Ad analytics 衡量自己的 campaign；ad intelligence 解释这些表现背后的市场上下文。
By the AdMapix Research Desk - Updated April 16, 2026
Ad analytics 是衡量 paid campaign performance 的方法，用来理解发生了什么、为什么发生，以及下一步应该调整什么。它覆盖 spend、impressions、clicks、CTR、conversions、CPA、ROAS、LTV、incrementality 和 campaign pacing 等指标。
Ad intelligence 不同。它向外看：竞品广告、creative patterns、search results、landing pages、offers、platform libraries 和 market signals。成熟增长团队会同时使用两者：用 ad intelligence 产生更好的假设，再用 ad analytics 验证这些假设是否在自己的账户中有效。
如果你需要先理解品类定义，可以看 advertising intelligence guide。如果你在比较工具，可以看 ad intelligence tools guide。本文聚焦 ad analytics、ad analysis、advertising analysis，以及如何把 first-party performance data 和 external intelligence 连接起来。
Ad Analytics 是什么
Ad analytics 回答的是内部表现问题：
| 问题 | Ad analytics 输出 |
|---|---|
| 我们花了多少钱？ | Spend、pacing、budget burn、forecast variance |
| 用户是否参与？ | Impressions、reach、clicks、CTR、video views、engagement rate |
| 用户是否转化？ | Leads、purchases、trials、app installs、CVR、CPA |
| Spend 是否有效率？ | ROAS、CAC、payback、LTV:CAC、margin-adjusted return |
| 哪个 segment 表现最好？ | Campaign、ad group、keyword、creative、audience、placement、geo、device |
| 下一步应该改什么？ | Budget shift、creative test、bid change、landing-page fix、offer test |
好的 ad analytics 不是堆满数字的 dashboard，而是一套 decision system。每个指标都应该连接到一个业务决策。
Ad Analytics vs Ad Intelligence
这两个词经常混用，但它们回答不同问题。
| Area | Ad analytics | Ad intelligence |
|---|---|---|
| Primary view | 自己账户表现 | 市场和竞品活动 |
| Main question | 我们的 campaigns 发生了什么？ | 我们周围的市场发生了什么？ |
| Data source | Platform data、analytics events、CRM、attribution、revenue data | Public ads、ad libraries、SERPs、competitor landing pages、creative patterns |
| Typical metrics | Spend、CTR、CVR、CPA、ROAS、LTV、incrementality | Creative volume、message repetition、channel mix、offer changes、competitor visibility |
| Best use | Optimization、reporting、budget allocation、diagnosis | Hypothesis generation、competitor monitoring、creative strategy、positioning |
| Risk | 只优化过去数据，错过市场变化 | 不验证就复制竞品 |
两套工作流不应该竞争，而应该形成循环：
- 用 ad intelligence 观察竞品和市场正在测试什么。
- 把观察转化成原创 campaign hypotheses。
- 用 ad analytics 验证自己的测试是否有效。
- 把结果反馈到下一轮 intelligence review。
例如，竞品研究显示多个品牌在推 “free audit” messaging。Ad analytics 又显示你自己的 audit landing page 转化很差。正确动作不是“复制竞品”，而是测试：如果改善 message match、proof 和 lead quality controls，audit offer 是否真的有效。
核心 Ad Analytics Metrics
有用的 ad analysis 要从正确的 metric layer 开始。
有用的 ad analysis dashboard 会把每个指标绑定到 decision owner 和 next action。
| Metric | 说明什么 | 常见误用 |
|---|---|---|
| Spend | Budget consumed 和 pacing | 把 high spend 当成成功 |
| Impressions | Exposure 和 available reach | 忽略 audience 是否合格 |
| Clicks | Traffic volume | 在 conversion quality 很弱时仍优化 clicks |
| CTR | Ad-level message-market fit | 跨渠道直接比较 CTR |
| CPC | Traffic cost | 降低 CPC 但伤害 lead quality |
| CVR | Landing page 和 offer fit | 忽略 attribution window 和 conversion lag |
| CPA | Cost per conversion | 把所有 conversion 当成一样 |
| ROAS | Revenue return on ad spend | 忽略 margin、refunds 和 payback timing |
| LTV | Long-term customer value | 用乐观 LTV 为差 acquisition 辩护 |
| Incrementality | Ads 是否带来本不会发生的结果 | 把 platform attribution 当成 incremental impact |
Google 的 conversion measurement documentation 强调把广告连接到 conversions 和 business outcomes，而不只是 clicks。Google Analytics 也提供 advertising reporting surfaces，用于连接 paid traffic 和后续行为。这些是起点，但每个业务仍然需要自己的 quality checks。
