亚马逊广告投放过程中的“脏数据”。

一个新手卖家发的求助帖：广告跑了一周，只出了 2 个单。他问，是不是该换关键词了。

我注意到的是他这一周干了什么：从自动广告换到手动广告，又连着换了三套关键词。

底下一条高赞评论是这么说的：

"你才跑了一周，就已经在自动、手动和不同词组之间换了个遍——你的数据里已经没有任何东西可以归因了。而且广告数据要几天才能沉淀下来，你这周后半段的数据甚至都还不是最终值。"

另一条评论更直接："现在别动你的广告了。一周两个广告单，根本不够数据量让你每天改关键词。"

这个帖子让我想了很久。因为它揭示了一个大多数卖家都没意识到的问题：他以为自己在一周里做了三次"优化"，实际上他做的是——亲手把自己一整周的数据全部弄脏了。钱花了，连"哪一步错了"都回答不了。

而他的问题，远不止他一个人有。

二、什么是脏数据

脏数据：不能用于决策的数据。看起来是数字，实际上是噪声。

它有四个来源，按杀伤力排序：

① 动作污染。你调了价、调了预算、否了词之后，平台算法是有惯性的——头几天的数据是"残留效应"，不是你新策略的真实效果。调价后头三天 ACoS 突然变好，很多人在这时候加码，然后第 8 天看着数据回落，才发现那一周的"好数据"是算法惯性请的客。

② 归因延迟。亚马逊的归因窗口是 7 到 14 天。意思是"这个词过去 5 天没出单"是个伪命题——单可能已经出了，只是还没记到它头上。慢热词的典型死法：第 5 天被判死刑否掉，第 9 天订单归因到账，但词已经死了。

③ 交叉污染。同一时间动了多个变量——又调价又改预算又否词——数据变好了，你不知道是哪个动作的功劳；变差了，你也不知道是谁的锅。开头那个帖子就是标准病例。

④ 样本稀疏。长尾词一周就几个点击，转化率数字没有任何统计意义。很多人拿着这种数字做决策，本质上是在抛硬币，还以为自己在看数。

注意一个细节：曝光、点击、花费是相对实时的；订单、销售、ACoS、ROAS、转化率，全是有延迟的。

也就是说——你越关心的指标，越不可信。

三、平台自己都不信头几天的数据

如果你觉得"数据要沉淀几天"只是卖家圈子里口口相传的经验，那接下来的出处可能会刷新你的认知——这是亚马逊官方自己发表的研究。

亚马逊有一个官方技术博客叫 Amazon Science，专门发表平台内部科学家的研究。上面有一篇文章，标题就叫《The science of price experiments in the Amazon Store》（亚马逊商城价格实验的科学），出自亚马逊内部的 Pricing Labs（价格实验室）团队，同名论文发表在了 Journal of Business Economics 期刊上，还在 AEA（美国经济学会）年会上做过演讲。

这篇文章讲的是：亚马逊内部想评估一个新的定价策略有没有效时，是怎么做实验的。里面有两个细节，值得每个卖家停下来想一想。

第一个细节：平台评估策略时，会把切换之后头一整周的数据直接扔掉——他们管这段叫"静默期"。为什么扔？文章里写得很直白：价格变动会通过推荐算法产生残留效应——如果处理组的产品销量涨了，推荐算法会更频繁地推荐它，导致它在对照期的销量都被虚增。也就是说，动作之后头几天的数据是被污染的，平台自己都知道不能信。

第二个细节：他们评估策略效果时，坚决不用"前后对比"，而是用按天随机切换的对照实验——今天这个产品进处理组，明天随机抽签再定。为什么？因为他们知道前后对比会被算法惯性骗。就这一个设计改动，把评估的标准误降了 60%。

较真的读者可能会问：这篇文章讲的是价格实验，跟广告有什么关系？

问得好。这正是最值得讲透的一层。

原文里残留效应是怎么产生的？不是"价格"本身在作怪，而是——平台的算法会记住你的动作，并且在动作结束之后继续反应一段时间。价格降了，销量涨了，推荐算法捕捉到销量信号，开始给更多自然流量；哪怕价格调回去，这个流量红利还要持续几天才消退。

