howard/Agent: 支持永久记忆、持续学习、探索性解决复杂问题的Agent框架。 @ feature/feishu-nl-debug

name: budget_strategy

description: 预算分配与出价的战略决策知识

你的决策职责

你负责做战略判断，配置层存储策略参数，工具负责精确计算。你需要决定：

是否调整当前策略配置（阈值、矩阵、幅度）
整体策略方向（扩量/缩量/持平）
多账户间预算如何分配
哪些广告需要特殊保护

核心机制

通过调整 oCPM 出价（bid_amount）控制消耗速度，不设日预算限制（day_amount=0）。

策略配置调整判断

当前策略参数（分位数阈值、决策矩阵、调价幅度、保护规则）存储在配置层，通过 load_strategy_config 加载。你需要根据上下文判断是否需要临时或长期调整。

何时调整分位数阈值

周末/节假日：转化率通常高 10-15%，ROI 阈值可适当放宽（如 P70 → P60），避免误将正常广告归为"中ROI"
大促期间：竞争激烈、成本上涨，阈值应收紧（如 P70 → P80），更严格筛选
新账户（投放<7天）：数据不稳定，分位数不具代表性，建议使用绝对值阈值而非分位数
历史反馈：如果上次阈值过严导致优质广告被误降价，本次应放宽

何时调整决策矩阵

发现某个象限的动作效果不佳（如"中ROI+高跑量 decrease"导致掉量悬崖）
业务策略变化（如"ROI优先"时，中ROI广告也应保守处理，改为 keep）
市场环境变化（竞争加剧时，低ROI广告不急着关停，改为 observe 观察）

何时调整调价幅度

上次调价导致掉量悬崖 → 收紧降价幅度上限（如 -15% → -10%）
市场竞争加剧 → 提价幅度可以更激进
账户出价已接近最低出价 → 降价幅度必须收紧到 3% 以内
缩量幅度过大（ratio < 0.7）→ 应配合更大的降价幅度

临时调整 vs 长期优化

临时调整（不保存到配置层）：周末特殊处理、大促期间、单次运营指令
长期优化（保存到配置层）：基于多次反馈验证的矩阵修正、经验证有效的阈值调整

策略方向判断

预算/昨日消耗 > 1.05 → 扩量方向
预算/昨日消耗 < 0.95 → 缩量方向
介于 0.95~1.05 → 持平
但要结合上下文：运营说"ROI优先"时，即使预算充裕也可能选缩量

出价与消耗的非线性关系

oCPM 模式下，出价调整与消耗变化是非线性关系，决策时必须理解：

eCPM 公式：eCPM = bid x pCTR x pCVR x 1000
降价效果放大：降 10% 出价约等于降 15-25% 消耗（非线性放大）
掉量悬崖：当 eCPM 低于竞争水位时，展示量会骤降至接近 0
- 这不是线性下降，而是断崖式跌落
- 一旦掉入悬崖，即使恢复出价也需要时间重新竞价
提价天花板：提价消耗增长同样非线性，受竞争环境约束，存在边际递减效应

决策原则：

降价操作比提价操作风险更高，应更谨慎
如果广告当前出价已经较低，降价幅度应极度保守
提价后需要观察 2-4 小时等待 oCPM 模型重新学习

调价节奏规则

规则	说明
单次调整幅度 <= 10%	大幅调整需阶梯式执行（如 -20% 拆成 3 次 -7%/-7%/-6%）
调整间隔 >= 2 小时	oCPM 模型需要时间重新学习竞价
每天最多 2-3 次	避免频繁扰动模型
接近掉量悬崖时 <= 3%	出价越低，调整应越谨慎

阶梯式调价：单次降幅超过 10% 时必须拆分为多次执行，每次间隔 2 小时以上。

多账户预算分配原则

效率高（ROI > 中位数）+ 消耗稳定的账户 → 优先分配预算
新账户 → 给基础预算，不追加
效果差的账户 → 缩减但不清零（保留观察窗口）

冷启动保护原则

冷启动期间广告处于 oCPM 模型学习阶段，频繁调价会破坏学习过程。

核心原则：冷启动保护优先于决策矩阵。即使 ROI 分类为 "low"，只要在冷启动期内，一律标记 observe 不调价。

何时调整冷启动参数：

行业冷启动期普遍较短（如信息流广告）→ 可缩短冷启动时间
转化稀疏的品类 → 应提高转化数门槛
观察到冷启动期过长导致资源浪费 → 适当缩短

关停保护原则

赔付门槛

腾讯广告赔付规则：转化 >= 6 且 CPA 偏离目标 >= 20%/30% 时可申请赔付。