按渠道做 Ad Analysis
不同渠道需要不同分析习惯。
Search Ads
Search analysis 从 intent 开始。
| Metric | 检查重点 |
|---|---|
| Impression share | 是因为 budget、rank 还是 competition 丢失可见性？ |
| Search terms | Paid queries 是否匹配预期 intent？ |
| CTR by query group | Ad message 是否对齐商业意图？ |
| CVR by landing page | 页面是否证明了广告里的 promise？ |
| CPA by keyword | 昂贵关键词是否产生合格 conversion？ |
Search ad analytics 应该配合 search ads intelligence。内部数据告诉你哪些关键词对你有效；外部 search intelligence 告诉你这些关键词周围有哪些竞品和信息。
Paid Social
Paid social analysis 从 creative 和 audience fatigue 开始。
| Metric | 检查重点 |
|---|---|
| Hook-level CTR | 哪个 opening idea 能赢得注意力？ |
| Thumb-stop 或 view rate | Creative 是否足够留住注意力？ |
| Frequency | 用户是否过度看到同一广告？ |
| CVR by creative concept | 哪个 message 能转化为行动？ |
| CPA by audience and creative | Creative 是广泛有效，还是只在一个 segment 有效？ |
没有 creative intelligence 的 social ad analytics 容易陷入循环：看到 winner、不断 refresh，等表现下降后再猜。Competitor creative intelligence 可以在 fatigue 出现前扩展 idea space。
Display、YouTube 和 Programmatic
Upper-funnel channels 需要更强纪律，因为 last-click conversion data 可能低估价值，也可能高估浪费。
建议追踪：
| Area | Useful check |
|---|---|
| Reach quality | Placements 或 audiences 是否相关？ |
| Viewability and completion | 用户是否真的有机会看到 message？ |
| Assisted conversions | Exposure 是否支持后续 search、direct 或 branded demand？ |
| Incrementality | Spend 是否创造了本不会发生的 outcomes？ |
| Creative sequencing | Message 是否按 funnel stages 合理推进？ |
关键是先定义决策，再看 dashboard。你是在决定 cut spend、refresh creative、change placement exclusions，还是 run a lift test？
Ad Intelligence Data 如何改善 Analytics
Ad intelligence data 的价值在于给 performance changes 提供上下文。
| Analytics symptom | Intelligence question |
|---|---|
| CTR dropped | 竞品是否换了 offer 或占据 SERP？ |
| CPA rose | Auction pressure 是否上升？Landing page 是否失去 message match？ |
| ROAS declined | 竞品是否推出 discounts 或 bundles？ |
| Creative fatigue increased | 竞品是否更快 refresh hooks？ |
| Brand CPC rose | 竞品是否开始 bidding on brand terms？ |
| Conversion quality fell | Campaign 是否吸引了不同 intent segment？ |
没有市场上下文，团队容易 overfit internal data：太早暂停 campaign、复制上个月 winner，或者怪错 metric。External intelligence 不替代 analytics，而是帮助你判断下一步该测试什么。
Tool Categories
Ad analysis tools 可以分成几类。
| Tool category | Best use | Limitation |
|---|---|---|
| Platform dashboards | Native metrics、delivery、conversion reporting | 单渠道视角，通常有 attribution bias |
| Analytics platforms | Site/app behavior、user journeys、paid traffic performance | 需要干净 tagging 和 event governance |
| BI dashboards | Cross-channel reporting 和 finance alignment | 可能变慢、变重 |
| Attribution tools | Multi-touch、incrementality、media mix、lift testing | Methodology 复杂且依赖假设 |
| Ad intelligence tools | Competitor ads、creative patterns、landing pages、market signals | External data 必须解释后才能行动 |
| Reporting workflows | Executive summaries、action briefs、weekly decision logs | 只有绑定 owner 和 decision 才有用 |
工具应该匹配决策。如果问题是“哪个 ad set 该暂停”，用 platform 和 analytics data。如果问题是“为什么竞品突然 outrank us”，用 ad intelligence。如果问题是“管理层应该知道什么”，就用结合两者的 reporting workflow。
对于 paid search competitor context，Semrush Advertising Research 是一个可用于 advertising analysis 的工具类别示例，可以提供 keyword、domain 和 ad copy context。但这类数据仍然是 external context，不能替代你自己的 ad analytics。
