用 N-gram 分解销售贡献
将搜索词 按 N-gram（单词 / 短语单位）分解，用 DuPont 分解 分析哪些短语在带来销售、哪些地方效率低下的提示词集合。 仅看 ACoS 数字无法区分「销售有但效率差」「效率好但曝光不足」，本类是切分这些情况的核心分析工具，也是寻找新举措灵感的入口。
本类别的使用场景
Section titled “本类别的使用场景”- 「想分析哪些词在贡献销售」
- 「想查看品牌名或用途别的 N-gram 业绩」
- 「想要一份考虑了自动广告活动匿名化约束的解读指南」
提示词 1: 识别销售贡献度高的 N-gram
Section titled “提示词 1: 识别销售贡献度高的 N-gram”将搜索词分解为 mono / bi / tri / 4-gram，从上位识别销售贡献度与曝光效率高的短语。
📋 使用场景
Section titled “📋 使用场景”- 想找出对销售有贡献的词
- 想分析哪些短语在创造销售
- 想列出 Sales Contribution 高的搜索词
基于最近确定周数据，将搜索词分解为 N-gram（mono / bi / tri / 4-gram），用 DuPont 分解（Sales = Imp × CTR × CVR × AOV）做业绩分析。以 top_n {{TOP_N}}、max_pages {{MAX_PAGES}} 执行，重点输出 Sales Contribution 与 Imp Efficiency 的上位。占位符:
| 占位符 | 说明 | 默认解析源 |
|---|---|---|
{{TOP_N}} | 每个 N-gram 类型显示的上位条数（如 20） | 默认 20 |
{{MAX_PAGES}} | 取得的最大页数（每页 200 行，如 10） | 默认 10 |
⚙️ AI 会做什么
Section titled “⚙️ AI 会做什么”- 将搜索词分解为 N-gram — 从确定周数据取得搜索词，拆成 mono-gram（1 词）/ bi-gram（2 词）/ tri-gram（3 词）/ 4-gram（4 词）4 种
- 为什么用确定周: 未确定周的曝光、点击仍在汇总途中，作为判定短语级销售贡献的母数不稳定
- 为什么分 4 种: 短语越短数量越多但解读较粗，短语越长数量越少但意图明确。按层级查看才能区分「在什么粒度发生了什么」
- 用 DuPont 分解评估每个短语 — 展开为
Sales = Imp × CTR × CVR × AOV的 4 因子- 为什么用 DuPont: 将销售的构成因子分开后，可以切分出「曝光充足但 CVR 低 → LP / 价格问题」「CVR 高但曝光不足 → 出价、预算问题」等下一步举措
- 计算 Sales Contribution 和 Imp Efficiency — 重点抽取 Sales Contribution（销售贡献度）与 Imp Efficiency（曝光效率 = CTR × CVR）的上位
- 为什么看 Imp Efficiency: 同样的 ACoS 下，是 CTR 还是 CVR 在起作用决定了行动方向。乘积可以看到效率综合分
- 返回审批用表格 — 按 N-gram 类型列出短语 / Sales / Spend / ACoS / CTR / CVR / AOV / CPC / Imp Efficiency 及中位数、合计
- 为什么也输出中位数: 平均值容易被异常值拉动，并列中位数才能判断「上位短语的偏向」
📊 Example Output
Section titled “📊 Example Output”N-gram 分析（最近确定周）— top 20 / N-gram 类型
bi-gram 上位
短语 Sales Spend ACoS CTR CVR AOV Imp Efficiency 氨基酸 洗发水 ¥182,400 ¥27,000 14.8% 0.42% 8.1% ¥3,800 0.034 替换装 洗发水 ¥98,200 ¥18,200 18.5% 0.31% 5.6% ¥3,500 0.017 …（剩余 18 条）… tri-gram 上位
