AMC-Playbook: Keyword Clustering
Kurz gesagt: Keyword Clustering gruppiert Suchbegriffe danach, auf welche Produkte (ASINs) sie Traffic und Umsatz bringen. Das Playbook liest Suchbegriff und gekauften Artikel aus den AMC-Conversion-Tabellen, bildet in Python Cluster, wo sich ASINs überlappen, und filtert nach der 80-20-Regel die wichtigsten Cluster heraus.
Worum es geht
Das Prinzip: Bestimmte Suchbegriffe führen verlässlich zum Kauf bestimmter Produkte. Ordnet man sie in Gruppen, werden große Keyword-Portfolios handhabbar, Kampagnen relevanter und das Budget lässt sich gezielter vergeben. Das Playbook gilt für Sponsored Products und Sponsored Brands.
Die Abfrage aggregiert KPIs nach customer_search_term und dem gekauften Artikel (tracked_item) sowie Dimensionen wie dem Marktplatz.
Welche Fragen das Playbook beantwortet
- Welche Suchbegriffe führen zu denselben umsatzstarken ASINs?
- Wie ordnet man große Keyword-Portfolios in handhabbare Gruppen?
- Welche Cluster verdienen den größten Budgetanteil?
Ablauf
- Daten aus AMC holen: Conversion-Tabellen mit Suchbegriff und gekauftem Artikel, über den Workflow Manager.
- Keywords in Amazon SageMaker clustern: Beginn beim relevantesten Keyword, Zusammenfassen von Keywords, deren ASINs über einer Schwelle überlappen, bis alle gruppiert sind.
- Analysieren mit Streudiagrammen und der 80-20-Regel, weniger relevante Cluster ausfiltern.
- Angereicherte Daten hochladen und in Maßnahmen umsetzen.
Voraussetzungen laut Amazon
- AMC-Konzepte, AMC-SQL und AWS-Grundlagen, genannt wird Amazon SageMaker.
- Gute Python-Kenntnisse sowie Grundverständnis von Clustering-Verfahren wie K-Means oder hierarchischem Clustering.
Unsere Einordnung
Die Schwelle für „überlappende ASINs" ist eine Wahl, keine Naturkonstante. Bei der Auswertung lohnt sich ein Blick darauf, wie sich die Clusterzahl ändert, wenn man die Schwelle verschiebt.
Amazon dokumentiert die Playbooks nur englisch und technisch, mit SQL und Python. Diese Seite fasst zusammen, was das Playbook leistet; die Abfragen und Skripte stehen im Original.