本文为西柚找词用户许正东先生所撰写，希望帮助大家更好地理解广告分析的底层逻辑与实际应用。
首先，简单介绍一下西柚广告分析的准确性，这并非流量层面的准确性而是与后台广告投放逻辑上完全一致的准确性。西柚找词“广告分析”是亚马逊后台广告投放在亚马逊前台90001邮编无痕浏览之下，搜索词数据的抓取结果包含ASIN，关键词，广告活动，adid，广告类型五大基础数据。而这五个要素，虽然来源于前台，但广告投放的逻辑产生于后台。
所以，从前台，后台对应层面可以被称为100%准确。而且最重要的一点是西柚的大部分流量词都是按每小时抓取的，这点在数据层面上能够更加准确。其中关于adid（广告小组）在后文会做介绍。
第一部分：实际运用案例
数据工具本身无论数据体系如何严谨，庞大，其最终都是要回归于柚友们的实际运用之中。
所以，本人基于产品内测时的一些浅显的使用经验，做一些大致的分享。分享的内容都是基于数据已知要素与相对合理的假设予以填充。结论注定无法100%正确，仅供柚友们参考，并且在使用之中有一个思路与方向。
实际使用案例拆解一
在西柚广告分析内测时，本人使用该工具对朋友的ASIN做了些分析，并还原了其广告后台的广告框架。该ASIN大促期间日销900单，属于类目里的优秀ASIN。
1、根据广告关键词列表，可以初步判断ASIN的核心广告预算集中于这个广告流量占比55.89%的关键词之中。但是这个数据不是绝对值上的一致，仅用于占比上的粗略判断，存在一定的误差。
通过广告活动类型与上方广告活动数，知道该ASIN所有广告类型都为SP广告，并且可以了解ASIN的基本数据情况。
2、从广告小组的词平均流量与词数量可以判断，这个广告活动用于关键词主推，且为高预算活动。以此类推可以观察多个广告活动的类似数据情况，所以可以判断出多个独立预算的主推词。
3、其中关键词A在投放过程之中，短暂的另开了一个广告活动，而后又关掉。就基本事实而言，这是曾经存在于该ASIN的广告后台操作之中的。
4、最后一步，就是去求证了。
实际使用案例拆解二
这个案例随机取材于西柚找词ASIN流量排行榜。
1、基于广告关键词流量分析锁定该变体核心投放词。同时，观察到此关键词的ASIN变体数为1个，并且SP活动为一个，SB占有活动为五个。由此可知该关键词的广告类型结构。
2、然后通过右侧广告结构“小组份额”的日投放数据，可以初步判断该ASIN于7.12号做了该词广告类型的切换。由原本SP广告投放该词转为仅SB广告投放。
3、由该变体组合的“广告类型”流量数据分析可知，该链接从7.17号开始，关闭了所有的SP广告类型。主要广告投放方式仅保留了SB广告。并且6.7-6.29短暂的存在过SBV广告投放。
4、于是，我们可以着重分析最近几日的存在投放的SB广告活动及其关键词组。airpods pro该词组几乎以各种形式存在于所有的adid词库之中，由此可以大致推断该广告组为该词的词组匹配词库。以此类推可以得知另一个广告组为airpods，apple tv，airpods 3rd generation为投放词的匹配方式。
由于adid产生于广告组，而广告组存在多投放词多匹配方式，所以这种推断本身存在一定的误差。
5、最后一个SB广告活动之中，可以看见投放词之间的断层。而在下列之中，关于apples的关键词也都断层。ipod的依旧保留。我们有理由假设，其存在关于apples和ipod两个投放词的匹配方式，而在7.13关掉了apples。
6、以上为针对该ASIN的数据上的拆解。存在一定的合理性，针对个人所能达到的认知水平去分析。所以肯定与其他柚友存在一定的意见分歧，对此只要有更加合理的推测，本人绝对不坚持自己的看法。
实际使用案例拆解三
最后我再尝试拆一个大类Best Seller。