短语 Sales Spend ACoS CTR CVR AOV Imp Efficiency 氨基酸 洗发水 替换装 ¥64,800 ¥8,200 12.7% 0.51% 9.4% ¥3,800 0.048 …（剩余 19 条）… 中位数: ACoS 19.4% / CTR 0.28% / CVR 4.2% 合计: Sales ¥1,248,000 / Spend ¥232,000 / ACoS 18.6%
mono-gram 和 4-gram 也同样输出。
🔒 安全装置
Section titled “🔒 安全装置”- 仅作分析，不会自动反映到出价或否定关键词（不夹带建议步骤）
- 数据未确定周自动剔除 — 回溯到最近确定周汇总
- 自动广告活动行的真实搜索词可能被匿名化 — 自动来源行可能在 Picaro 后端做匿名化处理，无法像手动广告活动那样精确分类
- N-gram 级合计含重复计数 — 与搜索词级合计不一致（同一词会被分解到多个 N-gram）
- 取不到真实搜索词的行回退到登记关键词
🚦 执行模式
Section titled “🚦 执行模式”| Phase | 状态 | 条件 |
|---|---|---|
| Phase 1（当前） | 单次执行 | 仅需 Picaro 连接 |
| Phase 2（Q3 2026） | 可按周执行 | 「已保存提示词」化，月初按周派发 |
| Phase 3（Q4 2026） | 月次自动（含在报告中） | 月末报告自动附 N-gram 上位 |
| Phase 4（2027） | 月次自动 | 仅异常时 Slack 推送要点 |
👉 接下来要做
Section titled “👉 接下来要做”- 用 SQP 看市场搜索漏斗 — 不是 Picaro 的广告数据，而是用 Amazon 的市场搜索数据看同样的短语
- 设计标签分类 — 给上位短语打有意义的标签，进入语义分析
- 为什么不能只看 ACoS — DuPont 分解与立体判断思想解说
提示词 2: 用分类法筛选做 N-gram 分析
Section titled “提示词 2: 用分类法筛选做 N-gram 分析”用事先设计的分类法（brand / use / competitor 等）筛选 N-gram，在有意义的分组单位上对比销售贡献度和效率。
📋 使用场景
Section titled “📋 使用场景”- 只想看与品牌名相关的 N-gram
- 想筛到竞品类目的词上做分析
- 想在指定标签类目上分析
基于最近确定周数据，筛选到分类法类目 "{{TAXONOMY_CATEGORY}}"执行 N-gram 分析。以 top_n {{TOP_N}}、max_pages {{MAX_PAGES}} 输出Sales Contribution / Imp Efficiency / 否定关键词候选 /晋升候选。占位符:
| 占位符 | 说明 | 默认解析源 |
|---|---|---|
{{TAXONOMY_CATEGORY}} | 用于筛选的分类法类目（如 brand / use / competitor） | 标签管理中已登记的分类法，未登记时用内置 demo 值 |
{{TOP_N}} | 每个 N-gram 类型显示的上位条数（如 20） | 默认 20 |
{{MAX_PAGES}} | 取得的最大页数（如 10） | 默认 10 |
⚙️ AI 会做什么
Section titled “⚙️ AI 会做什么”- 用分类法筛选对象 — 使用预先在 设计标签分类 中登记的 分类法，将 N-gram 划入 语义簇
- 为什么用分类法筛: 只看整体平均 ACoS 无法发现「守势关键词过度投资」之类的结构偏差。按语义块切分，才能看到「攻势 KW 效率在下降」「品牌 KW 预算过度倾斜」等
- N-gram 分解与 DuPont 分解 — 与提示词 1 相同：mono / bi / tri / 4-gram ×
Sales = Imp × CTR × CVR × AOV - 并出否定关键词候选与晋升候选 — 把组内销售为零但有点击的短语列为否定候选，把来自自动广告活动且有成果的短语列为晋升候选
