亚马逊广告篇：你对广告的建议竞价的理解，都是错的
根据这个结论，我们最新推出的“查关键词竞价”功能，将类目节点作为了最重要的核心变量，大家可以去对比下，因为不同类目产品的竞价差异一目了然。
Sif功能截图：查关键词竞价
如果大家对我们的研究结论有疑问，也欢迎去使用Sif的“实时查产品竞价”功能，先验证自己产品的建议竞价，然后把竞品的建议竞价也查出来之后做对比研究（亚马逊后台只能查自己产品的建议竞价）。
Sif功能截图：实时查产品竞价
Sif功能截图：实时查产品竞价
这是一篇看似“标题党”，实则极具参考价值的研究文章，也可能是我今年的所有研究里最值得大家关注的一篇。
因为在这篇文章发表之前，我已经做过多次调研。我可以很确定的说，绝大部分亚马逊卖家对建议竞价的理解都是错的。
不信的话，我给大家准备了两个问题，大家可以试着回答一下。
问题一：同一个品类下的不同产品在同一个关键词下的建议竞价一样吗？
问题二：如果不一样，是什么导致了不一样？
我先来给大家揭晓错误答案：
问题一：如果你认为同一个品类下的不同产品在同一个关键词下的建议竞价不一样，恭喜你，答错了。
问题二：如果你认为导致不同的原因是权重，恭喜你，错得更离谱了。
我知道，你的第一反应大概率是这个：
我的公众号名叫“视是如非”，就是专治各种“本以为是，实则为非”的，哈哈哈。
由于文章依然很长，所以我们先把正确的结论放到这里，大家没时间就先吸收结论，有时间就跟着我一步一步来做这个研究，很有意思的。
建议竞价不是针对单个产品的建议竞价，而是产品所属的细分品类的建议竞价
建议竞价与产品的权重可以认为没有关系，即便有关系，也十分微弱
建议竞价的大小一定程度上取决于该品类的产品数量，也就是竞争对手的数量，以及大部分竞争对手对广告的出价预期
建议竞价里的异常值
说实话，一开始的时候，我的答案也跟大家是一样的。但是当我们团队对一些数据进行整理和研究之后，发现它与我们的认知完全不符。
这些异常数据来自于我们对同一个关键词下同一个搜索页面的不同产品的建议竞价的研究。
这是gaming chair这个关键词的搜索结果页第一页，按着自然排名和SP广告排名混排之后的产品列表。每一个格子里的第一行代表的是ASIN，然后下边的三行分别是每个ASIN在同一个关键词下的精准匹配、词组匹配和广泛匹配的建议竞价。
每一个建议竞价里边包含3个数字：建议竞价的最小值，最大值和中位数。单位是美分。
大家先看看上边这个列表，能看出什么规律吗？可以只选择一种匹配模式下的一个值，比如就看Exact下的最小建议竞价。
答案是：没有规律！这就是奇怪的地方。
如果建议竞价与产品是强相关的，而且影响的因素是权重，那么这些产品的排名理论上应该和他们的建议竞价之间会存在某种相关性。即便最终影响排名的更可能是实际出价，但实际出价被建议竞价锚定的效应理论上应该有所体现（很多卖家习惯于在建议竞价基础之上加一点）。
但是我在这些数据之间并没有发现这种相关性，不管是第一页、第二页、第三页的这60个产品，还是不同页的产品之间的对比，都没有发现相关性。
同时，我还发现，建议竞价好像都是在有限的某几个固定的数值之间波动，表现为某种“跳档”的规律，并不是连续的数字。
于是，我就开始怀疑，建议竞价是否与我理解的不一样。或者，建议竞价的作用机制是否有另外的逻辑。
数据研究里非常重要的一个指导思想是：研究异常值。它通常会告诉你很多认知以外的东西，也容易帮你寻找到逻辑的边界。
于是，我把所有竞价数据都过了一遍，很快就发现了其中的一些异常值，比如说下图中的精准匹配的149美分。
于是我做了一下简单的初步研究，发现这些低于100的建议竞价，他们的BSR排名基本上都在这个computer gaming chairs这个细分类目。
而那些异常的，也就是差不多150的建议竞价的这些产品，他们的细分品类好像都是其他的品类。
于是，我就有了第一个初步的假设：建议竞价好像与类目相关。
假设：建议竞价与细分类目有关？
有了这个假设之后，我想到的的第一个方向是，重新去看看亚马逊官方对建议竞价的解释。
重点是里边的这样一句话：竞价范围是您商品的品类中大多数广告的胜出竞价范围。
这个句子虽然短，但它透露了3个非常重要的信息：
第一，竞价范围与你的产品所属的品类有关。
第二，竞价范围是由你的产品所属的同品类产品中的大多数广告决定的。
第三，竞价范围其实是指 bid 的范围，也就是说这个胜出竞价（也叫中标价格）其实是指实际的出价bid。
图片来源：亚马逊广告后台
图片来源：亚马逊广告
从这些信息就可以看出，官方其实也已经明确说明了建议竞价跟细分品类是相关的。
验证：建议竞价与细分类目有关
方向确定了之后，研究主题自然而然就变成了细分品类与建议竞价到底是什么关系。
