AMC 能横跨 SP / SB / SD / DSP 追踪同一位客户，因此可以做「客户视角」的分析。LTV / CAC / 按获取月的留存率这类跨月指标只有 AMC 能产出。

什么时候会用到

• 想计算每位客户的 LTV / CAC / 真实 ROAS（含品牌光环）
• 想拆解品牌光环效应（广告对象以外、同品牌其他商品的连带销售额）的贡献度
• 想查看品牌整体的月度健康度检查（NTB 比例 / 复购率 / LTV:CAC 走势）
• 想把 ASIN 按角色分类（新客获取 / 回头客维系 / 考虑缩减・退出）
• 想按获取月查看新客同期群的留存率与 LTV 增长
• 想按广告类型（SP / SB / SD / DSP）比较 NTB 获取能力・CAC 以决定预算分配
• 想尽早发现开始饱和・递减的广告活动
• 想生成在 AMC 控制台执行的 SQL 查询

执行前请确认

• 连接的账号与 AMC 实例 …… 确认目标账号是否已连接 AMC 实例。仪表板用户只需选择已连接账号即可运行，MCP 用户需在连接设置中完成 AMC 实例的映射。
• 目标期间 …… 如「过去 90 天」「2026-Q1」。LTV、留存率等跨月指标建议 30 天以上（按获取月的留存率建议 6 个月以上）。当日・前日数据可能未确定，建议使用已确定的最近期间。
• 100 名以上用户的条件 …… 聚合对象仅限 100 名以上用户的分群（AMC 隐私保护规范）。用户数不足的期间 / ASIN / 广告活动会返回「无法聚合」。这是规范，并非限制。
• 提示词 14・15 的执行范围不同 …… 这两个仅生成在 AMC 控制台执行的 SQL 查询。Picaro 不会在 AMC 上执行任意 SQL。

提示词速查表

想做的事	可获得 / 生成的内容	设置变更	提示词
计算每位客户的 LTV / CAC / 真实 ROAS	客户数・销售额・CAC・LTV（含 / 不含光环）・复购率・LTV:CAC 比的表	仅分析	提示词 1
拆解品牌光环效应的贡献度	销售・LTV 构成比与品牌光环受益 ASIN 排行	仅分析	提示词 2
查看品牌整体的月度健康度检查	月度 NTB 比例・复购率・CAC・LTV・LTV:CAC 比与趋势判定	仅分析	提示词 3
按 ASIN 查看 NTB（新客）获取能力	按 ASIN 的 NTB 比例・广告花费・ACoS 与扩量 / 缩减标签	仅分析	提示词 4
把 ASIN 按角色划分（新客获取 / 回头客维系 / 考虑缩减）	ASIN 的三类分类与预算分配调整方案	仅分析	提示词 5
按获取月查看新客同期群的留存率与 LTV	按获取月同期群的留存率・LTV 与趋势判定	仅分析	提示词 6
查看购买后的留存漏斗	M+1 / M+3 / M+6 的留存率与按广告活动的留存判定	仅分析	提示词 7
按广告类型比较 NTB 获取能力与销售额	按广告类型的 NTB 比例・CAC・ROAS 与预算分配建议	仅分析	提示词 8
向 NTB CAC 最低的广告类型提出预算转移方案	转出方 / 转入方・预计 NTB 增加数・风险说明的表	仅分析	提示词 9
按广告类型比较 M+1 回归率（客户的质）	按广告类型的回归率与黏性型 / 一次性型分类	仅分析	提示词 10
按广告活动查看归因的月度趋势	广告活动 × 月份趋势与扩量 / 饱和 / 缩减三分类	仅分析	提示词 11
早期检测饱和 / 递减趋势的广告活动	带饱和信号的广告活动与应对动作的表	仅分析	提示词 12
识别客户数与销售额背离的广告活动	客数 / 销售 / 购物篮变化率与原因假设	仅分析	提示词 13
生成 CLTV 分析查询（在 AMC 控制台执行）	AMC 控制台用 SQL + 预计结果模式 + 执行步骤	仅生成 SQL（在 AMC 控制台执行）	提示词 14
生成按 ASIN × 广告活动类型比较 ACoS 的查询	AMC 控制台用 SQL + 预计结果模式	仅生成 SQL（在 AMC 控制台执行）	提示词 15

