auto_put_ad_mini 策略 Review（2026-04-16）

作者：Claude（资深投流专家视角）目的：对 auto_put_ad_mini 做系统性 review，从业务目标 / 业务理解 / 数据层 / 工程实现四个维度识别缺口，为后续迭代提供专家级分析留档。 使用方式：后续每轮迭代前回读此文档，确认"当前走到哪一步、下一步该做什么、为什么"。

0. 当前系统成熟度

当前系统架构是对的（fetch → merge → roi → classify → llm → validate → approval → execute），但决策成熟度停在 L1-L2，离"最优效果"还差三块关键升级。

级别	能力	当前状态
L1	单指标阈值决策	✅ 有
L2	多维度组合决策	🟡 部分（ROI + 消耗，缺创意 + 生命周期 + 大盘）
L3	趋势 / 结构感知	❌ 无（只看当前快照，不看变化）
L4	反馈学习	❌ 无（决策效果不回流）
L5	大盘联动	❌ 无（缺跨账户基准）

核心洞察：ROI 是结果，不是原因。只盯 ROI 做决策是"后视镜驾驶"。真正预示未来的是领先指标（点击率趋势、进入小程序转化率、裂变系数变化、创意级 ROI 分布）。

1. 维度一：业务目标层

1.1 当前目标

基于 ROI + 跑量双维度，对在投广告做调价 / 暂停。

1.2 专家视角的问题

问题 1：目标函数单一

只有 ROI，但投流的真实目标是"在预算约束下最大化利润"。当前系统缺 3 个隐式但关键的目标：

规模目标（消耗利用率）：预算花不出去 = 机会成本丢失
多样性目标（人群池健康度）：过度集中在 R50 快钱人群 → 短期 ROI 高但长期池子枯竭
风控目标（单次调整的 blast radius）：Tier 3 高价值广告一刀切暂停可能造成账户流量断崖

问题 2：没有"时间窗口"的策略分层

短期（小时级）：止损、预算管控
中期（日级）：效率优化
长期（周 / 月级）：结构调整、人群池经营

当前系统只有日级，时间维度折叠。

问题 3："最大化长期 ROI"的"长期"没定义

到底是 7 日？30 日？LTV？每个定义下，决策逻辑不同。

1.3 建议补充的目标表达

主目标：account_daily_profit = daily_revenue - daily_cost
约束 1：budget_utilization >= 85%（预算别闲置）
约束 2：audience_portfolio_health（各 R 值层有健康广告数）
约束 3：max_blast_radius_per_decision <= 5%（单次调整不动摇 > 5% 的日消耗）
时间窗口：滚动 7 日利润最优，兼顾 30 日趋势不恶化

2. 维度二：业务理解层

当前 skill 已经讲了 R 值含义、回流模型、f_7日动态ROI 公式（上一轮重构加的）。但还缺 4 块投流专家必备的心智模型。

2.1 广告生命周期的阶段化策略（缺失）

阶段	时长	核心信号	核心策略
冷启动期	0-4 天	点击率、CVR 爬升速度	绝对保护，不做负向（已有）
学习期	4-14 天	ROI 是否收敛	观察，谨慎微调
稳定期	14-60 天	ROI 波动范围	正常调控（当前系统主要服务这里）
衰退期	60+ 天	ROI 斜率下降	判断是创意疲劳还是人群饱和
僵尸期	任意	连续无消耗	回收预算

当前系统只区分"冷启动 / 正常"，把学习期、衰退期、僵尸期混在"非冷启动"里，决策粒度太粗。

2.2 创意 vs 广告的归因分离（缺失）

核心洞察：在腾讯 3.0"少广告多素材"策略下，广告层级的 ROI 问题 80% 是创意问题。

当前系统只看广告级 ROI → 做出"降价 / 暂停广告"决策
正确姿势：广告 ROI 降 → 先归因到创意（是 A 创意疲劳？还是 B 创意刚上线在冷启？）→ 再决定是换创意还是动广告
代码已经采集了 creative_id，但没做创意级 ROI 聚合 —— 这是最大的数据浪费

