AMC で広告横断の顧客行動を分析する

このページでは、ACoS / ROAS だけでは見えない「顧客 1 人あたりいくら稼いでくれているか」「広告で増えた顧客が何ヶ月後も買ってくれているか」「飽和してきたキャンペーンはどれか」を、Amazon Marketing Cloud (AMC) のデータで分解できます。SP / SB / SD / DSP を横断した顧客ベースの分析と、ASIN ポートフォリオ・キャンペーン判断・予算配分まで踏み込みます。

このページの基本情報

項目	内容
このページでできること	AMC のデータから、LTV / CAC / NTB / 継続率 / 広告タイプ別アトリビューションを顧客視点で分解し、ASIN ポートフォリオ・キャンペーン判断・予算配分の材料を一覧化する。あわせて AMC コンソール用の SQL クエリも生成する
対象	AMC（Amazon Marketing Cloud）。SP / SB / SD / DSP を横断し、広告に接触した顧客を 顧客単位 で分析します
必要なデータ・接続	AMC インスタンスの連携が必要。集計対象は 100 ユーザー以上のセグメントに限定（AMC のプライバシー保護仕様）。対象が少ない期間 / ASIN / キャンペーンは「集計不可」で返ります
実行範囲	大半は分析のみ（読み取り専用）。プロンプト 14・15 は AMC コンソールで実行する SQL クエリの生成のみ（Picaro が AMC 上で SQL を実行することはありません）。いずれも広告設定は変更しません

このページで使う言葉

• AMC（Amazon Marketing Cloud）… Amazon の分析環境。SP / SB / SD / DSP を横断し、広告に接触した顧客を顧客単位で分析できる。
• LTV（顧客生涯価値, Customer Lifetime Value）… 1 人の顧客が生涯にもたらす売上。CLTV も同じ意味で使う。
• CAC（顧客獲得単価）… 顧客 1 人を獲得するのにかかったコスト。新規顧客だけに絞ったものを NTB CAC と呼ぶ。
• NTB（新規ブランド顧客, New-to-Brand）… 過去一定期間に自社ブランドを買っていなかった新規の顧客。
• ブランドハロー（ブランドハロー効果）… 広告でクリックされた ASIN 以外の、同一ブランド商品への波及売上。
• 真の ROAS … ブランドハロー込みで計算した ROAS（広告経由売上 ÷ 広告費）。広告クリック ASIN だけの ROAS より高く出ることが多い。
• 再購入率 … 一度買った顧客が再び購入する割合。
• M+1 / M+3 / M+6 … 初回購入から 1 / 3 / 6 ヶ月後の時点。継続率・リテンションの計測ポイント。
• ACoS … 広告費用対売上高比率。広告費 ÷ 広告経由売上。低いほど効率がよい。

AMC 分析と Amazon DSP 分析の使い分け

AMC では、SP / SB / SD / DSP を横断し、広告に接触した顧客の獲得・再購入・LTV・NTB・ブランドハローなどを 顧客単位 で分析します。

DSP のオーダーやラインアイテム単位で配信実績を確認したい場合は、Amazon DSP の配信実績を分析する を使用してください。

AMC が便利な理由

通常の広告レポートは「キャンペーン視点」ですが、AMC は同じ顧客を SP / SB / SD / DSP 横断で追えるので「顧客視点」での分析ができます。LTV / CAC / 獲得月別の継続率のような月をまたいだ指標は AMC でしか出せません。

こんな時に使います

• 顧客 1 人あたりの LTV / CAC / 真の ROAS（ブランドハロー込み）を出したい
• ブランドハロー効果（広告対象以外の同一ブランド商品への波及売上）の寄与度を分解したい
• ブランド全体の月次ヘルスチェック（NTB 比率 / 再購入率 / LTV:CAC の推移）を見たい
• ASIN を役割別（新規獲得 / リピート維持 / 縮小・撤退の検討）に振り分けたい
• 獲得月別に新規顧客グループの継続率と LTV の伸びを見たい
• 広告タイプ（SP / SB / SD / DSP）別に NTB 獲得力・CAC を比較して予算配分を決めたい
• 飽和・逓減しているキャンペーンを早期に見つけたい
• AMC コンソールで実行する SQL クエリを作りたい

実行前に確認すること

• 接続先のアカウントと AMC インスタンス … 対象アカウントに AMC インスタンスが連携済みか確認します。ダッシュボード利用者は接続済みアカウントを選ぶだけで動きますが、MCP 利用者は接続設定で AMC インスタンスの紐付けが必要です。
• 対象期間 … 「過去 90 日」「2026-Q1」など。LTV や継続率など月をまたぐ指標は 30 日以上（獲得月別の継続率は 6 ヶ月以上）を推奨します。当日・前日は未確定のことがあるため、確定済みの直近期間が安全です。
• 100 ユーザー以上の条件 … 集計対象は 100 ユーザー以上のセグメントに限定されます（AMC のプライバシー保護仕様）。対象が少ない期間 / ASIN / キャンペーンは「集計不可」として返ります。これは仕様であり制限ではありません。
• プロンプト 14・15 は実行範囲が異なる … この 2 つは AMC コンソールで実行する SQL クエリを生成するだけです。Picaro が AMC 上で任意の SQL を実行することはありません。

