Amazon 广告效率竞品基准

目标

用同口径竞品组比较广告覆盖与销量代理，识别低评论样本是否能靠少量精准流量正常出单，并把结论限定为代理指标。

适用任务

• 评估细分市场广告架构复杂度。
• 比较低评论和高评论竞品的广告效率。
• 识别由真实差异化带来的异常高效样本。

开始前要拿到

• 一个经过验证的精准词及其搜索结果。
• 直接竞品的父子体口径销量、评论与可见广告词。
• 关键词 CPC、匹配类型、广告位和时间窗。
• 候选产品售价、贡献毛利和 CVR 情景。

缺少字段时列出证据缺口，并把相关结论标为 FACT、ESTIMATE、ASSUMPTION 或 UNKNOWN；不要补造数据。

不可妥协的边界

• 第三方数据均为估算或代理证据；Amazon 一方报告、后台实时字段和产品事实优先。
• 经验阈值只能作为可调起点，必须展示敏感性分析，不能写成 Amazon 官方规则。
• 不得捏造销量、搜索量、CPC、CVR、成本、认证、产品属性或消费者需求。
• 默认提供诊断或草案。写入前展示对象、旧值、新值、影响、停止线与回退，核对用户已有授权是否覆盖对象、动作与预算；范围已明确授权时继续执行并回读核验，只有未覆盖或扩大的范围才请求批准。
• 不输出或保存素材来源身份、账号、链接、作品编号、互动数据、原始话术或其他可反查来源的线索。
• 不得把第三方抓到的广告词当作完整账户事实。
• 不得将无法解释的离群样本作为可复制标杆。

工作流

1. 定义竞品与口径

锁定相同任务、属性和价格带商品，统一父体/子体、销量与广告词统计口径。

2. 收集广告代理

统计可见的商品/品牌广告词或其他覆盖代理，并记录工具覆盖不足和时间点。

3. 计算相对效率

用销量代理/广告词数等指标比较同市场样本，不把该比率当作真实广告产出。

4. 按评论分层

比较低评论组与成熟组的分布，寻找多条正常低评论高效样本，而非只看离群点。

5. 解释差异

检查高效样本是否由精准属性、可见差异、价格、评分、变体或页面承接解释。

6. 连接单位经济

把精准词 CPC 与 CVR 区间带入保本计算，决定是否值得继续。

判断标准

• 广告效率代理 = 销量代理 / 可见广告词数；可见词数为零或缺失时记为不可计算，不能判成无限高效。只在工具覆盖、对象与窗口可比时比较，不代表真实广告 ROI。
• 低评论组接近成熟组是友好信号，不等于新品一定转化相同。
• 可见广告词少可能来自抓取遗漏、预算变化或季节时点，必须报告缺口。

第三方 MCP 数据

需要外部关键词、竞品、评论或公开网页证据时，读取 references/mcp-data-plan.md，并使用 scripts/mcp_research.py。

• 先动态执行 tools/list、search-tools 和 describe，依据实时 inputSchema 构造参数。
• 凭证只从环境变量读取，不进入参数、URL、Skill、终端输出或 Git。
• 可能计费的 tools/call 先展示 Provider、工具、无密钥参数、预计成本与输出位置，核对已有授权；仅在授权覆盖本次范围时使用 --allow-cost，该标志不是费用上限。
• 脱敏结果用 --output 写入 Skill 包之外的任务私有目录；不假设安装位置受仓库 .gitignore 保护。第三方数据标为估算或代理证据。
• 失败一次后记录缺口，不以重复付费重试掩盖不可用状态。

必须交付的结果

• 竞品口径说明
• 广告覆盖与销量代理表
• 评论分层分布
• 高效样本归因
• 经济性与深研结论

结尾列出站点、数据窗口、证据来源、关键假设、缺口、风险、下一步和所有待批准动作。证据不足时写 HOLD，不得包装成可直接执行。

执行细节、证据字段和质量检查见 references/playbook.md。