广告的数据可以每天查看，但优化频率不可太频繁，通常选择1-2周优化一次。

    原因有三：每次调整过广告后机器学习机制都需要一段时间来重新适应新的竞价；一周内每天的情况可能各不相同，可能周末会比周内流量要大，转化率也不一样。广告数据具有滞后性，在客户点击广告之后的一段时间之内购买了产品，都会算到广告销售中。SP广告为7天，品牌推广和展示广告为14天。

    二、数据分析步骤1.数据分析的前提是需要有足够多的数据数据量越小，展现的结果偶然性就越大，与真实情况的误差就越大；数据量越大，表现出的情况就越接近真实情况。例如，某一个关键词只有一次点击、一次转化，这就能说明这个关键词的转化率就是100%吗？当然不能，因为数据量太小，所以这个结果的偶然性就很大。

    通过自动组检测Listing观察不相关词占的比例，若基本上都是不相关的词或不相关的Asin，Listing极有可能存在很大问题（标题&后台SearchTerm这三点的影响大）.可根据展现出来的不相关词的共同特点来猜测问题所在，并验证。但是自动组的数据没有问题并代表Listing一定没问题，我们的Listing不仅需要给亚马逊系统看（帮助亚马逊正确识别我们的产品，正确的抓取关键词并正确的分配流量给我们），还需要给我们的客户看（是否能展现出打动客户的卖点）。还是要以实际情况来对我们的Listing进行优化。Listing的质量决定所进入产品页面的流量的转化率，这也是想做好广告的前提，转化率过低的产品，它的广告你就是让贝索斯亲自来优化都好不到哪去。

    判断曝光比例是否均匀同一个广告组中，广告在进行过一段时间的运行后，流量会逐渐向表现好的的关键词集中，个别表现好的词会“逐渐吸走”大部分曝光的机会，导致其他的词曝光太少从而无法得到有用的数据。面对这样的情况我的解决办法有三：

    一个广告组不要添加过多的关键词（5-10个比较合适）；

    可以视情况将不同的关键词分成两个广告组;

    增价竞价，待关键词曝光足够多（怎么也得3000+吧）以后再对广告进行优化

    从CTR的维度来分析数据CTR能极大的影响广告的质量分（对同一个广告位进行竞拍时，质量分越大的广告组所需要的竞价越小），所以我们需要先对CTR进行分析优化，优化CTR需要曝光量足够大，此时的CTR才更接近真实情况。我的个人习惯是曝光量小于3000的不进行优化（需要根据自己产品以及所在站点的实际情况来定），曝光量大于这个值时，若CTR低于平均水平，视情况决定是否否定，考虑的点有：关键词的相关性、是否出单、Acos高低等。

    从CR的维度来分析数据CR不仅会影响广告质量分，还会影响到Listing的质量分，影响自然排名，影响亚马逊是否会给产品分配更多流量等等。分析CR需要以足够多的点击量作为基础并结合Acos进行分析：

    高点击，无转化的关键词可以否定；

    高点击低转化的词需要分析是词的问题还是Listing的问题，如果问题无法解决，可以降价；

    高转化的词可以考虑放进精准组单独提高出价以增加出单。这里对广告数据的分析顺序进行下小结：曝光量→点击量→成交量→Acos曝光量是一切数据的基础，只有足够多的曝光，我们才能得到足够多的点击，有了足够多的点击，我们才能得到足够多的成交，只有足够多的成交后，Acos才接近真实水平。且才能以此作为根据对广告进行优化。为什么呢，因为从曝光到成交经过了好几个步骤，每经过一个步骤，流量就会进行大量损耗，这个情况跟营销漏斗理论是相似的。