一、Amazon Marketing Cloud 免费开放

过去一周，在社交平台上，“AMC（Amazon Marketing Cloud，亚马逊营销云）” 这一亚马逊卖家既熟悉又陌生的词汇频繁出现，刷屏了卖家圈子。

若你此前未曾听闻 AMC，无需担忧，因为在过去，能使用这款工具的卖家寥寥无几。以往，想要开通 AMC，需经历一系列复杂流程：

• 主动联系广告经理
• 被要求 “先开通并运营 DSP 广告”
• 或是得到模糊不清、难以明确的回复
• 最终往往只能借助人脉关系或代理商，才有可能获取一个 AMC 实例

正因如此，过去的 AMC 更像是大品牌与代理商的 “专属工具”，中小卖家很难接触到。

但如今情况发生了彻底改变。亚马逊于昨日宣布，已在美国站向部分卖家（本土卖家）免费开放 AMC 的部分权限（需注意，AMC 的付费功能仍需额外付费）。若你拥有美国本土亚马逊账号，可在广告后台 “Measurement & Reporting（衡量与报告）” 菜单中找到这一新增功能。

目前，亚马逊已全面放开 AMC 的使用权限，入口就隐藏在广告后台的 “Measurement & Reporting” 菜单中，几乎所有卖家都能一键进入（中国卖家将逐步获得开放权限）。

这一变化意味着什么？打个比方，以往卖家分析流量，就像透过布满雾气的车窗看风景，视线模糊不清；而现在，亚马逊直接将 “全景大屏仪表盘” 呈现在卖家面前。借助 AMC，卖家能了解到广告点击背后的用户群体特征（无法查看个人用户信息，AMC 会用特殊 userID 标记用户群体）、用户从点击到转化的时长、用户是否会重复购买，以及用户与哪些产品存在交叉购买关联。

从卖家视角来看，这或许是 2025 年亚马逊平台 “数据民主化” 进程中最重要的一步 —— 过去仅掌握在少数人手中的深度数据，如今每个卖家都能免费使用。

二、AMC 的本质

究竟是什么工具？

若你此前通过第三方服务渠道或大客户专属渠道开通过 AMC 账号，首次进入 AMC 界面时，大概率会感到困惑：

• 这难道不是一款 “广告报表工具”？
• 为何界面中全是 SQL 代码？
• 我该如何使用它？

从定义来看，“AMC 是基于 SQL 的数据仓库，允许卖家对亚马逊平台的购物行为数据与广告表现数据进行自定义查询，从而获取更深入的业务洞察”。

换个更通俗的说法：AMC≠普通报表工具（并非简单下载广告报表就能实现功能）AMC = 数据存储平台 + 数据查询引擎

更准确地讲，AMC 是一个兼顾消费者隐私安全、结构化记录用户在亚马逊平台所有行为的数据库。它会记录广告层面的事件级数据（event-level data），像广告展示、用户点击、加入购物车、完成购买、保存商品等行为，都会以 “行” 的形式存储在数据表格中。用户信息会以匿名 user_id 呈现，卖家无法通过 user_id 反查用户个人身份，仅能进行数据聚合统计，这也是亚马逊反复强调的 “privacy-safe（隐私安全）” 核心特点。

同时，AMC 支持卖家上传自有一方数据（例如独立站数据、CRM 客户数据、Google Ads 广告数据等），并与亚马逊平台的事件数据进行归因匹配，帮助卖家清晰看到 “站外引流→亚马逊下单” 的完整转化链路。举个例子，若你在独立站设置了亚马逊跳转链接（包含 “独立站直接购买” 和 “跳转亚马逊购买” 两个按钮），同时在 Google 投放了广告，那么你可将 Google Ads 数据上传至 AMC，与独立站数据、亚马逊平台数据整合分析，实现全链路数据追踪。