本页止于分析・查询生成

如速查表「设置变更」列所示，全部为「仅分析」或「仅生成 SQL」，本页不修改广告设置。提示词 14・15 生成的 SQL 由用户在 AMC 控制台执行。详细规范见 自动化阶段 / 遇到问题。

---

分析基础指标

先从全局出发，掌握每位客户的采算（LTV / CAC / 真实 ROAS）与品牌整体的健康状态。

提示词 1: 计算客户 LTV / CAC / 真实 ROAS

计算通过广告获取的每位客户的 LTV（客户终身价值）、CAC（获客成本）、复购率，以及含品牌光环的 ROAS。不仅是「广告点击的 ASIN」，还会根据是否把该客户在同品牌内购买的其他 ASIN（品牌光环效应 = 广告对象 ASIN 以外、同品牌其他商品的连带销售额）计入销售额，返回两组数字。

适用场景 —— 想用每位客户的终身价值与获客成本、而非 ACoS 来衡量广告采算时。

执行前需要的信息 —— 目标期间（默认过去 90 天）。

基于最近 90 天的 AMC 数据，输出广告触达客户的
LTV（客户终身价值）/ CAC（获客成本）/ 复购率 / 真实 ROAS（含品牌光环）。
将「仅广告点击 ASIN（不含光环）」与「品牌全域（含光环）」两组数字并列展示，
并判断 LTV : CAC 比是否健康。

可调整的条件 —— 目标期间（例如过去 90 天、2026-Q1。为观察长期趋势建议 30 天以上）。

返回内容 —— 汇总客户数・总销售额・广告来源 ASIN 销售额・含品牌光环销售额・CAC・LTV（含 / 不含品牌光环）・复购率・ROAS・LTV:CAC 比的表格。附带 LTV:CAC 比是否达到健康水平（3 倍以上）的判定说明。

此提示词中 AI 会做的事

1. 聚合最近 90 天的 AMC 数据，提取广告触达的客户
2. 以「仅广告点击 ASIN」和「品牌全域（含品牌光环）」两种口径计算每位客户的销售额
3. 用同期广告花费除以客户数得到 CAC
4. 计算 LTV ÷ CAC 并对健康度（以 3 倍以上为参考）作出说明
5. 不足 100 名独立客户的分群按 AMC 规范作为「无法聚合」排除

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 若要衔接客户视角的战略判断，用 制定广告策略；结果报表化用 生成报告。

---

提示词 2: 拆解品牌光环效应的贡献度

不仅是广告点击的 ASIN，还会拆解同一客户购买的同品牌内其他 ASIN（品牌光环效应 = 广告对象 ASIN 以外、同品牌其他商品的连带销售额）的销售贡献。可视化「以为优化了广告预算，其实是另一个 ASIN 在背后卖出去」这种结构。

适用场景 —— 想知道广告点击 ASIN 以外产生了多少连带销售额、其受益 ASIN 是哪些时。

执行前需要的信息 —— 目标期间（默认过去 90 天）。

基于最近 90 天的 AMC 数据，将广告触达客户的购买拆分为
「广告点击 ASIN」与「品牌光环（同品牌内其他 ASIN）」。
输出销售构成比 / LTV 构成比 / 品牌光环贡献前列 ASIN。
若品牌光环占比高，一并指出哪些 ASIN 是品牌光环受益者。

可调整的条件 —— 目标期间。

返回内容 —— 销售构成（广告点击 ASIN / 品牌光环）的比例・LTV 构成比・品牌光环受益 ASIN 排行。附带与常见水平（30〜50%）相比如何的判定说明。

