資料層 · Node 1 — 廣告自動化系統設計文件

◷

討論進度

這是 living document。看現況先讀這裡;新知識依章節歸位。

✅

Node 1 現行五層級§01

Brand / Product / ASIN / Targeting / Search-term,沿用 memory #1433

✅

資料源 → Node 2 動作映射§02

四角色:觸發 / 否決 / 校準 / 情境;只有「觸發或否決」才進 Node 2 管線

✅

情境調節層(Node 1.5)§03

情境 = 產品類型 baseline + 三層階段(product_stage / campaign_intent / keyword_role);三層仲裁優先序已定

✅

流域模型 = SUPA / SQP§04

SUPA 聚合 SQP;是聚合器不是分類器,分類規則要我們建

✅

SQP 資料組成§05

= 自然 + SP,只限搜索結果頁;不含 SB / 推薦 / SD

✅

SQP 用法彙整§06

漏斗診斷 + CRI/PRI/PRT + 狀態分類 + Mansour 框架

🟡

流域模型分類器§07

漏斗 → 標籤的規則;「曝光高+點擊低」必須用位置消歧義

✅

BS 線的坑§08

變體、24h 歸因、Brand/ASIN view、~2x 落差;新增第 5 坑(keyword 占 PP 47-78% 隱形殺手)

✅

SP 廣告底層機制§09

2026-05-23 新增。LTR&R 兩階段 + COSMO + 召回過濾 + ST report 三列真語義 + KW 排名歸因 + BS 實證 47-78% PP

00

背景與範圍

本文件是廣告自動化系統(4-node 架構)中 Node 1「資料源層」 的設計討論。系統是一個四節點的迴路:

本文件

01

五層級資料源

eyes · 看見

02

自動化調整

hands · 動手

03

調整後成效追蹤

memory · 反思

04

專家建議

advisor · 顧問

◀ 回饋迴路成效與評分回流,讓規則持續變強

Node 1 是系統的「眼睛」,它的唯一目的是餵 Node 2 做廣告調整。相關筆記:社群實務見 4node-community-practices;競品工具對照見 competitor-tools-4node-landscape;規則引擎對標見 scaleinsights-*。

01

Node 1 現行五層級資料源

定於 2026-05-19 設計討論(auto-memory #1433)。粒度由上而下細化 —— 最底層是實際被觸發的買家查詢。

1

BRAND

品牌層Brand · 策略視角

最上層,看整個品牌的搜索戰場與市場位置

SQP Brand ViewMarket Basket AnalysisABA Top Search TermsBrand Store InsightsCustomer Journey Analytics

2

PRODUCT

產品層Product · parent ASIN

變體父體

Catalog Items APIBusiness Reports(銷售與流量)

3

ASIN

單品層child ASIN · 最細的「商品」

變體子體,最細的商品單位

Listings Items APIFBA Inventory APIProduct Pricing APIBSRCouponsSP Advertised Product 報告Search Catalog Performance

4

TARGETING

投放標的層KW / 商品 / 受眾

規則引擎主要執行的層級 —— 涵蓋關鍵詞 / 商品定向 / 受眾(含 DSP)三類投放標的

SP/SB/SD Targeting 報告DSP 受眾報告SP 廣告位報告Amazon Marketing StreamSif 關鍵字排名

5

SEARCH TERM

搜索詞層Search Term · 買家實際查詢

實際被觸發的買家查詢 —— 整個系統的基岩

SP Search Term ReportSearch Term Impression ShareSQP ASIN View

當時三個關鍵決定:① Search Catalog Performance 從 Brand 層改掛 ASIN 層;② Campaign / Ad Group 不獨立成層(歸第 4 層);③ 評論數 / 評分無官方 SP-API,懸而未決。

歸類原則資料源依「輸出列的粒度」歸層,不是依查詢入口。例:SQP ASIN View 查詢入口是 ASIN,但它輸出的是該 ASIN 排名前面的 search query(自然 + SP)清單 —— 列的粒度是搜索詞,故歸第 5 層,而非第 3 層。

