使用亚马逊的媒体规划 API 套件进行广告活动预测的实用指南

我是一家中型广告代理商的媒体策划师。一个健康养生品牌找到我们，打算在亚马逊站内投入 1.5 亿美元进行推广。他们只提出了一个问题： “你们能保证推广取得成效吗？”

不能。谁都没法保证。我们拥有 15 年行业经验，操盘过成千上万个广告活动，并且由衷看好这款产品。但是，我们没办法确定最终结果如何。当时我们制定这项 1.5 亿美元媒体计划的方式，就像建筑师在结构工程学诞生之前设计建筑一样：依靠经验、直觉和希望。内心深处，我们十分忐忑。项目推进三个月后，客户问道： “我们是否像你们预测的那样正在触达目标受众？” 我无从作答。我们无法准确衡量跨渠道的独立用户触达效果。我们的触达预测呢？ 只是基于经验的猜测。

六个月后，我参加了一次亚马逊广告会议，了解到媒体规划 API，这些 API 可以回答我们无法回答的所有问题：

• 上个季度，我们的特定广告主在亚马逊广告库存中的建模触达量是多少？
• 在不同的预算水平下，触达量是多少？
• 在投入预算之前，我们可以预测哪些广告活动成效？
• 是否在多个渠道重复付费触达同一批受众？
• 哪些顾客行为预示着较高的转化率？
• 我们如何衡量媒体投资的真正影响力？

如今，这位客户每年投入 2 亿美元广告预算。他们并非单纯增加在原有渠道上的支出，而是通过利用 API 套件所识别出的新用户画像和广告库存进行拓展，并且对此充满信心。这并不是因为我们变得更加专业，而是因为我们不再依靠猜测。

我们可以将媒体规划类比为电影公司筹备大型影片上映的全过程。在投入资金制作影片之前，电影公司会问： 我们的受众是谁？ 这些受众活跃在哪些渠道？ 各个市场应分配多少预算？ 预期获得怎样的回报？ 广告主的媒体规划也是同样的道理：这是正式购买广告之前开展的战略筹备工作，以此让广告活动真正具备成功的条件。

缺少计划，一切只能靠猜测。有了合适的工具，特别是亚马逊的媒体规划 API 套件，您就可以进行预测。二者带来的价值差距可达数千万美元。

亚马逊的媒体规划 API 分为四组，每组解决一个核心规划难题：

我们已经触达多少受众、将要触达多少受众以及真实的受众重叠情况如何？

在投入预算之前，我们可以预测哪些成效？

我们应该定向哪些受众？为什么？

我们如何衡量跨渠道的真正媒体影响力？

所有 API 都根据亚马逊广告库存和行为信号运行。跨出版商的触达、去重、效果比较和受众特征分析需要第三方效果衡量合作伙伴。

每个广告活动都要经历四个阶段，媒体规划 API 可在每个阶段发挥作用。

在投入资金之前，您需要分析过去的成果、预测触达情况和效果，并制定计划。触达曲线 API、效果预测和受众 API 为您提供完成这三项任务所需的数据。

制定计划后，您可以设置投放方案、配置渠道并完成预算分配。受众 API 定义要触达的受众，而触达曲线 API（触达预测、预测去重）可帮助您在投放之前验证渠道组合。

广告活动投放后，您可以监控效果、调整预算并优化投放方案。触达曲线 API（预测去重）表明是触达独立顾客，还是在为重叠受众付费。

广告活动结束后，对比实际数据与预测数据，总结经验教训，然后策划下一个广告活动。触达曲线 API（历史触达）显示真实的历史数据，MMM API 将这些信号输入到效果衡量框架中。

历史触达为您提供亚马逊广告库存的历史触达曲线，范围仅限于您的特定广告主。您输入日期范围和受众参数；它会根据亚马逊面板和广告库存数据返回建模的独立用户触达数据。无需猜测，无需假设。

我们根据客户以往广告活动六个月的数据进行历史触达分析。结果： 1,200 万独立顾客，而不是 800 万。存在 50% 的衡量偏差。这一结果彻底扭转了认知。实际单次触达成本比预估的低 37%，这使得他们的广告活动远比最初指标显示的更为高效。并非广告活动效果不佳，而是效果衡量存在偏差。有了这个基准后，我们得以稳妥地策划一个 1.5 亿美元预算的广告活动。