此提示词中 AI 会做的事

1. 提取广告触达客户，将各客户的购买分类为「广告点击 ASIN」和「同品牌内其他 ASIN」
2. 以两类计算销售构成比与 LTV 构成比
3. 按销售额对品牌光环受益 ASIN 排行
4. 若品牌光环占比异常偏高 / 偏低，解读其含义（品牌忠诚 / 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

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 若要按角色梳理受益 ASIN，用 提示词 5；结果报表化用 生成报告。

---

提示词 3: 品牌获取的月度健康度检查

用一张表查看「本月品牌整体是否健康」的仪表板。并列 NTB 比例 / 复购率 / LTV:CAC 的月度走势，并对恶化指标给出一条警告。

适用场景 —— 想每月用同一套指标监控品牌整体健康度时。

执行前需要的信息 —— 目标期间（默认过去 6 个月）。

基于最近 6 个月的 AMC 数据，输出品牌全域的月度健康度检查。
按月并列 NTB 比例（新客占比，独立客户口径）、复购率、CAC、LTV、LTV:CAC 比 的表。
对每项指标判定「改善 / 持平 / 恶化」，
并指出一项最需关注的指标。

可调整的条件 —— 目标期间（例如拉长到过去 12 个月。观察趋势建议 3 个月以上）。

返回内容 —— 按月的 NTB 比例・复购率・CAC・LTV・LTV:CAC 比 表，附趋势判定（改善 / 持平 / 恶化）与最需关注指标的小结。

此提示词中 AI 会做的事

1. 按月聚合 AMC 数据
2. 按月计算 NTB 比例 / 复购率 / CAC / LTV
3. 判定各指标的月度趋势方向
4. 通过 LTV:CAC 比的趋势判定综合健康度
5. 提取恶化最严重的一项指标并警告
6. 不足 100 名独立客户的月份单元按 AMC 规范不参与聚合

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 纳入月度报告时用 生成报告。

---

判断 ASIN 组合

从商品维度梳理哪些 ASIN 带来新客、哪些 ASIN 应当收紧。

提示词 4: 按 ASIN 分析 NTB（品牌新客）获取能力

按 ASIN 维度拆解「带来了多少品牌新客（NTB: New-to-Brand）」「其中是否对得起广告花费」。可判断某 ASIN 更擅长获取新客还是维系回头客。

适用场景 —— 想以新客获取能力来甄别应收紧和应扩量的广告候选时。

执行前需要的信息 —— 目标期间（默认过去 30 天）。

基于最近 30 天的 AMC 数据，输出 SP / SB / SD 广告
按 ASIN 的 NTB（新客）表现。
按 ASIN 并列 总购买数・NTB 购买数・NTB 比例・广告来源销售额・广告花费・ACoS 的表。
分别列出 NTB 获取效率较差（应收紧广告）的 ASIN，
与 NTB 比例高、有扩量空间的前 10 名 ASIN。

可调整的条件 —— 目标期间（例如过去 30 天、上个月）。

返回内容 —— 按 ASIN 的 总购买数・NTB 购买数・独立客户数・NTB 独立客户数・NTB 比例・广告来源销售额・广告花费・ACoS 表。附「建议缩减」「建议扩量」标签。

此提示词中 AI 会做的事

1. 从 AMC 数据提取按 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. 分别给出前 10 名 ASIN（有扩量空间）与末位（建议缩减）
5. 不足 100 名独立客户的 ASIN 按 AMC 规范不参与聚合

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 若要整理 ASIN 的分类规则，用 用标签与命名规则给广告分类；按角色梳理用 提示词 5。

---

提示词 5: 按角色划分 ASIN（新客获取 / 回头客维系 / 缩减・退出考虑）

将各 ASIN 分为「擅长获取新客的 ASIN」「有助于维系回头客的 ASIN」「ROI 较差、需考虑缩减・停止・退出的 ASIN」三类。用于梳理整个 ASIN 组合中各自的角色。第三类不是「应立即停止的 ASIN」，而是以数据为依据、考虑缩减・停止・退出的候选。

