برندهایی که در پلتفرم آمازون تبلیغ میکنند، همواره برای به دست آوردن تصویری جامع از عملکرد کمپینهای خود در کانالهای مختلف با چالش مواجه بودهاند. این چالش عمدتاً ناشی از مدل انتساب آخرین تماس (last-touch attribution) آمازون بود که مانع از ارزیابی دقیق تأثیر تبلیغات بالای قیف فروش، مانند تبلیغات نمایشی از طریق Amazon DSP میشد. آمازون برای حل این مشکل در سال ۲۰۲۱ پلتفرم Amazon Marketing Cloud (AMC) را به عنوان یک محیط امن داده (data clean room) برای رویدادهای تبلیغاتی راهاندازی کرد تا تبلیغدهندگان بتوانند بینشهایی فراتر از آخرین کلیک به دست آورند. با این حال، محدودیت دوره بازنگری دادهها تا اواخر سال ۲۰۲۵ همچنان یک مانع بزرگ برای تحلیلهای بلندمدت بود.
رفع محدودیت ۱۳ ماهه و دسترسی به دادههای ۵ ساله خرید
به طور تاریخی، پلتفرم AMC به یک دوره بازنگری چرخشی ۱۳ ماهه محدود بود. این بدان معنا بود که معیارهای کلیدی مانند نرخ جذب مشتریان جدید (new-to-brand یا NTB) یا ارزش طول عمر مشتری (LTV) تنها خریدهای صورتگرفته در ۱۳ ماه گذشته را ملاک قرار میدادند و خریدهای قدیمیتر در پرسوجوهای AMC نادیده گرفته میشدند. در پاسخ به این مشکل، آمازون در سال ۲۰۲۵ مجموعه داده جدیدی به نام Amazon Retail Purchases را معرفی کرد که دسترسی به دادههای خرید تا پنج سال (۶۰ ماه) را با پرداخت اشتراک ماهانه فراهم میکرد. با این حال، در ژوئن ۲۰۲۶، آمازون این مجموعه داده ارزشمند را تا پایان سال ۲۰۲۶ به صورت رایگان در اختیار تبلیغدهندگان قرار داد.
این تغییر به این معنی است که دادههای کلیدی مربوط به جذب مشتری و ارزش بلندمدت آنها اکنون با تکیه بر تاریخچه کامل خریداران تحلیل میشوند و تصویر بسیار دقیقتری از عملکرد تبلیغات ارائه میدهند. فروشندگانی که به عنوان Vendor در آمازون فعالیت میکنند و پیش از این هیچ راهی برای درک LTV مشتریان خود نداشتند، اکنون میتوانند این معیار را تا سطح تکتک محصولات (SKU) ارزیابی کنند.
کاربردهای استراتژیک دادههای ۵ ساله برای برندها
دسترسی به این کلانداده، تصمیمگیریهای مالی برندها را در زمینه هزینه جذب مشتری (CAC) متحول میکند. برای مثال، برندهای کالاهای مصرفی تندمصرف (CPG) ممکن است متوجه شوند که خرید یک محصول ارزانقیمت در نهایت به خرید محصولات گرانقیمتتر یا بستههای چندتایی (multi-packs) منجر میشود. این بینش به مدیران برند اجازه میدهد تا در اولین خرید مشتری متحمل ضرر شوند و بودجه تبلیغاتی خود را افزایش دهند، چرا که میدانند این مشتری در بلندمدت سودآوری بیشتری خواهد داشت.
علاوه بر این، برای برندهایی با چرخههای خرید طولانیتر، مانند تولیدکنندگان لوازم الکترونیکی مصرفی یا کالاهای لوکس، درک چرخه خرید مجدد و هدفگیری مخاطبان پیش از این بسیار دشوار بود. با دادههای ۵ ساله، این برندها نه تنها میتوانند پنجرههای زمانی ایدهآل خرید مجدد خود را شناسایی کنند، بلکه میتوانند مخاطبانی را برای هدفگیری مجدد در بازههای زمانی مشخص پس از خرید ایجاد کنند. این مخاطبان را میتوان در سراسر شبکه تبلیغاتی آمازون، از جمله Prime Video، تلویزیونهای هوشمند و تبلیغات اسپانسرشده فعال کرد.
بازپسگیری مشتریان ازدسترفته و ادغام دادههای دستاول
یکی دیگر از مزایای بزرگ این مجموعه داده، امکان بازپسگیری مشتریان قدیمی است. ابزارهای سنتی مانند Amazon DSP تنها اجازه ایجاد مخاطبان سفارشی با دوره بازنگری حداکثر ۳۶۵ روزه را میدادند. این بدان معنا بود که اگر برندی مشتری خود را برای بیش از یک سال از دست میداد، راهی برای هدفگیری مجدد او نداشت. اکنون با دادههای ۵ ساله در AMC، برندها میتوانند استراتژیهای بازپسگیری (winback) دقیقی را با تعیین حداقل آستانه LTV یا تمرکز بر خریداران محصولات خاص طراحی و اجرا کنند.
همچنین، برندها میتوانند دادههای دستاول (first-party data) خود را از وبسایتهای فروش مستقیم (DTC) یا فهرستهای ایمیلی به صورت رمزگذاریشده (hashed) به AMC انتقال داده و آنها را با دادههای آمازون ترکیب کنند تا تصویر جامعتری از سفر مشتری در پلتفرمهای مختلف به دست آورند.
تسهیل دسترسی به ابزارهای پیشرفته آمازون
آمازون به مرور زمان دسترسی به AMC را تسهیل کرده است. ابزاری که پیش از این نیازمند تسلط بر زبان برنامهنویسی SQL بود، اکنون از طریق کتابخانهای از پرسوجوها و مخاطبان پیشساخته در دسترس است. همچنین با معرفی قابلیتهای مبتنی بر هوش مصنوعی از طریق دستیار تبلیغاتی آمازون (Amazon Ads Agent)، برندها میتوانند بدون پیچیدگیهای فنی گذشته، از این دادههای ارزشمند برای بهینهسازی استراتژیهای بازاریابی خود در سراسر شبکه گسترده آمازون (شامل Twitch، Whole Foods، Prime Video و پلتفرمهای ثالث مانند Roku و Netflix) استفاده کنند.