广告是科学，不是玄学

结论先行：一切不能定量、不能证伪的广告「方法论」，都只能当乐子听。这个判据直接来自逻辑实证主义——凡不能被经验证伪者，非科学而是神学。

广告之所以能被证伪，是因为它从展现 → 点击 → 订单 → 花费的全链路都已被数据化。研究「科学的广告」只有一个目的：让成功可以重复。若一次成功无法在理论上被解释、无法被复现，它就不是科学，只是运气。而时间是最贵的成本，学会证伪式的思维，能让你少走很多坑。原理

计算广告早已是一门成熟学科（刘鹏《计算广告》、多所高校的计算广告学课程），它不是作者的发明——作者只是把学界与工业界的既有结论，搬运到亚马逊场景落地。这也定下了全课的态度：任何说法，最好能援引信息检索与计算广告的已有知识，而非自造名词。

发展史：可量化 + 成本降低

把广告收入类比「种地」：收入 = 土地面积（流量）× 亩产（单份流量的变现能力）。媒介从口口相传→报纸→电视→互联网→搜索→信息流，始终沿两条主线演进。

• 可量化评估的精度不断提高：报纸只有发行量 → 电视有实时收视率 → 互联网有全链路点击/转化。可量化，是后续一切「优化」的前提。
• 投放门槛与单份成本不断降低：从只有头部公司投得起央视黄金档，到小企业主自助投放。门槛降低，土地面积（广告主数量）才能扩张。

互联网广告碾压传统媒介，正因为它同时做到了两件事：扩大土地（农村包围城市，接纳海量小广告主）、提高亩产（全流程定量 → 可优化）。而「全流程可量化」这一点，反过来倒逼了机器学习、AI 与广告优化师这一职业的出现。机制

财务本质：广告是一种平衡

不要把广告当成一个新东西——它只是生意的一种手段。而生意的利润，由资金周转率 × 单次周转利润率共同决定。

由此得到全课最重要的统一视角之一——财务等价性：

品牌广告 vs 效果广告

两类广告的目标方向正好相反，这是逻辑上的对立，不是程度差异。

• 品牌广告：提升利润率。让你卖得更贵（Anker 充电产品比竞品贵约 20–30%，市占率却很稳定——溢价带来的利润差极大）。见效以年为单位，是战略级决策，难以定量评估（靠百度指数/Google Rank/第三方问卷），门槛与资金要求极高。经验
• 效果广告：降低利润率。直接达成短期财务目标，可完全定量，预算可以小到每天 20–30 美金。它增加资金周转效率，牺牲单次利润率。

因为二者利润率方向相反，所以逻辑上几乎不可能存在同时兼具两者的广告。凯迪拉克是豪华品牌却常年大幅降价冲量，正是以损伤品牌溢价为代价换取效果——两者在打架。原理

一切向钱看：CPT→CPM→CPC→CPS

从收费角度重看广告史，能得到一把判断广告性质的利器：

• CPT（按时长）：前互联网时代全部如此，几乎都是品牌广告（报纸/电视，位置与时长定价）。
• CPM（按展现）：互联网初期沿用拍卖思路（谷歌 2000 年左右的关键词广告最早用 CPM）。
• CPC（按点击）：搜索时代的革命。它第一次实现了「效果」——能变现的流量变多、单份流量卖得起价（新开垦的土地 + 更高亩产），但代价是平台必须预估 CTR，从而催生机器学习。
• oCPM / CPS：信息流时代（Facebook 率先）按 CPM 付费、按 CPS 优化。CPS 是终极——deal 就是 CPS，是广告的终极形态。

规律：收费方式越往后，越偏效果，平台机器学习压力越大，对广告主越友善（这是平台之间互相内卷给中小卖家的红利）。机制

越底层越偏效果

Impression → Click →（Communication）→ Conversion，每一层都是一个漏斗。核心结论：营销漏斗越底层越偏效果，越上层越偏品牌（上层负责触达/曝光，下层负责转化）。

三个「陷阱定义」必须警惕（各平台各异，且电商平台由平台定义、卖家无法自选，除非用 API 自定义）：

• 展现：只要页面加载即计，不需真被看到。亚马逊 SD 的 vCPM 另有要求——50% 以上物料曝光超 1 秒才算有效展现。
• 点击：与 UV/session 不同。同一个 session 可多次点击，点击不去重（除非作弊）。
• 订单：亚马逊按归因统计（SP 7 天 / 其余 14 天），且默认计入整个店铺所有 SKU，与日常直觉严重不符。机制