AdMapix 主要解决 intelligence 和 reporting：competitor ad research、pattern analysis 和 report-ready outputs。当 analytics dashboard 告诉你发生了什么，但团队还需要市场上下文来决定下一步测试什么时，可以用 AdMapix reports。如果需要持续 monitoring，可以看 pricing。
常见 Ad Analysis 错误
避免这些错误：
| Mistake | 为什么会造成坏决策 |
|---|---|
| 只优化 CTR | High CTR 仍然可能带来低质量流量。 |
| 把 CPA 当全部真相 | CPA 忽略 revenue quality、refunds、retention 和 payback。 |
| 不带上下文混合渠道 | Search、social、display、video 不该用同一组指标判断。 |
| 忽略 conversion lag | 一些 campaign 在 conversions 成熟前看起来很弱。 |
| 盲信 platform attribution | Platform-reported conversions 不一定等于 incremental outcomes。 |
| 只看自己的账户 | 市场变化可能解释 performance shifts。 |
| 从 intelligence tools 直接复制竞品 | 竞品广告是假设，不是 proof。 |
解决方法是区分 reporting metrics 和 decision metrics。Reporting metric 告诉你发生了什么；decision metric 告诉你该改什么。
Practical Operating Model
每周使用这个 operating model：
| Step | Output |
|---|---|
| 1. Read campaign analytics | 按 channel、objective、owner 整理 performance summary |
| 2. Identify anomalies | Spend、CTR、CVR、CPA、ROAS 或 quality movement |
| 3. Check market context | Competitor ads、search visibility、offers、landing pages |
| 4. Write hypotheses | 什么可能解释这个变化？ |
| 5. Prioritize tests | Copy、creative、landing page、bid、audience、offer 或 budget action |
| 6. Assign owner | 一个人负责 next action |
| 7. Review result | Analytics 验证或否定 hypothesis |
最终输出应该短：
| Section | Example |
|---|---|
| What changed | Comparison queries 的 CPA 上升 18%。 |
| Evidence | Search visibility 下降；两个竞品上线 comparison pages。 |
| Hypothesis | 我们的 page proof 对高意图 comparison traffic 太弱。 |
| Action | 测试 comparison landing page 和更强 sitelinks。 |
| Owner | PPC lead + landing-page owner。 |
| Review date | Next weekly growth review。 |
这种格式比 30 页 dashboard export 更有用。
FAQ
What is ad analytics?
Ad analytics 是对 paid advertising performance 的衡量和分析，常见指标包括 spend、impressions、clicks、CTR、conversions、CPA、ROAS、LTV、incrementality 和 campaign pacing。
What is the difference between ad analytics and ad intelligence?
Ad analytics 关注自己的 campaign performance。Ad intelligence 关注外部 market 和 competitor signals，例如 public ads、landing pages、search results、creative patterns 和 offers。成熟团队会同时使用两者。
Which ad analytics metrics matter most?
最重要的 metrics 取决于决策。Spend、CTR、CVR、CPA、ROAS、LTV 和 incrementality 很常见，但每个 metric 都应该绑定 owner 和 next action。
What are ad analysis tools?
Ad analysis tools 包括 platform dashboards、analytics tools、BI dashboards、attribution tools、ad intelligence platforms 和 reporting workflows。正确工具取决于你需要 optimization、diagnosis、market context 还是 executive reporting。
How do you analyze advertising performance?
先明确 campaign objective；按 channel 和 intent segment metrics；识别 anomalies；检查 conversion quality；review landing-page fit；比较 market context；写 hypotheses；最后转化成 measurable test。
How can competitor ad intelligence improve ad analytics?
Competitor ad intelligence 可以通过展示 market movement 来解释 performance changes：新 offers、变化的 ad messages、更高 search visibility、creative refreshes 和 landing-page changes。它给 analytics team 更好的 hypotheses。
结论
Ad analytics 和 ad intelligence 结合时最强。Analytics 告诉你账户内部发生了什么；intelligence 帮你理解外部市场在做什么。两者结合可以产生更好的 hypotheses、更好的测试和更好的预算决策。
如果你的团队已经有 dashboard，但仍然很难决定下一步测试什么，可以用 AdMapix reports 给 analytics workflow 增加竞品上下文。