- 为什么并出: 收敛到语义组之后，「该组内砍掉什么、扩大什么」的行动就明确了，因此在同一份报告内一并给出下一步举措
- 未登记时的行为 — 分类法未登记时使用内置 demo 值运行，并在开头标注提示登记
📊 Example Output
Section titled “📊 Example Output”N-gram 分析 — 分类法
competitor（最近确定周）bi-gram 上位（competitor 配下）
短语 Sales Spend ACoS Imp Efficiency 标签 竞品A 洗发水 ¥84,600 ¥21,200 25.1% 0.018 competitor / brand-A 竞品B 替换装 ¥42,300 ¥12,800 30.3% 0.014 competitor / brand-B …（剩余 18 条）… 否定关键词候选: 5 条（点击 ≥ 10 / 销售 = 0） Auto → Manual 晋升候选: 3 条（来自自动广告活动且销售贡献高的短语）
竞品组整体: Sales ¥248,000 / Spend ¥68,400 / ACoS 27.6%
详细用法: 设计标签分类
🔒 安全装置
Section titled “🔒 安全装置”- 仅作分析，否定关键词与晋升不自动反映（仅候选清单化）
- 数据未确定周自动剔除
- 自动广告活动行的真实搜索词可能被匿名化
- N-gram 级合计含重复计数（与搜索词级不一致）
- 分类法未登记时用内置 demo 值运行，结果仅供参考
🚦 执行模式
Section titled “🚦 执行模式”| Phase | 状态 | 条件 |
|---|---|---|
| Phase 1（当前） | 单次执行 | Picaro 连接 + 分类法登记（任意） |
| Phase 2（Q3 2026） | 可按周执行 | 「已保存提示词」化，按分组定期确认 |
| Phase 3（Q4 2026） | 月次自动（含在报告中） | 按分组的上位短语自动附在月度报告 |
| Phase 4（2027） | 月次自动 | 仅分组间偏差异常时 Slack 推送 |
👉 接下来要做
Section titled “👉 接下来要做”- 设计标签分类 — 分类法未登记时，在这里定义语义组
- 添加否定关键词 — 否定候选清单的执行去向
- 从 Auto 晋升到 Manual — 晋升候选清单的执行去向
提示词 3: 带解读指南的 N-gram 分析
Section titled “提示词 3: 带解读指南的 N-gram 分析”在常规 N-gram 分析上附加数据约束注释，返回一份在自动广告活动匿名化、合计不一致前提下也能读懂的报告。
📋 使用场景
Section titled “📋 使用场景”- 不太懂结果该怎么读
- 想知道为什么看不到自动广告活动的搜索词
- 想要一份考虑了数据约束的分析
基于最近确定周数据执行 N-gram 分析，并在报告顶部明示以下注意事项:
1. 分析对象数据: 广告投放对象明细数据2. 取不到真实搜索词的行回退到登记关键词3. 自动广告活动行的真实搜索词可能被匿名化4. N-gram 级合计含重复计数，与搜索词级不一致
以 top_n {{TOP_N}}、max_pages {{MAX_PAGES}} 执行。占位符:
| 占位符 | 说明 | 默认解析源 |
|---|---|---|
{{TOP_N}} | 每个 N-gram 类型显示的上位条数（如 20） | 默认 20 |
{{MAX_PAGES}} | 取得的最大页数（如 10） | 默认 10 |
⚙️ AI 会做什么
Section titled “⚙️ AI 会做什么”- 在开头展示 4 条约束注释 — 把「对象数据」「回退」「Auto 匿名化」「重复计数」4 项汇总在报告最上方
- 为什么放最上方: 只看结果表会让一些读者觉得「数字不对」「Auto 的真实搜索词出不来」而混乱，所以先共享前提再进入正文
- N-gram 分解与 DuPont 分解 — 执行与提示词 1 相同的汇总
