Score
92
官方指南贡献了预先定义目标、一次只测试一个变量、保持受众一致、选择与目标对应的指标、等待足够样本和持续记录迭代等步骤。迁移到淘宝直通车、引力魔方及拼多多搜索或场景推广时，可保留实验设计原则，但必须改用目标平台的曝光、点击、收藏加购、支付、退款和广告后利润口径。
核心做法：为实验指定唯一主目标，并锁定点击、成交或利润中的一个主指标
判断：点击率
排除：同时修改两个或更多核心变量的实验不得归因
实验变量、数据判定和回撤动作高度结构化，适合形成投放监控任务；统计阈值需要按平台与客单价校准。
Score
94
来源区分基于日程的预算与竞价规则、基于绩效的预算规则以及ROAS护栏竞价，并给出达到绩效阈值后按比例增预算、活动时段预调预算及持续监控的步骤。迁移到淘宝直通车、万相台和拼多多推广时，应使用平台可获得的消耗、点击、转化和成交数据实现等价规则，而不能照搬Amazon的竞价机制或示例阈值。
核心做法：按商品、投放目标、毛利和流量阶段拆分广告计划，避免把新品探索与成熟品放量混在同一规则中。
判断：ROAS和贡献利润ROAS
排除：排除Electronics和High-return fashion。
Score
92
来源建议定期检查广告表现，在投放结果持续下降或每日新增用户偏低时刷新素材，并优先向现有广告组加入新素材，同时维护可复用素材库。迁移到淘宝直通车、引力魔方或拼多多推广时，可采用“连续下降—同计划替换—素材库维护”的步骤，但疲劳阈值需按目标平台历史数据校准。
核心做法：按SKU、受众、版位和投放目标建立素材版本表，标注首图、场景、利益点、文案和CTA
判断：素材间图像或文本相似度
排除：排除未达到最低曝光、点击或成交样本量的疲劳判断
Score
90
来源提供按Region、Industry、Campaign Objective筛选高表现广告，并用逐秒、逐帧图定位成功互动时刻的方法。迁移时可将高表现样片拆成镜头结构和文案假设，用于淘宝、拼多多短视频、主图视频或广告素材测试；TikTok的互动峰值不能被视为目标平台转化证据。
核心做法：在来源库中限定美国地区、相近行业和一致广告目标，收集至少10条有授权展示的高表现样片
判断：前3秒停留率
排除：不得下载或复刻第三方受版权、商标或肖像权保护的素材
Score
94
Google官方方法贡献了明确假设、单变量测试、预先选择1至2个成功指标、实验期间保持基准活动稳定、分析胜者及保存实验记录等步骤。迁移到淘宝直通车、万相台和拼多多推广时，用计划或单元复制、预算分组及同期对照近似实现。
核心做法：从淘宝或拼多多投放记录中筛选连续稳定运行且不存在重大促销切换的广告计划。
判断：增量成交金额或订单数
排除：排除大促切换、断货或价格剧烈变化期间的计划。
Score
94
来源明确说明搜索词报告可识别产生点击的买家查询，并将高绩效查询加入关键词、将低绩效查询设为否定词；同时介绍关键词、广告商品、活动和广告位报告的用途。迁移时应使用淘宝直通车及拼多多搜索推广可获得的实际搜索词、单元和资源位数据。
核心做法：按账户、计划、单元、SKU、匹配方式和搜索词汇总至少30天曝光、点击、花费、成交与退款数据
判断：无关搜索词花费占比
排除：排除Electronics和High-return fashion
Score
93
Amazon Ads指南区分按时间表增加预算和达到ROAS、点击率或转化率门槛后增加预算两类规则，并给出按百分比扩量和持续监测的执行方式。迁移到淘宝直通车、万相台及拼多多推广时，应使用各自可获得的投产比、成交成本和预算数据重建规则，不能假设平台支持完全相同的自动触发器。
核心做法：按商品、目标和流量类型拆分广告计划，剔除追踪不完整或库存异常计划
判断：ROAS
排除：排除Electronics与High-return fashion
Score
91
来源介绍Sponsored Products、Sponsored Brands、Display ads、Brand Stores等不同广告形态，并强调投放前准备和组合使用覆盖消费者旅程；可迁移为淘宝直通车/万相台、拼多多搜索/场景推广的预算分层启动法。
核心做法：投放前检查商品准备度：主图、标题、价格、评价、库存、售后承诺和详情页是否达标。
判断：CTR
排除：商品详情页未达标、库存不足或差评未处理时不放量。
Score
90
该GitHub Skill把搜索词报告分析、低效流量识别、ACoS/转化模式评估、否定关键词分层、节省金额估算和持续监控拆成步骤。迁移到淘宝、拼多多时，可把Amazon search term report映射为直通车/万相台/多多搜索推广的搜索词、点击、花费、成交、ROI等字段。
核心做法：导出近14至30天广告搜索词数据，字段至少包含搜索词、展现、点击、花费、成交订单、成交金额、转化率、ROI或ACoS。
判断：浪费花费占比
排除：品牌词、核心品类词、活动主推词不得自动否定，必须人工复核。
Score
90
Amazon Ads官方Getting Started with Sponsored Ads指南提供Sponsored Products、Sponsored Brands和Sponsored Brands视频等广告入门框架，说明广告可帮助商品被发现、提升可见性并支持不同推广目标。来源贡献了官方广告产品边界、启动路径和按目标选择广告类型的基础方法。
核心做法：确认商品商品页可售、图片和内容完整、库存可用，避免广告导向不可转化页面。
判断：Impressions
排除：排除商品页不可售、无库存、Buy Box异常或页面内容不完整的ASIN。
Score
92
该Skill面向SP/SB/SD搜索词报告，目标是把Amazon Ads搜索词报告转成可复核的否词、控成本、放量和商品页反馈清单。来源贡献了可执行步骤：识别浪费预算词、识别高于ASIN基准的词、提取属性词/场景词作为真实用户语言，并把广告数据反馈给商品页优化。
核心做法：导入Amazon Ads SP/SB/SD搜索词报告，并按活动、广告组、ASIN、搜索词维度标准化。
判断：Spend
排除：排除数据量不足的搜索词，避免小样本误判。
规则输入、触发和回撤均可结构化，能直接控制广告浪费；平台归因差异可通过利润修正和沙盒运行缓释。
连续衰退检测、相似度控制和替换建议可以自动执行，且方法明确防止样本不足和错误归因。
样片筛选、镜头标注和假设生成适合机器辅助，但版权、声明和最终投放必须人工审批。
步骤、输入和回滚边界清楚，适合生成实验队列；但淘宝、拼多多缺少完全随机分流时需人工复核因果强度。
规则、指标和动作均高度结构化，可直接进行离线回放；上线时需设置花费上限、延迟归因和核心词人工保护。
触发条件、增幅、上限和止损均适合规则引擎；考虑平台接口及资金风险，初期应采用只读建议和人工审批。
广告矩阵、预算阈值和停止条件都可结构化，适合任务化做日常巡检。
输入输出高度结构化，适合定期自动扫描，但否定词落地需人工审批避免误杀。
官方来源可信，适合沉淀为广告启动SOP；需要结合搜索词报表分析任务进行持续优化。
输入和输出结构清晰，能直接形成广告运营任务，但所有否词和预算动作需人工审批。