ECPM：平台与卖家的公共目标函数

做算法，最重要的事永远是定义目标函数——90% 的问题是定义目标，剩下 10% 才是具体算法。对中小卖家，投广告的唯一目标是「给定预算下广告订单最大化」；而平台与卖家的公共目标函数，是 ECPM（预估千次展现收益）。

亚马逊的常规收入是佣金。把它的 ECPM 写出来：

在价格、佣金率、展现数给定时（对同类目而言 Commission 是常量），平台要为每一个坑位，找到 CTR × CVR × Price 三者乘积最高的产品，它的佣金才最大化。这就是「抢坑位」背后真正的算法。原理

平台为流量找产品

关键心态：卖家是菜市场里卖菜的，不是菜市场的管理员。平台制定规则的目标非常清晰——让自己赚更多钱。由此得到几个反直觉但严密的推论：

• 你的产品需要抢坑位吗？若你的 CTR/CVR 并不比竞品强，你占了坑位就会降低平台的预估佣金收入——平台的算法一定会把你淘汰。所以产品开发必须有针对性：针对特定人群做出更高的 CTR/CVR，这才是核心竞争力。
• 降价为何有用？价格↓、CTR/CVR↑，ECPM 显著↑。
• 投广告为何能推排名？它不是占坑位，而是指导平台——告诉平台「你的产品对哪些词 CTR/CVR 高」，帮平台为流量找到好产品，实现双赢（详见 3.3）。

GFP → GSP → VCG

所有广告本质都是拍卖。它与传统拍卖唯一的差别：传统是「一物、多人竞拍」，广告是「多物、多人竞拍」（多对多），因此不能简单地价高者得。三代机制：

• GFP（出多少收多少）：雅虎的炮灰。因为没有纳什均衡——每一名都能不断降价试探，平台永远收不到钱、搜索质量崩溃（牙膏出价高就能排在自行车前面，相关度归零），技术上被谷歌碾压。
• GSP（次高价）：搜索广告主流。它把拍卖重构成一个优化问题——目标函数 = ECPM，按 ECPM 降序排列。实现局部纳什均衡与 truth-telling（说真话是最优策略）。
• VCG：理论全局最优，多用于信息流（抖音/头条）。谷歌一直用 GSP 未切 VCG——切换风险大，且平台净收入可能反而更低。

广告后台 = 一份特殊的商业合同

所有广告后台（百度/谷歌/直通车/亚马逊）结构都长一样：campaign / ad group / keyword。这与平台无关，与「广告是商业合作」的本质有关。广告 = 需求方（卖家/DSP）与供给方（平台/SSP）签的一份特殊合同：标的物明确、金额明确、时间明确。映射关系：

• campaign = 合同：一个产品对应一个 campaign，因为一个产品才有独立的起止时间与预算。
• ad group = 合同条款：一个 ad group 最多放一个 ASIN。
• keyword / ASIN = 条款细则：一个 ad group 关键词上限 1000——开发者默认「内行会在一个组里放很多词」，否则不会把上限设成 1000。

原则：一 SKU → 一 campaign，一 campaign 下少量 ad group，每组只含一个 ASIN。这样才能控制其他变量、让广告可控，并提升大账号的检索效率。机制

为什么必须有匹配模式

若没有匹配模式，平台与广告主双输：平台方要「卖更多、卖更贵」，但精准匹配下总有流量无人竞拍（亩产↓），且逼广告主穷尽搜索词（体验↓）；广告主方则要投几十上百个词、逐一判断转化率，过于苛刻。所以匹配模式的存在，是为了降低门槛、让多对多的撮合成为可能。

三种模式（广泛/词组/精准）中，谷歌比亚马逊更宽松（广泛匹配做语义扩展）。原因在于搜索背景不同：谷歌是搜索引擎，用户意图处于漏斗上层、常是漫游态；亚马逊直接指向购买，精度要求更高。2023 年起，亚马逊的广泛匹配越来越像谷歌（开始做语义扩展）。机制 经验

触类旁通：不同平台搜索背景不同，故广告产品设计不同——理解了这一点，你切换到任何新平台都能立刻看懂它的匹配模式为什么这样设计。

身份识别 + 行为识别

心态：平台是这个商场的上帝（如老师看学生的小动作），能招全世界最聪明的人专做反作弊，卖家与平台不对等。技术分两层：

• 身份识别：登录状态、IP、请求头、硬件……而最关键的是 MAC（网卡物理地址，通过反向代理 Nginx 可识别）。换 IP 无用——网卡难以低成本伪造，普通运营根本伪造不了。
• 行为识别：点击热力图、页面停留时间、点击的上下文顺序。机器点击无法伪造出合理的热力图；人工点击次数有限，很快被封 IP、封账号，甚至整段云服务 IP 被封。

