广告的运作机制是吸引顾客点击广告进入商品页面，然后根据点击次数进行收费，通常的广告思路都是到这一步截止。但是本小节会从其他角度向大家详细介绍如何利用新的思路使广告的收益达到最大化。
我们可以想象一下顾客点击广告后会发生什么行为?可以将顾客行为分为以下3种:
(1)购买商品;
(2)浏览页面后离开；
(3)浏览该页面上的其他商品推荐。
我们通常一直盯着第一种顾客行为即订单成交额，即 ACoS 数值的变化，但这种单一的广告效果考核方式是极其片面且不长远的，一个好的广告除了观察ACoS 数值的变化，更应该关注顾客“浏览该页面上的其他商品推荐”对于店铺整体内部流量消化的作用，而这一作用对于每天流量巨大的爆款来说格外重要。
下面模拟一下顾客点入一个产品页面后会点击哪些链接:首先是商品卖点介绍下方的商品推荐链接。
其次是相关推送产品的商品链接。
再次是非推送产品的商品链接。
最后是在“Customerquestions&answers”栏目上方的相关产品的商品链接。
总而言之，顾客点击产品进入商品页面后，除非有些顾客选择直接离开页面否则这些被广告吸引进入的流量都会被这些栏目中的链接分流，那么我们可以得到一条结论:
广告的效果与该商品页面同店铺商品推荐链接的数量成正比，与竞争性同类商品的链接数量成反比，与替代品的链接数量成反比。
我们可以将广告效果设为R，同店铺商品推荐链接的数量设为M，竞争性同类商品的链按数量设为N，替代品的链接数量设为N。
而广告效果无非是订单量，结合订单的计算方式可以把式(5-1)改写成下式(其中广告带来的流量设为na，广告的转化率设为Pa，一个 listing 下同店铺商品链接数量为x):
要计算 3 个系数，3 个知系数需要至少3 组具体数据才能确定，所以需要找到3组正确的数据。
第一组数据:广告花费，ACoS→点击次数，转化率→产品的na和Pa。
第二组数据:同店铺关联商品在爆款打与不打广告时数据的变化→关联产品的na和Pa。
第三组数据:可由第一、第二组数据多次记录实验得到。
计算出3个系数到底有什么用呢?举例来讲，如果能确定广告效果的 3 个具体系数以及计算出商品页面所有链接的关系和数量，就能较为精确地计算出一个热卖款式 listing一天的流量能有多少可以在店铺内部消化掉，而不会产生流量流失的不良情况。
当然如果难以精确计算每个具体数值，可以根据以下几点来判断是否需要为某一商品投入大量的广告引流:
关联产品中同店铺产品数量越多越好；
关联产品中低价竞争产品越少越好；
关联产品中替代产品越少越好;
关联产品中非本店铺产品 review 评分越低越好。
综上所述，对新产品而言，好广告指的是那些可以把产品推出去，且不会产生巨大费用的广告策略;对于爆款产品而言，好广告指的是那些可以带来巨大流量，且能让这些流量能在店铺内部消化掉而非流失的广告策略。
2019 年以来，亚马逊对站内页面进行了重新编辑，“看了又看”“买了又买的推荐栏位越来越多地被广告推荐位所代替。但从本质上来看，顾客的购买习惯并没有发生本质性变化，所以在 listing 下方推荐位被广告占据时以上的判断标准依然有效。
