亚马逊基于规则的竞价(Rule-Based Bidding）是一种以广告的最终效果为目标，使用机器学习算法来考虑影响广告效果的一系列参数(时间、观众群体、展示地点等等)，并根据大量数据来帮助广告客户更精确的报价。

卖家每天开广告所需要的并不是曝光量而是点击量(个别类型广告除外)，因为只有一个点击量，才能证明成功地将“流量引入”到卖家产品详细页面，“引流”才是广告最大的价值。

为增加流量，必须提高出价以将广告置于较高的位置，因为前面的位置会有足够的曝光量，然后增加点击率。

但是，由于买家需求的多样性、市场动态性的变化以及自身产品的竞争力等因素，卖家常常会在错误的时间将错误的产品呈现给错误的人群，使广告的展示对象很不准确，不仅增加了流量成本，而且影响了广告的最终效果。这种情况对于买家、卖家和平台方都是一种损失。

站在买家角度：搜索出来的产品要么太贵，要么款式不喜欢，总之不想要，浪费时间，影响购物体验，差评！

站在卖家角度：烧掉了这么多广告费用，却没有向产品的目标受众展示，ACoS高的也都快上天了，差评！

站在平台角度：广告位很有价值，结果卖家的产品点击率很低，而CPC广告是通过点击付费的，还是无法收钱，很大地影响了广告收入，股价又要跌了，差评！

要解决这个问题，首先要了解影响买家需求的准确性(影响流量准确性)要考虑什么因素：美国有成千上万个城市，跨越6个时区，每星期7天，每天都分昼夜两次，买家在查看产品之前是否看过或购买过产品，还要考虑买家使用的是iOS还是Android，是电脑手机还是平板电脑等。

单是以上这些因素的排列组合就必须有上千万的情况了，就这还没提到买家搜了什么。

以前推出的动态报价有一些硬伤，即完全以转化率为目标去优化，转化率是销售过程值而不是结果值，尽管可以提高流量转换效率，但是由于忽略了流量成本这一因素，常常出现转化率和ACoS齐飞的情况。转换率是上升，最终核算成本，相反广告亏的更多，最后买家买到心仪的产品，亚马逊赚足了广告费，只留卖家默默流泪。

基于规则竞价模式可以很好地弥补了这一缺陷，卖家只需设定预算并保证最终RoAS的目标。不必为每一次投标价格都操心，不必担心“大范围匹配”与自动广告相匹配的长尾词语，更不必在午夜爬起来对广告进行“分时调整”，毕竟，人工调整的再准不能和机器相比。

这一智能竞标模式将大大改善亚马逊卖家的广告投放效果的下限，同时专注于广告投放的人也不必为每日调整价格0.05这样的小事而烦恼，省下的时间精力可以用来考虑广告策略和研究产品。