プロンプト早見表

やりたいこと	分かること・作られるもの	設定変更	プロンプト
顧客 1 人あたりの LTV / CAC / 真の ROAS を出す	顧客数・売上・CAC・LTV（ハローあり / なし）・再購入率・LTV:CAC 比の表	分析のみ	プロンプト 1
ブランドハロー効果の寄与度を分解する	売上・LTV 構成比とブランドハロー受益 ASIN ランキング	分析のみ	プロンプト 2
ブランド全体の月次ヘルスチェックを見る	月次 NTB 比率・再購入率・CAC・LTV・LTV:CAC 比とトレンド判定	分析のみ	プロンプト 3
ASIN 別の NTB（新規顧客）獲得力を見る	ASIN 別 NTB 比率・広告費・ACoS と拡大 / 縮小ラベル	分析のみ	プロンプト 4
ASIN を役割別（新規獲得 / リピート維持 / 縮小検討）に振り分ける	ASIN の 3 カテゴリ分類と予算配分の見直し案	分析のみ	プロンプト 5
獲得月別に新規顧客グループの継続率と LTV を見る	獲得月別グループの継続率・LTV とトレンド判定	分析のみ	プロンプト 6
購入後のリテンションファネルを見る	M+1 / M+3 / M+6 の残存率とキャンペーン別の定着判定	分析のみ	プロンプト 7
広告タイプ別の NTB 獲得力と売上を比較する	広告タイプ別 NTB 比率・CAC・ROAS と予算配分の推奨	分析のみ	プロンプト 8
NTB CAC が最も低い広告タイプに予算シフト案を出す	シフト元 / 先・想定 NTB 増加数・リスク注記の表	分析のみ	プロンプト 9
広告タイプ別の M+1 戻り率（顧客の質）を比較する	広告タイプ別の戻り率と定着型 / フラッシュ型の分類	分析のみ	プロンプト 10
キャンペーン別アトリビューションの月次推移を見る	キャンペーン × 月の推移と拡大 / 飽和 / 縮小の 3 分類	分析のみ	プロンプト 11
飽和 / 逓減傾向のキャンペーンを早期検出する	飽和兆候つきキャンペーンと打ち手案の表	分析のみ	プロンプト 12
顧客数と売上が乖離しているキャンペーンを特定する	客数 / 売上 / バスケットサイズの変化率と原因仮説	分析のみ	プロンプト 13
CLTV 分析クエリを生成する（AMC コンソールで実行）	AMC コンソール用 SQL + 想定結果スキーマ + 実行手順	SQL 生成のみ	プロンプト 14
ASIN × キャンペーンタイプ別に ACoS を比較するクエリを生成する	AMC コンソール用 SQL + 想定結果スキーマ	SQL 生成のみ	プロンプト 15

このページは分析・クエリ生成まで

早見表の「設定変更」がすべて「分析のみ」または「SQL 生成のみ」であるとおり、このページは広告設定を変更しません。プロンプト 14・15 で生成した SQL は、ユーザーが AMC コンソールで実行します。詳細仕様は 自動化フェーズ / 困ったとき を参照してください。

---

基礎指標を分析する

まず全体像から。顧客 1 人あたりの採算（LTV / CAC / 真の ROAS）と、ブランド全体の健康状態をつかみます。

プロンプト 1: 顧客 LTV / CAC / 真の ROAS を計算する

広告経由で獲得した顧客 1 人あたりの LTV（顧客生涯価値）、CAC（顧客獲得単価）、再購入率、ブランドハロー込みの ROAS を計算します。「広告でクリックされた ASIN」だけでなく、その顧客が同一ブランド内で買った他 ASIN（ブランドハロー効果 = 広告対象 ASIN 以外の同一ブランド商品への波及売上）も売上に含めるかどうかで 2 通りの数字を返します。

こんな時に使う — 広告の採算を、ACoS ではなく顧客 1 人あたりの生涯価値と獲得コストで捉えたいとき。

実行前に必要な情報 — 対象期間（既定は過去 90 日）。

過去 90 日の AMC データで、広告経由顧客の
LTV（顧客生涯価値）/ CAC（顧客獲得コスト）/ 再購入率 / 真の ROAS（ブランドハロー込み）を出して。
広告クリック ASIN のみの数字（ブランドハローなし）と、
ブランド全体（ブランドハロー込み）を両方並べて、
LTV : CAC 比が健全か判定して。

