Reporting Agent | SparkX help center

前言

Reporting Agent 是 SparkX Agent 产品体系在 2025 年的新里程。它支持完全自由的会话输入，可跨页面、跨模块、跨底层数据进行综合查询与分析，并一键生成报告。

使用的模型

内测阶段我们会持续评测与择优使用多种大模型，包括但不限于: GPT‑5, Claude‑Opus‑4, Claude‑Sonnet‑3.7, Gemini‑2.5‑Pro, Grok‑4, DeepSeek‑R1.

当前版本使用的模型: Claude‑Sonnet‑3.7, Claude‑Sonnet‑4.

数据安全

我们通过亚马逊企业云 AWS Bedrock 接入各类大模型能力。你的数据仅用于生成自身的分析结果，不会被用于训练任何大模型；不同客户之间的数据严格隔离。

耐心与探索

在使用过程中，模型可能仍有不足与错误。SparkX 将基于我们在亚马逊广告领域的经验，以及扎实的 AI Agent 开发、测试与治理能力，持续优化产品表现。

目前仍处于紧密迭代的 Close Beta 阶段。感谢你的理解支持，期待你的宝贵建议！

主题概览

你可以先从这些主题入手尝试

广告活动表现概览

支持整体趋势、核心广告表现、异常诊断、工作日与周末对比等

广告对整体业务的贡献度

对比自然流量与广告流量的贡献；评估广告对店铺总销售额与 TACOS 的影响；各产品线广告销售占比对比

商品分析

全店商品诊断，识别主力/高潜/低效商品；分析每个 Parent ASIN 下各子 ASIN 的广告表现，并给出资源分配建议

定向类型分析

深入对比自动、关键词、商品投放、受众等定向类型；查看花费与销售额占比，下钻至各匹配方式

广告结构分析

对比 SP、SB、SD 三类广告的表现与业务占比；展示关键指标与预算/销售额占比，产出预算分配建议

预算使用分析（当月）

全店或产品线当月预算使用进度；识别预算异常的广告活动

注：当前仅支持“当月预算使用”（基于当前日预算估算本月计划预算）

SB专题

常规概览、定向类型×匹配方式

SB 与 SBV 对比；SBV 视频素材效果

New-to-Brand 分析

自动竞价 vs 自定义竞价

不同 Placement 表现差异

各国市场对比

对比不同国家市场的广告核心指标与预算/花费占比；给出跨市场预算分配建议

搜索词分析

词频与词根分析

按数据找 TOP N；趋势；四象限（高效/高潜/低效/无效）

SP专题

常规概览、定向类型×匹配方式；不同竞价策略与 Placement 联动分析

广告活动分析

TOP N、趋势、四象限（高效/高潜/低效/无效）

关键词分析

TOP N、趋势、四象限（高效/高潜/低效/无效）

SparkX 底层具备 Text-to-SQL 能力，不止于以上主题：可将多个话题组合、继续深挖，更多用法等待你的探索。

注：Text-to-SQL 指系统根据你的自然语言请求，现场理解意图并“现写 SQL”。它不是套用固定模板，而是基于你的问题匹配表与字段、推理条件与聚合，动态生成并执行 SQL。

以下数据暂未开放内测，敬请期待

AI托管详细分析
操作日志级别数据
类目数据 benchmark
...

新用户必读 ⭐️

Happy Path

先选数据范围

在开始任何分析前，建议先设置数据范围：

报告中的所有话题都会在该范围内计算。
报告周期为主要时间窗口；对比周期可选“环比/同比/自定义”，所有话题将遵循该时间设定。
此处选择的店铺、商品为报告整体的数据过滤范围。各话题的分析粒度与分组可在对话中以自然语言指定（见 3.2.1）。
任何时候需要变更这些设置，直接告知 AI，系统会智能唤起设置组件。

Q：为什么要通过设置项来指定这些范围？

A：自然语言指定时间、店铺、商品时容易产生歧义，精确输入的门槛较高。通过设置项可在便捷性、准确性与权限控制之间达到更好的平衡。

不知道如何 Prompt？

如果暂时没有具体问题，可直接给出主题指令，例如：“给我做定向分析”“做一版商品分析”。即使诉求比较模糊时，SparkX Agent 也会按照行业最佳实践，给你一些推荐的分析方向。
Agent 会根据话题智能选择最相关指标，一般无需你逐项指明。

小窍门：模仿大纲

观察 AI 推荐的大纲，按相似结构输入你的诉求，可减少沟通轮次、加快生成。

进阶之旅：细化你的个性需求

自由指定每个话题的分析维度

所有话题均支持用自然语言指定聚合维度与对比方式，例如：

指定以“周”为粒度查看趋势

指定按“产品线”对比特征

指定以“Parent ASIN”为粒度分析

进行多维交叉分析

小窍门：可以直接说 “某某主题，给我按照 XX 维度分析” 、 “对比不同 XX 的特点”、“找到表现最好和最差的XX”。

XX可以是：Parent ASIN、ASIN、产品线、广告活动、每天、每周、每月（不同话题支持的维度可能不同）

无需键入具体实体的名称

明确你的业务定义与偏好

例1：专业运营常会用到「四象限」分析法，即区分高效、高潜、低效、无效等不同对象，分析其表现

难点是，不同业务阶段对「高效/高潜/低效/无效」的定义各不相同。例如成熟期重视成本效率，高效 = 高花费 + 低 ACOS；新品拉升期可能定义为高花费 + 高销售额。

你可以直接告诉 Agent 你的定义与关注点，系统将按你的口径生成分析。

你认为怎样的“搜索词”是高效

你认为怎样的“广告活动”是高效

更看重“转化率”的情况下应如何判定

例2：异常分析，告诉 AI 什么是“异常”，系统会按你的规则筛查与解释。

例3：词根分析的逻辑（推荐）

“三个词为一组的词根分析，输出高贡献与高成本词组榜单与清理建议。”

“再做一版两个词为一组的词根分析。”

更多使用场景，期待你的挖掘！👏🏻

你也可以不做任何预设，Agent 会按最佳实践先生成一版，再根据你的追问快速迭代。

能力边界与演进

目前，Reporting Agent 专注于深度分析与主题报告。根据需求复杂度，制作一份报告通常需要 6–8 分钟；即便是简单问题，也会走「设置—大纲—报告」的完整流程。
- 面向「快问快答」的轻量分析场景，敬请期待。
有时你可能只问了一个点，但 AI 会输出偏长的内容。原理同上：我们优先产出结构化深度分析，背后结合最佳实践 Prompt 与 RAG 知识。有时AI 会过于“沉浸”于自身思路、未充分响应你语言中的细节，我们正在继续优化。
- 你可通过追问强调重点，Agent 会据此重生成一版。短期仍会触发完整流程，我们会记录场景并推进轻量化路径。

追问示例：（针对已生成的报告初稿，继续提出你的需求或衍生问题）