三、AMC 的获取与权限变化

从高门槛到普惠化

多位卖家都曾提及 AMC 的 “获取难题”。在过去几年，想要使用 AMC，至少需跨越三大门槛：

01

绑定 DSP 广告

• 以往若未开通 DSP 广告账号，基本无法申请 AMC 权限。
• 尽管亚马逊表面表示 “不强制要求开通 DSP”，但实际操作中，广告经理通常不会为未开通 DSP 的卖家提交 AMC 申请。

02

高度依赖 Amazon Rep（亚马逊广告经理）

• 必须主动联系专属亚马逊广告经理，等待其 “内部走流程” 申请权限。
• 很多时候，申请流程会不了了之，最终无法获取权限。

03

需具备 SQL 技术基础

• 即便成功开通 AMC，面对的也是复杂的 AMC SQL 表结构（table schema）。
• 普通运营人员大多无法理解表结构，更谈不上编写 SQL 查询语句（query）。

但从 2025 年开始，这些障碍正快速消失：

• 入口开放：无需通过广告经理申请，直接在广告后台点击即可进入 AMC，操作更便捷。
• AI 辅助写 Query：新增 “Create with AI” 功能，可自动生成查询语句（虽功能尚未完善，但大幅降低了入门难度）。
• 官方模板库：AMC 内置了几十个常用数据查询模板（如转化时长分析 Time-to-Conversion、新客与复购分析 NTB vs Repeat、漏斗分析 Funnel Analysis 等），新手也能直接使用模板生成数据结果。

• 试用扩展数据：Amazon Retail Purchases（零售购买数据）、Brand Store Insights（品牌旗舰店数据）等模块提供 60 天免费试用，便于卖家体验更多功能。

若你的广告后台暂未出现 AMC 入口，无需着急，可耐心等待平台逐步开放；也可通过代理商 / 第三方工具代建 AMC 实例，或按照官方指引邮件提交申请 —— 这两条渠道依然有效，可作为兜底方案。

四、AMC 的核心功能拆解

Query Editor（查询编辑器）

01

核心界面为 SQL 编辑器，卖家可调用不同数据表（tables），编写 SQL 查询语句。例如，通过 “attributed_events_by_conversion_time” 表，可提取广告点击到最终转化的时间差数据。

功能亮点

• 支持整合 SP（ Sponsored Products， Sponsored Brands）、SB（ Sponsored Brands）、DSP 广告数据进行联合分析，这是普通广告后台无法实现的功能。
• 普通 SC 账号卖家端即将上线新界面，会提供预设模板，可直接在模板中查看某一广告的具体转化时间推演表，降低操作难度。

进阶使用技巧

AMC 包含两张核心转化表：一张按 “转化发生时间” 聚合数据，另一张按 “用户最初触达 / 点击广告的时间” 聚合数据。在进行时序分析或跨触点归因分析时，必须明确区分两张表的数据口径。常见做法是通过 user_id 将广告展示 / 点击表与转化表关联，还原用户完整的购买路径。

Tables & Schemas（表结构）

02

默认数据表：包含与广告相关的基础数据表，如 SP、SB、DSP 广告的曝光、点击、转化数据表格。

可扩展数据表：包括 Retail Purchases（零售购买数据）、Brand Store Insights（旗舰店数据）、Amazon Insights（更广泛的零售数据）等，需额外开通权限或订阅。

免费 vs 付费

• 广告交互数据（展示/点击/广告转化）是免费的
• SQP的自然转化节点相关数据/零售购买数据是付费订阅/消费者的自然转化相关数据 都是付费的（约 $200/月，含 60 天试用）
• 这些订阅表是做 CLTV、复购率、自然订单贡献 的关键。没有这些表，你只能看到广告购买数据，无法计算真实的客户生命周期价值。

内置 Use Cases（使用场景模板）

03

AMC 内置了一系列预设报表模板，覆盖多种核心业务场景：

• Time-to-Conversion：分析从广告点击到用户下单的时间分布规律。
• NTB vs Repeat：统计新客（New-to-Brand）与复购用户的占比变化趋势。
• Geo & Seasonality：分析不同地区、不同季度的广告转化情况。
• Cross-attribution：评估跨渠道广告对转化的贡献度。