資料源原則每個列出的資料源都是「可實際拉取的報告 / API」,不是概念或處理手法 —— 有真實數據才能分析、才能驅動 Node 2。

02

資料源 → Node 2 動作映射

核心原則一個資料源能不能進 Node 2 的管線,只有兩種資格 —— 能觸發一個動作,或能否決一個動作。其餘全部歸 Node 3 / Node 4。

Node 2 的 8 個動作集

bidplacement %bidding strategy budgetnegativestate harvestdayparting

四種角色

觸發

直接驅動某個 Node 2 動作。

否決

不觸發動作,但能擋下 Node 2 的錯誤調整(閘門)。

校準

設定規則門檻值,不驅動動作。

情境

不觸發、不否決,但 modulate 每一條規則(見 §03)。

資料源主表

資料源	粒度	型態	能驅動的 Node 2 動作	角色
投放報告 Targeting	投放標的	報表·日	bid、state、bidding strategy	觸發
搜索詞報告 STR	Search Term	報表·日	negative、harvest	觸發
廣告位報告 Placement	Placement	報表·日	placement %(唯一來源)	觸發
活動報告(小時) AMS	Campaign	串流·時	dayparting、budget	觸發
曝光份額報告 STIS	Search Term	報表·日	bid(IS 低 + 轉化好 → 提)	觸發
FBA 庫存	ASIN	API	bid↓ / budget↓ / state(低庫存節流)	觸發
推廣商品報告	ASIN	報表·日	state(ASIN 級停播 / 分配)	觸發
已購買商品報告(跳單)	跨 ASIN	報表·日	擋掉「A 在賣 B 卻被否 / 降」的誤判	否決
SQP 漏斗	Brand / 詞	報表·週	點擊份額低 = listing 問題 → 別碰	否決
Business Report	ASIN	報表·日	廣告 CVR vs 整體 CVR → 改廣告 or listing	否決
類目 Benchmark	Brand	報表	設定 Node 2 規則門檻值	校準
TACOS / 自然排名	ASIN / 詞	衍生	Node 3 宏觀校驗	→ Node 3
AMC	事件級	Clean-room	受眾 + 歸因分析	→ Node 4
SOV / 競品	競品	第三方	策略	→ Node 4
NTB 新客	Campaign	報表	獲客效率	→ Node 4

→ Node 2 的資料管線收斂成 7 個觸發源 + 3 個否決源 = 10 個。AMC / SOV / NTB / Benchmark 不是不要,是不進這條快管線。

03

情境調節層(Node 1.5)

Node 1 → Node 2 不是直達。同一個觸發訊號,在不同情境下該做的事可能相反。

觸發源數據訊號

×

情境產品類型 + 階段

→

動作 + 門檻Node 2 規則

情境 = 一個靜態 baseline(產品類型) + 三層動態階段(product_stage / campaign_intent / keyword_role)。

3.1 產品類型 — 標品 / 非標品(靜態 baseline)

標品 / 非標品是光譜:標品 / 半標品 / 非標品。可計算判定:搜核心詞 → 前 10 自然位同類佔比(6-10 標品 / 0-3 非標品)、出單詞集中度(前 5 詞 >60% 標品 / <30% 非標品)、ABA Top-3 點擊份額。

⚠ 標品 / 非標品是逐關鍵詞、不只逐 ASIN同一 ASIN 內,核心功能詞(流量集中)= 標品詞、款式 / 場景 / 送禮詞(分散)= 非標品詞 → ASIN 旗標 + 關鍵詞子旗標兩級。

BS 線(嬰兒襪)= 半標品,採「分詞而治」:核心功能詞(baby socks、anti-slip socks)走標品打法(精準 SKG、推核心詞排名);款式 / 場景 / 送禮詞走非標品打法(廣泛拓詞、ASIN 定投、SBV)。

baseline	標品(詞)	非標品(詞)
CVR 參考	15–40%	7–8%
CTR 合格線	較高	0.3–0.7%
否詞門檻(二項分布)	CVR 高 → ~20 點擊可否	CVR 低 → ~30–40 點擊才可否
關鍵詞策略	集中推核心大詞	廣鋪流量入口
預算偏重	SP 精準	SP 自動 / 廣泛 + ASIN 定投 + SD

3.2 product_stage — 產品生命週期(動態,慢變)

四階段:Launch 新品 → Growth 成長 → Maturity 成熟 → Decline 衰退。主訊號:TACoS 趨勢。新品期只看點擊量與出單詞數,不看 ACoS。

階段	TACoS	自然占比	ACoS 容忍	→ 下一期觸發
Launch 新品	> 30%	~0%	≤ 60%	累計點擊 ≥ 200 且出單詞 ≥ 20
Growth 成長	10–20%	開始貢獻	35–50%	7 天出單波動 < 30%
Maturity 成熟	< 10%	≥ 50%	≤ 25–35%	—
Decline 衰退	回升	< 20%	清倉放寬	ACoS > 35% 且自然 < 20%

