夜雨聆风
亚马逊广告skills使用手册(全部文档,找我)
《亚马逊广告知识库》核心指南文件的创建。该知识库的完整文件结构验证及核心内容概览。
📂 完整文件结构：Amazon Ads Knowledge Base
本知识库采用 “文档 + 数据 + 指南” 的三位一体架构，确保无论是人工查阅还是系统集成都能高效适配。
Plaintext
amazon-ads-knowledge-base/├── docs/ # 核心知识文档 (Markdown)│ ├── 01-keyword-engineering.md # 关键词分层与分级体系│ ├── 02-ad-data-diagnosis.md # 漏斗模型与八大诊断场景│ ├── 03-ad-optimization.md # 竞价调整与搜索词处理SOP│ ├── 04-new-product-launch.md # 新品三阶段推广全流程│ ├── 05-decision-trees.md # 决策决策树（DT1-DT4）│ └── 06-metrics-glossary.md # 指标定义与底层逻辑├── json/ # 结构化规则数据 (JSON)│ ├── keyword-strategy.json # 关键词分类逻辑│ ├── ad-diagnosis.json # 场景诊断触发规则│ ├── decision-rules.json # 决策树逻辑与阈值│ └── metrics-definition.json # 计算公式与 Benchmark├── guides/ # 面向不同角色的使用手册│ ├── for-operators.md # 【已生成】运营人员速查手册│ └── for-developers.md # 【已生成】开发与 AI 集成指南└── schemas/ # 数据规范 └── skill-schema.json # 技能数据结构定义🚀 核心手册概览
1. 运营手册 (for-operators.md)
定位： 案头工具书。
-
快速上手： 提供 7 天学习路径，从指标概念到实操决策。
-
日常清单： 明确每日（35分）、每周（60分）、每月（2小时）的标准化动作。
-
决策决策树： 针对“是否否定”、“是否提价”等高频纠结场景给出定量标准。
-
三条红线： 严禁词组否定核心词根、数据不足（<15次点击）不做决策、新品期不唯 ACOS 论。
2. 开发手册 (for-developers.md)
定位： 架构与集成指南。
-
RAG 方案： 指导如何将 Markdown 文档喂给 LLM（如 Dify/GPT），并提供 System Prompt 模板。
-
API 逻辑： 提供了基于 Python 的诊断函数示例，展示如何将 JSON 规则转化为代码逻辑。
-
自动化流： 描绘了从亚马逊 API 抓取数据到自动下发操作建议的工作流设计。
💡 知识库价值总结
| 维度 | 对运营人员 (Operators) | 对开发/AI (Developers/LLM) |
| 解决痛点 | 告别“凭感觉”调整，实现操作标准化。 | 解决“广告优化”这一复杂逻辑的数字化建模。 |
| 核心工具 | 8个场景、3个决策树、日常 Checkbox。 | 结构化 JSON、RAG 检索增强、API 判定逻辑。 |
| 最终目标 | 提升 ACOS 稳定性与工作效率。 | 构建半自动/全自动的广告智能管理引擎。 |
# 🧠 亚马逊广告知识库 (Amazon Ads Knowledge Base) 思维导图## 📂 1. 核心知识文档 (docs/ - Human Readable)### 📄 01. 关键词工程 (Keyword Engineering)-**SKILL_001: 四级分类体系** - 一级：核心词 (Core) -> 控ACOS，打排名 - 二级：属性词 (Attribute) -> 盈利主力 - 三级：长尾词 (Long-tail) -> 捡漏积少成多 - 四级：竞品词 (Competitor) -> 低价截流- **SKILL_002: 建立 SOP** - 拓词 -> 去噪 -> 分级 -> 埋词-**SKILL_003: 命名规范** - 格式：`[产品]-[类型]-[匹配]-[策略]`### 📄 05. 决策决策树 (Decision Trees)- **DT1: 否定关键词决策树** - 📜 核心逻辑：点击≥15次? → 无订单? → 不相关? → 非核心词根? → ❌否定 - ⚠️ 红线：严禁词组否定核心词根- **DT2: 竞价管理决策树 (基于目标 ACOS)** - < 目标：↑ 提价 15-20% - 在目标内：→ 维持不动 - > 1.5倍目标：↓ 降价 20% - > 3倍目标：⏸️ 暂停或大幅降价- **DT3: 搜索词收割决策树** - 标准：7天订单≥2 且 ACOS达标 - 操作：移入精准组，原位置保留观察- **DT4: 预算分配决策树** - 达标则加预算，不达标则先优化 (走DT1/DT2)### 📄 *[待]* 02. 广告数据诊断- (规划中: 漏斗模型与八大场景)### 📄 *[待]* 03. 广告优化操作- (规划中: SQR处理流程)### 📄 *[待]* 04. 新品推广全流程- (规划中: 启动期/爬坡期/稳定期策略)### 📄 *[待]* 06. 指标词典- (规划中: 定义与底层公式)---## 📂 2. 结构化规则数据 (json/ - Machine Readable)### 🤖 decision-rules.json- **dt1_negative_keyword** (定义的阈值与动作) - `min_confidence_clicks`: 15 - Rules: NEGATE_EXACT / NEGATE_PHRASE- **dt2_bid_management** (竞价调整阈值) - Thresholds: INCREASE (0.15) / DECREASE (-0.20)- **dt3_harvesting** (收割触发条件) -`min_orders_7d`: 2---## 📂 3. 