2.3 竞价生态感知（缺失）

oCPM 出价是拍卖，ROI 下降的原因可能是：

自己的问题（创意疲劳、人群匹配差）
大盘问题（行业大盘涨、同时段竞品加价）
账户层面（同账户内广告互相抢量）

当前系统全部归因于"自己"，没有"同时段大盘参考"，导致大盘涨时所有广告都在降价 → 量更少 → ROI 更差的死亡螺旋。

2.4 预算 pacing（消耗节奏）（缺失）

腾讯 oCPM 对"提前花完 day_amount"的广告会自动降量（防止一小时烧光）。

当前系统有 day_amount 字段但未在决策中使用
应该看 daily_cost / day_amount = 预算利用率：
- < 50%：广告跑不动（出价低？创意差？人群窄？），不应再降价
- 50-90%：健康
- > 95% 且时间早：可能触发平台降速，提价反而有害

3. 维度三：数据层

3.1 🔴 P0：已经算出来但没给 LLM（立即可补，0 成本）

字段	现状	影响
`bid_increased_7d`	`ad_decision.py:400` 算了，没写进 metrics CSV	LLM 无法识别"已干预但无效"的衰退信号
`creative_changed_7d`	同上	同上
`audience_tier`（R 值）	能从 ad_name 提取，但 metrics CSV 没这一列	LLM 做人群间比较时要靠 ad_name 文本匹配，容易错

这三个字段是 LLM 做衰退判断 + 人群比较的必需品，现在缺席 = skill 里说了也用不起来。

3.2 🟠 P1：数据已有，差一步聚合（低成本）

维度	当前现状	需要做的
创意级 ROI	merged CSV 有 creative_id 和所有指标	按 creative_id 聚合 `creative_metrics.csv`，LLM 能看到"哪个创意在拖后腿"
人群包级汇总	ad_name 可提取 R 值	按 R 值分组汇总 ROI 均值 / p25 / p75 / 广告数，提供"R 值基线"
账户级汇总	每个 ad 有 account_id	日级账户消耗、收入、ROI，看账户整体健康度
预算利用率	day_amount + daily_cost 都有	`budget_utilization = cost / day_amount`
趋势（斜率）	7 日数据都有	计算 ROI 最近 3 天 vs 前 4 天的差值 / 变化率，判断是变好还是变差

3.3 🟡 P2：需要新增数据源（中等成本）

数据	来源	价值
小时级消耗速率	腾讯 Reporting API 支持 `group_by=[date,hour]`	止损 + 预算 pacing
创意上线 / 更新时间	腾讯 `dynamic_creatives/get`	识别"新创意冷启动" vs "老创意衰退"
账户级大盘（所有账户汇总）	跨账户查询	大盘对比基准，避免死亡螺旋
同 R 值同地域大盘	ODPS	同可比人群的基准

3.4 🟢 P3：结构化运营 feedback（高价值但需基础设施）

数据	价值
决策 → 实际效果的回流数据	自学习的基础，知道"ROI=1.5 降 5% 的广告，通常 3 天后 ROI 变多少"
运营拒绝 / 修改决策的原因	积累人类知识，修正模型偏见
历史的"救活"案例	哪些暂停后又开启的广告后来跑得好，那就不该暂停

4. 维度四：工程实现层

4.1 🔴 P0（阻塞业务）

EXECUTION_ENABLED=False：整个系统当前是"纸面决策机"，不实际执行（config.py:113）
调整历史 JSON 单点：频率护栏靠 outputs/data/adjustment_history.json，无数据库、无并发安全、重启易丢（guardrails.py:61）
护栏钳位后 change_pct 不同步：recommended_bid 被钳到下限，但 change_pct 还是原值，报告里数据矛盾（guardrails.py:316）

4.2 🟠 P1（功能不完整）

没有反馈环：决策执行后的实际 ROI 变化无回流、无评估 → 无法学习
决策无版本：同日多次 LLM 调用会覆盖文件，无法追溯"为什么当时做了这个决策"
B 类分类规则和 LLM 决策标准不一致：B 类触发条件（roi_review_factor=0.8）和 skill 里说的"均值×0.5 关停 / 0.8 降价"边界有错位
审批回复靠 LLM 理解自然语言：鲁棒性差，应加"结构化快捷回复"兜底（例如飞书按钮）

4.3 🟡 P2（优化项）

LLM 输出无 schema 校验
干运行模式日志丢失
无单元测试
A 类广告（零消耗）在多个环节重复检测
没有异常处理的"完全失败"恢复机制
没有数据新鲜度通知（只有 query_ad_detail 有）
报告排序逻辑复杂且脆弱
LLM 的 confidence 字段未被后续环节利用
飞书审批超时处理过于简单
API 失败重试无明确的幂等性保证
护栏链对并发决策无保护