适用场景 —— 想梳理整个 ASIN 组合的角色、制定预算分配方针时。

执行前需要的信息 —— 目标期间（默认过去 90 天）。

基于最近 90 天的 AMC 数据，将正在 SP / SB / SD 投放的 ASIN 分为
「擅长获取新客的 ASIN」「有助于维系回头客的 ASIN」
「ROI 较差、需考虑缩减・停止・退出的 ASIN」三类。
明确分类标准（NTB 比例 / 广告 ROI / 复购数），
并附上各类前 5 名 ASIN 及其指标。
给出预算分配的调整方案。

可调整的条件 —— 目标期间（为吸收季节因素建议 90 天以上）。

返回内容 —— 按 ASIN 的 类别・NTB 比例・广告 ROI・复购数・建议行动 表。附各类前 5 名 ASIN 列表与预算分配调整方案。

此提示词中 AI 会做的事

1. 按 ASIN 提取 NTB 比例 / 广告 ROI / 复购数
2. 以三轴打分自动分为三类（先明确标准再判定）
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

设置变更 —— 仅分析・提议（只读）。不修改广告设置。

下一步 —— 制定预算分配的具体方案用 制定广告策略；结果报表化用 生成报告。

---

按获取月分析留存率

按获取月份、按经过月份，追踪购买过一次的客户是否持续复购。

提示词 6: 按获取月分析新客同期群的留存率与 LTV

把「同一个月首次购买的新客」作为一个同期群，按获取月份聚合其后在 M+1 / M+3 / M+6 的持续购买情况。可视化「越是最近获取的客户留存越高还是越低」「何时流失」。

适用场景 —— 想按月度趋势确认不同获取时期客户黏性是否变化时。

执行前需要的信息 —— 目标期间（默认过去 12 个月）。

基于最近 12 个月的 AMC 数据，输出按获取月的新客同期群留存率与 LTV。
按获取月并列 同期群规模（客户数）・首购后 1 / 3 / 6 个月的销售额・同期群 LTV 的表。
判断越是最近获取的客户留存是否越高，给出月度趋势。

可调整的条件 —— 目标期间（例如 2025-04 至 2026-03。观察按获取月的走势建议 6 个月以上）。

返回内容 —— 按获取月的 同期群规模・首购后 1 / 3 / 6 个月的销售额・同期群 LTV 与月度趋势判定。同期群规模不足 100 名客户的月份按 AMC 规范不显示。

此提示词中 AI 会做的事

1. 按获取月把「通过广告首购的新客」分组
2. 聚合各同期群在 M+1 / M+3 / M+6 产生的销售额
3. 将跨月的同期群 LTV 走势趋势化（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

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 若要按广告活动查看各经过月的留存率，用 提示词 7；报表化用 生成报告。

---

提示词 7: 分析购买后的留存漏斗

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「哪个广告活动带来更易留存的客户」。

适用场景 —— 想查看客户在哪个时点最易流失、哪个获取广告活动带来更易留存客户时。

执行前需要的信息 —— 目标期间（默认过去 6 个月）。

基于最近 6 个月的 AMC 数据，输出购买后的留存漏斗。
按首购后 1 / 3 / 6 个月并列 留存客户数・留存率・平均复购间隔 的表。
按获取广告活动拆分，判断哪些广告活动带来更易留存的客户，哪些不易留存。

可调整的条件 —— 目标期间（例如 2025-10 起）／按获取广告活动拆分还是 仅整体 查看。

返回内容 —— 按首购后经过月份的 留存客户数・留存率・平均复购间隔 表。按广告活动拆分时，附「易留存 / 不易留存」标签给出前列・末位。

此提示词中 AI 会做的事

1. 从 AMC 数据提取首购客户
2. 按时间槽（M+1 / M+3 / M+6 等）聚合是否复购
3. 可视化留存率曲线（流失点）
4. 指定按广告活动拆分时，按获取路径聚合并对留存率差异排序
5. 不足 100 名独立客户的分群按 AMC 规范不参与聚合

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 若要比较更易留存的广告类型，用 提示词 10；报表化用 生成报告。

---

按广告类型比较

比较 SP / SB / SD / DSP 中哪种更高效地带来新客，作为预算分配的判断材料。

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」「广告来源销售额多少」。可作为广告类型间预算转移的判断材料。

