L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Design et création · SKILL.md

sealeap-qiongqi-amazon-sp-audience-bid-adjust

sealeap-qiongqi-amazon-sp-audience-bid-adjust

Test Amazon Sponsored Products audience bid adjustments (brand purchasers, high-purchase-likelihood shoppers, cart or click non-buyers) as an evidence-gated layer on existing targeting, comparing audience-segment ACOS against the campaign baseline before scaling. Use for SP 受众竞价、受众加价怎么设、再营销受众、高购买意向受众、加购未购买受众、受众层 ACOS 对比. Do not use as a replacement for keyw…

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentation de la Skill

GitHub

name: sealeap-qiongqi-amazon-sp-audience-bid-adjust description: "Test Amazon Sponsored Products audience bid adjustments (brand purchasers, high-purchase-likelihood shoppers, cart or click non-buyers) as an evidence-gated layer on existing targeting, comparing audience-segment ACOS against the campaign baseline before scaling. Use for SP 受众竞价、受众加价怎么设、再营销受众、高购买意向受众、加购未购买受众、受众层 ACOS 对比. Do not use as a replacement for keyword or product targeting, or to scale modifiers without segment-level data."

Amazon SP 受众竞价调整分层测试

目标

Test Amazon Sponsored Products audience bid adjustments (brand purchasers, high-purchase-likelihood shoppers, cart or click non-buyers) as an evidence-gated layer on existing targeting, comparing audience-segment ACOS against the campaign baseline before scaling.

不可妥协的边界

  • 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
  • 第三方数据一律标为估算或前台观测,不得写成 Amazon 一方事实。
  • 默认只读诊断和草案;任何广告、Listing、库存、促销或外部系统写操作都需逐项展示并取得明确批准。
  • 一次实验只改变一个主要变量,并记录基线、样本、成功、停止和回退条件。
  • 不得复制来源材料或竞品表达;输出必须按当前任务重新组织并可由现有证据支撑。
  • 『受众层 ACOS 优于整体』在来源多个活动中成立,但存在与原目标人群重叠的蚕食可能,属待验证假设,需要增量检验。
  • 受众口径由平台定义且可能更新(回溯周期、人群定义),以控制台当时的说明为准。
  • 加成幅度与来源报告的 ACOS 数字为经验值,以当前账户盈亏平衡与样本量校准。
  • 『平台偏好更大投放弹性、精确匹配预算占比不宜过高』是来源判断,不作为规律,仍以账户数据决定精确/广泛预算比例。

先判断任务模式

  1. 诊断:读取现状、证据和缺口,不生成线上写入动作。
  2. 方案草案:输出可审核的结构、参数范围、实验和回退值。
  3. 执行准备:只生成待批准变更表或 API/控制台操作草案。
  4. 已批准执行:仅对用户在当前会话明确批准的对象和字段执行,并立即回读核验。

用户未指定时采用“诊断”。

开始前要拿到

  • marketplace、ASIN/SKU、产品事实与目标购买任务
  • 关键词、商品投放、展示和视频的聚合表现
  • 受众包定义、资格、站点限制和隐私边界
  • 价格、评论、页面、库存与转化基线

缺失项必须标为 NEEDS_EVIDENCE;不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

工作流

先读取 references/playbook.md,确认该方法适用于当前对象。按以下顺序执行:

  1. 确认账户是否已有该功能:新建 SP 活动到竞价调整区查看是否出现『为平台构建的受众提高竞价』选项;没有则记录为不可用,不臆测替代方案。
  2. 理解它是叠加在现有投放(自动/关键词/商品定位)之上的竞价层而非独立定向:受众只改变对特定人群的出价,广告位仍是搜索顶部/其余位置/商品页。
  3. 按目的选受众:已购买本品牌者=复购/再营销;近期购物行为显示高购买可能者=拉新首选;点击或加购未购买者=挽回;每个活动先只开一个受众便于归因。
  4. 初始加成用小幅起步(来源经验为两三成量级,仅作参考),观察期后按受众层数据逐步上调,不一次拉到上限。
  5. 把受众层的花费、销售额、ACOS 与活动整体对比;受众层持续优于整体才加码,持平或更差则回退到上一档或关闭。
  6. 对『受众层只是把本来也会买的人提前触达』做增量检验:对比开启前后活动整体销量、ACOS 与自然销量是否同步改善,而不只看受众层 ACOS。
  7. 输出受众测试记录与待批准的加成变更表。

最后做数据充分性检查,并把结论分成 FACT / ESTIMATE / HYPOTHESIS / UNKNOWN。若关键证据不足,状态写 HOLD。

必须交付的结果

  • 受众功能可用性核查
  • 受众选择与假设说明
  • 受众层 vs 整体对比表
  • 增量检验结论
  • 待批准加成变更表
  • 数据范围、来源、采集时间、样本与限制。
  • 关键假设、待补证据、风险和不可确定项。
  • 若有动作:对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 READY FOR REVIEW / DRAFT / HOLD / STOP;如已执行,另行记录实际结果及回读证据。未得到明确批准时,不得声称已修改线上对象。

Skills enregistrées