変更できる条件 — 対象期間（例: 過去 90 日、2026-Q1。長期トレンドを見るため 30 日以上を推奨）。

返ってくる内容 — 顧客数・総売上・広告由来 ASIN 売上・ブランドハロー込み売上・CAC・LTV（ブランドハローあり / なし）・再購入率・ROAS・LTV:CAC 比をまとめた表。LTV:CAC 比が健全水準（3 倍以上）に達しているかの判定コメントも付きます。

このプロンプトで AI がやること

1. 過去 90 日の AMC データを集計し、広告に接触した顧客を抽出
2. 顧客 1 人あたりの売上を「広告クリック ASIN のみ」と「ブランド全体（ブランドハロー込み）」の 2 通りで算出
3. 同期間の広告費を顧客数で割って CAC を算出
4. LTV ÷ CAC を計算し、健全性（3 倍以上が目安）をコメント
5. 100 ユニーク顧客に満たないセグメントは AMC 仕様により「集計不可」として除外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 顧客視点の戦略判断につなげるなら 広告戦略を立案する、結果のレポート化は 報告書を作る を使います。

---

プロンプト 2: ブランドハロー効果の寄与度を分解する

広告でクリックされた ASIN だけでなく、同じ顧客が買った同一ブランド内の他 ASIN（ブランドハロー効果 = 広告対象 ASIN 以外の同一ブランド商品への波及売上）の売上寄与を分解します。「広告予算を効率化したつもりが、実は別 ASIN が裏で売れていた」という構造を可視化します。

こんな時に使う — 広告クリック ASIN 以外にどれだけ波及売上が立っているか、その受益 ASIN はどれかを知りたいとき。

実行前に必要な情報 — 対象期間（既定は過去 90 日）。

過去 90 日の AMC データで、広告経由顧客の購入を
「広告クリック ASIN」と「ブランドハロー（同一ブランド内の他 ASIN）」に分解して。
売上構成比 / LTV 構成比 / ブランドハロー寄与上位 ASIN を出して。
ブランドハロー比率が高い場合、どの ASIN がブランドハロー受益者に
なっているかも併記。

変更できる条件 — 対象期間。

返ってくる内容 — 売上構成（広告クリック ASIN / ブランドハロー）の比率・LTV 構成比・ブランドハロー受益 ASIN ランキング。ブランドハロー比率が一般的な水準（30〜50%）と比べてどうかの判定コメント付き。

このプロンプトで AI がやること

1. 広告経由顧客を抽出し、各顧客の購入を「広告クリック ASIN」と「同一ブランド内の他 ASIN」に分類
2. 売上構成比と LTV 構成比を 2 区分で算出
3. ブランドハロー受益 ASIN を売上順でランク化
4. ブランドハロー比率が想定外に高い / 低い場合は、その意味（ブランド忠誠 / 単発購入）を解説
5. 100 ユニーク未満のセグメントは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 受益 ASIN を役割で仕分けたいときは プロンプト 5、結果のレポート化は 報告書を作る を使います。

---

プロンプト 3: ブランド獲得の月次ヘルスチェック

「今月のブランド全体は健康か？」を 1 枚で見るためのダッシュボード。NTB 比率 / 再購入率 / LTV:CAC の月次推移を並べ、悪化指標を 1 つ警告します。

こんな時に使う — ブランド全体の健全性を毎月同じ指標でモニタリングしたいとき。

実行前に必要な情報 — 対象期間（既定は過去 6 ヶ月）。

過去 6 ヶ月の AMC データで、ブランド全体の月次ヘルスチェックを出して。
月ごとに NTB 比率（新規顧客の割合、ユニーク顧客ベース）・再購入率・CAC・LTV・LTV:CAC 比 を並べた表で。
各指標について「改善 / 横ばい / 悪化」を判定し、
注意すべき指標を 1 つ挙げて。

変更できる条件 — 対象期間（例: 過去 12 ヶ月のように長めに。トレンドを見るには 3 ヶ月以上を推奨）。

返ってくる内容 — 月ごとの NTB 比率・再購入率・CAC・LTV・LTV:CAC 比 の表に、トレンド判定（改善 / 横ばい / 悪化）と最も注意すべき指標のサマリーが付きます。

このプロンプトで AI がやること

1. 月単位で AMC データを集計
2. NTB 比率 / 再購入率 / CAC / LTV を月別に計算
3. 各指標の月次トレンド方向を判定
4. LTV:CAC 比のトレンドから総合健全性を判定
5. 最も悪化している指標を 1 つ抽出し警告
6. 100 ユニーク未満の月セルは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 月次レポートに組み込むときは 報告書を作る を使います。