5. 最高 ROI 的完整升级路径

本轮只做前 4 步。后面 2 步留给下一轮。

✅ 补 P0 数据字段（3 个字段写进 metrics）→ LLM 立刻能做衰退判断【本轮】
✅ 加创意级 ROI 聚合 → LLM 能归因"广告差 vs 创意差"【本轮】
🟡 加趋势 / 斜率字段 → 从"快照决策"升级到"趋势决策"【本轮部分覆盖；完整版留下轮】
✅ 补预算利用率 + 账户级 / 人群包级汇总 → 加入预算目标和同组对比【本轮】
❌ 建反馈环 → 记录"决策 t0 → 结果 t+3d"的 pair，给 LLM 做事后复盘【下轮】
❌ 小时级止损 + 生命周期阶段识别 → 升级到 L3 完整形态【下轮】

本轮明确不做（用户已确认）

❌ 反馈环（决策效果回流、历史案例库）
❌ 小时级数据
❌ 大盘对比
❌ 开启 EXECUTION_ENABLED（先把决策质量做对）

6. 下轮议题候选

反馈环的存储方式：SQLite 表 vs JSONL vs 时序数据库
小时级数据的拉取频率：每 15 分钟 vs 每小时 vs 按需
大盘对比的范围：自家多账户 vs 行业（需要第三方数据）
生命周期阶段识别：规则式（天数分段）vs 基于指标曲线的状态机
LLM 决策的"置信度"字段是否用于触发不同审批级别
审批流的结构化回复兜底（飞书 interactive message / button）
决策趋势/斜率字段：roi_slope_3d、roi_slope_7d 的具体算法
广告生命周期识别：天数分段阈值、衰退斜率阈值

7. 附录：现状快照

7.1 已实现的关键能力（截至 2026-04-16）

✅ 数据拉取：日级创意数据（ODPS）+ 广告状态（腾讯 API）
✅ ROI 计算：f_7日动态ROI 完整公式（T0 裂变 + arpu + 回流倍数 + 裂变效率稳定因子）
✅ 决策引擎：A/B/C 三类广告分类 + LLM 智能决策
✅ 护栏系统：6 道护栏（冷启动 / 新鲜度 / 出价边界 / 频率 / 日上限 / 干运行）
✅ 执行引擎：TokenBucket 限流 + 指数退避重试 + 审计日志
✅ IM 审批：飞书阻塞式审批 + 自然语言理解回复
✅ 三模工作流：Mode 1 全量分析 / Mode 2 定向操作 / Mode 3 反馈修改
✅ 领域知识：专家角色定位 + R 值解读 + 实战 knowhow（上一轮刚补的）

7.2 当前 metrics CSV 列（16 列）

ad_id, account_id, ad_name, create_time, configured_status, bid_amount, creative_count,
cost_7d_total, revenue_7d_total, cost_7d_avg,
动态ROI, 动态ROI_7日均值,
cost_30d_total, cost_30d_avg, stable_spend_days_30d, ad_age_days

7.3 本轮升级后预期 metrics CSV 列（约 25 列）

在 7.2 基础上追加：

# P0 字段（Phase 1）
bid_increased_7d, creative_changed_7d, audience_tier

# 预算 pacing（Phase 2）
day_amount, budget_utilization_7d, budget_headroom_pct

# 额外（可能衍生）
dominant_creative_id, dominant_creative_cost_share,
audience_tier_roi_baseline_p25, audience_tier_roi_baseline_p75

7.4 关键代码位置速查

功能	文件:行号
数据拉取 SQL 构建	`tools/data_query.py:78-217`
创意→广告聚合	`tools/roi_calculator.py:47-118`
f_7日动态ROI 公式	`tools/roi_calculator.py:123-202`
ROI 计算入口	`tools/roi_calculator.py:320-462`
干预信号计算（待迁移）	`tools/ad_decision.py:400-460`
A/B/C 分类	`tools/ad_decision.py:798-920`
apply_decisions 合并	`tools/ad_decision.py:973-1103`
modify_decisions upsert	`tools/ad_decision.py:1240-1461`
6 道护栏实现	`tools/guardrails.py:190-451`
AdjustmentHistory	`tools/guardrails.py:61-140`
护栏链执行	`tools/guardrails.py:458-547`
Tier 分级	`tools/execution_engine.py:193-223`
执行主逻辑	`tools/execution_engine.py:230-565`
审批请求发送	`tools/im_approval.py:270-546`
审批回复解析	`tools/im_approval.py:248-262`
报告生成	`tools/report_generator.py:182-256`
决策阈值 config	`config.py:70-97`
R 值匹配规则	`config.py:164-175`

