AI不缺智商，缺的是这11份增长数据

只给 AI 一张广告后台截图，让它分析投放，结果通常不会太好。Will Hu 在推文里把问题说得很直接：模型不缺智商，缺的是数据。截图里只有花费、点击和平台给的转化数，用户从哪来、看过什么、第几天留下、最后有没有付钱，全在盲区。AI 只能顺着这张截图编一个看起来合理的结论。

Will Hu 列的清单是 11 份数据。1 到 6 是自己的，7 和 8 决定数据准不准，9 和 10 是别人的，11 是怎么切。缺哪块，判断就会歪到哪。

1. 网站行为：Google Analytics 或 Plausible。看全站 traffic，人从哪来、看了什么、在哪一步走掉。渠道、地区、端、页面、语言可以交叉拆分。

2. 搜索表现：Google Search Console 或 Bing Search Console。看自然搜索，用户搜什么词找到你、哪些页面有曝光没点击。查询词、页面、国家、设备同样能交叉看。

3. App 归因：Adjust 或 AppsFlyer。看移动端安装从哪来。做 App 没有 MMP，模型连用户是哪个渠道、哪个 campaign 带来的都不知道。

4. 产品内行为：Mixpanel、Amplitude 或 PostHog。看人进来之后用了什么功能、第几天还在。能把人找来，不等于能让人留下来。

5. 广告平台：Meta Ads、Google Ads、TikTok Ads。看花出去的钱，view、click、花费可以拆到 campaign、广告组和单条素材。这是多数团队最不缺的一份，也最容易被当成全部。

6. 付费真相：Stripe、Paddle、Paypal。看收回来的钱，谁真的付了、付了多少。电商看 Shopify、Amazon，WordPress、Wix 建站也各有订单数据。

7. 回传通道：Pixel 到 API 或 S2S。它决定广告系统能学到什么。新手先把 Pixel 设好，成熟后上服务器回传。Meta 叫 Conversions API，TikTok 叫 Events API。

8. 归因口径：view 还是 click，窗口几天。平台各自认领功劳，口径不统一，模型把几家数加在一起，结论就是错的。

9. 第三方流量和搜索：Similarweb、Ahrefs、Semrush。看竞品流量规模、渠道构成、外链、自然搜索词、关键词和搜索广告。它们都是估算，适合看趋势、比大小，不适合当账本。

10. 竞品素材：Meta Ad Library、Google Ads Transparency Center、TikTok Creative Center。免费，平台自己公开，能看别人正在投什么素材、主打什么卖点。

11. 拆解维度：端 × 国家 × 卖点 × 目标 × SKU × 类别。把前面所有数据交叉成一张表，类别再分行业、竞品、场景，每个格子最后落到两个数：付费人数和付费金额。

评论区补了几个容易踩的坑。FlowOps Daily 提醒，同一单可能被几个平台同时认领。先弄清各家算浏览还是点击、窗口几天，再让 AI 分析。表做得越整齐，重复计数越不容易发现。

Citeshine 补了 AI 搜索：GA4 会话来源筛 https://chatgpt.com，看落地页。OpenAI 发布者 FAQ 写了，ChatGPT 给引荐链接会自动带 utm_source，所以能单独拆出来。只看点击会漏一块，用户读完答案没点进来，GA 和 GSC 都看不到，得自己拿买家问题去问。

Albert 提到归因常被忽略。没有归因，算不清各渠道价值和回收。只投 ASA 时，苹果自带归因接口免费且准确，够用；多渠道投放才需要 Adjust。Adjust 官方年费 18000 美金起，价格 0.026 到 0.03 美元不等。小体量团队可以考虑和已经购买的团队拼一下。

JokerMaycry 建议再建自己的知识库：一份详尽的产品说明 MD 文档，写清特色、限制、适用范围；完整的成交信息，C 端首次访问和末次归因，B 端形成订单的询盘留存，SaaS 首次访问和注册或购买前的功能使用；SEO 增长把 GSC 数据和真实网站日志交叉分析。基于这些，投放自动化才有针对性。

清单本身不复杂，难的是把 7 和 8 做对。回传通道决定广告系统能学到什么，归因口径决定功劳算给谁。口径没统一，前面 1 到 6 的数据越齐，错误越整齐。第三方数据看趋势可以，别拿估算当账本。配齐之后，AI 才有机会做判断，读报表只是最浅的一层。少一份数据，它就多一分猜。