3.3 campaign_intent — 計劃意圖(人設定)

活動建立時標記意圖。Node 2 規則必須先讀意圖,才知道「什麼指標算好」。⭐ 同一個 ACoS,不同意圖看的優先序完全不同:

意圖	指標優先序	ACoS 目標
Discovery 拓詞	詞精準度 > 數據量 > ACoS	30–60%
Launch 推新品	排名 > 數據 > ACoS	50–80%
Harvest 收割	毛利率 > ACoS > 排名	18–25%
Defense 防守	守住份額 > ACoS	5–15%
Conquest 截流	曝光搶佔 > ACoS	30–40%
撿漏	超低 CPC 出單	< 25%
Retargeting 再營銷	加購未購回收	20–35%

撿漏 — 中文社群特有意圖用建議價的 25–40% 出價,撿被忽略的精準流量。Node 1.5 必須認得它 —— 對撿漏計劃不可套常規 ACoS 否詞規則。前提:主架構已完備,撿漏只是補充。

3.4 keyword_role — 關鍵詞角色(數據動態)

詞會流動:拓新詞 → 收割詞 → 維護詞 →(自然排名穩後)補充詞 / 廢詞。升格門檻(共識):≥ 2–3 轉化 + ACoS ≤ 目標 + 14 天內 → 升收割詞(搬進精準容器,出價 +15–40%)。

3.5 三層仲裁 — 衝突時誰說了算

三層階段會互相矛盾。研究給出明確優先序(英文圈無現成框架,推導 + 中文社群驗證)—— 直接解掉原本的開放問題 Q3:

① product_stage — 最高優先

設定「該激進 or 保守」的 ACoS 容忍帶

⌄ override

② campaign_intent — 中間層

設定「什麼 ACoS 算好」的解讀規則

⌄ override

③ keyword_role — 執行層

在上兩層框架內決定升格 / 否定時機

例:Maturity 期產品裡某 Discovery 活動 ACoS 40% —— 不可用 Maturity 的嚴格標準否掉它(campaign_intent=Discovery 已說「40% 正常」);但 product_stage=Maturity 可決定「縮減這個 Discovery 活動的預算」。

3.6 同一訊號 × 情境 → 相反動作

訊號	Launch × Discovery × 拓新詞	Maturity × Harvest × 收割詞
某詞 ACoS 40%	正常,繼續觀察	超標,降 bid 10–15%
某詞點擊 30 次 0 單	還在試(點擊 ≥ 30 才否)	達門檻(點擊 ≥ 10 即否)
CVR 低於類目均	可接受	降 bid / 暫停

Guard rails — 流量隔離新品與成熟品不共用預算池 · 手動詞要在自動廣告做精準否定防自相殘殺 · 新品期不開撿漏計劃。

流域模型(§04)住在這一層,輸出 product_stage 與漏斗狀態。所有門檻為社群經驗值,須用 BS 線數據回測。

04

流域模型 = SUPA / SQP

流域模型 = SUPA(Search Query Performance Analyzer),Mansour Norouzi(Incrementum Digital)做的範本,源自奈心的「流量回流模型」概念。SUPA 把三個來源拼起來、按週疊成趨勢:

SUPA 吃的來源	貢獻
SQP Search Query Performance	主來源。漏斗:曝光→點擊→加購→購買,每層品牌「份額」
搜索詞曝光份額報告 STIS(30 天)	「這個詞我有沒有在投廣告、投放份額 / 位置排名」
品牌分析 Top Search Terms ABA	Top-3 點擊產品的點擊 / 轉化份額、SFR、搜索量

關鍵澄清 SUPA 是數據聚合 + 視覺化工具,不是分類器。它給「儀表」,不給「判斷」。「收割 vs 拉新」是人讀儀表讀出來的 —— 我們系統要建的,就是把這條判讀規則寫成 code(見 §07)。

粒度:SQP 每列本來就是 (ASIN, 搜索詞) 配對 → 流域模型天生同時在 ASIN 聚合層與搜索詞層運作。

05

SQP 資料組成

查證結論(2026-05-21)。這點若搞錯,整個流域模型的基礎就歪了。

✓ 計入 SQP

自然流量 —— 搜索結果頁的自然排位
SP 廣告 —— 但只算出現在「搜索結果頁」的 SP

✗ 排除

SB(Sponsored Brands)所有版位
推薦類 widget(Editorial / Top rated …)
推薦流量 / 瀏覽流量(COSMO/Rufus、首頁、browse)
SD(Sponsored Display)—— 非搜索
SP 跑在詳情頁 / 推薦位的部分