- 在列中明示 Auto / Manual 出处 — 在每条 N-gram 行附上来自 Auto 或 Manual 的标记
- 为什么明示出处: Auto 来源有匿名化风险，分类精度不如 Manual。知道出处后，读者可自行调整解读的可信度
- 正文末尾重述合计不一致的原因 — 附带计算式再次说明「N-gram 级合计 ≠ 搜索词级合计」
📊 Example Output
Section titled “📊 Example Output”N-gram 分析（带解读指南）— 最近确定周
阅读前的前提
- 分析对象: 广告投放对象明细数据（确定周）
- 取不到真实搜索词的行回退到登记关键词
- 来自自动广告活动的真实搜索词可能在 Picaro 后端被匿名化
- N-gram 级合计因同一搜索词被分解到多个短语，与搜索词级合计不一致
bi-gram 上位
短语 出处 Sales Spend ACoS Imp Efficiency 氨基酸 洗发水 Manual ¥182,400 ¥27,000 14.8% 0.034 （匿名化短语） Auto ¥58,200 ¥14,100 24.2% 0.012 …（剩余 18 条）… mono / tri / 4-gram 也同样输出。
合计不一致的原因: 搜索词「氨基酸 洗发水 替换装」会展开为 bi-gram 的「氨基酸 洗发水」「洗发水 替换装」、tri-gram 的「氨基酸 洗发水 替换装」等多行。
🔒 安全装置
Section titled “🔒 安全装置”- 仅作分析，不自动反映
- 数据未确定周自动剔除
- 来自自动广告活动的行带 匿名化标志 显示
- 回退到登记关键词的行用 回退显示 明示
- N-gram 合计与搜索词级合计的差异在正文末尾必定重述
🚦 执行模式
Section titled “🚦 执行模式”| Phase | 状态 | 条件 |
|---|---|---|
| Phase 1（当前） | 单次执行 | 仅需 Picaro 连接 |
| Phase 2（Q3 2026） | 可按周执行 | 「已保存提示词」化，作为新手用户的定例分析 |
| Phase 3（Q4 2026） | 月次自动（含在报告中） | 带解读指南自动附在月度报告 |
| Phase 4（2027） | 月次自动 | 常时并列约束注释，不让读者省略解读前提 |
👉 接下来要做
Section titled “👉 接下来要做”- 识别销售贡献度高的 N-gram — 在理解约束的基础上进入无筛选的整体分析
- 用分类法筛选做 N-gram 分析 — 收敛到语义组以提升解读精度
- 创建广告活动 — 想规避自动广告活动的匿名化时，考虑 Manual 广告活动化
❓ 常见问题
Section titled “❓ 常见问题”Q: 自动广告活动的真实搜索词为什么会被匿名化? A: 在自动广告活动中，Amazon 自动匹配的部分搜索词在 Picaro 接入的数据层面就无法作为单独的词获取。这不是 Picaro 一侧的约束，而是数据源的规格。如想细致追踪被匿名化短语的销售效率，惯例是把对应广告活动 Manual 广告活动化。
Q: N-gram 级合计与搜索词级合计不一致是不是汇总错误? A: 不是错误。N-gram 的设计是把 1 个搜索词分解到多个短语，因此同一笔销售会被重复计入多条 N-gram 行。搜索词单位的合计才是正确的销售，N-gram 合计只用于按短语的相对比较。
提示词速查表
Section titled “提示词速查表”| 想做什么 | 使用的提示词 |
|---|---|
| 在全 N-gram 类型上做销售贡献度分析 | 提示词 1 |
| 用分类法筛选做分析 | 提示词 2 |
| 带数据约束的解读指南 | 提示词 3 |
- 设计标签分类 — 分类法的设计（提示词 2 的前提）
- 添加否定关键词 — 处理 N-gram 找到的否定候选
- 从 Auto 晋升到 Manual — 处理 N-gram 找到的晋升候选
- 用 SQP 看市场搜索漏斗 — 不是 Picaro 的广告数据，而是看 Amazon 的搜索数据
- 为什么不能只看 ACoS — DuPont 分解与立体判断思想解说