CTR/CVR 是随机变量 → 机器学习

排序由 ECPM 决定，而 CTR/CVR 是随机变量，不能直接参与运算，必须用机器学习预估成一个标量。这是「大平台为什么需要机器学习」的根本原因。

CTR 是 (listing, user, context) 三者的函数，因此搜索是千人千面——不存在一个对所有人适用的静态排名。要点：你在后台看到的 CTR/CVR ≠ 平台模型用于计算的 CTR/CVR，后者是模型预估值。原理

广告投放 = 一个带约束的最优化问题

一切效果广告投放，本质都是优化问题：在有限资源下实现商业利益最大化。把它写成标准形式：

方法论：先把业务问题转化为数学问题（抽象掉无关细节，如「一个苹果一个梨 = 两个水果」），再用学界成熟的优化理论求解，最后映射回业务指标。为什么要这样绕——因为数学逻辑严谨、可解；把复杂问题化简为简单问题，简单问题才好解。

工作经验/直觉之于此，如围棋定式之于 AI——会被碾压，从业务角度看意义不大。真正做事的是软件，人只做两件事：纠正软件、告诉软件做什么。所以目标比怎么做更重要，且目标最好是定量、可控、有手段可实现的（「排名一定要第一」是愿景不是目标；「提升关键词排名」只能作为手段）。原理

把多目标压成单目标：CPS 是自变量

效果广告有多个目标：报单做 BS、推排名/够流量、CPS 尽量低、不超预算。它们排名分先后——爆单最重要（卖家有机会成本），越技术性的指标越「重要但不要命」。多目标优化的通解是：保留一个主目标，其余全部转化成约束条件。

切入点在于识别自变量：三个约束里，CPS 是自变量，其余都是因变量。逐步化简：

1. 「最小出单量」可换算成一个「达成它所需的 CPS」（CPS_min-order），于是它与 CPS 目标合并。
2. 「不超预算」是次要约束——把它消解的最好办法，是把预算设得极高。因为用软件投放，广告技术水平稳定可控，真实花费由 bid 控制，预算再高也不会超。
3. 于是只剩一个约束：调 CPS，使其 ≥ CPS_min-order。问题彻底解决。

用广告推排名：站在平台角度

「抢坑位」基本全错——它只有优化目标、没有约束，且违背平台利益。把亚马逊理解成平台的地主（收垄断地租）：它把最好的流量（土地）租给最能种田的佃户（ECPM 最高者）。由此：

占坑位的害处：在没有竞争力的词上强占坑位，会降低平台的坑产，平台「不给量」即可惩罚你。一句话——产品为王，广告只能锦上添花，无法雪中送炭。

选品为王：期望值只由产品决定

这不是口号，可以被理论证明。假设价格不变、纯白帽、无周期性：

CTR 是 (listing, user, context) 的函数，其「期望 CTR」经特征工程已排除广告位影响，只与 listing 本身竞争力有关。由大数定律，随运营展开 CTR 收敛于期望；CVR 同理。所以排名的天花板，完全由产品决定——这里的「产品」是广义的：线上文案/图片/QA + 产品的物理属性。

运营能改变的只是方差（提升流量 → 降低方差 Var∝1/n），不能改变期望。推论：若产品对某搜索词针对性不强，无论如何表现都不会好，唯一解是开发新产品/新 listing。而老品竞争对手的方差本就很小（卖得久、流量多），你想在其上抢高排名，既难又贵。原理

SP / SD / SB / DSP 到底投哪个

判据看收费方式（第一部结论）。逐个拆解：

• SP：CPC、原生广告、搜索页 + 详情页，转化率通常最好，是效果广告最重要的单元（广告位最多 + 原生保障转化）。关键词广告转化率通常高于 ASIN 广告。
• SD：CPC 或 vCPM，非原生；vCPM 偏品牌。若投效果，选 CPC + optimize for conversions。注意亚马逊会自动加价，最多 +300%（出 1 块可能变 4 块）。
• SB：CPC，富媒体故兼具品牌属性。headline 竞争激烈、花费大；SBV 点击率远高于 SP、转化率不输甚至略优，缺点是广告位少、需拍视频。
• DSP：CPM、纯站外、营销漏斗最上层。亚马逊 DSP ≠ 传统 DSP（它整合了 DSP+SSP+AD Exchange），偏品牌，中小卖家匹配度低。

