Teikametrics 广告分析师测试题速查手册：从曝光到销售额的指标体系与品牌/非品牌关键词分类实战

• 教程

本篇技术指南以 Teikametrics Analyst 测试题配套速查文档 为核心骨架，系统讲解电商广告（Paid Media / Retail Media）分析中从曝光（Impressions）到销售额（Sales）的完整指标漏斗、十二个核心广告指标的公式与业务解读，以及品牌（Brand）与非品牌（Non-Brand）关键词两大分类的定义、效率差异与投放策略含义。读完本文，你将掌握广告账户绩效分析的标准术语体系，能够用 ACoS、CVR、AOV 等指标组合定位投放效率问题，并能独立完成关键词分层分析（Keyword Categorization）这一电商广告分析的高频面试题与实战任务。

1. 文档背景：这是给分析师的一页纸（One-Sheeter）

analytics/teikametrics-analyst/README.md 本身是一份名为"One-Sheeter for Analyst Exercise"的考核配套资料，附属于 Teikametrics 分析师测试题，属于本仓库 README.md 中"Аналитик（分析师）"目录下 Teikametrics 公司的条目。

它的作用不是给出完整题目，而是为候选人（或任何正在做广告数据分析的人）提供一套统一的指标定义与分类口径：

• 第一部分定义广告分析中最常用的 12 个指标（从原始计数到效率比率）；
• 第二部分定义关键词的两大分类——品牌词与非品牌词——并说明二者在转化效率、流量规模上的差异及背后的业务逻辑。

这份文档之所以值得展开成文，是因为它浓缩了零售广告分析（Retail Media / Advertising Analytics）的通用语言：无论你在 Amazon Ads、Google Ads 还是其他搜索广告平台上做分析，"曝光 → 点击 → 下单 → 销售额"这条链路和 ACoS 这套效率度量体系都是相通的。

2. 广告指标体系：从曝光到销售额的完整漏斗

原文档给出的 12 个指标可以按"原始计数 → 金额 → 效率比率"三个层次组织，对应广告分析中最经典的行为漏斗：

曝光(Impressions) → 点击(Clicks) → 下单(Orders) → 销售额(Sales) │ │ │ │ CTR CPC/Cost CVR/AOV SPC/ACoS

2.1 原始计数指标（Counts）

原文档对这六个计数指标的定义如下，它们是所有后续比率计算的分子与分母：

需要特别注意两点（依据原文档措辞）：

• Orders / Sales 都强调 "after an ad click"：这是归因（Attribution）口径，即只有广告点击带来的成交才算入 Sales 与 Orders，这也意味着分析前必须确认归因窗口（Attribution Window）设置一致；
• Impressions 的定义是 "regardless of shopper interaction"：曝光只代表"被看到"，不代表"被记住"或"被点击"，因此单独看曝光量会高估广告的真实影响。

2.2 金额与效率比率指标（Ratios）

原文档给出的六个比率指标是广告分析的真正核心，公式如下：

原文档特别注明：ACoS 是 ROAS（Return on Ad Spend，广告支出回报）的倒数。ROAS 用"每 1 元广告花费带来多少收入"衡量（Sales ÷ Cost），ACoS 用"收入中有多少被广告成本吃掉"衡量（Cost ÷ Sales），两者互为倒数，表达的是同一件事，但视角相反——预算视角习惯看 ROAS，成本控制视角习惯看 ACoS。

2.3 指标的组合使用：如何定位效率问题

单一指标无法回答"投放到底好不好"，但指标组合可以快速定位问题环节（这是原文档未明写、但由其公式结构可直接推导的分析方法）：

• CTR 低 + CVR 正常：问题出在上游——广告创意、出价相关性或关键词匹配；
• CTR 正常 + CVR 低：问题出在中游——落地页体验、商品价格竞争力或详情信息不足；
• CVR 正常 + AOV 低：问题在客单结构——引流商品单价低或缺少捆绑销售（Bundle）；
• ACoS 高：需要拆解为 CPC 高（竞价贵）还是 CVR 低（转化差），再分别对症下药。

