Performance+ 接入一方受众信号，卖家要先清洗样本再让 AI 扩量
Amazon Ads 最新 Brand+ 和 Performance+ 能力允许广告主通过 Ads Data Manager 把一方受众作为 AI 优化输入。卖家不能把任何老客户名单都当成高价值样本，而要先清洗来源、时间窗、购买意图、退货风险和隐私口径，再让 AI 扩量。
2026-08-03
Performance+ 接入一方受众信号，卖家要先清洗样本再让 AI 扩量
Amazon Ads 7 月 22 日发布的 Brand+ 和 Performance+ 十项 AI 能力里，一个很容易被低估的变化是 Audience Signals：广告主可以通过 Ads Data Manager 把自己的一方受众数据带入 Brand+ Prospecting、Performance+ Customer Acquisition 和 Unified Consideration，让 AI 优化有更多业务输入。表面看，这是把“我的客户数据”接给系统；实际看，这是把样本质量直接交给模型。
卖家最常见的误区，是把所有邮箱、购买记录、站外访客或会员名单都视为高价值人群。可 AI 扩量并不知道名单背后的经营语境：有人是低毛利促销买家，有人刚退货，有人只买配件，有人来自一次异常折扣，有人已经流失很久。如果样本脏，AI 会把脏信号放大，预算就会向错误方向学习。
一方受众不是越多越好。给 AI 的样本越接近真实高价值买家，Performance+ 扩量才越有运营意义。
发生了什么
Amazon Ads 的最新公告说明，Brand+ 和 Performance+ 可通过 Ads Data Manager 接入一方受众，作为 AI 优化输入，同时保留系统的 reach discovery。Amazon Marketing Cloud 支持广告主上传伪匿名一方输入，并和 Amazon Ads 信号做隐私安全分析；Signal-based marketing 页面也强调，广告主的一方信号可以与 Amazon Ads 信号一起帮助模型提升推荐和优化。
这给卖家带来一个新职责：过去广告优化主要看关键词、ASIN、预算和创意；现在还要管理受众样本。尤其是 DTC 独立站、品牌会员、线下订单、站外活动和客服标签，都会成为可输入信号。Flyfus 在做竞品分析和买家需求分析时，也可以帮助团队先定义“好样本”是什么，再决定哪些人群适合进入广告系统。
受众样本清洗表
| 字段 | 推荐做法 | 不建议做法 | 原因 |
|---|---|---|---|
| 时间窗 | 近 30/60/90 天分层 | 把三年前客户混在一起 | 购买意图衰减不同 |
| 购买质量 | 标记复购、高客单、低退货 | 只按成交人数导入 | 低质订单会误导扩量 |
| 商品关系 | 按主推品、配件、替换件拆分 | 全品类合成一个名单 | AI 难判断相似需求 |
| 促销来源 | 单独标记大促和清仓买家 | 当作常规高意向 | 价格敏感度不同 |
| 隐私口径 | 伪匿名、授权、用途记录 | 手工散传名单 | 审计和合规风险高 |
三步诊断框架
第一步：先定义“高价值买家”
高价值不是买过一次，而是符合业务目标。新品获取可以定义为相似类目高客单买家；复购可以定义为 60 天内多次购买并低退款；品牌认知可以定义为看过核心内容但未购买。不同目标对应不同样本，不能用同一个名单跑所有 campaign。
第二步：把负面信号分出去
退货、取消、低评分、客服投诉、只买清仓、只买赠品的人群，不一定要删除，但要单独标记。Performance+ 做获客时，如果把低满意度买家当成优质样本，可能会吸引更多不匹配用户。广告看起来有点击，Listing 承接却会出现更多犹豫和退款。
第三步：用小预算做样本 A/B
不要一次把所有一方信号接入大预算。先做两个或三个样本组：高复购组、高客单组、内容互动未购买组。保持 ASIN、创意和预算尽量一致，观察 detail page view、add-to-cart、new-to-brand、CVR、退货和客服问题。样本效果清楚后，再扩大。
广告测试矩阵
| 样本组 | 适合目标 | 观察指标 | Landing 检查 |
|---|---|---|---|
| 高复购买家 | Retention、复购提醒 | 复购率、优惠依赖度 | 包装规格、补货周期 |
| 高客单买家 | Customer Acquisition | NTB、DPV、加购率 | 证据链、保修、评价 |
| 内容互动未购 | Unified Consideration | DPVR、页面停留、FAQ 点击 | 场景图、对比图、FAQ |
| 大促买家 | 促销再营销 | 折扣敏感、毛利 | 价格边界、库存 |
样本治理要进入周会
一方受众信号不是一次上传后就不用管。每周广告复盘时，团队要同时看三类变化：样本本身是否过期，样本对应的商品页是否变化，AI 扩量后的新用户是否仍然符合目标。比如高客单样本最初带来更好的 detail page view，但两周后新增用户开始集中询问保修和尺寸，说明 Listing 承接还没有跟上。
指标看板也要分层。第一层看媒体指标，包括 CPM、CTR、DPV 和 CPA；第二层看经营指标，包括毛利、库存天数、退款、客服问题；第三层看样本质量，包括命中商品、购买阶段、复购间隔和促销依赖。只有三层一起看，卖家才能判断问题来自样本、创意、页面还是库存。
团队分工要提前写清楚。广告团队负责测试结构和预算边界，运营负责样本标签和库存状态，内容团队负责页面承接，数据或服务商负责隐私口径和导出记录。没有分工，Audience Signals 很容易变成广告团队独自上传名单，结果却由整个店铺承担。
样本命名也要统一，例如“US-主推品-高客单-60天-低退货”。名称里带站点、商品、价值、时间窗和风险标签，后续复盘才不会混乱。
不同卖家的影响
有独立站和会员数据的品牌，优势会更明显，但治理压力也更大。名单越多，越要建立字段规则和授权记录。否则广告团队只看到“可用人群”，看不到“这个人群为什么可用”。
纯 Amazon 店铺也不是没有一方信号。卖家可以把品牌分析、客服问题、评价标签、广告搜索词和 Flyfus 生成的买家需求报告，转成受众假设，再通过 AMC 或广告测试验证。这里的关键是先形成样本逻辑，而不是盲目追求更多数据。
服务商要把“名单上传”升级为“样本治理”。客户真正需要的不是把数据接上，而是知道哪些信号值得接、哪些信号需要排除、哪些信号只适合观察。
常见误区
- 把成交名单等同于优质名单。 成交可能来自亏损促销或错误预期。
- 不分购买阶段。 浏览、加购、购买、复购和售后问题代表不同意图。
- 只看短期 ROAS。 一方信号扩量可能先提升 DPV，再影响后续购买。
- 没有隐私和授权记录。 数据输入越多，越要能说明来源和用途。
卖家可以马上做的 5 件事
- 把现有客户和互动数据按近 30/60/90 天分层。
- 单独标记退款、投诉、清仓、低毛利和只买配件的人群。
- 为 Performance+ 准备 3 个样本组，而不是一个混合大名单。
- 用小预算测试样本组差异，观察 DPV、加购、新客、退货和客服问题。
- 用 Flyfus 输出买家需求与 Listing 承接报告，确认 AI 扩量前页面能回答对应人群的问题。