1、根据流量数据占比不难看出，macbook charger、macbook pro charger、macbook air charger占据了50%以上的广告流量。可以初步判断，三个词为该asin主推词。
2、然后，根据三个关键词都存在于多个广告组，而在广告位趋势图里，可以通过颜色区分不同的adid，以此区分关键词投放来源。这个数据如果运用于柚友后台，可以一定程度上甄别广告投放的质量和策略落实情况。
3、在广告活动的界面之中，通过广告活动和adid的列表。可以清晰的判断，该asin的广告投放一律为单ASIN，单活动，单组。广告活动SP活动-9XQ4，SP活动-745S，SP活动-538Q流量占比为77.78%，可以初步判断，前3个广告活动为预算集中度最高。
4、其中，广告活动-SP活动-538Q的adid词库存在不少相关性较差的词组，跑出一些关键词也是相对较少见，如：hp envy x360 charger。所以，可以产生假设，该广告活动为自动匹配。
5、SP活动-9XQ4存在大量有相关度的词。通过下载关键词表格，进行词组筛选，可以初步预估mac charger，apple charger，macbook charger为投放词。因为匹配词没有连着，且存在不按顺序出现的匹配方式，所以推测为宽泛匹配。而SP活动-745S与SP活动-PG9G，相对较难猜测。因为数据较少词根词组和宽泛匹配，或者直接投放精准匹配都可以有类似的效果。可以持保留意见。
第二部分：广告分析构成要素和adid产生逻辑
在有运用场景的基础之上，本人针对西柚广告分析的具体搭建过程做一些简单的梳理。希望可以帮助柚友在实际使用之中形成一个清晰，确定，严谨以及合理的思维框架。毕竟，前提为真，是有效思维活动的保障。
前文提到西柚广告分析的准确性，这并非流量层面的准确性而是与后台广告投放逻辑上完全一致的准确性。
这个100%准确基于以下四点：
1、每个广告位自身确定存在5个要素，（asin，关键词，广告活动，adid，广告类型）。
2、爬虫抓取广告位要素不会抓取错误，只存在无法解析和漏抓。但从概率上来说，漏抓概率极小。
3、广告位自身确定的5个要素是亚马逊系统赋予的，并且存在于前台广告位之中，这些数据与后台广告投放逻辑上也存在紧密关联。
4、西柚数据解析是和亚马逊代码一致，且在亚马逊修改代码时也能及时调整继续输出正确数据。
以上四点，最终决定了西柚广告分析的在前后台逻辑一致性上的100%准确性。
而其中存在些许对于柚友而言的难点，如adid的产生逻辑，这个属于亚马逊自身广告投放的逻辑。对西柚广告分析的数据和数据层级（活动层级，asin，adid小组层级）的准确性没有影响。在此基础上，对西柚广告分析是可以给予信任和利用。
接下来我先给出结论:
1、关键词，asin，广告活动id，adid词库，广告类型是广告分析的五个核心构成要素。
2、adid是亚马逊广告的投放单位，是广告组内，以单个asin+广告组词库的形式存在。是卖家后台的广告实际投放通过固定逻辑生成并且产生于前台，被西柚抓取的投放词组合。
首先，每一个搜索词结果的广告位都可以产生四个基本要素：关键词、ASIN、广告活动id(借助爬虫)、adid(借助爬虫)、广告类型。前三者和广告类型都是亚马逊卖家极其熟悉的要素，在此着重讲解一下adid。
在亚马逊卖家进行日常的广告投放过程之中，广告后台的展示界面有两个广告层级即广告活动层（产生广告活动id）和广告组层。
并且存在三条亚马逊的广告投放规则：
1、一个广告活动可以包含多个广告组。
2、一个广告组可以包含多个asin和多个关键词。
3、一个广告活动组里多asin共享一个广告组词库。