其中SPC（Sales ÷ Clicks）是把 CVR 与 AOV 两个环节合二为一的综合指标：SPC = CVR × AOV。它比单独看 CVR 更能反映"每次点击的真实变现能力"，是零售广告分析中用于跨品类、跨词群横向对比时最稳定的归一化指标之一。

3. 关键词分类：品牌词（Brand）与非品牌词（Non-Brand）

原文档第二部分定义了电商搜索广告分析中最重要的一套分类体系：

Brand and non-brand, or unbranded, are the two major segments into which we categorize keywords.

3.1 分类规则

关键细节有两处，必须完整继承：

1. 拼写错误也算品牌词：分类时不能只做精确匹配，需要对品牌名做模糊匹配/编辑距离处理，否则会把高意向流量错划进非品牌桶；
2. 竞品词归入非品牌：竞品品牌名虽然"带品牌属性"，但在分析口径上属于非品牌/通用词，因为它们承载的用户意图是"寻找另一家品牌"。

3.2 两类关键词的效率差异（原文档核心结论）

原文档对两类词的行为差异给出了明确的业务判断，这是本部分最值得背诵的内容：

品牌词（Brand terms）：

• 效率更高，即ACoS 更低；
• 原因：搜索品牌词的用户已经决定了要买什么、向谁买（has already determined what they are looking to purchase and who they are looking to purchase from），购买意愿强烈，转化可能性更高；
• 局限：可用搜索量低于非品牌词，且会蚕食（cannibalize）通过自然（organic）渠道到达并成交的流量——即你可能在为"本来就会自然成交"的订单付费。

非品牌词（Non-brand terms）：

• 用户尚未确定要选择哪个品牌，通常处于购买旅程的较早期，因此CVR 较低；
• 关键事实：非品牌流量通常占据账户绝大部分的搜索（曝光与点击）量（Non-brand traffic constitutes a majority of search volume for accounts），即体量担当；
• 其中竞品搜索词（competitor search terms）转化率最低，因为它们试图改变已经锁定偏好品牌的消费者的决策。

3.3 竞品词的策略定位：用低效换市场

原文档对竞品词的描述很容易被误解为"应该关掉"，但它给出了更完整的业务解读：

Competitor search terms are an effort to change the mind of the consumer, who has already identified a preferred brand, in order to acquire market share. While competitor search terms are usually more inefficient than even average non-brand performance, they serve as a tool to grow market share through acquisition of new customers.

即：竞品词通常比普通非品牌词还要低效（更高 ACoS），但它是通过获取新客来扩大市场份额（market share）的工具。因此竞品词的考核标准不应是"和品牌词一样高效"，而应是"在可接受的 ACoS 预算内带来了多少新客与份额增量"。从数据上看，竞品词的 CVR 最低、ACoS 最高，但其价值在于拉新而非即时变现。

3.4 品牌词的蚕食问题（Cannibalization）

原文档最后一句专门点出品牌词的隐性成本：

While brand terms carry sales volume at a lower ad cost, available volume of searches is lower than non-brand and can cannibalize traffic arriving to purchase through organic methods.

这句话给出品牌词投放的两个边界条件：

1. 搜索量有限：品牌词的体量天花板明显低于非品牌词，不可能靠品牌词撑起整个账户规模；
2. 蚕食风险：当用户已经确定品牌、本来就会通过自然搜索成交时，再对其投放广告，等于为"注定发生的购买"额外付费。因此做品牌词投放决策时，需要对照自然流量占比评估"增量成交 vs 被蚕食成交"，常用的分析口径是增量指标（Incremental / Lift 分析），即对比有广告与无广告场景下的自然成交变化。

