amazon-ads-optimization
Skill1 starsChanged 53 days agoMITView on GitHub
亚马逊广告投放优化。当用户需要搭建亚马逊广告结构（SP/SB/SD）、诊断广告表现、优化 ACoS/TACoS/ROAS、调整出价与预算、加否定词、做广告位与时段优化、分析搜索词报告、或生成广告日报/周报/月度复盘时使用。关键词：亚马逊广告、PPC、ACoS、TACoS、ROAS、出价、否定关键词、搜索词报告、Spend 报表、广告位。
3 other projects use a version of this.
Adopted by
Most recently taken up by
- gavasques/titanos-agent-skillstheir own version, first seen Oct 20, 2026
- Wany-i/amazon-ads-optimizationword for word, first seen Sep 21, 2026
- ferrants/amazon-seller-agent-claude-codetheir own version, first seen May 17, 2026
Other versions3 projects use a version of this.
Word for word · 1
- Wany-i/amazon-ads-optimization★ 0100% same
Edited · 0
None found.
Wrote their own version · 2
- ferrants/amazon-seller-agent-claude-code★ 8same name
- gavasques/titanos-agent-skills★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
The file
Files
亚马逊广告投放优化
一套可执行的投放优化 SOP：拉数 → 诊断 → 决策 → 执行 → 复盘。不做泛泛策略描述，所有结论必须落到「改什么、改成多少、为什么」。
权威优先级（遇冲突时按此取舍）：Amazon 官方指南 / API 文档 > 官方 Academy 课程 > 海外主流来源 > 国内公众号。本 Skill 的盈亏平衡 ACoS 与目标 ACoS 框架与官方口径一致（官方 acos-advertising-cost-of-sales 明确有 Break-even ACoS 与 target ACoS 两节），我们只是把扣项做得更细（多扣头程与退货损耗）。
使用前先读（重要）
- 数据怎么来、能不能直接下指令 → references/data-integration.md
- 公式与阈值 → references/metrics.md
- 诊断规则表（最常用）→ references/diagnosis.md
- SQP 份额漏斗（第 0 层，先定位短板在漏斗哪一环）→ references/sqp-framework.md
- 场景手册（新品 / 老品 / 旺季 / 清库 / 防守 / 季节性 / 断货）→ references/playbooks.md
- 动作库与安全边界 → references/actions.md
- 大促专项复盘（PD / 黑五 / 会员日）→ references/peak-event-review.md
- 市场已有轮子对照（装之前先看）→ references/market-scan.md
- 各渠道可获取性与主流来源地图 → references/sources-map.md
- **官方教程与理论教学清单（口径存疑时先查这里）→ references/official-resources.md
- 理论验证矩阵（每条阈值的证据强度与来源）→ references/verification.md
- 上游 PPC 方法论全文（已采纳，内部参考）→ references/vendor/amazon-ppc-campaign.md
第 0 步：先问清四件事（缺一个就不要开始算）
- 站点（US/UK/DE/JP…）与币种 —— 决定费用项与汇率。
- 盈亏平衡线：毛利率（税前、扣掉 FBA/佣金/头程/退货）→ 换算成允许的最大 ACoS。
- 目标：清库存 / 推新品抢占排名 / 稳定利润 / 旺季冲量 —— 目标不同，同一个 ACoS 的结论完全相反。
- 数据可得性：能否拿到搜索词报告、广告位报告、已推广商品报告；只有汇总数就只能做粗诊断。
红线：目标不明确时不要给「降 ACoS」的通用建议。清库存期 ACoS 高于盈亏平衡线可能是对的，推新品期 TACoS 上升也未必是坏事。
第 1 步：算清盈亏平衡 ACoS（一切出价决策的锚）
