在数字营销时代，依托大数据的分析和洞察力，不同媒体的交付结果、不同用户的催化剂习惯和营销过程中相同的数据将从不同的维度产生不同的分析结果。
对于中国海外企业和卖家来说，如何通过大量的数据建模分析，更清楚地监控不同广告形式的交付效果，了解海外消费者的偏好和行为习惯，越来越受到关注，特别是在复杂的广告归因逻辑中。以亚马逊广告生态为例。比如消费者看了SP搜索广告，看了DSP发布的展示广告，最后在搜索广告中完成了订单，那么这个转换该怎么算呢？换句话说，亚马逊站内站外的广告都在投票，但不知道如何分配广告费用才能达到最佳的转化效果？
针对这一系列的营销痛点，亚马逊广告推出了亚马逊营销云Amazon Marketing Cloud（简称：AMC），亚马逊生态广告效果的整体衡量和分析解决方案旨在帮助卖家或营销人员通过更多维度、更细粒度的数据分析，衡量不同媒体渠道的营销效果，如搜索广告、展示广告、视频广告、OTT电视广告等。
也就是说，它不同于卖家从亚马逊广告背景或DSP背景看到的数据。通过 AMC数据粒度可以细化到用户级（UserID)，并且可以看到日志级别 (log-level) 每次曝光的所有信息都会记录数据。
此外，AMC 亚马逊网络服务Amazon构建 Web Services (AWS) 因此，它可以为广告商提供灵活、透明度高的跨渠道数据，从而帮助他们做出更准确的营销决策。换句话说，AMC在一定程度上依赖于AWS的云计算服务。AWS本身的安全性、合规性和作为基础设施的大数据分析和管理能力将确保AMC的有效运行。
@ AMC是如何工作的？
简单地说，你可以把AMC作为一个云平台，在这个安全的云环境中，你可以很容易地跨越多个匿名数据集进行分析，并生成总结报告。尽管AMC平台的数据粒度对每个用户都很精细(User)，但广告主在 AMC 实例中的所有信息都严格按照亚马逊的隐私声明处理，只能从亚马逊营销云处理（AWS）访问匿名汇总分析，但不能返回任何个人数据。
借助AMC超越传统报告的分析功能，可以帮助卖家或广告商深入分析所需信息，提供更全面的广告系列效果视图，衡量和评价各渠道更复杂的归因和广告效果。
点击了解。
此外，AMC主要通过向用户打开API和UI来收集和分析数据。除了亚马逊的广告指标，如显示、点击和转换，它还可以通过AMC输入广告商自己的数据集 报告，进一步分析广告数据性能，帮助卖家对每个跨渠道营销做出更明智的决策。
@ AMC的主要功能和优势是什么？
通过以上内容，不难发现AMC最重要的功能和优势之一，是基于卖方或广告商的广告目标、策略和渠道，包括广告运营策略调整、效果分析、转换路径分析、转换窗口分析等。同时，还可以开发自定义归因模型，帮助您清楚地了解广告过程中哪些渠道或形式对目标受众影响最大。
具体来说，我们可以结合实际案例，看看这些不同维度的数据分析有什么意义？
@ 最佳广告频分析模块 (Optimal Frequency)
分析广告频率与广告点击率的关系，根据不同产品在不同阶段的表现，随时调整广告设置，优化整体表现。
(图片来源:转化阶段转化率广告频率分析)
如上图所示，该图显示了客户在转型阶段的性能。第一次广告曝光后，转化率处于最高水平。随着曝光次数的增加，转化率同时下降，第五次曝光后大幅下降。也就是说，在转型阶段，观众被接触并控制在6次内，转型效果相对较好。
(图片来源:易炎，DPVR在考虑阶段的广告频率分析)
考虑阶段的目标主要是吸引潜在消费者了解产品和品牌，所以我们使用DPVR (达到DPV转化率) 作为主要的评估目标。在上图的数据分析中，随着数量的增加，第一次曝光获得最高DPVR，转化率逐渐减弱。可以发现，在考虑阶段，受众被触及不到4/3次，广告效率更高。
@ 转换路径分析 (User Path to Conversion)
(图片来源:邑炎，转化全路径分析)
转型路径分析的主要目的是观察每个消费者从广告曝光到完成购买的所有路径，深入了解消费者在不同阶段和不同渠道的偏好和行为习惯，进一步分析每个渠道在不同时间节点对转型的影响。
如上图所示，我们可以将左侧视为First Touch的渠道，右边是用户下单购买的渠道。以亚马逊订单购买为例。通过对AMC转换路径的分析，我们可以从右到左发现，对于品牌客户来说，在亚马逊订购的消费者经常出现在新闻、电子邮件、娱乐网站和其他应用程序平台上。这意味着我们可以布局亚马逊站内外的多渠道，全面覆盖更多的目标受众，扩大上层流量入口。
(图片来源:易炎，用户转换数据)
在日常运营过程中，我们也发现很多客户更注重Retargeting阶段的交付，而忽略了完整消费链路的流量渗透。从上图中对客户案例的分析中，我们也可以清楚地发现，从认知到考虑再到消费者转型的全过程覆盖，从长远来看，整体转化率远高于一两个阶段。
同时，通过对AMC转型全路径的分析，也可以及时调整消费者集中路径的预算比例。继续分析不同群体包、广告空间等因素的影响，跟踪整个交付链的数据，实现效果转换的归因，不断提高广告的准确性。
@ 转换窗口分析 (Conversion Time Window)
(图片来源:邑炎，转换窗口分析)
通过对转换窗口的分析，我们可以了解消费者在广告曝光后通常在哪个时间段进行转换。如上图所示，事实上，在用户接触到广告后，广告对用户的影响正在下降。这需要根据分析结果及时调整不同天数的投标设置，最大限度地提高曝光率，提高转化效果。
@ 跨渠道广告数据分析 (Cross-channel Analysis)
正如我们在文章开头所说，许多卖家经常质疑如何分配我的广告预算？如何在不同的渠道之间最有效地合作？亚马逊的飞轮效应到底是否有效？
(图片来源:邑炎)
针对卖家的灵魂折磨，AMC的跨渠道广告数据分析功能可以帮助我们根据数据进行精细的预算分配。从AMC日志层面的数据-Data Science 建模-最佳预算组合拳击，深入了解不同广告渠道和广告形式对业务增长的影响，有效分配不同渠道的比例，最大化业务增长的可能性。
总而言之，Amazon Marketing Cloud可以根据不同卖家和广告商的定制需求、差异化受众分类、多元化渠道选择和复杂的归因模型，传达独特的数据报告和营销结论，包括分析亚马逊站内外的整体广告效果，AMC可以提供相对完整和全面的报告指南。
Sparkx自主研发的一站式智能营销平台——Xplatform，与AMC对接，选择部分海外龙头客户率先通过AMC进行数据分析和精细运营管理。在保证数据安全和用户隐私的前提下，我们希望无限发布亚马逊生态的数据红利，进一步赋予广告商数字化战略布局，促进品牌业务的长期增长。
(编辑:江同)
点击了解
