Amazon 新客指标 New-to-Brand 如何计算,各平台口径有何差异
PPC Land 解释 Amazon Ads 的 New-to-Brand(NTB)指标:若购物者此前 12 个月未在 Amazon 购买该品牌,归因订单即计为新客。
推荐理由:文章梳理各平台对新客的不同口径,并区分新客与增量销售,有助于避免直接比较零售媒体获客数据。
推荐理由:文章梳理各平台对新客的不同口径,并区分新客与增量销售,有助于避免直接比较零售媒体获客数据。
按标签过滤的 AI 信号
PPC Land 解释 Amazon Ads 的 New-to-Brand(NTB)指标:若购物者此前 12 个月未在 Amazon 购买该品牌,归因订单即计为新客。
推荐理由:文章梳理各平台对新客的不同口径,并区分新客与增量销售,有助于避免直接比较零售媒体获客数据。
推荐理由:文章梳理各平台对新客的不同口径,并区分新客与增量销售,有助于避免直接比较零售媒体获客数据。
Insertion order(IO)是广告主或代理向媒体承诺购买广告的书面合同,在DV360中也指位于campaign与line item之间的预算、投放节奏和日期容器。
推荐理由:文章把合同条款与DV360中的账户层级放在一起解释,并梳理2026年IAB新规,便于理解投放承诺、计量和争议处理。
推荐理由:文章把合同条款与DV360中的账户层级放在一起解释,并梳理2026年IAB新规,便于理解投放承诺、计量和争议处理。
Amazon Ads 的统一报表将赞助广告与 DVA 数据纳入同一模式,统一维度、指标和流量归因方法。该系统覆盖 34 个国家、156 个维度属性,但仍有 10 类报告未获支持。旧报表页面计划于 2026 年 12 月 17 日转为只读,并于 2027 年 1 月 31 日永久停用。
推荐理由:文章把统一口径、归因重述和迁移限制放在同一框架下,便于代理商评估报表改造与历史数据保留成本。
推荐理由:文章把统一口径、归因重述和迁移限制放在同一框架下,便于代理商评估报表改造与历史数据保留成本。
PPC Land 解释了广告代理费的四种主要模式,以及它在 DSP 配置、代理合同和发票中的呈现方式。佣金按媒体支出比例计算,人工费用基于工时、薪酬及利润,固定费用对应约定交付,绩效激励则随结果增减。Google DV360 支持总媒体成本加价和固定 CPM,Amazon Ads 的新工具提供五种算法和四个应用层级,但仅报告费用并预留预算,不代为收取。
推荐理由:文章把佣金、固定费用和平台加价放在同一框架下,说明不同计费结构如何影响媒体成本透明度与代理激励。
推荐理由:文章把佣金、固定费用和平台加价放在同一框架下,说明不同计费结构如何影响媒体成本透明度与代理激励。
Amazon Attribution 是 Amazon Ads 的免费衡量工具,通过带归因标签的链接追踪站外广告点击后的亚马逊站内浏览、加购和购买。它采用 14 天末次点击归因,不计算未点击曝光,并报告品牌光环和基于 12 个月回溯的新客购买;截至 2026 年 11 月,产品页列出 18 个站点。
推荐理由:文章梳理了标记链接、14 天末次点击规则及品牌光环口径,有助于判断站外广告回报与数据偏差。
推荐理由:文章梳理了标记链接、14 天末次点击规则及品牌光环口径,有助于判断站外广告回报与数据偏差。
亚马逊 Featured Offer(原称 Buy Box)从同一商品页的多个报价中选出默认卖家,并直接影响成交归属与广告转化。亚马逊列出的选择因素包括含运费总价、配送、订单体验和库存;报价缺乏竞争力时,商品页还可能不展示任何 Featured Offer。文章梳理了82%至98%销售占比的不同估算,以及欧盟、英国、日本等地的监管承诺和欧美反垄断争议。
推荐理由:文章将报价排序、价格压制与广告转化放进同一框架,帮助卖家理解跨渠道定价为何既影响成交,也会牵动投放回报。
推荐理由:文章将报价排序、价格压制与广告转化放进同一框架,帮助卖家理解跨渠道定价为何既影响成交,也会牵动投放回报。
GBRAID 是 Google Ads 为 iOS 14+ 广告点击附加的非唯一 URL 参数,在无法使用 GCLID 时结合转化建模,将转化归到广告系列。它于 2021 年 5 月推出,可通过自动标记进入落地页 URL,并由 Google 标签存入第一方 Cookie,用于 GA4 报告和离线转化导入。
推荐理由:文章把参数流转、离线上传限制与 Safari 剥离风险串成完整链路,便于定位 iOS 转化漏数和自动出价偏差。
推荐理由:文章把参数流转、离线上传限制与 Safari 剥离风险串成完整链路,便于定位 iOS 转化漏数和自动出价偏差。
GCLID 是 Google Ads 自动标记为每次广告点击附加的唯一 URL 参数,用于将线上及离线转化匹配回原始点击、广告系列和关键词。它通常由页面标签存入第一方 Cookie,离线转化则通过表单隐藏字段和 CRM 保存后回传,实际归因窗口上限为 90 天。
推荐理由:文章把点击标识、离线转化回传和浏览器参数剥离串在一起,便于判断归因链路会在哪些环节失效。
推荐理由:文章把点击标识、离线转化回传和浏览器参数剥离串在一起,便于判断归因链路会在哪些环节失效。