现在把这个机制平移到广告上：你给一个词加了价，曝光和点击上来了，转化数据好看了——平台的搜索排名算法同样会捕捉到这个信号：这个词转化好，排名往上抬；广告系统里，历史点击率和转化率还会影响你后续的竞价效率。哪怕你明天把出价降回去，这些"记忆"也不会当天清零。

也就是说，价格实验里是一层残留（推荐算法的记忆），广告里至少是两层（自然排名的记忆+广告系统的记忆）。平台在价格上承认的污染期，放到广告上只会更长，不会更短。

更何况，亚马逊广告自己就有制度化的承认：归因窗口 7 到 14 天——这就是平台明文告诉你，广告的效果不会当天到账。

现在，停下来想想这意味着什么：

平台评估自己的策略，要扔掉头一周的数据、上随机对照实验，
发论文、开学术年会，郑重其事。
而你，拿着调价后第二天的报表，就在决定一个词的生杀。

四、算一笔账：勤奋的代价

现在我们来算一笔简单的账，看看一个"勤奋"的卖家，一年里有多少天的数据是干净的。

出价变动后，数据污染期约 5 天（算法惯性）；预算变动，约 3 天（流量分配节奏改变）；否词，约 2 天（流量结构重组）。

假设你周一调了一次价。那么本周的干净窗口，只剩周六、周日两天。

假设你周三又调了一次预算。本周干净窗口：零。

如果你周五顺手否了几个词——很好，整个星期没有一个小时的数据是干净的。

推到极致：一个每天看报表、每两三天动一次的勤奋卖家，全年 365 天，没有任何一天的数据可以用来评估自己的动作。

而且更狠的是复利效应：今年的每个"结论"都是脏数据喂出来的，它们会接着指导你明年的动作。你不仅今年没有干净数据，你还亲手保证了明年也没有。

这不是纪律问题，是数学问题。

五、脏数据的四种死法

死法一：被假繁荣骗着加码。调价后头三天 ACoS 变好→以为策略生效→加码→第 8 天真实效果回落→已经多烧了一周的钱。

死法二：误杀慢热词。词跑了 4 天没单→否掉→第 9 天订单归因到账→流量入口永久丢失。

死法三：交叉污染下的乱归因。一周换三套结构，最后的结论是"nothing to attribute anything to"——脏数据的最高成本不是浪费广告费，是浪费学习机会。

死法四：晒分数字的幻觉。卖家社区里满屏"7% TACOS、月销两百万美金"的晒分帖。单次、单店、单时间点的数字没有任何意义——你不知道他的对照组是什么，不知道那是不是污染期里的假繁荣，甚至不知道他下个月还是不是这个数。

六、怎么办：四层解法（全部徒手可用）

第一层：动作日志。

准备一个本子或表格，每次动广告记一行：日期、动作、对象。之后 5 天（调价）/3 天（调预算）/2 天（否词）内，这个对象的数据只看不判。

本子比记性好——因为污染期最会骗的就是记性。

第二层：慢热词留观制。

判一个词死刑之前，先问一个问题：它最后一次获得点击，距今天满 14 天了吗？没满，就没有判决资格。归因窗口内的"没出单"不是证据，是还没到的证据。

第三层：每周一早上的一张表。

单词报表只用来找"哪里在流血"，不用来评估"手术成不成功"。评估用店级口径：每周固定一天早上，拉全店五个数——总销售额、广告花费、TACOS、广告订单占比、自然订单——和上周比、和上月同周比。结论只许写三档：净改善、持平、恶化。

两个口径打架时，信店级。连续三周净恶化，触发冷静期：停掉所有优化动作，只观察、排错。

第四层：新规则，先算旧账。

任何新打法上线前，拿过去 30 天的数据手工推演一遍："如果当时就这么打，结果会怎样？"推演不及格，不许上场。

让错误死在纸面上，比死在广告账户里便宜得多。

七、最后，三句实话

第一，店级周对比只回答"方向对不对"，回答不了"具体哪个动作值多少钱"——想要那个答案，就得接受更长的观察窗和更少的动作。

第二，数据干净，只保证你的评估不骗人，不保证你的策略是对的——但它至少能让你的每一次错，都变成能沉淀的教训。

第三，这套方法救不了一个本身不行的产品。数据纪律是放大器：产品行，它让你快一点验证；产品不行，它让你早一点认账。