这是亚马逊卖家在日常运营过程之中极其熟悉的广告投放规则。但是，根据这些规则还不能真正的构成广告的投放。因为，卖家作为真实的人所能操作和理解的语言和亚马逊平台作为算法驱动的系统所能理解的语言是有本质上的区别的。所以，亚马逊系统需要在综合广告的投放组的关键词和ASIN，形成最终的投放单位。系统针对这个投放单位执行广告投放活动，这个投放单位就是adid组，即西柚中的广告小组。
简单来说就是，广告组中有几个ASIN就会产生几个广告小组。下图中有两个广告组，广告组1有1个ASIN则产生了1个广告小组，广告组2有5个ASIN则产生了5个广告小组，因此这个广告活动总共有6个广告小组。
adid组产生的逻辑本身也不复杂。
举一个简单的例子，在一个广告活动之中进行单广告组，单ASIN1，单个精准匹配投放词1的广告投放。这个时候，ASIN就会与投放词1匹配出一组搜索词1、2、3、4...，ASIN最终需要跟随着它与投放词1产生的搜索词组一起被亚马逊系统捆绑。这个ASIN1+搜索词1、2、3、4...的组合，就是adid组，即西柚中的广告小组。
以此为基础，再举一个例子。
比如在在一个广告活动之中进行单广告组，两个asin：ASIN1和ASIN2，投放词组：投放词1、2、3的广告投放。这个时候，ASIN1和ASIN2就会分别与投放词组匹配出各自的一组搜索词。ASIN1+投放词a、b、c、d...和ASIN2+投放词A、B、C、D...这样的两个组合，在亚马逊的逻辑里，就产生了adid1，adid2两个投放小组。
第三部分：广告分析的基础数据及其搭建
结论
西柚的广告分析基于前面讲到的五个要素，即ASIN，关键词，广告活动，adid，广告类型。并且是整合了ABA榜前一百万名关键词前三页的所有广告位这四个要素的数据。而ABA榜前一百万的关键词占据了99%的站内流量与单量。在这几条可以成为共识的条件之下，广告分析就产生了其自身的数据价值。
而ABA榜前10万名的关键词，占据了站内90%以上的流量和订单，这10万个关键词，西柚是进行了小时级别的数据抓取。所以其数据是即时性的，颗粒度是细小的。
在了解了广告投放时adid组的产生逻辑和构成广告分析的四个要素基础上，就可以进一步理解广告分析的搭建逻辑。每一个关键词搜索结果前三页的所有商品的广告位可以确定的要素有五个：
五要素：搜索词、ASIN、广告活动、Adid、广告类型
这五个要素在逻辑上也存在着固定的层级，在此做一个简单的梳理。
广告活动之下，每个广告组+ASIN都会形成具有adid编号的词库，而买家在对亚马逊进行关键词搜索时推送的广告位的asin。都会属于某一个广告活动下的某个asin的adid词库。由此，广告位的四个要素就得到了串联。而adid关键词组也因此与前台搜索结果和后台广告投放的asin和广告活动互相联系。
至此，前台与后台的asin，搜索词，广告活动和adid得到了互相的关联。
然后，需要对基础数据做一个想象性的简单理解，一百万个关键词的前三页出现的所有的广告位的这四个要素都被抓取。并且ABA前十万名的关键词数据一个小时抓取一次。十万到一百万名的关键词一天抓取一次。由此，本身庞大的数据产生了时间维度。而这一百万个关键词严格按照asin，adid，广告活动，搜索词，广告类型的亚马逊后台广告投放与前台的逻辑产生。
以这些海量的数据为基础，西柚给予条理化，系统化，可视化的还原与展现。其最终的结果，就是广告分析的数据。因此，其与后台存在逻辑一致是毋容置疑的。
由此不难理解，广告分析成为了亚马逊前台与亚马逊后台衔接的中间环节。而这个中间环节本身，因其自身的特性而有着准确性，监控性和即时性的特点。
此处，建议在熟悉完adid产生逻辑与ABA前100万关键词前三页所有广告位四要素，与ABA前十万名前三页所有广告位小时级数据的基础上。通过想象的搭建海量数据之间的逻辑关系进行理解，语言表达相对较难清晰直观的理解其架构。
第四部分：广告分析的运用场景