历史触达复盘历史数据，无法预测未来。它无法预测下个季度的情况。但是，如果不清楚真实起点，就无法做出可靠的预测。打个比方，这就像制定下一年预算方案前，需要先查看上一年的财务报表，了解关键背景信息，而非完整的方案。这对没有历史记录的首个亚马逊广告活动没有用。

客户问： “我们应该投入 1.2 亿美元、1.5 亿美元还是 1.8 亿美元？ 触达效果会有什么区别？” 过去，我们只能根据去年的支出粗略推算出一个线性增幅？ 这些无法解答的问题……正是焦虑的来源。

触达预测可让您在支出之前测试预算方案。您输入目标受众、广告活动日期和多个预算选项。它会返回一条触达曲线，精准展示不同预算分别能够触达多少独立顾客，以及曲线在何处趋于平缓（追加预算不再有效提升触达量）。

展示触达预测 API 功能的说明性示例：

预算超过 1.5 亿美元后，曲线急剧趋于平缓。预算从 1.5 亿美元增加到 1.75 亿美元，仅新增 170 万顾客，每位增量顾客成本为 14.70 美元，而平均成本为 7.35 美元。我们建议省下这 2,500 万美元，重新分配，用于发掘潜在顾客。客户的反应： “你们在我们花钱之前，就帮我们节省了 2,500 万美元。”

以上结果为预测值，与天气预报一样，不作保证。准确性因广告活动条件而异；所示范围仅为基于典型效果模式的说明性示例。展示结果务必附带置信区间，例如：“我们预计触达 2,040 万顾客，范围可能在 1,850 万至 2,210 万之间。” 规划时预留缓冲空间，持续追踪真实情况，并不断优化模型。

在第 4 季度广告活动进行到一半时，客户要求进行复盘。我们告知客户，在多个亚马逊广告渠道合计触达 2,160 万独立顾客。当时我们认为这个数据没有问题，但我们错了。

预测去重显示的是您在所有亚马逊渠道实际触达的独立用户数量，而非各渠道简单相加得出的虚高总值。它会梳理各渠道的受众重叠情况，这样您就可以清晰了解重复统计以及为触达同一批用户重复付费的情况。

展示预测去重 API 功能的说明性示例：

我们运行了预测去重分析。实际独立用户触达量： 1,320 万而非 2,160 万。其中 840 万“顾客”是在多个渠道重复出现的同一批用户。联网电视渠道的重叠率为 68%。我们浪费了 61,740 美元来向已经触达的用户重复投放广告。我们重新调整了媒体组合，削减了重叠渠道预算，并将资金转移到了 Twitch（重叠率较低）；在 1.5 亿美元总预算不变的情况下，实现了 1,680 万的独立用户触达。这相当于免费提升了 27% 的独立用户触达量。

“我们花了 61,000 美元，只是在五个不同的屏幕上向同一批用户展示广告。这不是多渠道方案，这就好比为同一套公寓支付五次租金。”

去重仅适用于亚马逊的广告库存。如果您还在 Google、Meta、TikTok 或传统电视上投放广告，则此处无法显示这些渠道的重叠受众。提前告知客户： “本数据仅展示亚马逊受众重叠。若需要跨出版商的去重分析，则需要第三方效果衡量合作伙伴。” 清晰地设定期望。

触达很重要。但是客户真正关心的问题是： “这场广告活动的效果如何？” 在投入 1.5 亿美元之前，他们需要了解单次点击成本会是多少、预计的视频完整播放率是多少，以及这笔投入能否带来规模化转化。过去，我们最多只能这样回答： “根据行业平均水平，请相信我们。”

效果预测可以在您投入资金之前预测广告活动成效。您选择一个指标（点击量、视频完整播放量或商品详情页浏览量），API 会返回一条预测曲线：在每个支出水平下，您将获得预测数量、单项结果成本（CPC、eCPM、CPDPV、CPVC）和比率指标（CTR、VCR）。这并非乐观的预估，而是基于数据的预测，带有置信区间。

展示效果预测 API 功能的说明性示例：

API 返回了一条预测曲线，显示计划支出水平下的预测点击量和单项结果成本，即使取置信区间下限，也达到了客户的效率基准。我们在规划会议中说： “即使在保守的情况下，单项结果成本也在目标范围内。我们建议批准该广告活动。”