文档使用指引

何时回读此文档？

每轮迭代开始前：确认当前走到哪一步，下一步优先级
做决策设计时：回看"业务理解层"的四个心智模型
遇到疑难决策时：回看"业务目标层"的主目标 + 约束表达
工程加固时：回看"工程实现层"的 18 个缺陷清单

何时更新此文档？

完成一轮迭代后，在[第 5 节升级路径]里把完成项 🟡 → ✅
新发现的缺口加进[第 6 节下轮议题]
重大认知更新（如业务模型变化）需另起一版

strategy_review_2026-04-16.md 14 KB

Permalink Riwayat Mentahan

auto_put_ad_mini 策略 Review（2026-04-16）

目录

0. 当前系统成熟度

1. 维度一：业务目标层

1.1 当前目标

1.2 专家视角的问题

问题 1：目标函数单一

问题 2：没有"时间窗口"的策略分层

问题 3："最大化长期 ROI"的"长期"没定义

1.3 建议补充的目标表达

2. 维度二：业务理解层

2.1 广告生命周期的阶段化策略（缺失）

2.2 创意 vs 广告的归因分离（缺失）

2.3 竞价生态感知（缺失）

2.4 预算 pacing（消耗节奏）（缺失）

3. 维度三：数据层

3.1 🔴 P0：已经算出来但没给 LLM（立即可补，0 成本）

3.2 🟠 P1：数据已有，差一步聚合（低成本）

3.3 🟡 P2：需要新增数据源（中等成本）

3.4 🟢 P3：结构化运营 feedback（高价值但需基础设施）

4. 维度四：工程实现层

4.1 🔴 P0（阻塞业务）

4.2 🟠 P1（功能不完整）

4.3 🟡 P2（优化项）

5. 最高 ROI 的完整升级路径

本轮明确不做（用户已确认）

6. 下轮议题候选

7. 附录：现状快照

7.1 已实现的关键能力（截至 2026-04-16）

7.2 当前 metrics CSV 列（16 列）

7.3 本轮升级后预期 metrics CSV 列（约 25 列）

7.4 关键代码位置速查

文档使用指引

strategy_review_2026-04-16.md 14 KB Permalink Riwayat Mentahan

auto_put_ad_mini 策略 Review（2026-04-16）

目录

0. 当前系统成熟度

1. 维度一：业务目标层

1.1 当前目标

1.2 专家视角的问题

问题 1：目标函数单一

问题 2：没有"时间窗口"的策略分层

问题 3："最大化长期 ROI"的"长期"没定义

1.3 建议补充的目标表达

2. 维度二：业务理解层

2.1 广告生命周期的阶段化策略（缺失）

2.2 创意 vs 广告的归因分离（缺失）

2.3 竞价生态感知（缺失）

2.4 预算 pacing（消耗节奏）（缺失）

3. 维度三：数据层

3.1 🔴 P0：已经算出来但没给 LLM（立即可补，0 成本）

3.2 🟠 P1：数据已有，差一步聚合（低成本）

3.3 🟡 P2：需要新增数据源（中等成本）

3.4 🟢 P3：结构化运营 feedback（高价值但需基础设施）

4. 维度四：工程实现层

4.1 🔴 P0（阻塞业务）

4.2 🟠 P1（功能不完整）

4.3 🟡 P2（优化项）

5. 最高 ROI 的完整升级路径

本轮明确不做（用户已确认）

6. 下轮议题候选

7. 附录：现状快照

7.1 已实现的关键能力（截至 2026-04-16）

7.2 当前 metrics CSV 列（16 列）

7.3 本轮升级后预期 metrics CSV 列（约 25 列）

7.4 关键代码位置速查

文档使用指引

strategy_review_2026-04-16.md 14 KB

Permalink Riwayat Mentahan