广告结构与「流量切分」

以 SP 为例的完全体：一产品一 campaign；一种匹配模式对应一个 ad group（broad/exact 不混用）；SBV 关键词前加「+」做语义扩展。核心操作是流量切分：

同一个词，它的广泛匹配转化率高于其精准匹配（广泛能覆盖「自己 + 有效长尾」）。若把二者放同一组，精准会被广泛覆盖、失去意义。所以正确做法是：广泛组投长尾、精准组投该词本身，并在广泛组里对精准词做「精准否定」，从而实现「对不同搜索词分别出价」。机制

命名要写全（SKU + ASIN + 创建时间），以提升大账号检索效率与跨部门沟通——它是为了让未来的你「读/改」时爽。理论理想：对「搜索词」而非「关键词」出价；关键词只是妥协，而精准匹配 ≈ 搜索词。原理

怎么找词 & 投多少个

理论上：关键词越多、若能精确算出各词转化率并用精准匹配，则最优（逼近 deal）。但现实有两个约束：

• 不可能穷尽所有搜索词（语言在发展）+ 一组 1000 词的上限。
• 大数定律——词越多，每词流量越少，越算不准转化率。

新品广泛 → 成熟期精准 + 广泛

最佳实践：对产品认识有限的「新品期」（是认识上的新品，不必是时间上的），先用广泛匹配获取流量；数据充足后转精准（软件会提示）。成熟期 = 一个精准组 + 一个广泛组。

纪律：精准组的词必须在广泛组里用 negative exact 处理掉；每次优化可能拓词，拓词后须再在广泛组里精准否定新词——这是一个必须养成的好习惯。经验

预算设高，用 bid 控花费

预算：设高（结论见 3.2），用 bid 控花费。例外——Prime Day / 黑五：预算设极高、CPS 也设很高，但严格不超预算，建议单开 campaign；TOS 抢排名：必须给预算设硬上限（离经叛道的需求必须控成本——广告是 100% 消灭利润的成本）。

bid 的设置（核心，却因前期铺垫充分而简单）：由 GSP，cpc 上限 = bid，目标 cpc 由 CPS 目标 × CVR 决定。

特殊期（旺季/节日）提 bid（转化率更高 + 需加速库存周转）。TOS 操作：单开 campaign、固定竞价、单一广告组、精准匹配、给极高 bid（如 10/20/30 美金）——实际 cpc 不会那么高，因为 bid 只是上限，实际由下一名决定。原理

首页竞价、竞价规则、bid 策略怎么选

首页竞价、竞价规则等选项——一个都别选（可控度问题；一个 campaign 只做一个目标，抢排名应单开 campaign 解耦）。至于「转化率高的位置」，若发现首页顶部转化率确实较高（越工具化/越便宜的产品越明显，如充电宝、cable），可酌情在后台手动加首页竞价——但这是「因为转化率高」这个原因，不是为了抢排名。

词组否定 + 精准否定

两种否定，用途完全不同：

• 词组否定——屏蔽不相关流量。如卖移动电站，否定 gas / inverter / quiet generator 等，但保留 generator 做广泛匹配拓词，只否定它的不相关长尾（generator 也能匹配到用电的充电站，只是相关度低 → 转化率低 → 出价低即可，不必整词毙掉）。
• 精准否定——做流量切分，对搜索词单独出价（见 4.2）。须把该词的单复数、加介词、变语序三种形式全部加入，因为精准否定不匹配语序与介词。

添加位置：理论上 campaign 级更省（作用于两个组），但实战多在 ad group 级——它是基本优化单位、更顺手，且精准组通常不需再否定。

优化什么 & 多久优化一次

优化三件事：新增关键词（补长尾，避免只用核心词广泛匹配、低价错失长尾流量）、否定关键词（词组否定屏蔽 + 精准否定切分）、调整出价（据 CVR）。目的：提升流量精度 → 提升 ROI。

节奏分四态——前三种是「变态」，都不需软件、直接等比例调 bid：

1. 超预算/花不出钱 → 1 天内响应，等比例调整广告主出价（超预算理论上不该出现，把预算设高即可）。
2. 特殊事件（节日）→ 天天盯，等比例调。
3. 广告目标变化 → 改的是 CPS 目标，对整组所有词等比例调（因 bid 由 CPS×CVR 决定，改 CPS 对所有词都管用）。

