Sponsored Brands Collections 用 AI 自动组品，卖家要先整理商品关系表
Amazon Ads 的 Sponsored Brands Collections 让广告主用 AI 自动从目录中组合相关商品，并按搜索意图、商品上下文和浏览行为展示不同组合。卖家要先把 ASIN 关系、排除项、库存、价格、评分和场景证据整理成商品关系表，避免 AI 把不该同框的商品推到同一广告单元。
2026-07-20
Sponsored Brands Collections 用 AI 自动组品，卖家要先整理商品关系表
发生了什么
Amazon Ads 在 Sponsored Brands 中推出 Collections 形态，广告主可以把 3-10 个相关商品放进同一个广告单元，也可以选择让 Amazon 的 AI 按广告目标、关键词、搜索意图、商品上下文和购物信号自动组合商品。官方说明显示，Collections 可出现在搜索结果页顶部、中部、底部以及商品详情页等高可见位置；在自动模式下，系统会动态生成更贴近当次查询的商品组合，并可通过 Ads console 和 Amazon Ads API 管理。
这不是简单的“多放几个 ASIN”。过去 Sponsored Brands 更像一个品牌入口，现在 Collections 更像一个可动态变化的小型货架。买家搜索“travel coffee mug”时看到的组合，可能和搜索“dishwasher safe tumbler”时不同。AI 负责判断哪几个商品更像同一组答案，卖家则必须确保目录里真的存在清楚的商品关系。
提示： AI 自动组品不是把人工选品取消，而是把选品前置到商品关系表。关系表越清楚，系统越不容易把低库存、低评分或场景冲突的 ASIN 放在一起。
为什么重要
广告自动化最怕“相关但不适合”。同系列不同尺寸可以同框，但一个是替换件、一个是完整套装，就可能误导买家；同品牌不同价格带可以互补，但如果一个评分明显偏低，会拖累整个广告单元的信任；同类目新品和老品可以一起带动发现，但库存深度不够时，点击反而浪费。
Amazon Ads 的资料还提到，自动 Collections 在测试中覆盖了更多唯一搜索词，也带来了更多唯一被购买商品。这说明系统的目标不是只推爆款，而是扩展目录发现。对卖家来说，机会是长尾 SKU 被带出来；风险是目录结构混乱时，长尾 SKU 以错误方式出现。
| 组品维度 | 卖家要提前标注 | 风险信号 |
|---|---|---|
| 使用场景 | 家庭、户外、办公、礼品、补充装 | 场景冲突或图片证据不足 |
| 商品关系 | 主品、配件、替换件、套装、升级款 | 买家以为配件就是主品 |
| 经营状态 | 库存、评分、价格、促销、利润 | 低库存或低评分 ASIN 被频繁展示 |
| 内容承接 | 标题、主图、A+、QA、评论主题 | 广告组合与详情页解释不一致 |
对不同卖家的影响
多 SKU 品牌最直接受益。一个厨房收纳品牌、宠物用品品牌或电子配件品牌，如果目录里有多个互补商品，自动组品能让更多组合被测试出来。但这类卖家也最需要整理 ASIN 关系，否则系统可能把不同材质、不同适配型号、不同使用人群混在一起。
单品卖家也要关注。Collections 要求至少有多个相关产品，对准备扩品的卖家来说，它会倒逼新品立项更像“商品族群”而不是孤立 SKU。Flyfus 的竞品分析和关键词/类目研究可以帮助卖家判断哪些扩品方向在买家问题、搜索词和竞品差评中真实相邻，再把这些相邻关系写入商品关系表。
品牌型卖家需要更重视排除项。自动组品允许排除特定 ASIN，这个功能不应只用于下架商品，也应覆盖合规敏感品、清仓低毛利品、评分待修复品、包装变更中的旧版本。AI 可以动态组合，但不应替卖家承担品牌风险。
3 步商品关系表
- 先定义商品族群。 按用途、价格带、场景和适配型号给 ASIN 分组，不用一个品牌页承载所有关系。
- 再写排除规则。 明确哪些 ASIN 不能同框：配件与主品、旧版与新版、低评分款与旗舰款、不同国家合规版本。
- 最后接广告复盘。 每周看搜索词、点击商品、转化商品和未转化路径，判断 AI 组合是否真的扩大有效发现。
商品关系表字段模板
一张可执行的表至少要包含：父 ASIN、子 ASIN、商品角色、核心场景、关键词族、互补 ASIN、替代 ASIN、禁止同框 ASIN、库存状态、评分状态、促销状态、目标落地页和最近复盘日期。商品角色是关键字段，必须区分主品、配件、补充装、套装、升级款、入门款和礼品款。
卖家还应为每个关系写一句“为什么相关”。如果解释只能写成“同一个品牌”，说明关系太弱；如果能写成“同一咖啡机型号的滤芯补充装”或“户外露营灯与备用电池”，系统和团队都更容易理解。这个字段看似人工，却能减少后续大量误投。
商品关系表还要接入内容证据。广告展示多个商品时，买家会自然比较规格、价格、评价和适配边界。若一个 ASIN 的主图没有尺寸，一个 ASIN 的五点没有兼容型号，组合广告就会把信息缺口暴露得更明显。Flyfus 做 Listing 深度诊断时，可以把这些缺口转成“补图、补 FAQ、补 A+、补关键词”的任务，而不是只给一个标题优化建议。
最后，不要让自动组品和手动组品互相替代。成熟卖家可以保留两组对照：一组让 AI 自动探索更多搜索词，一组由运营手动控制核心利润组合。对比 CTR、详情页访问、加购、转化、新客占比和退货原因，才能判断自动组品带来的是有效发现，还是看起来热闹的低质量点击。
还有一个容易被忽略的动作，是把广告组合结果回写到选品会议。如果系统反复把两个原本不相邻的 ASIN 放在一起，而且转化质量不错，这可能说明买家心智里存在新的搭配关系；如果系统频繁尝试某个组合但点击后流失，则说明商品页解释不足或价格带冲突。自动化给出的不只是投放结果，也是目录结构的反馈。
常见误区
- 只把爆款放进所有组合，导致系统没有机会学习长尾关系。
- 忽略库存和评分，结果 AI 把不稳定 ASIN 推到高可见位置。
- 标题写得过于具体，却开启自动组品，导致广告文案和实际展示商品不匹配。
- 只看 ROAS，不看点击后浏览了哪些商品。Collections 的价值往往在目录探索，而不是单一 SKU 转化。
卖家可以马上做的 5 件事
- 导出前 50 个可投 ASIN，按主品、配件、补充装、套装、升级款重新标注。
- 建立禁止同框清单，优先排除低库存、低评分、旧包装和合规敏感 SKU。
- 用 Flyfus 或内部表格把买家搜索词映射到商品族群，而不是只映射到单个 ASIN。
- 为自动 Collections 和手动 Collections 建立对照组，连续跑满一个采购周期再判断。
- 每周复盘搜索词、点击商品和最终购买商品，更新商品关系表。