---

ASIN ポートフォリオを判断する

どの ASIN が新規顧客を連れてくるか、どの ASIN を絞るべきかを、商品単位で仕分けます。

プロンプト 4: ASIN 別の NTB（新規顧客）獲得力を見る

ASIN 単位で「新規顧客（NTB: New-to-Brand）を何人連れてきたか」「そのうち広告費に見合っているか」を分解します。新規顧客の獲得とリピーターの維持のどちらに強い ASIN かを判断できます。

こんな時に使う — 広告を絞る候補と拡大する候補を、新規顧客の獲得力で見極めたいとき。

実行前に必要な情報 — 対象期間（既定は過去 30 日）。

過去 30 日の AMC データで、SP / SB / SD 広告の
ASIN 別 NTB（新規顧客）パフォーマンスを出して。
ASIN ごとに 総購入数・NTB 購入数・NTB 比率・広告由来売上・広告費・ACoS を並べた表で。
NTB の獲得効率が悪い ASIN（広告を絞るべき候補）と、
NTB 比率が高く拡大余地がある上位 10 ASIN を分けて提示して。

変更できる条件 — 対象期間（例: 過去 30 日、先月）。

返ってくる内容 — ASIN ごとの 総購入数・NTB 購入数・ユニーク顧客数・NTB ユニーク顧客数・NTB 比率・広告由来売上・広告費・ACoS の表。「縮小推奨」「拡大推奨」のラベル付き。

このプロンプトで AI がやること

1. AMC データから ASIN 別の購入数と新規顧客数を抽出
2. NTB 比率（NTB 顧客 ÷ 全顧客）と NTB あたりの広告費を算出
3. NTB 獲得効率（NTB ÷ 広告費）で ASIN をランク付け
4. 上位 10 ASIN（拡大余地）と下位（縮小推奨）を分けて提示
5. 100 ユニーク顧客未満の ASIN は AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — ASIN の分類ルールを整えるには ラベルと命名ルールで広告を分類する、役割別の仕分けは プロンプト 5 を使います。

---

プロンプト 5: ASIN を役割別に振り分ける（新規獲得 / リピート維持 / 縮小・撤退の検討）

各 ASIN を「新規顧客の獲得に強い ASIN」「リピーターの維持に貢献している ASIN」「ROI が悪く、縮小・停止・撤退の検討対象となる ASIN」の 3 カテゴリに分類します。ASIN ポートフォリオ全体の役割整理に使います。3 つ目のカテゴリは「即時停止すべき ASIN」ではなく、データを根拠に縮小・停止・撤退を 検討する候補 です。

こんな時に使う — ASIN ポートフォリオ全体の役割を整理し、予算配分の方針を立てたいとき。

実行前に必要な情報 — 対象期間（既定は過去 90 日）。

過去 90 日の AMC データで、SP / SB / SD で広告配信中の ASIN を
「新規顧客の獲得に強い ASIN」「リピーターの維持に貢献している ASIN」
「ROI が悪く、縮小・停止・撤退の検討対象となる ASIN」の 3 カテゴリに分類して。
分類基準（NTB 比率 / 広告 ROI / リピート購入数）を明示し、
各カテゴリの上位 5 ASIN とその指標を併記。
予算配分の見直し案を提示して。

変更できる条件 — 対象期間（季節要因を吸収するため 90 日以上を推奨）。

返ってくる内容 — ASIN ごとの カテゴリ・NTB 比率・広告 ROI・リピート購入数・推奨アクションの表。各カテゴリの上位 5 ASIN リストと予算配分の見直し案も付きます。

このプロンプトで AI がやること

1. ASIN 別に NTB 比率 / 広告 ROI / リピート購入数を抽出
2. 3 軸スコアで 3 カテゴリに自動分類（基準は明示してから判定）
3. 各カテゴリの上位 5 ASIN を抽出
4. 予算をどの ASIN グループに振るべきかの方針を提案
5. 100 ユニーク未満の ASIN は AMC 仕様により集計対象外

設定変更 — 分析・提案のみ（読み取り専用）。広告設定は変更しません。

次にすること — 予算配分の具体案づくりは 広告戦略を立案する、結果のレポート化は 報告書を作る を使います。

---

獲得月別の継続率を分析する

一度買った顧客がその後も買い続けているかを、獲得した月ごと・経過月ごとに追います。

プロンプト 6: 獲得月別に新規顧客グループの継続率と LTV を見る

「同じ月に初めて買ってくれた新規顧客」をひとつのグループとして扱い、その後の M+1 / M+3 / M+6 でどれだけ買い続けているかを獲得月ごとに集計します。「最近獲得した顧客のほうが定着率が高いのか / 低いのか」「いつ離反するか」が可視化できます。

