亚马逊AI广告+算法数据分析-关键词篇

今天要讨论的是如何通过AI结合数据分析，快速给我们一个大致的产品概览和广告建议。

我们本身对产品有一定的熟悉度，需要算法和AI做的是，用数据分析找出其中的潜在规律。让AI把分析结果通俗的说出来，作为数据分析和运营沟通的桥梁。

我觉得这才是AI结合数据分析的意义，而不是直接丢一个表格给大模型。这和直接让AI写listing没有什么本质的区别。范围太大了，解决不了我们的问题。

这一套逻辑适合绝大多数的表格类内容。算法就相当于AI生文中的知识库参考，异曲同工。用业务经验和数据算法给AI框定一个范围，用确定的东西，减少大模型的幻觉。

本系列内容分为两部分，第一部分是从关键词角度，第二部分是从产品角度。

想法

做这个事情的目的是实现快速的预览广告数据，能够让运营快速熟悉产品情况。

出发点就是我每次需要看一些产品的数据，但是总是会忘记上次看的情况，不够连续。用ERP的话，每次都要重新查看一遍，他只给你聚合数据，和一些机械化的建议，能用是能用。

我的想法是通过一定的算法，把表格做一些处理。然后，通过AI解读数据，做一份报告出来。这样效率不就高了吗，而且不用时不时的重新过一遍数据，直接看过往的报告好了。

这事如果在没有AI的时候，是完全不敢想的。一是数据分析的算法不是一般人能搞定的，外包价格也不少。即使是搞定了数据分析，如果看不懂的话，也很尴尬。

二是让AI根据处理过的数据，生成报告，提供辅助建议。这点如果让人工做，又是很大的时间成本。

整体来说，这件事的流程难度并不大。大致是两部分，一是数据分析，二是生成报告。难点在于把业务经验和算法指标结合调参数。目前我也是暂时做到了60分吧，差不多能用，还有很多提升的空间。

我是直接用的ERP聚合数据，而不是直接从亚马逊后台下载。因为后台下载速度慢，而且表格太多了。即使下载下来，还是要自己处理合并。

本来还想做一下后台数据的适配，但是调参数指标太痛苦了。我就不造轮子了，反正用ERP数据也一样。

我对广告的理解就是：

两个调整：竞价、预算

**两个最小颗粒度：**用户搜索词、ASIN

做过多店铺的朋友，应该会有经验。即使是相同的关键词，相同的预算，竞价，但是出现的效果不尽相同。所以每个产品、关键词都应该按照自己的数据去拟合一个模型，而不是唯关键词论。

所以我选用的是搜索词的报告，而不是投放词。

然后让AI根据最小颗粒度的综合数据，给出竞价、预算调整建议。因为实际操作中，如果前期找好关键词，那大多数的操作也就是这两点了。

高端的运营强在对竞价和预算的把握，而不是开关各种广告组，数据分析是核心。

核心算法是Xgboost。之前偶然刷到了这个算法很牛逼，各大数据比赛都会用这个算法，而且效果很好。那我就想能不能把Xgboost结合一下，果然是初生牛犊不怕虎。

好不容易，把Xgboost的指标搞清楚了，才发现还可以结合多模型的算法。真正的牛逼不是单模型，而是算法结合算法，真的是打开了潘多拉盒子一样，我还是 too young to simple。

我让AI根据源数据，做了三个目标的模型，转化率，ROAS，订单量。一手拿cursor写代码，一手让qwen去分析算法出来的结果。反正，动一次脑子就算我输，哈哈。。

模型建好了，又让AI根据亚马逊业务的实际情况，写出了关键词，竞价，销售等建议。我根据实际的经验，调整了下策略的阀值。AI对于业务阶段目标的划分，还挺有道理的，放在这里，供大家参考。

然后把建议数值填充进去，再做出数据可视化，这样就出了基本报告。

最后让AI根据基本报告，和算法出来的指标，去做推理，再生成广告建议。

大模型的选用，本来是想结合上次的图片方案的做法，让deepseek R1先做推理，用Gemini生成文案。但是Gemini更新了2.5 pro推理模型，而且我测试了效果还挺好。那好像就没必要过deepseek这一道了。不要造轮子了，造不完的。。

基础报告都一样，是固定的模板。这次的AI报告，我把推理内容也保存了，可以直观的看到大模型是如何模拟人的思考。同时，我分别测试了Deepseek R1和Gemini 2.5 pro。

所有的文件都放在飞书文档，数据已经脱敏，大家放心观看，也不用带入具体产品。

已经有链接的朋友，直接进去查看。没有链接的朋友，请加我微信获取。这次同样可以免费测试，具体微信讨论。