需要为广告活动选择或调整出价策略时…

按平台与目标选择出价原型、设定与移动目标、规定评估窗口与回滚触发条件，输出一份可审批的出价政策文档。

适用场景

解决思路

1. 先做访谈再给建议：每条消息只问一个问题，尽量给多选题，跳过用户已回答的内容；需覆盖目标（转化量/成本效率/价值回报/可见度）、月转化量、优化事件是否为真实业务结果、转化价值是否回传及是否真实、毛利结构、销售周期与转化延迟、风险偏好、截止日期、一次性还是长期资产、每月可投入工时与审批人、预算是否受限、B2B/B2C、涉及哪些平台。
2. 先过测量门槛再谈出价：若优化事件不是真实业务结果或其价值不可信，先修复测量（转 ad-conversion-tracking），之后再回来谈出价；唯一例外是失控花费或落地页损坏等需要立即止损的封控场景。
3. 做两项价值/回报目标必备检查：事件深度（被追踪事件能预测收入，若销售称线索为垃圾而看板在改善，是事件错了而非出价器错了）；价值完整性（价值有区分度、至少两个不同值、扣除退款/拒付、相对转化延迟足够及时）。
4. 按四个结构轴而非平台标签对策略分类：优化对象（点击/展示/转化量/转化价值）、是否有上限（有目标约束 vs 无目标只求花完预算最大化 X）、平均值控制 vs 单次拍卖硬上限（平均成本目标允许单次超出，硬上限任何拍卖都不超，二者不同，硬上限以欠量风险换控制权）、单活动 vs 共享/组合（一个活动自身信号 vs 多活动共用一个目标）。
5. 使用七种工作原型：volume-maximizing（无上限转化量）、cost-goal（平均成本目标）、value-maximizing（无上限价值）、return-goal（平均回报目标）、visibility（展示份额）、manual/exploratory（手工单价，适用于价格发现、极小受众、严格控制的品牌词）。
6. 明确警告：不同平台上同名策略机制并不相同，平台标签是观察到的能力而非可直译的对应物。
7. 把「委托给 AI 默认活动类型」本身当作一个出价决策来评估：问平台拿到什么信号、放弃了什么控制、什么情况下要收回控制权。
8. 把转化量阶梯当作风险启发式而非资格门槛来呈现：极低量→手工或无目标量最大化；中等量→量最大化；稳定较高量→成本目标；有真实价值回传→回报目标。
9. 说明低量真正的代价是方差与诊断困难，而非无法使用：薄活动上的自动策略方差大、纠偏慢，无法区分目标差还是运气差。
10. 教推导而非背数字：所需预算 ≈ 目标成本 × 量阈值 ÷ 周期（如每周 50 次事件、目标 $40 则约 $285/天）；能联网时先核对平台最新文档，否则标注为带日期的过期文档。
11. 按效率而非转化量重排阶梯：cost-goal > volume-maximizing > return-goal > manual/exploratory；一旦追踪事件有效，cost-goal 就是默认档位。
12. 警惕该排序会饿死 return-goal：它同时占据价值轴和投入轴顶端，比例上被压在第 3 档，可能被无限期推迟；应基于证据（真实差异化价值回传、达到平台文档的回报目标最低要求）而非比例来提升它，并结合本账户优势（价值已回传、有内部数据团队、有常驻分析师）重新排序。
13. 进入明确的头脑风暴模式：访谈后先给出 2-3 个候选出价政策，对每个说明它买到什么、付出什么代价、成立的前提是什么。
14. 按单位投入的价值排序并大声说出来：先讲比例最好的，绝不先讲最便宜的；投入用搭建时间、协调成本、所需技能、可逆性表达，绝不用金额。