三个月后，实际点击率和单项结果成本与 API 预测值的偏差在 5% 以内。最终，该广告活动在业务成果方面实现了 4.0 倍的 ROAS。这种组合（准确的预测支撑可靠的决策）彻底改善了客户关系，帮我们成功拿下大额续约订单。

数据积累越多，预测准确性越高。新产品发布阶段和流量高峰期，预测波动区间会变大。在亚马逊上投放时间更长的广告活动，其预测结果会更为精准。向客户明确说明这一点：置信区间并非一种规避手段，而是关于预测机制的客观事实。

受众 API 组可帮助您跳出人群特征视角，了解顾客的实际身份，并挖掘您未曾发现的新顾客群体。

客户最初的目标受众： “25-54 周岁的成年人，对健康和养生感兴趣，家庭收入超过 6 万美元。” 这一描述条件覆盖亚马逊站内约 4,200 万用户。我们应该优先考虑哪些细分受众群？每个细分受众群应分配多少预算？ 人群特征只能告诉您受众身份，无法反映受众行为。而且，与年龄段相比，行为在预测转化效果方面的参考价值更大。

• Persona Builder 使用亚马逊的第一方数据，即用户购买、观看和搜索的内容，将受众划分为不同的行为细分。您获得的不是年龄范围，而是基于购买模式、流媒体观看习惯和搜索行为的实际顾客资料。
• 受众发现显示您未曾考虑过的新细分受众群，他们的行为体现出高意向，但却不在您当前的定向范围之内。借助该 API，找到您原本不知道要去挖掘的新顾客。
• 受众重叠显示各细分受众群之间的交叉重叠情况，帮助您了解哪些受众是真正的独立受众、哪些受众在很大程度上是同一批用户。这可以防止您在高度重叠的细分受众群上投入大量预算。

这些 API 协同工作，可以回答以下问题： “谁是我们的优质顾客、还有哪些顾客与他们特征相似，以及如何避免重复定向同一批用户？”

展示受众 API 功能的说明性示例，其余的 10% 预留，用于测试通过受众发现识别的新细分受众群。

通过将预算从广泛的人群特征转移到行为用户画像，广告活动效果显著提升。“活跃的健康养生爱好者”细分受众群虽然只有 820 万人，但投资回报率较高。他们一直是超级粉丝。只是在分析用户行为之前，我们无法识别出这部分受众。

然后，受众发现识别出一个我们未曾考虑过的细分受众群： “观看健身内容且购买有机零食的流媒体用户”。 受众重叠证实，该群体与我们现有目标受众的重叠率不到 12%，属于真正的新受众，而并非已有受众的重新包装版本。

受众 API 仅基于亚马逊站内视角显示行为。如果您的顾客主要在亚马逊站外购物或消费媒体内容，则分析结果会存在信息缺失。结合您自己的第一方数据，获得更全面的洞察。此外，受众 API 不适用于小众受众；样本量不足时，难以实现有效的聚类分析。

广告活动结束后，客户问： “与其他渠道相比，我们在亚马逊上的投资产生了怎样的实际影响？” 我们虽然有平台级指标，但没有标准化方法，无法将亚马逊的信号输入到更广泛的效果衡量模型中。我们的分析团队花了好几天时间手动提取报告、重新设置数据格式并核对差异，等洞察交到规划团队手上时，下一个广告活动早已投放。

借助 MMM API，广告主和效果衡量合作伙伴能够以程序化方式访问亚马逊的广告和零售信号，从而实现更快、更具可扩展性的营销组合建模。它消除了手动数据交换，并自动将媒体信号（展示量、触达、支出）和零售信号（包括加入购物车事件等每日购物互动指标）直接传输到现有工作流程。结果：更频繁地为跨渠道预算优化提供更可靠的洞察。

展示 MMM API 功能的说明性示例：

以往，我们的分析团队需要花数天时间手动整理数据，如今全部实现自动化。亚马逊的媒体和零售信号（包括精细的购物行为数据）按天而不是按季度直接传输到客户的 MMM。结果：可以清晰了解亚马逊投资相对于其他渠道投资所带来的成效，且数据更新频率足够高，可真正为下一次预算决策提供依据，而不是滞后到失去参考价值。