适用场景 —— 想比较哪种广告类型更高效地带来新客、决定预算投向时。

执行前需要的信息 —— 目标期间（默认过去 30 天）。

基于最近 30 天的 AMC 数据，按广告类型（SP / SB / SD / DSP）输出
购买者数・广告来源销售额・NTB 比例・每位 NTB 的 CAC・NTB ROAS。
按 NTB 获取效率判断应将预算投向哪个广告类型。

可调整的条件 —— 目标期间（例如过去 30 天、上个月）。

返回内容 —— 按广告类型的 购买者数・广告来源销售额・NTB 比例・每位 NTB 的 CAC・NTB ROAS 表与预算分配建议。未投放 DSP 的账号仅返回 SP / SB / SD。

此提示词中 AI 会做的事

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

设置变更 —— 仅分析・提议（只读）。不修改广告设置。

下一步 —— 具体的预算转移方案用 提示词 9；战略层面的分配用 制定广告策略。

---

提示词 9: 向 NTB CAC 最低的广告类型提出预算转移方案

比较各广告类型每位 NTB 的获客成本（CAC），给出向效率最高类型转移预算的具体方案。会给到「转出方 / 转入方 / 预计 NTB 增加数」。

适用场景 —— 想要广告类型间调配预算的具体方案（金额・预计效果・风险）时。

执行前需要的信息 —— 目标期间（默认过去 30 天）、转移的预算额（例如 50 万日元）。

基于最近 30 天的 AMC 数据，比较 SP / SB / SD / DSP 的
每位 NTB 的 CAC。
给出把 50 万日元转向 CAC 最低类型时的
预计 NTB 增加数，以及应从 CAC 最高类型抽出的金额。
一并附上转移伴随的风险（规模天花板 / 饱和信号）。

可调整的条件 —— 目标期间／转移额（例如 50 万日元。也可用比例指定，如 当前的 10%）。

返回内容 —— 按广告类型的 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 之间比较并制定转移方案。

此提示词中 AI 会做的事

1. 按广告类型计算 NTB CAC
2. 确定 CAC 最低与最高的类型
3. 假设将指定预算（例如 50 万日元）转向 CAC 最低类型，用当前 CAC 线性试算 NTB 增加数
4. 一并附上转移伴随的风险（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

设置变更 —— 仅分析・提议（只读）。仅制作转移方案，不修改预算。

下一步 —— 执行预算分配时，先在 制定广告策略 落地为分配方案，再通过各广告类型的审批流程反映。

---

提示词 10: 按广告类型比较 M+1 回归率（留存率）

用首购 1 个月后的回归率比较「哪个广告类型带来更易留存的客户」。衡量的是仅看 NTB 数量看不到的「客户的质」。

适用场景 —— 不仅看新客获取数，还想以带来的客户是否留存（客户的质）来比较广告类型时。

执行前需要的信息 —— 目标期间（默认过去 90 天。观测 1 个月后的回归至少需 2 个月数据）。

基于最近 90 天的 AMC 数据，比较通过 SP / SB / SD / DSP 获取的
NTB 客户在首购 1 个月后的回归率。
按广告类型并列 NTB 获取数・1 个月后回归的客户数・回归率・衡量客户「质」的指标 的表。
判断哪个广告类型带来更易留存的客户。

可调整的条件 —— 目标期间（观测 1 个月后的回归至少需 2 个月数据）。

返回内容 —— 按广告类型的 NTB 获取数・1 个月后回归数・回归率，附「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 会做的事

1. 按广告类型提取 NTB 客户
2. 判断各 NTB 是否在 M+1 之前完成第二次购买
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

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 向黏性型较多的广告类型分配预算用 制定广告策略；报表化用 生成报告。