一句話:SQP = 自然 + SP,而且兩者都只限「搜索結果頁」(從主搜索框搜索而來)。它是「搜索戰場」的全景,不是「全流量」的全景。

⚠ 對流域模型的盲點流域模型建在 SQP 上 → 它判斷的「收割 / 拉新」只是 SP-搜索渠道的。SB / SD / 推薦流量是流域模型的盲區。Node 2 對 SB / SD 的調整不能靠流域模型,須另想信號源。

另一要點:SQP 曝光計入「螢幕外、折疊線以下、沒被滑到」的版位 —— 排第 8 位也算一次曝光。所以「曝光份額高」不等於「真的被看到」(見 §07)。

06

SQP 用法彙整

跨平台研究(2026-05)。來源收斂度極高,中英文社群獨立講出同一套。

6.1 漏斗形態診斷(全平台共識)

漏斗形態	診斷	行動
曝光份額高 + 點擊份額低	listing / 主圖 / 價格或位置問題(見 §07)	視位置而定
點擊份額高 + 加購份額低	詳情頁 / A+ / 評論不夠說服	改 listing,別加 bid
加購份額高 + 購買份額低	結帳流失(競品截流 / 等 coupon / 配送)	SD remarketing、放 coupon
曝光份額低 + 點擊份額高	轉化強、曝光不夠	加 bid / 加預算

共識鐵則:漏斗中段斷裂時 —— 先修問題,再加廣告。出價解決不了轉化問題。

6.2 比值法 CRI / PRI / PRT(中文社群定量框架)

CRI

點擊份額 ÷ 曝光份額
>1 點擊效率優於市場

PRI

購買份額 ÷ 曝光份額
>1 = 加碼(拉新);<1 = 止損

PRT

購買份額 ÷ 加購份額
<1 = 加購多購買少 → SD remarketing

分界線

PRI 是「該搶還是該守」最直接的單一量化信號,分界 100%。

6.3 狀態分類(4 個英文框架收斂成一組)

統一狀態	條件	= 收割 / 拉新
拉新 Scale	份額低 + 轉化健康(曝光份額 <10% 且購買率 >10%)	拉新傾向
收割 Defend	份額已高、購買份額高	收割傾向
修復優先 Fix	漏斗中段斷裂	都不是
砍 Cut	花費高 + 購買份額 ≈ 0	—

6.4 Mansour Norouzi 的獨門三點

① Cannibalization 測試

暫停 / 砍某詞廣告 → 看 SQP 購買份額趨勢。往下掉 = 廣告有真實增量;沒掉 = 只是吃自然單。屬 Node 3 量測手法。

② ⚠ 變體陷阱

SQP 漏斗追「同一個產品」。點 child-A、買 child-B,A 的購買份額不算到 → 有變體的 ASIN 不能用「購買 ÷ 點擊」當轉化率,只能看趨勢。

③ Click Share ≈ 自然排名代理

衝排名選詞挑「點擊份額低(排名差)+ CTR/CVR 高於市場」。

07

流域模型分類器(草案)

把 §06 拼起來,流域模型對每個 (ASIN, 搜索詞) 的運算。

輸入SQP 四段份額 曝光 BSI · 點擊 BSC · 加購 BST · 購買 BSP

計算CRI=BSC/BSI · PRI=BSP/BSI · PRT=BSP/BST

輸出狀態

份額低 + PRI > 1

→

拉新

Node 2:提 bid、加預算、容忍高 ACOS

份額高 + 購買份額高

→

收割

Node 2:守、優化利潤、品牌詞防禦

曝光高點擊低 / 點擊高購買低

→

修復優先

見下方位置消歧義

花費高 + 購買份額 ≈ 0

→

砍

Node 2:否定 / 暫停

數據不足

→

觀察

累積數據,暫不動作

⚠ 「曝光份額高 + 點擊份額低」必須用位置消歧義

這個訊號有歧義,至少兩個病因 —— 不能一律當「主圖問題」:

病因	怎麼分辨	修法	角色
位置問題 bid 太低卡 RoS / 自然排名後段	位置差	提 bid / 衝排名	觸發
創意問題位置好,還是沒人點	位置好(ToS / 排名前段)	改主圖 / 標題 / 價格	否決