こんな時に使う — 獲得時期ごとに顧客の定着ぐあいが変わっているか、月次トレンドで確かめたいとき。

実行前に必要な情報 — 対象期間（既定は過去 12 ヶ月）。

過去 12 ヶ月の AMC データで、獲得月別の新規顧客グループの継続率と LTV を出して。
獲得月ごとに グループサイズ（顧客数）・初購入の 1 / 3 / 6 ヶ月後の売上・グループ別 LTV を並べた表で。
最近獲得した顧客のほうが定着率が高くなっているか、月次トレンドを判定して。

変更できる条件 — 対象期間（例: 2025-04 から 2026-03。獲得月別の推移を見るには 6 ヶ月以上を推奨）。

返ってくる内容 — 獲得月ごとの グループサイズ・初購入の 1 / 3 / 6 ヶ月後の売上・グループ別 LTV と月次トレンド判定。グループサイズが 100 顧客未満の月は AMC 仕様により表示されません。

このプロンプトで AI がやること

1. 獲得月ごとに「広告経由で初購入した新規顧客」をグループ化
2. 各グループが M+1 / M+3 / M+6 にどれだけ売上を生んだかを集計
3. 月をまたいだグループ別 LTV の推移をトレンド化（改善 / 悪化 / 横ばい）
4. 100 ユニーク未満のグループは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 経過月ごとの残存率をキャンペーン別に見たいときは プロンプト 7、レポート化は 報告書を作る を使います。

---

プロンプト 7: 購入後のリテンションファネルを見る

「初回購入から N ヶ月後に何 % の顧客が戻ってきたか」をスロット別（M+1 / M+3 / M+6 など）で集計します。獲得キャンペーンで分けることで「どのキャンペーンが定着しやすい顧客を連れてきたか」も判定できます。

こんな時に使う — 顧客がどの時点で離脱しやすいか、どの獲得キャンペーンが定着しやすい顧客を連れてくるかを見たいとき。

実行前に必要な情報 — 対象期間（既定は過去 6 ヶ月）。

過去 6 ヶ月の AMC データで、購入後のリテンションファネルを出して。
初購入から 1 / 3 / 6 ヶ月後ごとに 残存顧客数・残存率・平均再購入間隔 を並べた表で。
獲得キャンペーン別に分けて、定着しやすい顧客を連れてくる
キャンペーンとそうでないキャンペーンを判定して。

変更できる条件 — 対象期間（例: 2025-10 以降）／獲得キャンペーン別に分けるか 全体のみ で見るか。

返ってくる内容 — 初購入からの経過月ごとの 残存顧客数・残存率・平均再購入間隔 の表。キャンペーン別に分けたときは「定着しやすい / しにくい」のラベル付きで上位・下位を提示します。

このプロンプトで AI がやること

1. AMC データから初回購入顧客を抽出
2. スロット（M+1 / M+3 / M+6 など）ごとに再購入の有無を集計
3. 残存率カーブ（離脱ポイント）を可視化
4. キャンペーン別指定時は獲得経路ごとに集計し、定着率の差をランク付け
5. 100 ユニーク未満のセグメントは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 定着しやすい広告タイプを比べたいときは プロンプト 10、レポート化は 報告書を作る を使います。

---

広告タイプ別に比較する

SP / SB / SD / DSP のどれが効率よく新規顧客を連れてくるかを比べ、予算配分の判断材料にします。

プロンプト 8: 広告タイプ別の NTB 獲得力と売上を比較する

SP / SB / SD / DSP の広告タイプごとに「何人の購入者を連れてきたか」「そのうち NTB 比率はどれか」「広告由来売上はいくらか」を比較します。広告タイプ間の予算移動の判断材料になります。

こんな時に使う — どの広告タイプが効率よく新規顧客を連れてくるかを比べ、予算の振り先を決めたいとき。

実行前に必要な情報 — 対象期間（既定は過去 30 日）。

過去 30 日の AMC データで、広告タイプ（SP / SB / SD / DSP）別に
購入者数・広告由来売上・NTB 比率・NTB 1 人あたり CAC・NTB ROAS を出して。
予算をどの広告タイプに振るべきか、NTB 獲得効率で判定して。

変更できる条件 — 対象期間（例: 過去 30 日、先月）。

返ってくる内容 — 広告タイプごとの 購入者数・広告由来売上・NTB 比率・NTB 1 人あたり CAC・NTB ROAS の表と予算配分の推奨。DSP を配信していないアカウントでは SP / SB / SD のみで返ってきます。

このプロンプトで AI がやること

1. AMC データを広告タイプ別に分けて購入者と売上を集計
2. NTB 比率と NTB 単位 CAC を算出
3. NTB ROAS（NTB 売上 ÷ 広告費）で広告タイプをランク付け
4. 予算配分が偏っていないか（特定タイプへの過集中）をチェック
5. 100 ユニーク未満の広告タイプは AMC 仕様により集計対象外