---

捕捉广告活动的信号

从月度动向中，尽早分辨正在增长的广告活动与开始饱和・失速的广告活动。

提示词 11: 按广告活动分析归因的月度趋势

按广告活动维度聚合「月度购买者数 / 销售额 / NTB 比例」的走势。可将「正在增长的广告活动」「已饱和的广告活动」「考虑缩减・退出的候选」分拣开。

适用场景 —— 想按月度趋势俯瞰各广告活动的增长・饱和・失速，制定扩量 / 缩减方针时。

执行前需要的信息 —— 目标期间（默认过去 6 个月）。

基于最近 6 个月的 AMC 数据，输出 广告活动 × 月份 的
购买者数・广告来源销售额・NTB 比例 走势。
将广告活动分为 扩量推荐 / 饱和 / 考虑缩减・退出 三类，
并一并列出每单位广告花费 NTB 获取效率较优的前列广告活动。

可调整的条件 —— 目标期间（例如 2025-12 起。趋势判定建议 3 个月以上）。

返回内容 —— 按 广告活动 × 月份 的 购买者数・广告来源销售额・NTB 比例 表，附「扩量推荐」「饱和」「考虑缩减・退出」分类与每单位广告花费 NTB 获取效率的前列排行。

此提示词中 AI 会做的事

1. 在「广告活动 × 月份」粒度聚合 AMC 数据
2. 由购买者数与销售额的月度增长率判定趋势
3. 用 NTB 比例的走势判定「NTB 是否枯竭」
4. 由月度走势模式分拣为「扩量推荐 / 饱和 / 考虑缩减・退出」
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

设置变更 —— 仅分析・提议（只读）。不修改广告设置。

下一步 —— 若只筛出有恶化迹象的广告活动，用 提示词 12；报表化用 生成报告。

---

提示词 12: 早期检测饱和 / 递减趋势的广告活动

按月检测 NTB 比例下降 / CPA 上升 / 销售额触顶等「饱和信号」，作为收紧预算或增加新关键词的信号。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」的警报版。

适用场景 —— 想从所有广告活动中，只挑出出现饱和・失速迹象的作为警报时。

执行前需要的信息 —— 目标期间（默认过去 6 个月。趋势判定至少需 3 个月的连续数据）。

至少需要 3 个月的数据

月度趋势判定（下降率 / 上升率 / 触顶）至少需要 3 个月的连续数据。不足 3 个月的广告活动将作为「趋势判断暂缓」返回。

基于最近 6 个月的 AMC 数据，早期检测饱和 / 递减趋势的广告活动。
按月确认 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。
一并附上应对动作（收紧预算 / 增加新关键词 / 扩展目标）。

可调整的条件 —— 目标期间（趋势判定至少需 3 个月数据）。

返回内容 —— 按广告活动的 饱和信号数量・主要恶化指标・月度趋势・推荐动作 表。不足 3 个月的广告活动会在「趋势判断暂缓」区块单独列出。

此提示词中 AI 会做的事

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. 分别设「恶化标记」，提取标记 2 项以上的广告活动
3. 确定各广告活动的主要恶化指标
4. 依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 / 销售额触顶 → 扩展目标）
5. 月度数据不足 3 个月的广告活动作为「趋势判断暂缓」排除
6. 不足 100 名独立客户的「广告活动 × 月份」按 AMC 规范不参与聚合

设置变更 —— 仅分析・提议（只读）。不修改广告设置。

下一步 —— 执行应对动作时，在 调整竞价 或 添加除外关键词 的审批流程中进行。

---

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维持（单价上升）」的广告活动。这是仅看表面销售额看不到的结构性变化。

适用场景 —— 想尽早捕捉仅看销售额增减无法察觉的客数与单价结构性变化时。

执行前需要的信息 —— 用于对比的两个期间（例如最近 3 个月与之前 3 个月。两个期间的数据都需齐全）。

基于将最近 3 个月与之前 3 个月对比的 AMC 数据，识别客户数与销售额走势背离的广告活动。
按广告活动并列 客户数变化率・销售额变化率・购物篮（每位客户购买额）变化・推测原因 的表。
分为「客数升・销售降（降价）」「客数降・销售稳（涨价）」两种模式。