广告分析本质上是一门数据工具，而工具的发挥全凭使用者自身需求与工具特性的结合。所以，在此本人仅就西柚广告分析的基础功能做一些介绍。而工具自身应用面的无限可能，注定无法面面俱到。
使用场景1: 分析ASIN广告投放结构及投放时长
首先，广告分析的数据是基于五个基本要素，五个要素又能进一步的展开成其数据类型--关键词，ASIN，广告活动id，adid词库，广告类型。
这里存在一个细节，在广告分析的广告活动命名里，后四位为亚马逊广告后台广告活动编码的后四位。这有助于柚友直接锁定自己后台的广告活动。
在广告分析的头部看板之中，就是以基础数据为基础的维度做一个看板型的数据统计。所以，可以通过看板看见过去时间段内，ASIN的各种维度的数据统计。以此达到对本品与竞品的广告投放在前台搜索结果之中的流量情况。
变体广告：这个模块看变体流量占比。在这个板块，可以看见在前台抓取的数据结果之中，各个asin的流量分布。因为流量是广告流量，并且基于西柚算法针对广告位置进行计算，又基于无痕模式抓取。所以总体的广告流量投入分布与实际情况存在相对一致的比例关系。
广告活动：这个模块基于前台抓取规格类型做的分类。规格类型分为，SP，SB和SBV。而这三种规格类型，在整个反查asin及其变体之中构成的流量分布，就是这个广告活动类型的结构。通过这个模块，可以大致评估ASIN广告类型的预算分布以及流量分布等。
词分布：广告投放的词的类型根据aba排名分为头部词，1万名以内；腰部词，1-10万名；长尾词，10万名以后。根据对词类型的划分，可以大致评估出ASIN的广告投放过程之中关键词类型的预算分配。同时，可以在以日为单位的时间轴之中分析和判断每天广告投放过程之中不同词类型的有效投放情况。
SP，SB，SBV三种广告份额：这个是广告具体类型的具体活动分布的饼状图。这里的流量单位为广告活动，即亚马逊后台的广告活动层级。通过这个数据，可以针对具体的广告类型的流量分布做一个宏观性的把握。主要用于判断每个广告类型之下的具体广告活动的流量投入份额。并且通过筛选时间段，可以计算出某个时间段内活跃于搜索结果的广告活动数量。
展示时间：这个数据是小时级别的数据抓取基础上可以实现的一个功能。用于监控多个广告活动的投放时间。通过这个数据，可以大致分析与判断目标asin或者目标广告广告活动的日均活跃程度。
使用场景2:分析关键词实际投放情况
广告关键词这个模块主要针对广告关键词的实际投放情况进行拆解和分析。本质上依旧是广告位的几个要素之间的数据拆合。而在这个过程之中，可以使得关键词的广告数据更加清晰细致。
最左侧是广告流量和流量占比两个数据，这两个数据主要用于通过流量分析与判断广告的流量分布。而广告的关键词流量占比与后台的广告流量占比，在忽略CPC存在大额数据差异，与CTR相对一致的情况下是成正比关系。所以，这个数据可以近似的作为关键词预算占比的评估依据。
而在此基础上，关键词流量分为了“广告活动流量分布”和“变体流量分布”。从而可以清晰知道asin投放的广告时的流量的具体分布情况。这也在一定意义上，可以了解广告预算的具体分布情况。但无法实现绝对值，或者比例上100%精准。只能是基于抓取的基础数据的基本事实计算出符合抓取结果的事实。
而广告关键词列表右侧的广告趋势，也是基于基础数据的可视化展现，都是买家熟悉的模块在此不过多赘述。
不过，有一个细节为小时级数据独有的数据优势。那就是对关键词广告份额与排名的细分至adid组层级--“小组份额”与“排名趋势”。在这个颗粒度的数据基础上，卖家可以看见自己广告关键词投放时广告位每个小时的变化以及这个时刻广告所属的广告活动和adid。这有助于柚友观察每天各个广告活动，adid对于同一个关键词的影响。基于这个数据对广告后台投放策略进行调整。
