全新上线FlyFus Agent 全新上线免费体验
返回
运营干货Amazon official / industry sources

Brand+ 与 Performance+ 加入一方受众信号，卖家要重写 AI 投放输入表

Amazon Ads 在 Brand+ 与 Performance+ 中扩展 AI 能力，允许广告主通过 Ads Data Manager 把一方受众作为优化输入，而不是硬性定向。卖家要重写 AI 投放输入表，把人群来源、同意状态、购买阶段和复盘指标放到同一套治理框架里。

2026-08-19

Brand+ 与 Performance+ 加入一方受众信号，卖家要重写 AI 投放输入表

Brand+ 与 Performance+ 加入一方受众信号，卖家要重写 AI 投放输入表

Amazon Ads 在 7 月底公布了 Brand+ 与 Performance+ 的一组 AI 能力扩展，其中最值得卖家和品牌团队注意的是：广告主可以通过 Ads Data Manager 把自己的一方受众数据接入 Brand+ Prospecting、Performance+ Customer Acquisition 和 Unified Consideration，作为 AI 优化输入。这里的关键词不是“定向”，而是“输入”。Amazon Ads 明确强调，这些受众会帮助模型更快识别高价值客户，同时 AI 仍保留扩展发现的自由。

Andy Jassy 在 Amazon Q2 说明中也把广告增长和 AI 工具、对话式购物、全漏斗广告能力联系在一起。Amazon Ads Q2 收入达到 198 亿美元，同比增长 26%，Ads Agent、Sponsored Prompts、流媒体库存和全漏斗优化都在变成同一套增长叙事。对卖家来说，这意味着投放不再只是建广告组、填关键词、调竞价，而是要管理“AI 能看到什么输入、如何解释这些输入、以及用什么指标判断它有没有跑偏”。

运营判断：一方受众进入 AI 优化后，广告团队的核心资产从 campaign 设置扩展为“数据输入表”。Flyfus 做买家需求、竞品差异和 Listing 诊断时，可以把这些洞察转成投放输入标签，但不能替代卖家的数据授权和复盘判断。

发生了什么

Brand+ 与 Performance+ 的新能力分成三类：第一类是用 Ads Data Manager 引入一方受众信号；第二类是扩展音频、STV、Prime Video 等触点；第三类是模型和信号升级，例如 Brand Outcome Optimization、Prime Video signal integration、Performance+ asynchronous remarketing。它们共同指向一件事：广告系统希望在更完整的消费者旅程里自动评估“谁值得触达、什么时候触达、用什么格式触达”。

对中小卖家来说，最容易误解的是把一方受众信号当成传统精确圈人。事实上，如果它只是 AI 的优化输入，团队就要接受模型会在受众之外继续探索。这不是坏事，但必须有复盘框架，否则你只知道系统花了钱，却不知道哪类输入真正起作用。

AI 投放输入表

输入维度应记录内容常见错误复盘指标
受众来源购买、加购、订阅、站外活动来源混杂不标注匹配率、触达增量
授权状态同意口径、上传日期、保留周期忽略隐私边界可用率、被拒记录
购买阶段拉新、考虑、复购、流失一个包打全漏斗CAC、加购率、复购率
商品关系主推 ASIN、变体、配件、替换品广告与页面不一致DPV、转化、客单价
人工边界预算上限、排除类目、品牌风险只开自动不审查CPA、频次、负反馈

三步落地流程

第一步：先清点数据，不急着上传

卖家应先把可用一方受众拆成来源清楚的小包，例如过去 180 天购买者、过去 30 天加购未购、订阅名单、站外活动点击者、VIP 会员、售后满意客户。不要为了让 AI 有更多数据，把不同意图的人群全塞进一个包。AI 能处理复杂信号，但前提是输入本身不是混乱的。

第二步：给每个受众包写用途

每个受众包都要绑定一个广告目标。购买者适合复购和配件，浏览未购适合考虑转化，高客单客户适合新品测试，站外内容读者适合品牌教育。用途写不清，系统优化就会变成“看似自动，实际失焦”。

第三步：用对照组复盘

一方受众接入后，至少保留一个未接入受众信号的对照 campaign，观察两周以上。不要只看总 ROAS，要看增量触达、品牌搜索、详情页浏览、加购和新客占比。Brand+ 和 Performance+ 是全漏斗工具，单看短期订单容易低估品牌动作，也容易高估再营销动作。

对不同卖家的影响

大品牌的优势在于数据量和多触点沉淀，但风险是部门割裂：CRM、站外投放、Amazon Ads 和内容团队可能各用一套标签。中小卖家的优势是动作快，但风险是受众样本小，上传后模型不一定有足够信号。工厂型卖家则要特别注意 B2B 与 C 端受众不要混用，否则 AI 可能把价格敏感、采购周期和复购节奏理解错。

Flyfus 可以帮助卖家把 Listing 问题、评论痛点和竞品差异转成广告输入语言。例如“买家担心尺寸不准”可以转成视频素材主题，“老客常买配件”可以转成复购受众假设，“竞品评价集中抱怨噪音”可以转成新品卖点测试。但这些洞察进入广告系统前，仍要经过受众授权和业务目标校验。

常见误区

  • 把 AI 输入当硬定向。 受众信号是优化线索，不是把广告锁死在一个人群。
  • 只上传最大人群包。 大包可能稀释真实意图，小包才便于复盘。
  • 不留对照组。 没有基准，AI 表现好坏只能凭感觉。
  • 忽略页面承接。 受众再准，Listing 证据不足也会浪费流量。

复盘节奏怎么安排

AI 投放输入上线后，复盘不能只等月末报表。第一周看数据是否被正确接收：受众是否匹配、样本是否足够、预算是否开始消耗、频次是否异常。第二周看学习方向：新客占比、详情页浏览、品牌搜索和加购是否比对照组更健康。第三周再判断商业结果：订单、CAC、复购和毛利是否符合目标。这样拆开看，团队不会因为前几天 ROAS 不稳定就过早关停，也不会因为短期订单好看而忽略长期品牌成本。

把输入、创意和页面放在同一张表

一方受众只是输入的一半，另一半是创意和页面承接。比如“过去 30 天加购未购”这类受众，广告素材要解释为什么现在值得购买，详情页要补充价格、保障、配送或规格证据；“高客单老客”受众则更适合升级款、配件和新品教育。Flyfus 可以把买家问题、竞品弱点和 Listing 缺口导出成素材 brief，让受众假设不只停留在数据包名称上。

风险边界要写进投放 SOP

卖家还应规定哪些数据不能上传、哪些受众必须过法务或品牌审核、哪些 campaign 不能让 AI 自由扩预算。尤其是跨站点卖家，不同市场的数据授权和消费者预期不同，不能把一个国家的受众习惯直接复制到另一个国家。广告系统越智能，运营团队越要把输入边界写清楚。

卖家可以马上做的 5 件事

  1. 列出所有可用一方受众，并标注来源、授权、更新时间和样本量。
  2. 给每个受众包绑定一个目标：拉新、考虑、复购、流失召回或新品测试。
  3. 上传前删除来源不明、授权不清、时间过旧的人群数据。
  4. 为 AI campaign 保留对照组，至少观察曝光、DPV、加购、订单和新客占比。
  5. 用 Flyfus 把买家问题和竞品差异转成广告素材假设，再接入人群与创意复盘表。

主要来源

想让 FlyFus 深度分析你的产品？

立即开启 FlyFus，看清每一个 Alexa 推荐背后的流量机会。

免费开启体检
免费体验