可调整的条件 —— 用于对比的两个期间（例如最近 3 个月与之前 3 个月）。两个期间都需齐全。

返回内容 —— 按背离广告活动的 客数 / 销售 / 购物篮变化率・模式分类・推测原因假设。

此提示词中 AI 会做的事

1. 在「广告活动 × 月份」粒度计算客户数与销售额的变化率
2. 提取客数升・销售降 / 客数降・销售稳 两种模式
3. 一并输出购物篮（销售额 ÷ 客户数）的变化
4. 提出推测原因假设（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

设置变更 —— 仅分析（只读）。不修改广告设置。

下一步 —— 将结构性变化整理为报告时用 生成报告。

---

生成 AMC 控制台用的 SQL

不是让 Picaro 分析，而是生成用于自己在 AMC 控制台执行的 SQL 查询。只有这里的执行范围是「仅生成 SQL」（Picaro 不会在 AMC 上执行 SQL）。

提示词 14: 生成 CLTV 分析查询（AMC 控制台用）

生成可在 AMC 控制台执行的 CLTV（客户终身价值）分析 SQL 查询。不是由 Picaro 在 AMC 上执行查询，而是 由用户在 AMC 控制台执行生成的查询。

适用场景 —— 想要在 AMC 控制台自己运行的 CLTV 分析查询模板时。

执行前需要的信息 —— 目标期间（例如 12 个月。请在 AMC 数据保留期内指定）。

生成在 AMC 中进行 CLTV（客户终身价值）分析的查询。
包含按细分群体的购买次数 / 平均购买额 / 计算 LTV 的结构。
针对过去 {{目标期间（例: 12个月）}} 的数据。

可调整的条件 —— 目标期间（例如 12 个月。请在 AMC 数据保留期内指定）。

返回内容 —— 可在 AMC 控制台执行的 SQL 查询 + 预计结果模式 + 执行步骤指引。执行需要 AMC 实例的控制台访问权限。

设置变更 —— 仅生成 SQL 查询。执行在 AMC 控制台手动进行（Picaro 不会在 AMC 上执行 SQL）。

下一步 —— 在 AMC 控制台执行生成的查询，并用 生成报告 整理结果。

---

提示词 15: 按 ASIN × 广告活动类型比较 ACoS 的查询生成（AMC 控制台用）

生成用于按 ASIN 比较 SP / SB / SD 各广告活动类型 ACoS 的 SQL 查询。同样在 AMC 控制台执行。

适用场景 —— 想要在 AMC 控制台运行 ASIN × 广告活动类型 ACoS 比较的查询时。

执行前需要的信息 —— 目标期间（例如 90 天）、目标 ASIN 的范围（主要 ASIN）。

针对过去 {{目标期间（例: 90天）}} 的主要 ASIN，生成用 AMC 数据
比较 SP / SB / SD 各广告活动类型 ACoS 的查询。
结果需为 ASIN × 广告活动类型 × ACoS 的表结构。

可调整的条件 —— 目标期间（例如 90 天）／目标 ASIN 的范围。

返回内容 —— 可在 AMC 控制台执行的 SQL 查询 + 预计结果模式（ASIN × 广告活动类型 × ACoS）。

设置变更 —— 仅生成 SQL 查询。执行在 AMC 控制台手动进行（Picaro 不会在 AMC 上执行 SQL）。

下一步 —— 在 AMC 控制台执行生成的查询，并用 生成报告 整理结果。

---

相关分类

• 制定广告策略 —— Sponsored Ads 的战略级分析（CAC/LTV 改进建议、品牌词 vs 通用词、漏斗分解）
• 分析 Amazon DSP 的投放实绩 —— DSP 单体的投放趋势・订单 / 订单项目分析
• 在仪表盘确认 KPI —— 作为 AMC 分析前置的日常 KPI
• 分析从搜索到购买在哪里卡住（SQP） —— 市场整体的搜索行为分析（与 AMC 数据源不同）
• 用 N-gram 分析高成效的搜索模式 —— 按搜索词的销售贡献度
• 生成报告 —— 将 AMC 分析结果整合为报表