設定変更 — 分析・提案のみ（読み取り専用）。広告設定は変更しません。

次にすること — 具体的な予算シフト案は プロンプト 9、戦略レベルの配分は 広告戦略を立案する を使います。

---

プロンプト 9: NTB CAC 最低の広告タイプに予算シフト案を出す

広告タイプ間で NTB 1 人あたりの獲得コスト（CAC）を比較し、最も効率の良いタイプに予算をシフトする具体案を出します。「シフト元 / シフト先 / 想定 NTB 増加数」までを提示します。

こんな時に使う — 広告タイプ間で予算を移し替える具体案（金額・想定効果・リスク）がほしいとき。

実行前に必要な情報 — 対象期間（既定は過去 30 日）、シフトする予算額（例: 50 万円）。

過去 30 日の AMC データで、SP / SB / SD / DSP の
NTB 1 人あたり CAC を比較して。
予算 50 万円を CAC 最低タイプにシフトした場合の
想定 NTB 増加数と、CAC 最高タイプから引き出すべき金額を提示。
シフトに伴うリスク（規模の天井 / 飽和兆候）も併記。

変更できる条件 — 対象期間／シフト額（例: 50 万円。現状の 10% のように割合で指定も可）。

返ってくる内容 — 広告タイプごとの NTB CAC・シフト元 / 先・想定 NTB 増加数・リスク注記 の表。DSP を配信していないアカウントでは SP / SB / SD のみで比較・シフト案が組まれます。

このプロンプトで AI がやること

1. 広告タイプ別に NTB CAC を算出
2. 最低 CAC と最高 CAC タイプを特定
3. 指定した予算（例: 50 万円）を最低 CAC タイプにシフトした場合の NTB 増加数を、現状の CAC を用いて線形に試算
4. シフトに伴うリスク（規模の天井 / 飽和兆候 / 季節要因）も併記
5. 100 ユニーク未満の広告タイプは AMC 仕様により集計対象外

設定変更 — 分析・提案のみ（読み取り専用）。シフト案を作るだけで、予算は変更しません。

次にすること — 予算配分の実行は 広告戦略を立案する で配分案に落とし込んでから、各広告タイプの承認フローで反映します。

---

プロンプト 10: 広告タイプ別の M+1 戻り率（定着率）を比較する

「どの広告タイプが定着しやすい顧客を連れてくるか」を 1 ヶ月後の戻り率で比較します。NTB 数だけでは見えない “顧客の質” を測ります。

こんな時に使う — 新規獲得数だけでなく、連れてきた顧客が定着するかどうか（顧客の質）で広告タイプを比べたいとき。

実行前に必要な情報 — 対象期間（既定は過去 90 日。1 ヶ月後の戻りを見るには最低 2 ヶ月分のデータ）。

過去 90 日の AMC データで、SP / SB / SD / DSP 経由で獲得した
NTB 顧客の 1 ヶ月後の戻り率を比較して。
広告タイプごとに NTB 獲得数・1 ヶ月後に戻った顧客数・戻り率・顧客の質を表す指標 を並べた表で。
定着しやすい顧客を連れてくる広告タイプを判定して。

変更できる条件 — 対象期間（1 ヶ月後の戻りを見るには最低 2 ヶ月分のデータが必要）。

返ってくる内容 — 広告タイプごとの NTB 獲得数・1 ヶ月後の戻り数・戻り率に、「定着型」「フラッシュ型」の分類が付きます。DSP を配信していないアカウントでは SP / SB / SD のみで返ってきます。

このプロンプトで AI がやること

1. 広告タイプ別に NTB 顧客を抽出
2. 各 NTB が M+1 までに 2 回目購入したかを判定
3. 戻り率を広告タイプ別にランク付け
4. 「定着型（戻り率高）」「フラッシュ型（戻り率低）」を分類
5. 100 ユニーク未満の広告タイプは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 定着型が多い広告タイプへの予算配分は 広告戦略を立案する、レポート化は 報告書を作る を使います。

---

キャンペーンの兆候をつかむ

伸びているキャンペーンと、飽和・失速しはじめたキャンペーンを、月次の動きから早めに見分けます。

プロンプト 11: キャンペーン別アトリビューションの月次推移を見る

キャンペーン単位で「月次の購入者数 / 売上 / NTB 比率」がどう推移しているかを集計します。「伸びているキャンペーン」「飽和しているキャンペーン」「縮小・撤退の検討対象」を仕分けできます。