怎么研究呢？很简单，我把关键词搜索了之后，把页面左侧的这个类目结构找出来了。我们主要只关注细分品类。
比如gaming chair这个搜索词页面的左侧，有3个细分类目：Video game chairs、computer gaming chair、home office desk chairs。
然后我把第1页的60个产品按照细分品类做了分组。Computer gaming chairs里边有18个，home office desk chair里边有3个，Video game chairs有38个。
接下来我逐个研究每个细分品类里的产品的建议竞价。
首先，是 Home office desk chairs，总共有3个产品，他们的建议竞价是145，145，149 美分（其实这里边还有个值是152，但是第一页的60个产品里面没有）。
接着我来看computer gaming chairs这个品类，大部分的建议竞价都分布在67、71、76三档，但是里边有两个异常值，一个93，一个98。
最后一个品类是video game chairs，绝大部分都分布在85，88，93这三个数字。还有一个异常值是71。
从上边的3组数字基本上也就可以看出来，除了零星的异常值，不同品类的建议竞价表现出某种非常集中的特性，基本只有几美分的差别。
还是上边的原则：研究异常值。所以我们把接下来的焦点对准每个细细分品类里明显离群的那些异常值。
不知道大家是否有注意到，那些异常值似乎也并不是很异常，而更像是另外的品类里的正常值。
比如，computer gaming chairs里边的这个异常值71，它正好是video game chairs里边的正常值；而Video game chairs里边的异常值93和98，它也正好像是computer gaming chairs里边的正常值。
也就是说，后两组建议竞价虽然里边都有异常值，但他们的异常值好像是另外一个细分品类的正常值。
这给我的启发就是，也许这些异常的建议竞价，他们与另外那个品类有某种关系。
所以我就把这些异常值挑出来，专门研究它们的建议竞价与细分品类有啥猫腻。
刚刚大家已经看到，computer gaming chairs这个细分品类里边，大部分的建议竞价都是67，71，76，但是有93和98两个异常值，这两个产品他们有什么特别的地方呢？
于是我把他们的细分品类又做了一些研究，发现他们俩都有一个共同的这个特征，这两个产品同时都有两个细分品类，不仅在computer gaming chairs里边，同时也在video game chairs里边。
也就是说，我统计的时候把这两个产品放到了computer gaming chairs类目，但其实他们同时也在video game chairs里边。
只不过，我以为他的建议竞价应该是computer gaming chairs的，但实际亚马逊给的是video game chairs的。
同样的，我研究一下video game chairs里边的那个71的异常值，按照刚才上边那个情况，他是不是应该也在两个细分品类呢？
但并不是，它现在就在video game chairs里边。
那这个就与刚才的两个案例不符了，接下来该怎么办呢？
虽然与我刚才上边看到的两个产品的表现不一致，但是我很明确的知道，71就应该是computer gaming chairs这个细分品类的建议竞价，它一定与computer gaming chairs这个细分类目有某种关系。
当下不在computer gaming chairs里边，它有没有可能历史上在过呢？于是我就把他的BSR排名历史拿出来看了一下。
果不其然，这个产品虽然现在是在video game chairs里边，但是他曾经的细分品类是computer gaming chairs。
这也就意味着，虽然这个产品现在属于video game chairs，但是亚马逊给他的建议竞价是它之前在过的细分品类computer gaming chairs。
既然历史数据给了我一些新的发现，所以我又回过头去看了一下computer gaming chairs里边的两个异常值，它们的细分品类的变化。
第一个产品，它最开始在computer gaming chairs里边，但是半年多之后，换到了video game chairs里边。然后又过了4个月左右，他把computer gaming chairs这个类目加回来了，然后一直是双类目在运营。
另一个产品的表现类似，最开始上架的时候是video game chairs, 一个多月之后改成了computer gaming chairs, 然后1个月左右之后又把video game chairs加回来了，然后一直也是双类目运营。