佐證(Amazon 相關數據) ① SQP 曝光含折疊線以下、沒被看到的版位;② ToS 拿全站約 67% 點擊,RoS CTR 遠低;③ 搜索位置 CTR 是斷崖 —— 第 1 位 ~35%、第 10 位 ~3.5%,前 3 名拿 ~64% 點擊;④ Mansour 本人也說「曝光份額高 + 點擊份額低 = 位置不夠高 → 提 bid 搶 ToS」,不是創意問題。

→ 流域模型不能只吃 SQP 漏斗,必須同時吃位置數據才能消歧義:STIS 的 Impression Rank、SP 廣告位報告(ToS/RoS 分佈)、自然排名。SUPA V4.0 本來就 import STIS,正是為此。所有門檻(份額「低」的 %、PRI 分界、數據量門檻)目前都是社群經驗值,須用 BS 線數據回測校準後才能定。

08

BS 線的 4 個坑

嬰兒襪,32 ASIN —— 套流域模型前必須先處理。

① 變體陷阱

流域模型對 BS 線只能用趨勢,不能用購買/點擊絕對比值。補救:用「已購買商品報告 / 跳單報告」抓變體間漏單(正好接回 Node 1 缺的跨 ASIN 歸因源)。

② 24 小時購買歸因

嬰兒襪是送禮 / 父母慢決策品類,「加購 >> 購買」天生正常 → PRT<1 不能機械觸發 remarketing,要先做品類基準。

③ 必須用 ASIN View

Brand View 是 32 個 ASIN 混在一起的 1000 個詞,看不出單一 ASIN。

④ 絕對數字不可信

SQP 加總與後台銷售有來源指出差到 ~2 倍(抽樣限制)→ 只用份額和趨勢,不用絕對數量。

09

SP 廣告底層機制

前 8 段設計了資料源的「儀表」。這段是儀表下方的「引擎」 —— SP 廣告系統怎麼運作、什麼會卡、為什麼 bid 不是萬能。對 Node 2 自動化規則的可行性直接相關。
(新增 2026-05-23,源自 BS line 實證 + 三方來源查證。鏡像 vault note amazon-ads-mechanism-stack。)

9.1 兩階段架構(LTR&R)+ 召回過濾

Amazon Science 2020 公開的官方架構:搜尋系統是兩階段漏斗。

階段	規模	用什麼訊號	bid 有用嗎
① Retrieval 召回	數十億 → 幾百	文字匹配、embedding、行為訊號、COSMO 知識圖譜	❌ 不看 bid
② Ranking 排序	幾百 → 最終位置	① 訊號 + 預估 CTR/CVR + bid + 競價拍賣	✅ 看 bid

⚠ 對 Node 2 的硬約束 bid 高低只影響 ②。如果廣告在 ① 就被刷掉,再高的 bid 都進不到 ②。

後果:「低 base + 高 placement modifier」策略會反咬(例如 base $0.10 + ToS +900%)── 極低 base 讓系統的預估 CTR / 召回信心崩盤 → 連 ToS 都進不去拍賣 → 整個 campaign 餓死。

證偽來源:amz123 2026-04 證偽日記 + Brandwoven「60% 預算 leak 到非預期版位」+ Daniks.AI / IG PPC / Rel.ai 多家獨立復驗 + 中文圈出海指南反證。

9.2 COSMO 對 listing 健康度的衝擊

COSMO(Amazon 2024 SIGMOD 公開的常識知識圖譜,6.3M 節點 / 29M 邊 / 18 大品類)插在 LTR&R 兩階段:召回階段用它做語意候選擴展;排序階段用它打 relevance score(「listing 在語意上能不能滿足 query 意圖?」)。

舊世界(2020 前):listing title 塞滿關鍵字 → 召回保送 → 競價就有戲。
新世界(2024+):listing 在 COSMO 圖譜上意圖匹配弱 → 召回階段直接刷掉 → 後面的 bid × modifier 算式根本沒機會跑。

中文業界翻譯(amz123 2026-03):「在 AI 眼裡你的產品如果沒有『推薦價值』,出價再高也拿不到優質流量。」── 那個「AI 眼裡」就是 COSMO。

→ 對 Node 1 / Node 2:listing 健康度(COSMO 相關)是召回階段的入場券,影響所有後續動作的天花板。但 listing 訊號目前不在我們五層級資料源裡 ── 這是 Node 1 的缺口,待補。