こんな時に使う — キャンペーンごとの伸び・飽和・失速を月次推移で俯瞰し、拡大 / 縮小の方針を決めたいとき。

実行前に必要な情報 — 対象期間（既定は過去 6 ヶ月）。

過去 6 ヶ月の AMC データで、キャンペーン × 月別の
購入者数・広告由来売上・NTB 比率 の推移を出して。
拡大推奨 / 飽和 / 縮小・撤退検討 の 3 カテゴリにキャンペーンを分類して、
広告費あたりの NTB 獲得効率が良い上位キャンペーンを併記して。

変更できる条件 — 対象期間（例: 2025-12 以降。トレンド判定には 3 ヶ月以上を推奨）。

返ってくる内容 — キャンペーン × 月ごとの 購入者数・広告由来売上・NTB 比率 の表に、「拡大推奨」「飽和」「縮小・撤退検討」の分類と、広告費あたりの NTB 獲得効率の上位ランキングが付きます。

このプロンプトで AI がやること

1. キャンペーン × 月単位で AMC データを集計
2. 購入者数と売上の月次伸び率からトレンドを判定
3. NTB 比率の推移で「NTB が枯渇しているか」を判定
4. 月次推移パターンから「拡大推奨 / 飽和 / 縮小・撤退検討」を仕分け
5. 100 ユニーク未満のキャンペーン × 月のセルは AMC 仕様により集計対象外

設定変更 — 分析・提案のみ（読み取り専用）。広告設定は変更しません。

次にすること — 悪化兆候のキャンペーンだけを絞り込むには プロンプト 12、レポート化は 報告書を作る を使います。

---

プロンプト 12: 飽和 / 逓減傾向のキャンペーンを早期検出する

NTB 比率の減少 / CPA の上昇 / 売上の頭打ちなど「飽和の兆候」を月次で検出し、予算引き締めや新規キーワード追加のシグナルにします。プロンプト 11 が網羅的なのに対し、こちらは “悪化兆候のキャンペーン” だけを抽出する警告版です。

こんな時に使う — 全キャンペーンの中から、飽和・失速の兆候が出ているものだけを警告として拾いたいとき。

実行前に必要な情報 — 対象期間（既定は過去 6 ヶ月。トレンド判定には最低 3 ヶ月分の連続データ）。

最低 3 ヶ月のデータが必要

月次トレンド判定（減少率 / 上昇率 / 頭打ち）には少なくとも 3 ヶ月分の連続データが必要です。3 ヶ月未満のキャンペーンは「判定保留」として返却されます。

過去 6 ヶ月の AMC データで、飽和 / 逓減傾向のキャンペーンを早期検出して。
NTB 比率の減少率 / CPA 上昇率 / 売上頭打ち を月次で確認し、
「飽和兆候 2 つ以上」のキャンペーンを警告対象としてリスト化。
打ち手案（予算引き締め / 新規キーワード追加 / ターゲット拡張）を併記。

変更できる条件 — 対象期間（トレンド判定には最低 3 ヶ月分のデータが必要）。

返ってくる内容 — キャンペーンごとの 飽和兆候の数・主要な悪化指標・月次トレンド・推奨する打ち手 の表。3 ヶ月未満のキャンペーンは「判定保留」セクションに別途リスト化されます。

このプロンプトで AI がやること

1. キャンペーン × 月単位で NTB 比率 / CPA / 売上の月次変化を算出
2. それぞれに「悪化フラグ」を立て、フラグ 2 つ以上のキャンペーンを抽出
3. 各キャンペーンの主要悪化指標を特定
4. 打ち手案を悪化指標に応じて自動提案（NTB 比率減 → 新規 KW / CPA 上昇 → 入札引き締め / 売上頭打ち → ターゲット拡張）
5. 月次データが 3 ヶ月未満のキャンペーンは「判定保留」として除外
6. 100 ユニーク未満のキャンペーン × 月は AMC 仕様により集計対象外

設定変更 — 分析・提案のみ（読み取り専用）。広告設定は変更しません。

次にすること — 打ち手の実行は 入札単価を調整する や 除外キーワードを追加する の承認フローで行います。

---

プロンプト 13: 顧客数と売上が乖離しているキャンペーンを特定する

「顧客数は増えているのに売上は減っている（バスケットサイズ縮小）」または「顧客数は減っているのに売上は維持できている（単価上昇）」のキャンペーンを特定します。表面的な売上だけでは見えない構造変化です。

こんな時に使う — 売上の増減だけでは気づけない、客数と単価の構造変化を早めにつかみたいとき。

実行前に必要な情報 — 比較する 2 つの期間（例: 直近 3 ヶ月と前の 3 ヶ月。両期間のデータがそろっている必要があります）。

直近 3 ヶ月と前の 3 ヶ月を比べた AMC データで、顧客数と売上の動きが乖離している
キャンペーンを特定して。
キャンペーンごとに 顧客数変化率・売上変化率・バスケットサイズ（1 人あたり購入額）の変化・想定原因 を並べた表で。
「客数増・売上減（低価格化）」「客数減・売上維持（高価格化）」の
2 パターンに分けて提示。

