出价调整系统实际执行指南

演示执行结果 ✓

刚才的演示成功展示了完整的出价调整流程：

执行场景

昨日消耗: 522,685 元（模拟数据）
今日预算: 100,000 元
缩量幅度: 81%
策略: aggressive_scale_down（大幅缩量）

执行结果

✅ Tier 1（30个）: 出价 -5%~0%，保护高效广告
✅ Tier 2（70个）: 出价 -15%，适度缩量
✅ Tier 3（116个）: 出价 -30%，大幅削减
✅ 暂停（79个）: 样本不足广告全部暂停
✅ 总计: 调整 216 个，暂停 79 个

实际生产环境部署

前置条件

1. 环境变量配置

# 腾讯广告 API
export TENCENT_AD_ACCESS_TOKEN="your_access_token_here"
export TENCENT_AD_ACCOUNT_ID="123456"
export TENCENT_AD_BASE_URL="https://api.e.qq.com/v3.0"

# ODPS（MaxCompute）数据仓库
export ODPS_ACCESS_ID="your_aliyun_access_key_id"
export ODPS_ACCESS_SECRET="your_aliyun_access_key_secret"
export ODPS_PROJECT="loghubods"
export ODPS_ENDPOINT="http://service.cn-shanghai.maxcompute.aliyun.com/api"

2. 依赖安装

# 进入项目目录
cd /Users/liulidong/project/agent/Agent

# 安装 Python 依赖
pip install -r requirements.txt

# 确保安装了 ODPS 客户端
pip install pyodps

# 确保安装了 HTTP 客户端
pip install httpx

3. 数据表准备

确保 ODPS 中存在以下表：

表 1: loghubods.creative_detail

字段：ad_id, ad_name, 首层小程序打开数, 裂变0层回流数, cost 等
分区：bizdate（格式：YYYYMMDD）

表 2: loghubods.ad_put_tencent_ad

字段：ad_id, ad_name, account_id, bid_amount, day_amount, ad_status, optimization_goal, targeting, create_time
说明：存储广告当前状态

执行方式

方式 1: 交互式执行（推荐）

# 启动 Agent 系统
python examples/auto_put_ad/run.py

# 在交互界面输入
> 账户 123456 今日预算 10 万，帮我调整出价

系统流程：

Budget Agent 自动调用 budget_calculate_from_data
从 ODPS 拉取昨日效率数据和当前广告状态
计算出价调整方案并展示
等待用户确认
用户输入"确认"后，调用 bid_adjustment_execute 执行
报告执行结果

方式 2: 程序化调用

import asyncio
from examples.auto_put_ad.tools.budget_calc import (
    budget_calculate_from_data,
    bid_adjustment_execute
)

async def main():
    # 步骤 1: 计算方案
    result = await budget_calculate_from_data(
        account_id=123456,
        total_budget_yuan=100000,
        bizdate="20260406"  # 或 "yesterday"
    )

    # 步骤 2: 展示方案
    print(result.output)

    # 步骤 3: 等待确认
    confirm = input("\n是否执行？(y/n): ")

    if confirm.lower() == 'y':
        # 步骤 4: 执行调整
        exec_result = await bid_adjustment_execute(
            adjustment_plan=result.data["adjustment_plan"],
            account_id=123456
        )
        print(exec_result.output)

if __name__ == "__main__":
    asyncio.run(main())

方式 3: 定时任务（自动化）

# 创建定时脚本
cat > /path/to/daily_bid_adjustment.sh << 'EOF'
#!/bin/bash
cd /Users/liulidong/project/agent/Agent
source venv/bin/activate

# 设置环境变量
export TENCENT_AD_ACCESS_TOKEN="..."
export ODPS_ACCESS_ID="..."
export ODPS_ACCESS_SECRET="..."

# 执行调整（需要实现自动确认逻辑）
python examples/auto_put_ad/auto_bid_adjustment.py \
    --account-id 123456 \
    --budget 100000 \
    --auto-confirm
EOF

chmod +x /path/to/daily_bid_adjustment.sh

# 添加到 crontab（每天早上 9:00 执行）
crontab -e
# 添加：0 9 * * * /path/to/daily_bid_adjustment.sh >> /var/log/bid_adjustment.log 2>&1

执行检查清单

执行前检查

环境变量已配置（TENCENT_AD_ACCESS_TOKEN, ODPS_ACCESS_ID 等）
ODPS 数据表存在且有最新数据
腾讯广告 API 凭证有效（未过期）
账户余额充足（>= 今日预算 × 1.2）
网络连接正常（可访问腾讯广告 API 和 ODPS）

执行中监控

数据拉取成功（昨日效率数据 + 当前广告状态）
策略判断合理（缩量/扩量幅度符合预期）
分层结果正确（Tier 1/2/3 数量合理）
出价调整幅度在预期范围内
暂停广告数量可接受