角色使用手册 (guides/ - How-to)### 📘 运营人员指南 (for-operators.md)-**快速上手路径** (7天学习计划)-**日常工作速查表** - 每日 (检查异常) - 每周 (SQR处理/竞价调整) - 每月 (复盘/战略调整)-**场景技能对应表** (遇到问题查哪个文档)-**三大红线** (操作禁区)### 📕 开发人员指南 (for-developers.md)-**架构说明** (文档+数据的双模态设计)-**接入方案** - A方案: RAG 知识库 (适用 LLM 问答) - B方案: API 规则引擎 (Python 代码示例) - C方案: 自动化工作流 (n8n/Make)-**数据映射** (Markdown 到 JSON 的对应关系)---## 📂 4. 数据规范 (schemas/)### 📜 skill-schema.json- 定义技能数据的标准 JSON 结构低曝光低点击低转化ACOS接近预期
专业诊断：发现了高效小众市场，产品定价策略合理，存在明显扩展潜力。
大师级优化方案：
预算调整：果断增加40-45%，分三次阶梯式提升
出价策略：增加8-12%，使用双向动态出价
广告组扩展：同时启动3个测试广告组，各偏离原目标人群15-20%
库存预警：设置库存预警线为平均30天销量，防止突破增长导致断货
竞争防御：预留10%预算专门用于竞品防御出价，保护核心关键词排名
30年经验要点：低流量高效率组合是亚马逊平台上最容易被忽视的增长金矿，需要快速行动抢占先机
为您生成基于当前已创建内容的《亚马逊广告知识库》思维导图结构。
此导图展示了知识库的“双模态”架构（人读文档 + 机读数据）及其核心内容。
Markdown
# 🧠 亚马逊广告知识库 (Amazon Ads Knowledge Base) 思维导图## 📂 1. 核心知识文档 (docs/ - Human Readable)### 📄 01. 关键词工程 (Keyword Engineering)-**SKILL_001: 四级分类体系** - 一级：核心词 (Core) -> 控ACOS，打排名 - 二级：属性词 (Attribute) -> 盈利主力 - 三级：长尾词 (Long-tail) -> 捡漏积少成多 - 四级：竞品词 (Competitor) -> 低价截流- **SKILL_002: 建立 SOP** - 拓词 -> 去噪 -> 分级 -> 埋词-**SKILL_003: 命名规范** - 格式：`[产品]-[类型]-[匹配]-[策略]`### 📄 05. 决策决策树 (Decision Trees)- **DT1: 否定关键词决策树** - 📜 核心逻辑：点击≥15次? → 无订单? → 不相关? → 非核心词根? → ❌否定 - ⚠️ 红线：严禁词组否定核心词根- **DT2: 竞价管理决策树 (基于目标 ACOS)** - < 目标：↑ 提价 15-20% - 在目标内：→ 维持不动 - > 1.5倍目标：↓ 降价 20% - > 3倍目标：⏸️ 暂停或大幅降价- **DT3: 搜索词收割决策树** - 标准：7天订单≥2 且 ACOS达标 - 操作：移入精准组，原位置保留观察- **DT4: 预算分配决策树** - 达标则加预算，不达标则先优化 (走DT1/DT2)### 📄 *[待]* 02. 广告数据诊断- (规划中: 漏斗模型与八大场景)### 📄 *[待]* 03. 广告优化操作- (规划中: SQR处理流程)### 📄 *[待]* 04. 新品推广全流程- (规划中: 启动期/爬坡期/稳定期策略)### 📄 *[待]* 06. 指标词典- (规划中: 定义与底层公式)---## 📂 2. 结构化规则数据 (json/ - Machine Readable)### 🤖 decision-rules.json- **dt1_negative_keyword** (定义的阈值与动作) - `min_confidence_clicks`: 15 - Rules: NEGATE_EXACT / NEGATE_PHRASE- **dt2_bid_management** (竞价调整阈值) - Thresholds: INCREASE (0.15) / DECREASE (-0.20)- **dt3_harvesting** (收割触发条件) -`min_orders_7d`: 2---## 📂 3. 角色使用手册 (guides/ - How-to)### 📘 运营人员指南 (for-operators.md)-**快速上手路径** (7天学习计划)-**日常工作速查表** - 每日 (检查异常) - 每周 (SQR处理/竞价调整) - 每月 (复盘/战略调整)-**场景技能对应表** (遇到问题查哪个文档)-**三大红线** (操作禁区)### 📕 开发人员指南 (for-developers.md)-**架构说明** (文档+数据的双模态设计)-**接入方案** - A方案: RAG 知识库 (适用 LLM 问答) - B方案: API 规则引擎 (Python 代码示例) - C方案: 自动化工作流 (n8n/Make)-**数据映射** (Markdown 到 JSON 的对应关系)---## 📂 4. 数据规范 (schemas/)### 📜 skill-schema.json- 定义技能数据的标准 JSON 结构