4. 实战应用：用配套数据集完成指标与关键词分析

本测试题目录下随附一个分析练习数据集：paid-media-data-set-for-analytical-exercises-2023-1-2.xlsx（文件位于 analytics/teikametrics-analyst/ 目录，与速查文档同目录）。基于速查文档的指标口径，可以在此数据集上完成以下典型分析动作（以下为方法建议，具体字段以打开数据集后的实际结构为准）：

步骤 1：指标口径核对先确认数据集中是否包含 Impressions、Clicks、Cost、Orders、Sales 等原始字段；若只有部分字段，按速查文档公式补算其余指标（如CTR = Clicks / Impressions、ACoS = Cost / Sales），并统一归因口径。

步骤 2：效率指标计算用 SQL 或 Python 计算各维度（如按关键词、按广告组、按品类）的 CTR、CPC、CVR、AOV、SPC、ACoS，建立"指标矩阵"：

-- 示意查询：按关键词聚合计算速查表中的效率指标 SELECT keyword, SUM(impressions) AS impressions, SUM(clicks) AS clicks, SUM(cost) AS cost, SUM(orders) AS orders, SUM(sales) AS sales, SUM(clicks) / NULLIF(SUM(impressions), 0) AS ctr, SUM(cost) / NULLIF(SUM(clicks), 0) AS cpc, SUM(orders) / NULLIF(SUM(clicks), 0) AS cvr, SUM(sales) / NULLIF(SUM(orders), 0) AS aov, SUM(sales) / NULLIF(SUM(clicks), 0) AS spc, SUM(cost) / NULLIF(SUM(sales), 0) AS acos FROM paid_media_metrics GROUP BY keyword ORDER BY SUM(sales) DESC;

（注：NULLIF用于避免除零；实际字段名以数据集为准。）

步骤 3：品牌/非品牌分层按速查文档的分类规则建立关键词标签表——品牌词（含拼写错误）标为brand，其余（含竞品词）标为non_brand——然后对比两个分桶的 CVR 与 ACoS，验证"品牌词 ACoS 更低、CVR 更高，非品牌词占据多数曝光与点击量"的文档结论，并进一步把非品牌桶拆出"竞品词"子类单独观察其低效与拉新属性。

步骤 4：策略结论输出结合 SPC 与 ACoS 给出预算分配建议：品牌词守住效率底线但控制蚕食，非品牌词负责规模与增长，竞品词按可承受 ACoS 上限控制投入、以新客获取为考核目标。

5. 这份文档在仓库中的定位与使用方式

本仓库是 Hexlet 社区维护的真实公司测试题开放目录（详见 AGENTS.md：无应用代码，交付物是各公司的任务说明文档及附件），其中：

• analytics/teikametrics-analyst/README.md 是 Teikametrics 分析师测试题的配套速查表；
• analytics/teikametrics-analyst/paid-media-data-set-for-analytical-exercises-2023-1-2.xlsx 是随附的练习数据集。

仓库按 README.md 的约定只收录题目描述而不收录答案（"Add the assignment description only, never a solution"），因此本文给出的公式重述与分析方法属于通用方法论，具体作答仍需在本地对数据集自行完成计算与验证。

6. 小结：一页纸背后的分析框架

回顾整份速查文档，可以提炼出三层可迁移的分析框架：

1. 统一口径：12 个指标构成"曝光 → 点击 → 订单 → 销售额"的完整漏斗，先定义再计算，避免口径分歧；
2. 效率归一化：ACoS（与 ROAS 互为倒数）作为总效率标尺，CVR/AOV/CPC 作为拆分归因的三块拼图；
3. 关键词分层：品牌词（含拼写错误）与非品牌词（含竞品词）是两大基本盘，前者高转化低量级、需防蚕食，后者大体量低转化、竞品词专司拉新抢份额。

掌握了这套体系，无论面对 Teikametrics 的这道题，还是日常的零售广告账户分析，你都能快速建立从"原始数据"到"策略结论"的完整分析链路。

• 教程