MMM API 提供信号，无法为您构建模型。您需要一个现有的 MMM 框架（可内部构建，也可通过效果衡量合作伙伴获取）来摄取和分析数据。该框架的价值在于自动化和标准化：实现一致的程序化访问方式，可减少手动工作量并提高分析频率。

• 历史触达是基础。 如果不知道真实的历史数据，就无法做出准确的预测。即使真相不尽如意，也要以此为起点建立与每位客户的关系。
• 做多方案预测，不要只制定一个计划。提供 3-5 个附带触达曲线的预算方案。让数据给出建议。客户看重的是优化，而不仅仅是最大化。
• 置信区间比虚假的确定性更能建立信任。 不要承诺具体数字，而应承诺一个具有置信度水平的范围。只要交付结果在该范围内，就会得到客户的认可。
• 行为胜过人群特征。 停止定向“25-54 周岁成年人”。 定向“购买蛋白粉且观看健身内容的流媒体用户”。 二者转化效果差距很明显。

• 支持的站点（确认您所在区域涵盖在内）
• 亚马逊广告活动历史记录（建议历史触达至少包含 6 个月的历史数据）
• 多渠道媒体组合（预测去重具备参考价值的必要条件）
• 亚马逊营销云实例（用于叠加第一方数据）
• 开发人员注册和客户团队加入

1. 第 1 个月： 历史触达。 运行历史触达，就过去 6 个月的品类和广告库存组合确定基准触达量。向客户展示实际触达量与预估触达量。仅凭这一项分析发现，通常就能证明整体效果如何。请查看我们的文档，了解逐个广告活动效果衡量方法。
2. 第 2 个月： 触达预测。针对下一个广告活动测试 3-5 个预算方案。展示触达曲线。让数据帮助提出建议。
3. 第 3 个月： 效果预测。 添加带有置信区间的结果预测。根据预测设置每周追踪。
4. 第 4 个月： 预测去重。 在广告活动投放期间运行。找到重叠受众。重新调整媒体组合，有效增加独立用户触达量。
5. 第 5-6 月： 受众 API。 使用 Persona Builder 构建行为用户画像。使用受众发现挖掘新的细分受众群。使用受众重叠来验证独立性。将预算重新分配给转化较高的用户画像。
6. 正在进行： MMM API。将亚马逊的媒体和零售信号集成到您的效果衡量框架中。利用洞察为下一个规划周期提供依据。

新的集成商应预见到，在模型适配流量模式的前 30 天内，波动范围会较大。

请查看下面列出的学习资源，这些资源将帮助您开始使用媒体规划 API 套件。

亚马逊广告 API 指南和媒体规划指南提供技术规范、接口和集成指南。API 文档还提供当前的区域可用性和 API 状态。

Gigi、Pacvue、Perpetua、Intentwise 和 Skai 提供预先构建的集成，无需编码，包括仪表盘。

合作伙伴网络可帮助您找到能够协助实施的认证亚马逊广告合作伙伴。

媒体规划认证提供有关媒体规划基础知识和 API 使用方法的免费培训。

您的亚马逊广告代表提供案例研究、入门帮助和试点计划参与权限。

不是开发人员？ 没关系。多个亚马逊广告合作伙伴平台（Pacvue、Perpetua、Skai、Gigi 等）正在逐步集成媒体规划 API。无需花时间进行开发。与您的客户团队合作，为您的堆栈确定合适的合作伙伴。

• 销售信号： 探索将亚马逊的零售和顾客信号直接更深入地集成到广告活动投放前的规划工作流程中。这将把媒体规划与实际零售成果联系起来，而不仅仅是广告指标。
• 智能体式集成层： 一项新功能，让第三方 AI 智能体能够直接与媒体规划 API 集成。这意味着您的专有规划工具、自动化工作流程和 AI 驱动的优化引擎能以程序化方式访问亚马逊的规划信号，从手动 API 调用转变为自主、始终在线的规划智能。

更多学习资源：

• 联系您的亚马逊广告客户团队
• 加入我们的 GitHub 社群参与讨论
• 完成开发人员注册

资料来源：

¹亚马逊研究，美国，2025 年至 2026 年

²亚马逊广告 API 文档，全球，2026 年

贡献者：

Vic Awokoya、Kapil Dwivedi