9.3 Search Term Report 三種列真實語義 + Dark Search

官方 v3 reporting docs 對 search term 欄位的規則:

列類型	含意	由哪些情境產生
文字 query(toddler socks)	顧客實際打入的詞	① keyword 投放(SRP + PP 都會) ② auto 緊密/寬泛匹配(SRP)
ASIN(B0...)	廣告出現的商品詳情頁 ASIN	auto 同類/互補 + 商品投放
星號(*)	商品詳情頁版位、無關聯搜尋詞	auto 商品頁無搜尋詞情境

⚠ ST Report ↔ Placement Report 正交,不可 join 關鍵發現:keyword 投放的 PP 花費混進 TEXT 列,不分流到 `*` 列。「TEXT 列 = SRP 版位」這個天真假設對 keyword 活動是錯的。

兩份報告答不同的問題:
• Search Term Report 答「打什麼詞」
• Placement Report(placementClassification)答「出現在哪」

粒度不能交叉。要做「同一個 KW 在 SRP 表現 vs PP 表現」這種分析,只能在 campaign 命名上預先拆分(SRP-only / PP-only campaign + placement modifier 鎖死)。

Dark Search(暗搜尋):商品投放(PAT)活動其實也會跑搜尋結果頁,但 ST report 永遠顯示為 ASIN 或 `*`,看不到實際 query。Perpetua 命名;業界三方共識。→ 商品投放放棄 query 維度分析,只能停在 placement / campaign 層。

9.4 KW 排名歸因路徑 — SQP 是唯一管道

廣告轉換能不能推「該 KW 自然排名」,完全看進不進 SQP:

場景	進 SQP?	推 KW 排名?
Keyword 投放 + SRP 版位 + 顧客搜了該 KW	✅ 進	✅ 推
Keyword 投放 + PP 版位	❌ 不進	❌ 不推(只貢獻一般 BSR / velocity)
商品投放(任何版位)	❌ 不進	❌ 不推

BS line 實證(2026-05-22)── 4 支 ENABLED keyword exact campaign

Campaign	TEXT $	* + ASIN $	PP placement $	PP 占比
(toddler socks詞系: SRP、PP)	$1788	$0	$820	47%
(toddler socks詞系: 收割)	$916	$0	$695	78%
(單一關鍵字 toddler socks: SRP)	$385	$0	$59	16%
CRBS (toddler socks詞系: SRP拉新/收割)	$965	$0	$259	27%

全部「`*` + ASIN」列 = $0,但 placement 報告顯示 PP 占了 16–78%。那些 PP 花費全混進 TEXT 列裡,從 ST report 看不出來。

對「收割」campaign 而言:78% 預算花在 PP → 對該 KW 自然排名零貢獻。如果該 campaign 的策略意圖是推 KW 排名,這筆預算就是 strategic miss。

9.5 對前面 §06–§08 的修正

§07「曝光高+點擊低」消歧義

原本提到「用位置消歧義」── 現在我們知道機制底層:PP 版位 CTR 比 SRP 低 ~3× → keyword campaign 跑了 47–78% 在 PP → 整體 CTR 被拉低。修法仍然是看 placement report 拆,但要意識到 ST report 本身看不出來。

§08 BS 線坑 #5(新增)

Keyword campaign 的 PP 占比是隱形殺手。47–78% 預算對 KW 排名零貢獻。Node 2 規則必須:(a) campaign intent 標籤為「推 KW 排名」者,placement modifier 強制鎖 SRP-only;(b) 純收割型 OK 但要說明白。

對應 vault notes(可深挖):amazon-ads-mechanism-stack(本段完整版)、ltr-and-r(架構)、cosmo(知識圖譜)、rufus(前台衝擊)、sqp(歸因細節)、cold-start(新品)、a9/a10(世代)。

▢

待討論 / 開放問題

parking lot —— 尚未有結論的設計問題。

Q1

流域模型分類器的門檻值未釘 —— 份額「低」是低於幾 %、PRI 分界、數據量門檻,全部待用 BS 線數據回測。

Q2

SB / SD / 推薦渠道的情境信號 —— 流域模型只覆蓋「SP-搜索」,這三條渠道要另想信號源。

Q3

Node 1 其他未結議題 —— 競品 / SOV 要不要第 6 層、AMC 放哪、跨 ASIN 歸因放哪層、各層訂單口徑、65 天留存上限是否已被 unBoxed 2025 解除。