在点进关键词具体页面时，会针对关键词形成多维度的分析，这个模块基于一个基本事实。关键词的投放可以来源于不同变体asin，广告活动，广告组。而关键词的广告位可以分为SP,SB,SBV,SOR。
而关键词投放在各种因素影响下，流量大小的变化。在每日抓取的前提下，从时间维度上也形成了数据趋势。这些在关键词的具体页面里面有多维度的拆解，汇总和分析。这需要根据柚友自身的需求从特定维度分析。
使用场景3:分析广告架构
广告分析的广告活动模块主要是展示adid词组。本人询问过很多卖家关于adid这个概念的理解，几乎没有清晰知道adid的产生逻辑的卖家。而对广告活动模块的运用，需要在对adid产生一定理解的基础上进行反向解读。
因为前文提过，在此仅是重新大致论证一遍广告活动这个模块的准确性。广告位产生的五大要素对于爬虫工具来说，不存在抓取错误的情况，只存在漏抓。而广告位的投放基于亚马逊系统的生成，亚马逊系统本身的运转也可以被理解为不会出错。在此基础上，产生的五要素之间就存在着前后台的逻辑贯通性。也因此，广告分析之中广告活动这个模块，作为数据的汇总本身也不会产生数据错误。
前文提到adid的最终单位是asin+adid词库。而adid又归属于广告活动，所以这个模块的基础分布为：广告活动>asin>adid>词库。所以，会存在多asin共用一个活动，多adid共用一个asin的情况，然后每个adid存在各种关键词数据。这个架构本身应该是最清晰的排列方式。而这个逻辑清晰的排列方式，结合adid产生逻辑的反向解读，即可一定程度上分析出asin的广告架构。当然，因为adid无法具体归入后台的广告组，所以不存在可以清晰区分广告组的情况。
然后，每个adid组又分几个维度的数据，如广告流量，流量占比，周平均词数，词类型分布，词平均搜索量，平均流量。还有右侧的一个趋势图，这些对于买家而言都是极其熟悉的数据，也不过度赘述。
关于关键词匹配方式这一块，可以根据关键词数量情况进行推算。这得益于右侧趋势图里存在关键词数量的趋势图以及周平均词数量两个数据支持。由此，可以锚定部分精确匹配，因为精确匹配展开的关键词数量最少。
而用户点进adid词库里，可以根据关键词特性与匹配方式的特性，进行反向解读。即可估摸出asin的投放词与匹配类型。如下图的产品，可以初步判断为snall mucin的词组匹配。
在进入adid词库内部时，有一个看板性的数据饼状图，趋势对具体adid小组进行数据把握。主要维度为关键词的类型（头部词，腰部词和长尾词），广告位类型（SP，SOR，SB，SBV等）和展示时间。
Adid词库内部的具体关键词列表里，则主要是针对adid的关键词数据做拆解和分析。主要功能是区别本组adid与其他adid数据。
结语
基于从亚马逊后台广告投放至最终的adid之间，虽然存在绝对的逻辑一致性，但是终隔着匹配方式以及adid无法以广告组归类。所以对广告分析进行数据还原时，会存在大量假设。而假设本身是基于各种要素互相串联，必定存在准确性。但同时因要素缺失，唯有通过相对合理的假设给予填补，所以这些案例只能作为参考。
产品终究是工具，工具可以在柚友基于自身需求的使用过程之中将产生各种演变。所以，工具的使用在以后的日子里必定存在多维度，多角度的运用场景。
另外，人类有限理性与这个世界的真理之间终究隔着人类感官，导致理智无法直达事物的真理，这是命运。注定了人类认识事物时存在着无可逾越的先天鸿沟。这一鸿沟，无时无刻都桎梏着人类的意识。命运既然如此，那使用西柚数据工具时，也是注定存在不可避免的数据误差。但是，科学，合理，把握住确定性的前提一步一步的基于现实与实际情况搭建数据架构，就可以在片面之中把握全面，误差之中把握精准。
因此确定性的了解西柚数据抓取源，数据搭建逻辑，数据与前台的对应，数据之间的层级关系等等，可以帮助柚友们更加准确的把握住平台与自身ASIN的情况。