模板补充玩法-如果你有SQL相关的知识或者自己能搭建你还能实现如下：

假如根据以上这个图，这是根据SP广告的受众表现聚合而得出来的结果，这个是直接用的亚马逊管饭给的模版，这个数据我们能告诉我们这些受众看到sp 广告之后有1分钟内进行购买的数量是在600单左右，10分钟内的有1.1K订单左右，另外我们可以看到这个表格的最后一个柱状图7+days 这个有可能30天 或者没到30天 ，所以这个也能侧面反应，详情页的内容很好，标题主图，以及五点，A+ 等等内容起到了关键作用，因此我们针对这群人再营销的时候不需要把太多的广告花费 分给retargeting ads。

基于模板数据，还可延伸出更多运营动作：

• 转化速度桶化：快速转化的用户群体，可重点优化 PDP（产品详情页）；慢速转化的用户群体，可补充 SB/SD 广告素材，加强用户触达。
• 交叉购买（Purchase Overlap）：识别用户常一起购买的产品，优化配件 / 捆绑销售组合。
• 新客引流品识别：NTB 占比高的 SKU，可作为核心引流产品重点推广。
• 路径重叠：将认知、考虑、转化阶段的广告分类，分析多触点广告的协同效果。

上传自有数据

04

卖家可将 Shopify 独立站数据、Google Ads 广告数据、CRM 客户管理系统数据等自有数据上传至 AMC，通过用户 ID 或设备指纹进行交叉归因，精准分析站外引流到亚马逊站内的转化效果，打通全渠道数据链路。

AMC+AI

05

（ChatGPT/Gemini/DeepSeek 等 AI 工具）

可将 AMC 理解为：系统以特殊 SQL 数据形式，记录每个消费者购买某款产品的完整旅程，需解析数据后才能读取；也可类比为亚马逊在 AMC 数据后端，以类似 HTML 或 Python 的形式存储数据，需自行组装拼接，才能呈现为普通人可理解的前端展示界面（该类比非技术层面精准定义，仅为帮助非技术背景卖家理解）。

对于非技术背景的卖家，可借助 AI 工具解决 SQL 编写难题：

• 利用 ChatGPT 等 AI 工具辅助编写 AMC SQL 语句。
• 操作方法：将 AMC 表结构粘贴给 AI，同时明确需求（如 “查询过去一年新客 vs 复购用户的变化数据”）；若 SQL 语句报错，可将错误信息反馈给 AI（如 “报错信息为 xxx，请修复”），通过反复调试，最终生成正确的查询报表。

五、普通卖家如何实操应用 AMC？

很多卖家看到 AMC 界面后，第一反应是 “功能太复杂，我用不上”。但实际上，AMC 并非只有大品牌才能驾驭，只要理解核心应用场景，普通卖家也能逐步将其融入日常广告运营。以下是普通卖家可直接落地的应用方向：

01

 广告投放优化

从“盲打”到“精准预算”

传统广告报表，只能告诉你 广告带来了多少订单，却无法回答：

• 这些订单有多少是新客？
• 有多少只是复购？
• 哪些广告位更适合拉新？

通过 AMC 的 NTB vs Repeat 模板，你可以清晰看到不同广告在新客获取中的贡献。

如果发现某些 SP 广告带来的复购比例很高，可以减少预算，把钱投向能带来新客的广告。

反之，如果目标是提高复购率，就可以专门投放给老客，优化广告 ROAS。

02

“新客户和老客户的平衡

广告钱该花在拉新上，还是维护老客户上？

我们也可以通过AMC数据可以验证我们的假设，如果你是卖保健品的卖家你会发现：

• Q1 新客获取高峰
• Q3–Q4 新客趋缓，复购增加

这意味着：

• 上半年：预算以获取新客为主，可以打广告的时候预算及bid更猛，另外你在AMC上面可以获取拉新客需要的bid大概在什么区间比较合理，因而可以相应的调整你的bid以及placement
• 下半年：预算转向维护老客，减少浪费