为什么是「人辅助机器」

不是「人用 Excel 分析、去后台调」，而是人辅助机器。三种对接手段，效率递增：

• 后台：门槛最低，无法批量，一次改一个。
• 批量操作（2016 年出）：给专业数据分析师，Excel 化，适合代运营。
• API（最进阶）：给 Anker/ERP 公司。横向可拿全部历史数据（不受后台 60 天限制），纵向可拿 1/7/14/30 天 purchase → 自定义归因；需 IT 团队与授权。补充：Amazon Marketing Stream（2022 年）提供按小时汇总数据。

分时调价：理论可行，现实困难

技术门槛极低（百度/谷歌十年前就有 ad scheduling）。本质：不同时段转化率不同（这里指平台认为的转化率）。但有两大坑：

• 数据坑：需按小时的点击/订单数据。Marketing Stream 可提供广告数据，但未开放 session 级汇总。
• 定义坑：点击受反作弊力度（主观可调）影响，更优替代是 UV；订单有归因期（SP 7 天/其余 14 天）且计入整店——「小时级效果」与「周级归因」时间上对不上，数据又稀薄、不满足大数定律。

故电商分时调价远难于搜索引擎（搜索引擎的订单由广告主自定义）。最优解：亚马逊开放按小时的 session 数据 + 官方分时调价接口。仅超大规模 + 核心产品 + 已用 Marketing Stream 者，理论上可尝试。机制 经验

广告打法分产品类目吗

常规不分类目（一产品一 campaign）。两个特例：

• 多变体：选最主流（流量/转化最高）的变体（3C 多为黑色），备货最多、定更低价、集中推；其余变体沾光走利润（价格弹性：该买的人不在乎那几块钱）。
• 服装鞋（多变体 × 多尺寸，复杂度约 10 倍）：把复杂问题化简——起点是看用户搜索词在乎什么。若在乎尺寸，把同尺寸不同款当作一个产品；若在乎款式（常规），把同款不同尺寸当作一个产品。此时违反「一 ASIN 一 campaign」，是因为产品特殊。

贯穿始终的方法论：把一个复杂/不可解的问题，转化成一个简单/可解的问题。经验

广告打法分新品期吗

分。把「新品期」延伸为产品生命周期四阶段，广告目标各不相同：

• 启动期（≈ 新品期）：测款（据经验判断转化率是否达预期——主观性强的产品才需撤款，如服装/调音；硬盘等纯客观产品无撤款问题）+ 充流量（CPS 定高冲量，新品扶持多）。
• 成长期：流量涨最快，CPS 高冲量。
• 成熟期：挣钱为主，据库存/竞对决定是否投（平衡周转率与利润率）。
• 衰落期：通常不投（除非清库存）。

KPI 管理：统一度量衡 + 解耦

效果广告不止站内广告——降价/coupon/站内 deal/站外 deal/站内广告，财务上等价，统一用 CPS 这把度量衡：谁 CPS 更低还能出单，就优先把预算分给谁。

品牌广告与效果广告，在组织、预算、考核上完全解耦（专人专岗、便于追责/复盘，如同代码要解耦）：品牌广告归市场部（对 CEO 汇报，长周期、难定量，靠第三方问卷/指数）；效果广告归 sales 部（月初复盘各渠道的出单量与出单成本）。

独立同分布 & 大数定律

贯穿全课的两个概念，缺一不可：

• 独立同分布（i.i.d.）：同一产品在不同坑位/不同搜索词的点击不能直接相除做统计推断（非同分布）；跨售价、跨大促的数据非同分布，必须剔除。所以优化只取「就近、同分布」的月份数据。
• 大数定律：i.i.d. 数据足够多时，均值收敛于期望，方差 ∝ 1/n。经验阈值：不少于 100 个点击（否则不满足大数定律）。

这套地基解释了：为何近 3 天数据不取（反作弊 + 归因未稳）、为何词太多算不准（每词流量稀薄）、为何降低方差要靠提升流量。CTR 预估用逻辑回归：

原理

广告数据解读：归因的三难

广告归因几乎不可能做到完全公正，有三重困难：

• last-click-counts：只记「最后一脚射门」，过度简化——一个订单可能来自价格、产品特性、品牌、复购……无法公正分配每个因素的贡献。
• 归因期多长：SP 7 天 / 其余 14 天 / DSP 14 天，是人为主观决定的，是技术与商业的妥协。30 天归因比 7 天可能多 10–20% 订单。
• 间接效果如何统计：打 A 产品的广告却买了店铺 B 产品——多变体下合理，但 Anker 类大店铺极易高估广告效果。