変更できる条件 — 比較する 2 つの期間（例: 直近 3 ヶ月と前の 3 ヶ月）。両期間がそろっている必要があります。

返ってくる内容 — 乖離しているキャンペーンごとの 客数 / 売上 / バスケットサイズの変化率・パターン分類・想定原因の仮説。

このプロンプトで AI がやること

1. キャンペーン × 月単位で顧客数と売上の変化率を計算
2. 客数増・売上減 / 客数減・売上維持の 2 パターンを抽出
3. バスケットサイズ（売上 ÷ 顧客数）の変化を併記
4. 想定原因（プロモーション値引き / 値上げ / 商品ミックス変化 / セール期間）を仮説提示
5. 100 ユニーク未満のキャンペーンは AMC 仕様により集計対象外

設定変更 — 分析のみ（読み取り専用）。広告設定は変更しません。

次にすること — 構造変化をレポートにまとめるときは 報告書を作る を使います。

---

AMC コンソール用の SQL を生成する

Picaro に分析させるのではなく、AMC コンソールで自分で実行するための SQL クエリを作ります。ここだけ実行範囲が「SQL 生成のみ」になります（Picaro が AMC 上で SQL を実行することはありません）。

プロンプト 14: CLTV 分析クエリ生成（AMC コンソール用）

AMC コンソールで実行できる CLTV（顧客生涯価値）分析の SQL クエリを生成します。Picaro が AMC 上でクエリを実行するのではなく、生成されたクエリをユーザーが AMC コンソールで実行 します。

こんな時に使う — AMC コンソールで自分で回す CLTV 分析クエリの雛形がほしいとき。

実行前に必要な情報 — 対象期間（例: 12 ヶ月。AMC のデータ保有期間内で指定）。

AMC で CLTV（顧客生涯価値）分析を行うクエリを生成して。
セグメント別の購入回数 / 平均購入額 / 算出 LTV を含む構造で。
過去 {{対象期間（例: 12ヶ月）}} のデータを対象に。

変更できる条件 — 対象期間（例: 12 ヶ月。AMC のデータ保有期間内で指定）。

返ってくる内容 — AMC コンソールで実行できる SQL クエリ + 想定結果スキーマ + 実行手順の案内。実行には AMC インスタンスへのコンソールアクセスが必要です。

設定変更 — SQL クエリの生成のみ。実行は AMC コンソールで手動で行います（Picaro は AMC 上で SQL を実行しません）。

次にすること — 生成したクエリを AMC コンソールで実行し、結果を 報告書を作る でまとめます。

---

プロンプト 15: ASIN × キャンペーンタイプ別 ACoS 比較クエリ生成（AMC コンソール用）

ASIN ごとに SP / SB / SD のキャンペーンタイプ別 ACoS を比較するための SQL クエリを生成します。こちらも実行は AMC コンソールで行います。

こんな時に使う — ASIN × キャンペーンタイプ別 ACoS の比較を AMC コンソールで回すためのクエリがほしいとき。

実行前に必要な情報 — 対象期間（例: 90 日）、対象とする ASIN の範囲（主要 ASIN）。

過去 {{対象期間（例: 90日）}} の主要 ASIN について、SP / SB / SD のキャンペーンタイプ別 ACoS を
AMC データで比較するクエリを生成して。
結果が ASIN × キャンペーンタイプ × ACoS の表になる構造で。

変更できる条件 — 対象期間（例: 90 日）／対象とする ASIN の範囲。

返ってくる内容 — AMC コンソールで実行できる SQL クエリ + 想定結果スキーマ（ASIN × キャンペーンタイプ × ACoS）。

設定変更 — SQL クエリの生成のみ。実行は AMC コンソールで手動で行います（Picaro は AMC 上で SQL を実行しません）。

次にすること — 生成したクエリを AMC コンソールで実行し、結果を 報告書を作る でまとめます。

---

関連カテゴリ

• 広告戦略を立案する — Sponsored Ads の戦略レベル分析（CAC/LTV 改善提案、Brand vs Generic、ファネル分解）
• Amazon DSP の配信実績を分析する — DSP 単体の配信トレンド・オーダー / ラインアイテム別分析
• ダッシュボードで KPI を確認する — AMC 分析の前段としての日次 KPI
• 検索から購入までのどこでつまずいているかを分析する（SQP） — 市場全体の検索行動分析（AMC とは別データソース）
• N-gram で成果の高い検索パターンを分析する — 検索語句別の売上貢献度
• 報告書を作る — AMC 分析結果のレポート化