转化建模是 Google、Meta 等广告平台对无法通过标识符关联到广告的购买、注册等行为作出的统计估算,并与已观察转化合并用于报表和自动出价。文章梳理了 Cookie 同意、Safari ITP、iOS ATT 和跨设备行为造成的数据缺口,以及 Google Consent Mode 的实施方式、数据门槛和最长 5 天的处理时间。
推荐理由:文章把转化建模的触发条件、报表去向和三类争议串在一起,可用于判断估算数据对自动出价和归因核验的影响。
推荐理由:文章把转化建模的触发条件、报表去向和三类争议串在一起,可用于判断估算数据对自动出价和归因核验的影响。
Referrer 是浏览器随请求发送的来源页面地址,分析工具据此划分自然搜索、社交、引荐和直接访问等流量渠道。主流浏览器默认在跨站请求中只发送来源站点,应用、重定向与伪造又会造成数据丢失或污染,因此它既是无需标记的归因基础,也限制了 AI 引荐等流量的识别。
推荐理由:文章把浏览器默认策略、GA4 渠道识别与 OpenRTB 字段串联起来,帮助定位流量归因失真发生在哪个环节。
推荐理由:文章把浏览器默认策略、GA4 渠道识别与 OpenRTB 字段串联起来,帮助定位流量归因失真发生在哪个环节。
STV 是 Amazon Ads 对流媒体电视广告的统称,指在 Prime Video、Twitch、Fire TV 及外部发布商库存中投放的不可跳过视频广告。
推荐理由:文章并列梳理自助与程序化购买路径,以及归因、默认自动化和报表覆盖的限制,为评估电视广告预算提供完整参照。
推荐理由:文章并列梳理自助与程序化购买路径,以及归因、默认自动化和报表覆盖的限制,为评估电视广告预算提供完整参照。
广告投放不足指实际展示、收视、观看或消耗低于订单目标,保量交易需补量、抵扣或退款,竞价交易则留下未花预算和触达损失。文中梳理库存不足、竞争、频控、素材和出价等原因,以及 Google Ad Manager、DV360 和 Amazon DSP 的诊断方式;2026 年 2 月发布的 IAB 草案进一步规定投放节奏、差异处理和补救时限。
推荐理由:文章区分保量与竞价投放的不足,并梳理各平台诊断口径,便于判断未达量的成本与补偿责任。
推荐理由:文章区分保量与竞价投放的不足,并梳理各平台诊断口径,便于判断未达量的成本与补偿责任。
Google Search Central 讲解网站迁移到 CDN 时抓取流量激增的原因,并给出避免源站过载和误拦截 Googlebot 的做法。CDN 的快速响应会促使 Google 提高抓取速度,而冷缓存产生的缓存未命中会让请求穿透至源站。建议在切换流量前预热缓存、为经过验证的抓取工具设置漫游器防护豁免,并在源站承压时短期返回 429 或 503,最长持续 1-2 天。
推荐理由:文章拆解了 CDN 冷缓存与 Google 提速抓取叠加导致源站承压的机制,并给出缓存预热和抓取工具豁免方法。
推荐理由:文章拆解了 CDN 冷缓存与 Google 提速抓取叠加导致源站承压的机制,并给出缓存预热和抓取工具豁免方法。
Ahrefs 解释 ChatGPT 的四类信息来源:训练数据、实时网页搜索、OpenAI 授权出版商内容,以及提示词、文件、记忆和连接应用等用户上下文。文章结合查询扇出与引用研究指出,ChatGPT 会将提示词改写为多个搜索,其引用来源与 Google 或 Bing 排名并不高度重合。品牌可通过完善官网信息、允许 OAI-SearchBot 抓取,并争取被相关评测、榜单和出版物提及来增加曝光。
推荐理由:文章用查询扇出和引用数据拆解四类信息来源,为品牌判断该完善官网、开放抓取还是争取第三方报道提供了依据。
推荐理由:文章用查询扇出和引用数据拆解四类信息来源,为品牌判断该完善官网、开放抓取还是争取第三方报道提供了依据。
AEO 基准测试通过对比品牌与行业市场数据,区分 AI 搜索可见度变化来自引擎整体波动还是品牌自身表现。文章介绍引用率、声量份额、情感和来源归因等指标,建议固定 50 到 100 条提示词并每周运行,以 30 到 60 天趋势而非单日变化判断。
推荐理由:文章用市场基准与品牌表现的双层框架,帮助团队在调整内容前区分引擎整体波动和自身问题,并给出提示词队列及采样方法。
推荐理由:文章用市场基准与品牌表现的双层框架,帮助团队在调整内容前区分引擎整体波动和自身问题,并给出提示词队列及采样方法。
HubSpot 这份指南将 AI 搜索提示词分为品牌与非品牌两类,并主张分别计算可见度,避免混合得分掩盖新客发现问题。具体做法是工具每日运行提示词、团队每周复盘,用品牌提及数除以该组答案总数,并持续观察品牌与非品牌可见度之比;文中示例为 90% 与 20%,比率为 4.5:1。
推荐理由:文章将品牌与非品牌提示词分开计算可见度,并给出周度跟踪和报告清单,便于识别 AI 搜索中的新增发现缺口。
推荐理由:文章将品牌与非品牌提示词分开计算可见度,并给出周度跟踪和报告清单,便于识别 AI 搜索中的新增发现缺口。
企业品牌可用五项 AEO 指标串联 AI 可见度与收入:可见度得分、按引擎统计的引用份额、情感与准确性、AI 引荐流量和 AI 辅助商机管道。指南建议用固定的买家问题和 3 至 5 个竞争对手建立 90 天基线,分引擎报告,并以自家首个完整季度作为流量和商机基线。
推荐理由:这套框架把AI提及、引用和描述质量与商机归因串联,并按引擎拆分数据,便于定位可见度未能转化为收入的具体环节。
推荐理由:这套框架把AI提及、引用和描述质量与商机归因串联,并按引擎拆分数据,便于定位可见度未能转化为收入的具体环节。