node scripts/ads_opt.mjs calc --price 39.99 --cost 8 --fba 7.5 --first-leg 3 --commission-rate 15 --return-rate 5 --target-margin 15输出：盈亏平衡 ACoS、目标 ACoS、目标 ROAS、各广告位的最高可接受 CPC。公式与口径见 references/metrics.md。
没有这个数，任何「出价该涨还是该降」都是拍脑袋。
还没有关键词？先用官方自动补全扩词（免登录，12 个站点）：
node scripts/ads_opt.mjs keywords --seed "portable blender" --site us第 2 步：诊断（按层往下切，不要一上来就调出价）
顺序固定，因为上层的错误会掩盖下层：
- 份额层（SQP 份额漏斗）：先定位短板在 曝光 / 点击 / 加购 / 购买 的哪一环 —— 短板在转化环节就不要调广告，去修 Listing 与价格（需品牌备案；框架见 references/sqp-framework.md）
- 账户/店铺层：TACoS 趋势、广告占比、自然位有没有被广告蚕食
- 广告活动层：预算是否烧穿、ACoS vs 目标、曝光份额（IS）够不够
- 广告组层：词包是否混杂、匹配方式是否打架
- 搜索词层：收割（转 Exact）、否定（浪费词）、迁移（Auto→Broad→Exact）
- 广告位层：Top of Search / Product Pages / Rest of Search 的转化差异
- 时段层：分时表现差异是否大到值得做 dayparting
每层跑一遍 references/diagnosis.md 的规则表，产出结构化问题清单，再进第 3 步。
搜索词/广告位数据可以直接喂给脚本产出动作清单：
node scripts/ads_opt.mjs diagnose --file search-terms.csv --target-acos 25 --break-even-acos 40
node scripts/ads_opt.mjs diagnose --file placement.csv --mode placement --target-acos 25
# SQP 份额漏斗（有品牌备案时先跑这个，定位短板在漏斗哪一环）
node scripts/ads_opt.mjs sqp --file sqp-report.csv第 3 步：出动作清单（不是建议，是可执行变更）
每条动作必须写全四要素：对象（活动/组/词/ASIN）→ 现值 → 目标值 → 依据。标准形态：
| 优先级 | 对象 | 动作 | 依据 |
| P0 | 活动 X 自动型 | 否定精确 12 个词 | 点击 ≥15 且 0 转化，累计浪费 ≥$X |
| P1 | 关键词 A（广泛） | 出价 0.85 → 0.62 | ACoS 58% > 盈亏线 40%，已过学习期 |
| P1 | 搜索词 B | 新建 Exact 并迁移 | 2+ 单、ACoS 18% |
| P2 | 广告位 Top of Search | 加价 0% → 25% | TOS 转化率是其余位置 2.3 倍 |
动作定义、限速与回滚要求见 references/actions.md。
第 4 步：执行（默认只出方案，改数要你点头）
- 只读默认：查询、诊断、生成方案、生成报表 —— 直接做。
- 写操作必须逐条确认：改出价/预算/状态、加否定词、建活动。批量变更前先给用户看变更清单与影响预估。
- 变更留痕：记录改前值，便于回滚；单次批量变更建议 ≤ 变更总量的 20%（见 actions.md 的限速规则）。
- 数据接入方式见 references/data-integration.md —— 本机优先复用已有的 Ads API 代理能力。
第 5 步：复盘节奏
| 周期 | 看什么 | 不看什么 |
| 每日 | 预算烧穿、异常花费、跑飞的词 | 不要因单日波动调出价 |
| 每周 | 搜索词收割/否定、出价调整、广告位 | 不要每周改结构 |
| 每两周 | 广告组与匹配方式结构、预算分配 | 不要频繁重启活动（打断学习期） |
| 每月 | TACoS 与利润、ACoS 目标校准、旺季预算 | — |
| 大促后 1~2 周 | 专项复盘：新词占比、时段结构、匹配方式角色、观察名单 | 不要跳过复盘就「恢复日常广告」 |
报告模板见 references/reporting.md。
输出纪律
- 每个结论带数据依据（时间窗 + 数值 + 来源报表）。
- 区分「事实（报表数据）」与「推断（Agent 判断）」，推断要标注假设。
- 数据不足时说清缺哪张报表、为什么影响结论，不要用行业均值硬凑。
- 币种与时间窗必须写明；跨站点不要直接比 ACoS 绝对值。
数据与合规
- 广告数据只通过官方 Ads API（或本机已有代理能力）获取，不抓取卖家后台页面。
- 不要向用户回显内部 ID、代理地址、密钥；输出只保留业务结论与可读的活动/关键词名。
- 不要跨卖家/跨账号混用数据。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.