执行后验证

检查执行结果（成功/失败数量）
抽查几个广告的出价是否已更新
监控实时消耗速度（是否符合预期）
记录调整历史（用于后续分析）

常见问题处理

1. ODPS 连接失败

错误信息：

ODPS 客户端初始化失败: Invalid access key

解决方案：

# 检查环境变量
echo $ODPS_ACCESS_ID
echo $ODPS_ACCESS_SECRET

# 重新设置
export ODPS_ACCESS_ID="your_correct_access_key_id"
export ODPS_ACCESS_SECRET="your_correct_access_key_secret"

2. 腾讯广告 API 调用失败

错误信息：

ad_update 失败: Invalid access token

解决方案：

# 检查 token 是否过期
# 重新获取 access_token（通过 OAuth2 流程）
export TENCENT_AD_ACCESS_TOKEN="new_access_token"

3. 数据查询为空

错误信息：

查询到 0 个广告的昨日效率数据

解决方案：

# 检查 bizdate 是否正确
# 检查 account_id 是否正确
# 检查数据表分区是否存在

# 手动查询验证
from examples.auto_put_ad.tools.data_query import data_query

result = await data_query(
    table_name="creative_detail",
    bizdate="20260406",
    account_id=123456
)
print(result.output)

4. 批量执行超时

错误信息：

bid_adjustment_execute 超时

解决方案：

# 分批执行（每批 50 个广告）
adjustment_plan = result.data["adjustment_plan"]

for i in range(0, len(adjustment_plan), 50):
    batch = adjustment_plan[i:i+50]
    await bid_adjustment_execute(
        adjustment_plan=batch,
        account_id=123456
    )
    await asyncio.sleep(6)  # QPS 限制：10/秒，休息 6 秒

监控与优化

1. 实时监控指标

# 监控脚本示例
import asyncio
from examples.auto_put_ad.tools.ad_api import ad_get_report

async def monitor_realtime():
    """监控实时消耗"""
    while True:
        result = await ad_get_report(
            account_id=123456,
            date_range="today",
            level="ad"
        )

        # 解析消耗数据
        total_cost = sum(ad["cost"] for ad in result.data)
        print(f"当前消耗: {total_cost/100:.2f} 元")

        await asyncio.sleep(300)  # 每 5 分钟检查一次

asyncio.run(monitor_realtime())

2. 效果评估

关键指标：

实际消耗 vs 预算目标（偏差 <5%）
各层级广告表现（Tier 1 ROI 是否保持）
整体 ROI 变化（是否提升）
暂停广告数量（是否合理）

评估周期：

短期（2-4 小时）：消耗速度是否符合预期
中期（1 天）：整体 ROI 是否达标
长期（7 天）：策略效果是否稳定

3. 策略优化

根据效果调整参数：

# 如果消耗过快，增加缩量幅度
result = await budget_calculate_from_data(
    account_id=123456,
    total_budget_yuan=80000,  # 降低预算
    tier1_ratio=0.10,  # 减少 Tier 1 占比
)

# 如果消耗过慢，减少缩量幅度
result = await budget_calculate_from_data(
    account_id=123456,
    total_budget_yuan=120000,  # 提高预算
    tier1_ratio=0.20,  # 增加 Tier 1 占比
)

安全建议

1. 权限控制

限制 API 凭证访问权限
使用只读账号查询数据
执行操作需要二次确认

2. 数据备份

执行前备份当前广告状态
记录每次调整的详细日志
保留历史调整方案（用于回滚）

3. 异常处理

设置消耗上限告警
监控异常广告（消耗突增）
准备紧急暂停脚本

# 紧急暂停所有广告
from examples.auto_put_ad.tools.ad_api import ad_batch_update_status

await ad_batch_update_status(
    account_id=123456,
    adgroup_ids=[...],  # 所有广告 ID
    configured_status="AD_STATUS_SUSPEND"
)

总结

✅ 系统已就绪：核心功能已实现并测试通过

✅ 演示成功：模拟数据执行流程完整

✅ 文档完善：提供详细的部署和执行指南

下一步行动：

配置生产环境变量
验证数据表连接
小规模测试（10-20 个广告）
全量执行并监控效果
根据效果优化策略参数

文档版本: v1.0 更新日期: 2026-04-07 联系人: liulidong

EXECUTION_GUIDE.md 8.6 KB Historik Rå

出价调整系统实际执行指南

演示执行结果 ✓

执行场景

执行结果

实际生产环境部署

前置条件

1. 环境变量配置

2. 依赖安装

3. 数据表准备

执行方式

方式 1: 交互式执行（推荐）

方式 2: 程序化调用

方式 3: 定时任务（自动化）

执行检查清单

执行前检查

执行中监控

执行后验证

常见问题处理

1. ODPS 连接失败

2. 腾讯广告 API 调用失败

3. 数据查询为空

4. 批量执行超时

监控与优化

1. 实时监控指标

2. 效果评估

3. 策略优化

安全建议

1. 权限控制

2. 数据备份

3. 异常处理

总结

EXECUTION_GUIDE.md 8.6 KB

Historik Rå