这种 “动态分配预算” 的能力，是普通广告报表完全做不到的。

03

产品组合与捆绑策略

用数据发现“隐形搭档”

AMC 的 Retail Purchases 数据能揭示「交叉购买行为」。例如：

买便携搅拌机的用户，常常 3 天内回购冰杯或替换刀片

买电动打磨机的用户，7 天内容易购买砂纸配件

这些数据能直接指导：

在亚马逊后台设置「Frequently Bought Together」

推出捆绑组合（Bundle）

在广告创意中加入“买这个的人还会买 XX”

这个功能以及这些数据可以给选品、捆绑销售及交叉广告投放提供思路，助力优化产品矩阵

04

S&S 订阅用户经营

抓住真正的“高价值客户”

订购省（Subscribe & Save）是亚马逊的现金流利器，而 AMC 可以给你你提供：

• 分析哪些商品最容易被订阅
• 找出订阅周期最稳定的用户群
• 提前识别“流失风险用户”（已经下单但没有续订）

举个例子：如果在实际案例中，40 美金以上的订单用户更容易长期订阅，而 20 美金的小单更容易流失。于是他们在再营销广告中，专门给大单用户追加优惠，效果立竿见影。

05

地域与季节性分析

广告的“放大镜”

我们也可以用利用 GPT或者其他 AI利用亚马逊AMC的SQL数据可以创建某款产品的地域与季节性分析相关的数据，并且很直观的看到我们的消费者的分布情况，以及每个地区消费者看到我们的广告之后行为可以做一个非常好的解析，如果你有第三方数据可以帮你采集你的某个产品的广告词在每个zip code 下面的表现 如下图 ：

可实现更精准的运营决策：

• 诊断哪些地区存在广告预算浪费
• 识别哪些地区需通过社交媒体补充拉新，提升复购率
• AMC 可追踪每个地区消费者 “从看到广告到最终转化，或转向其他卖家 listing 购买” 的完整路径，结合关键词表现数据，可进一步分析各地区潜在消费者特征、复购潜力，甚至为线下布局提供数据支撑。

06

 AMC 与 Sponsored Ads 的结合

卖家必须抓住的新机会

过去，AMC 被认为是「DSP 专属工具」。但现在，亚马逊已经正式开放：即便你只投放 Sponsored Ads（SP / SB / SD），也能全面使用 AMC 的功能。这对中小卖家来说是重大利好。

通过 AMC，你可以在 Sponsored Ads 投放中做到：

• 追踪新客（New-to-Brand Customers）：识别哪些广告带来了从未购买过的用户。
• 衡量增量触达（Incremental Reach）：确认广告是否触达了新受众，而不仅是复购老客。
• 分析关键词表现（Keyword Performance）：找出真正带来转化的关键词，集中预算。
• 优化 Campaign Mix：比较不同广告组合的协同效果，决定预算如何分配。
• 应用自定义归因模型：跳出「last-click」，用 first-touch、equal-weight 等模型评估广告贡献。
• 驱动流量到重点 ASIN：借助 AMC 的洞察，把广告预算集中到最具潜力的产品和关键词。

对于只做 Sponsored Ads 的卖家来说，这相当于获得了以前只有大品牌才能用的「全景数据仪表盘」。如果你每月广告花费超过 $5,000，却还没用 AMC，那几乎等于白白浪费了预算优化机会。

07

 Audience（受众）应用的门槛与技巧

在 AMC 中，受众分为两类：

• Rule-based（规则受众）：直接圈定谁符合条件
• Lookalike（相似受众）：寻找“像这群人的更多人”

门槛要求

• Rule-based 需 ≥2,500 人
• Lookalike 需 ≥500 人

操作建议

• 优先选择 Most Similar（最相似） Lookalike，再逐步放大
• 订阅表的自然+广告购买数据在“受众创建”场景中是免费的（如 conversion_all），不需要花钱。
• 创建受众通常几小时内出结果，但同步到广告后台可能延迟 24–48 小时，大促前要提前准备