Keyword Competition Scoring — 搜索词竞争力量化评分
Skill-Keyword-Competition-Scoring · 13-广告分析
causalexperimentforecastingoptimization广告与投放供应链与补货客服与VOC推荐与搜索WF-A 智能补货WF-B 广告优化WF-C 客服分诊WF-E Review监控WF-F 动态定价WF-G Listing内容优化WF-J DTC 独立站增长
年化 ROI30-120 万元
实现难度⭐⭐☆☆☆
业务优先级⭐⭐⭐⭐⭐
业务视角
适用角色广告优化师 / 投放负责人 · CMO · 运营负责人
适用平台Amazon PPC（SP/SB/SD）· TikTok Ads · Meta 广告 · 多平台归因
什么情况下用广告账户几十个系列，不知道哪个在真正赚钱；ROAS 看起来好看但实际利润没有提升；预算有限想集中打高价值用户
成功是什么样的每分广告预算有明确 ROI 追踪，砍掉低效渠道后同等预算 ROAS 提升 30-50%
业务痛点
1. 解决的问题
广告预算 60% 集中在搜索量大但竞争极高的词（ACOS 45%），高意图低竞争词几乎未投——多维竞争力评分（需求×竞争×转化×出价效率）矩阵重分配预算，ACOS 从 45% 降至 30%，年化增收 30-120 万元
2. 核心算法逻辑
核心思想：传统关键词选择只看搜索量（Search Volume），但搜索量高≠值得投——一个月搜索 10 万次但 1000 个竞品在竞价的词，CPC 极高、ROI 极差。搜索词竞争力评分将搜索词从"单维度（搜索量）"升级为"多维度（搜索量 × 竞争烈度 × 转化潜力 × ROI 预期）"的综合评估体系。
3. 业务应用场景
- 业务问题：某母婴品牌 SP 广告账户有 200+ 关键词，预算 $3 万/月，但 60% 预算集中在"breast pump"等高竞争词（CPC $4+，ACOS 45%），而"electric breast pump rechargeable""wearable breast pump quiet"等高意图低竞争词几乎没有投放。 - 数据要求：关键词列表 + 历史 CPC/点击率/ACOS/搜索量（Helium10 或 Amazon Brand Analytics）。 - 预期产出： - 每个关键词的竞争力评分（0-1）+ 分类（黄金/红海/长尾/陷阱） - 预算重分配建议（黄金词加码，
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- ROI 预估：同等预算 ACOS 降低 10-15pp，广告收益提升 25-40%，月预算 $3 万 = 年化节省/增收 30-120 万元
- 实施难度：⭐⭐☆☆☆（低，数据来自 Amazon Brand Analytics 或 Helium10）
- 优先级：⭐⭐⭐⭐⭐（广告是母婴跨境最大单项成本，关键词质量直接决定 ACOS）
- 评估依据：实战验证框架，与 Amazon 广告团队 ACOS 优化案例对齐
7. 代码模板
代码块数量：3 · 路径：未检测到
from dataclasses import dataclass
from typing import List, Dict
@dataclass
class KeywordData:
keyword: str
search_volume: float
cpc_usd: float
click_rate: float
conversion_rate: float
competitor_count: int
avg_competitor_reviews: int
aov_usd: float
is_brand_word: bool = False
competitor_bidding: bool = False
def compute_keyword_score(kw: KeywordData, max_search_volume: float = 100000) -> Dict:
demand = min(1.0, kw.search_volume / max_search_volume)
review_barrier = min(1.0, kw.avg_competitor_reviews / 2000)
ad_density = min(1.0, kw.competitor_count / 50)
competition = 0.5 * review_barrier + 0.5 * ad_density
conversion_potential = min(1.0, kw.click_rate * kw.conversion_rate * 20)
bid_efficiency = max(0.0, 1 - (kw.cpc_usd * 100 / max(kw.aov_usd, 1)))
brand_defense = 0.8 if kw.is_brand_word else (0.4 if kw.competitor_bidding else 0.1)
score = (0.25 * demand + 0.30 * (1 - competition) + 0.20 * conversion_potential
+ 0.15 * bid_efficiency + 0.10 * brand_defense)
if demand >= 0.5 and competition <= 0.4:
category = "🎯 黄金词"
action = "加大预算，广泛+精准双覆盖"
elif demand >= 0.5 and competition > 0.6:
category = "⚔️ 红海词"
action = "精准匹配控成本，设置CPC上限"
elif demand < 0.3 and competition <= 0.4:
category = "💎 长尾词"
action = "自动广告覆盖，低预算长期投放"
else:
category = "🚫 陷阱词"
action = "暂停或排除负匹配"
estimated_acos = (kw.cpc_usd / (kw.conversion_rate * kw.aov_usd)) if kw.conversion_rate > 0 else 99.0
return {"keyword": kw.keyword, "score": round(score, 3), "category": category,
"action": action, "demand": round(demand, 3), "competition": round(competition, 3),
"estimated_acos_pct": round(estimated_acos * 100, 1)}
def rank_keywords(keywords: List[KeywordData]) -> List[Dict]:
max_vol = max(k.search_volume for k in keywords)
results = [compute_keyword_score(k, max_vol) for k in keywords]
return sorted(results, key=lambda x: -x["score"])
keywords = [
KeywordData("breast pump", 95000, 4.20, 0.04, 0.08, 120, 3500, 89.99),
KeywordData("electric breast pump rechargeable", 18000, 1.80, 0.07, 0.12, 35, 800, 89.99),
KeywordData("wearable breast pump quiet", 12000, 1.50, 0.09, 0.15, 20, 400, 99.99),
KeywordData("Momcozy breast pump", 8000, 0.80, 0.15, 0.25, 5, 200, 89.99, True, True),
KeywordData("cheap breast pump", 45000, 3.50, 0.03, 0.04, 200, 5000, 89.99),
]
ranked = rank_keywords(keywords)
print(f"{'关键词':35s} {'评分':6s} {'分类':12s} {'ACOS%':8s} 建议")
print("-" * 90)
for r in ranked:
print(f"{r['keyword']:35s} {r['score']:6.3f} {r['category']:12s} {r['estimated_acos_pct']:7.1f}% {r['action']}")8. 论文来源
未自动抽取；请查看原始 Skill 卡片。