liangdabiao/amazon-skills-liang

amazon-dayparting-strategy

PPC分时出价 — 按小时/天安排竞价、高峰购物时段、按时间段优化预算

First seen May 16, 2026

Installation

$ npx skills add liangdabiao/amazon-skills-liang --skill amazon-dayparting-strategy

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

Also in this package

Other skills from liangdabiao/amazon-skills-liang · top by installs.

npx skills add liangdabiao/amazon-skills-liang

Browse all from liangdabiao/amazon-skills-liang

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Not declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Repository health

Stars 51
Default branch main
Open issues 0
Status Active

Skill metadata

Parsed from SKILL.md frontmatter.

More metadata
nexscope
{"category":"amazon"}

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 4,242 B
  • docs SUMMARY.md 127 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 6 installs

SKILL.md

Amazon 分时出价策略

PPC分时出价 — 按小时/天安排竞价、高峰购物时段、按时间段优化预算

支持的平台: Amazon(美国、英国、德国、加拿大、日本、澳大利亚及所有市场)。

使用方法

帮我处理亚马逊分时出价策略。

功能

  • PPC分时出价
  • 按小时/天安排竞价
  • 高峰购物时段
  • 按时间段优化预算

工作原理

第一步: 从用户消息中收集信息 — 产品、平台、当前状况和目标。

第二步: 用多选格式一次性提出所有后续问题。允许简写回答(如"1b 2c 3a")。

第三步: 使用下方的框架和方法论进行研究分析。

消费者购物行为时间模式

  • 早间通勤(7-9 AM): 移动流量上升但转化率低(碎片化浏览)。
  • 午休(12-2 PM): 桌面流量一天中第一个峰值,转化率中等。
  • 晚间高峰(7-11 PM): 一天中最高的购物活动和转化率。消费者有更多时间浏览和比较。
  • 深夜(11 PM - 6 AM): 流量和转化都处于最低点。
  • 周末模式: 可能与工作日显著不同 — 需要单独分析。

转化率差异和竞价优化

  • 核心假设: 不同时段有不同的CVR = 每次点击有不同的价值。
  • 高CVR时段: 每次点击更可能转化 = 值得更高出价以确保广告位置。
  • 低CVR时段: 降低出价以避免在无效点击上浪费预算。
  • 数学基础: 如果时段CVR是平均值的2倍,在该时段增加1.5-2倍出价会显著增加高价值广告份额。
  • 出价调整范围: 高峰时段增加20-100%,低谷时段减少30-70%。保持保守以避免排名波动。

预算分配效率模型

  • 均匀分布的问题: 低CVR时段浪费预算,高CVR时段可能在晚间高峰前耗尽每日预算。
  • 解决方案: 确保预算集中在高CVR时段。
  • 预算有限时的关键: 如果每日预算在凌晨3点耗尽,您将错过整个晚间高峰。
  • 策略: 在低时段降低出价以减缓预算消耗 — 确保在高价值的晚间时段有预算可用。

产品类目时段差异

  • 办公用品: 工作时间(9 AM - 5 PM)需求最高 — B2B买家在工作期间购买。
  • 家居厨房: 晚间和周末达到高峰 — 消费者在休闲时间浏览。
  • 电子产品: 发薪日和周末左右购物高峰。
  • 节日礼品: 节前1-2周显著飙升。
  • 需要定制: 不能应用通用模式 — 必须基于实际类目数据分析。

移动端 vs 桌面端时段差异

  • 工作日白天: 桌面端主导(办公室场景)。移动端流量较低但购买意图更强。
  • 晚间和周末: 移动端主导(家庭休闲场景)。浏览量更高但由于碎片化行为可能导致CVR较低。
  • 策略: 结合分时出价和设备出价调整 — 在高CVR时段增加桌面端出价,在高流量低CVR时段增加移动端出价。

数据来源

  • 历史广告系列数据(30-60天):展示、点击、花费、订单、按小时销售的销售额。
  • 计算每小时:CTR、CVR、CPC、ACoS、ROAS。
  • 分别分析工作日和周末。
  • 设备细分(移动端/桌面端/平板电脑)如果有的话。
  • 时段表现的热力图或折线图可视化。

局限性

  • 亚马逊本身不支持分时出价(与Google Ads不同)。需要出价规则或第三方工具。
  • 历史数据有限使新广告系列更难优化。
  • 季节性变化可能改变购物时间模式 — 每月重新分析。
  • 过于激进的出价调整可能导致排名波动。
  • 分时出价的好处对于非常小的每日预算会减弱。

第四步: 提供结构化、可执行的输出,包含具体建议,而非模糊指导。

输出格式

  • 先给出发现总结
  • 包含具体数据点和基准(若有)
  • 提供优先排序的行动项
  • 基于不完整数据的估算需标注 ⚠️
  • 以具体的后续步骤结尾