所以，把那些异常值都归属到正确的细分类目之后，建议竞价与细分类目的关系就非常明显了，呈现出高度强相关。或者可以更明确的说：影响建议竞价的最大的因素就是细分类目。
由于细分类目的不同，建议竞价会呈现70，90，150三个阶梯。而在细分类目确定了之后，在同一个细分类目下边的建议竞价通常只有几美分的差别。
细分类目如何影响建议竞价？
明确影响建议竞价的最大变量是细分类目之后，我自然而然就想研究建议竞价的大小到底是如何被细分类目所影响的。
大家还是可以先停1分钟想一想，如果建议竞价与细分类目强相关，它是如何被细分类目影响的。
我想到了两个可能的变量。
第一个，不同类目里边的产品数不一样，会导致建议竞价不一样。
这是个很朴素的猜测，大家都想出价得到好的流量位置，但流量位置是稀缺的，竞争对手越多，通常来讲就会导致更高的出价，进而就影响建议竞价。这就是竞价排名的本质，拍卖模式。
那如何验证建议竞价与品类产品数的关系呢？我们在搜索了关键词之后，点击左侧对应的细分类目，可以看到这个细分类目下边被收录的产品数。
computer gaming chairs，有 522个产品。而 computer gaming chairs 这个细分类下的建议竞价是70美分这一档。
video game chairs 这个细分品类，搜索关键词之后，这个细分品类下边收录的产品数是895个，对应的建议竞价是90美分这一档。
最后再来看home office desk chairs 这个细分类目，它收录的产品数是1000+，也就是1000多个，它的的建议竞价是 140+ 这一档。
我再给大家做个表格，就容易对比出来了。
细分品类 | 产品数 | 建议竞价（美分） |
computer gaming chairs | 522 | 67-71-76 |
video game chairs | 895 | 85-88-93 |
home office desk chairs | 1000+ | 145-149-152 |
这个表格呈现的数据非常明显，产品数越少，建议竞价就越低；产品数越多，建议竞价就越高。
所以，细分品类的产品数与建议竞价的大小是呈正相关的。
第二，如果两个细分品类产品数一样，那么影响建议竞价的大小的因素，应该是大家对细分品类里边产品的广告的出价预期。
比如说，客单价高的品类，那么他可能建议竞价就会越高，是因为这里边有更大的利润空间，所以它能够支撑起更高的广告成本，大家的出价预期也就越高。而客单价低的，就会相反。
关于出价预期，大家自己应该也有大致的体感，我也简单贴两个图。
售价100美金左右的电竞椅的建议竞价(Sif截图)
售价30美金左右的沙发套的建议竞价(Sif截图)
但请注意，这只是大致的结论，并不代表客单价的高低一定与建议竞价呈绝对的正相关。因为：
有些低客单价类目竞争异常激烈，所以建议竞价也不低
每个细分品类里都有高价和低价产品，理论上由于高价产品的广告出价预期更高，所以建议竞价也会被拉高
建议竞价的初步结论
通过以上的假设和验证过程，我已经确认了建议竞价是与细分品类是强相关的，所以我在这里给大家做一下初步的研究结论的总结，以及一些我认为有参考价值的应用方向。
第一，建议竞价的逻辑不是针对每个独立的产品的逻辑，而是基于产品所属的细分品类的逻辑。
也就是说，建议竞价不是产品的建议竞价，而是细分品类的建议竞价。
这个结论非常关键，因为它定义了建议竞价的核心对象从大家以为的产品变成了市场。
假如你的产品的建议竞价发生变化，比如它变高了，并不代表你的产品权重下降了，而仅仅只代表这个市场的竞争可能变得更激烈了。
第二，建议竞价的大小一定程度上取决于该品类的产品数量，也就是竞争对手的数量，以及大部分竞争对手对广告的出价预期。
竞争对手越多，或者每个竞争对手愿意/能够承受的广告费点击成本越高，那么这个品类的建议竞价就会越高。
第三，虽然只是建议竞价，但由于大家的出价策略都会倾向于略高于建议竞价，所以实际的CPC就会逐渐提高。
道理也很简单，假设基础建议竞价都是1美金，然后大部分的卖家都愿意出比1美金更多一点点的价格。你高一点，我高一点，那么随着时间的推移，这个品类的建议竞价就会逐渐升高，这就是市场的机制在起主导作用。
对于一些卖家，我听到过一些说法，他们说他们从不看建议竞价，我认为这个可能还是有些问题的。
你可以不看建议竞价，但你的产品一定会受建议竞价的影响。你和这些对手同在一个市场，他们如何出价会影响你能获得什么样的广告位，以及你最终的CPC点击成本。
第四，建议竞价可能是更能综合评估市场竞争的指标。
