先判断，
再动作
亚马逊广告诊断与闭环运营 SOP 工具。上传 Flywheel 报表，十分钟拿到每个 ASIN 的经营判断、动作清单，以及上期执行的真实效果。
装在自己的 Mac 上 · 报表不进别人的服务器 · Beta 邀请制试用中
- · ACoS 18.2% 低于目标线 25%，仍有加投空间
- · 库存 42 天，高于加投下限 30 天
- · 核心词 3 个位居首页，转化率高于类目均值
结论旁边写着操作后已攒了几天数据，够不够由你判断。
128 个 ASIN 进来，
9 条 P0 出去
按品类负责人的决策顺序逐层收敛：先判断每个 ASIN 现在什么状况、钱该往哪去，再把动作去重、仲裁、分级——你只看真正要做的事。
前置经营检查
同样是高 ACoS，新品期是冷启动投入，成熟期就是控亏信号——判断永远带着你的库存、预算和生命周期。
一百多款进来，真正要动的只有 9 条 —— 收敛发生在每一层，不是最后一刀切出来的。
上周的调整有没有用，
下期报表自动回答
只有你真实做过并记录下来的动作才进入执行历史。下期报表上传后，按同一 ASIN、同一搜索词自动对比操作前后的花费、订单、销售额和 ACoS——摆出来，不替你下结论。
实体指纹匹配
跨期对齐同一对象；只报告操作后已攒了几天数据，不替你设「够不够」的门槛。
一张图看清
谁该放量、谁在失血
毛利率 × 广告订单占比，把整个品类摆进四个象限：明星、现金牛、问题、瘦狗。每个象限列出落在里面的产品，阈值来自你的参数设置——开品类会先看这一屏。
阈值可配置
毛利率线与广告订单占比线写在参数设置里，全团队同一套口径。
右下角那两款毛利低、又几乎全靠广告出单 —— 开品类会先看这个象限。
「哪个 Campaign
最烧钱？」直接问
自然语言问数，答案按证据组织。LLM 只负责组织语言，所有数字来自本机的报表数据层——不编数。
答不上来就说没有
口径、数据缺口、报表更新到哪一天，都写在答案里，不含糊过去。
前两个占本期花费 62%。泛词组零转化，搜索词层已给出否定词清单。
广告工具很多，
替你做判断的很少
大多数工具把数据摆给你，判断还是你自己下。这四件事是我们和它们不一样的地方。
- 判断带着经营约束
- 同样是高 ACoS，新品期是冷启动投入，成熟期就是控亏信号。销售目标、广告预算、可接受亏损、库存和生命周期在诊断之前先录入，判断永远带着它们。
- 先给经营判断，再给动作
- 每个 ASIN 先落到一段结论——现在什么状况、钱该往哪去，写明依据和数据够不够；下面每层的判断都带理由，动作是判断的推论。你能复核它凭什么这么判，而不是只能选择信或不信。
- 只有真做了才算数
- 建议和执行是两本账。只有你真实做过并记录下来的动作才进入执行历史，也只有它们会进入下期复盘。系统不替你假设任何事情做过了。
- 效果由下期报表回答
- 按实体指纹跨期对齐同一个 ASIN、同一条搜索词，自动对比执行前后的指标。操作后已攒了几天数据，就写在前后对比旁边——够不够下判断，由你决定，系统不替你设这条线。
只看广告指标本身
直接甩一串「降 bid、否词」
把建议当成已完成的工作
凭印象判断上次调整有没有用