原来大家评估能不能去进入一个细分品类，竞争是否激烈的时候，更多情况下可能会用搜索量或者产品数之类的这些指标，或者两者的比值来评估竞争度或者供需比。
这些指标，我个人认为都是略显单薄的，没办法精准的去评估市场的竞争，而且逻辑上并不严谨。
但是，建议竞价可以。
因为这是市场里边的每一个竞争者用钱投票之后得出的竞争度，而且极有可能决定最终的广告成本。所以它可能是大家决定是否进入某个市场时最重要的一个指标。
以后大家可以试着用这个指标来评估市场的竞争情况，建议不要再用其他的指标了，那些任何指标可能都没有这个指标直接且参考价值没那么大。
第五，建议竞价的变化比想象中的要大。
根据官方的解释，建议竞价每天会更新。
图片来源：亚马逊广告后台
但根据我们实际的监测，建议竞价在一天内可能会变化多次（目前监测到的最短时间是间隔3小时），而且不同时间段的竞价差异有可能还蛮大的（最大的差异有一倍之多）。
第六，建议竞价的最佳使用场景除了竞价本身，或者说建议竞价的最佳建议可能不是竞价，它可能对细分品类的选择的指导意义会更强。
这句话的意思是说，由于建议竞价在不同的类目有不小的差异，那么大家在决定将产品放在什么类目，以及后续如何变更类目时，就有比较强的参考价值。
当然，我并没有说选择建议竞价低的细分品类就是正确且唯一的选择，因为可能还有其他的指标会影响着你的选择的最终效果。
比如有的卖家朋友可能会说，建议竞价低的细分品类，它的广告成本是低，但是它有可能流量也会低。
对于这个问题，我的猜测是可能大概率不会影响流量。因为大家知道，在亚马逊这套体系里边，消费者通过类目路径购买产品的流量本身并不大，搜索和关联流量才是其中的大头，类目流量占比没那么高，所以估计影响没那么大。
但即便如此，我们目前也还不能确定的说选建议竞价低的类目就一定好，因为还有其他遗留问题有待研究。
建议竞价的遗留问题
除了以上我相对明确的结论之外，其实我还有一些问题没有研究明白，所以这里把它发出来，卖家朋友们有兴趣可以一起参与研究。
第一，如果多品类或者换品类，建议竞价会如何发生变化，何时发生变化？
把这个研究清楚，那么对于大家去选择细分品类，以及安排这个细分品类的节奏，就有非常强的指导意义。
第二，为什么看起来确定细分品类后，建议竞价好像都会分为三档，这背后的底层逻辑是什么？这三档它分别的边界代表着什么含义？
虽然影响建议竞价的最大变量是细分品类，但细分品类确定之后建议竞价也不完全相同，这些不同必然是某些变量导致的，到底是哪些变量？以及它们的边界是如何划分以区分建议竞价的档位的？
第三，建议竞价的最小值和最大值分别是怎么计算出来的？
亚马逊官方的解释是大多数赢得竞标的广告出价，所以重点就在这里的大多数，到底是多少，逻辑是什么？
第四，从建议竞价（suggest bid）到出价（bid），再到CPC，这三个价格之间是如何逐步传导的？关于我们常说的权重到底在哪一个环节开始生效。
我们现在已经明确，在建议竞价这个环节，权重大概率是没有参与的。那如果它在这个环节不参与，它从什么环节开始参与？以及参与的具体机制又是怎么样的呢？
第五，不同品类的产品在同一个关键词下争夺广告位，广告排名是如何被确定的？CPC的第二位竞价机制，又到底是如何运作的？
也就是说，在一个关键词下边，如果有3个细分品类的产品同时参与广告排名的竞争，而这3个品类的建议竞价有明显不同（代表竞争对手的实际出价大概率也会不同），那么这3个品类的产品的广告排名是如何被确定的？实际点击后收取的CPC，又是如何运作的？
邀请大家一起参与研究
这些问题目前我都没有明确的答案，大家如果有兴趣可以一起来参与研究。
由于大家只能在后台看到自己产品的建议竞价，但是竞品的建议竞价看不到，所以大家可以在 Sif 里使用“实时查产品竞价”的功能。
大家可以先拿自己的产品在后台创建新的广告活动，然后同步在Sif查询，先核对一下同一个关键词的建议竞价是否一样。由于建议竞价可能会发生变化，所以一定要尽量保证同时查询。
验证了之后，可以再把你的竞品也都查一下，然后再来对比这些数据和你原来以为的是不是不一样。
当然，既然已经确定了建议竞价与细分品类是强相关的，那么在给关键词的建议竞价时，细分品类就是非常重要的维度。
数据我们也都帮大家准备好了。每个关键词的建议竞价，会从如下维度进行区分：
类目节点：也就是这个关键词下的产品所属的不同细分品类——这是影响建议竞价的最重要变量
该类目节点下收录的产品数：产品数越多，通常建议竞价就越高
竞价策略：分提降（提高与降低）、仅降低/固定（因为仅降低与固定的差值很小，我们统一成了一个）
匹配模式：也就是精准匹配、词组匹配和广泛匹配
建议竞价范围：最小值、最大值和中位数（以中位数为主）