15. 当各轴排序冲突时，每个轴各输出一行排序，而不是揉成一个混合排名；必须给出推荐，不能中立罗列后停下；等用户选定后再起草政策文档。
16. 目标设定必须同时做两种推导并调和：从经济性推导可承受上限（盈亏平衡每次获客成本 = 每笔被接受转化的贡献；盈亏平衡回报 = 1 ÷ 贡献毛利率；B2B 链条：盈亏平衡每条线索成本 = 平均成交额 × 线索转化率，盈亏平衡每次点击成本 = 目标每条线索成本 × 落地页转化率），实际目标要低于盈亏平衡并留出所需利润。
17. 从历史推导可达起点：用成熟窗口（30-60 天加转化延迟）的滚动实际值；初始目标设在滚动实际值附近，绝不用理想数字——目标远低于已实现表现会掐死投放，平台会停止出价而不是为你亏钱，这是投放崩塌最常被记录的成因；之后按评估窗口从实际值向经济边界分步收紧。
18. 在政策文档中把盈亏平衡与实际目标之间的差距命名为「利润缓冲」；若经济性与历史无法调和（盈亏平衡低于账户从未达到的水平），说明这是单位经济问题而非出价问题，把话题引向报价、定价、漏斗或渠道。
19. 防目标腐化：给每个目标设刷新日期并按节奏重新推导，因为基于毛利快照推导的目标会随定价、COGS、成交率变化而悄悄失效。
20. 变更纪律：按转化周期而非日历天评估（一个周期 = 点击到转化延迟 + 报告延迟，平台指引为变更后 1-2 个转化周期）；不做并发的混淆性变更，把待改项打包成一次变更以只触发一次重学习；目标按小幅增量移动并等满一个评估窗口（约 10-15% 目标、约 20% 预算、单次不超过 30% 属从业者共识而非平台文档，应如实标注，并优先用账户自身方差推导步长）；每次实质变更都会重启学习/探索期，窗口内恐慌性修改正是造成不稳定的原因；优先最小可逆变更，默认只提议不执行，线上账户的出价变更需在政策中指定审批人；策略切换时优先用平台的实验或模拟工具，因为硬切换读到的是变更加学习重置的混合结果。
21. 用 Frederick Vallaeys 的自动化分层框架（Optmyzr）把「人工 vs 自动」重构为「这个账户当前在哪个职责上失职」：Pilot（设定策略、监控、漂移时收回控制）、Doctor（解读数字含义，尤其是归因假象与目标是否仍正确）、Teacher（喂给算法它看不到的业务信号：真实线索质量、毛利差异、线下结果）。
22. 在自动出价器之上加一层监控规则，用于捕捉黑盒出错的情况，这是补充而非竞争。
23. 处理增量性这一平台内指标看不到的失败：被归因转化奖励的自动出价器会买下本来就会发生的转化；引用 eBay 实验（品牌词广告短期无可测收益，几乎完全被自然流量替代）与 Edmunds.com 复现（替代率低于 50%，付费品牌流量有经济意义），结论是「测试而非假设」，绝不一刀切停止品牌词投放，只有留出组或地域测试才能发现非增量购买。
24. 按边际回报而非平均回报扩量：一个渠道可以维持 4x 平均回报，而下一美元的边际回报已跌破盈亏平衡；测量侧参见 ad-attribution-gap。
25. 季节性处理：短需求高峰（约 1-7 天的促销、发布、活动）用平台提供的排期转化率调整，并按预期转化率提升幅度而非去年的转化量峰值来定大小（有记录的警示案例：为预期转化翻倍设 100% 调整，结果因转化率涨幅远小于转化量而在上午就烧掉全天预算）；长季节模式（数周至数月）不要拉伸短期工具超出其文档窗口，应按季节实际值重新推导目标再恢复；停机工具（数据排除）用于追踪损坏而非需求波动，不要混用，频繁排除会劣化出价器；区分临时需求波动（窗口内放宽后恢复）与真实效率变化（永久重新推导目标）。
26. 组合/共享策略：把多个活动放在一个共享目标下能帮薄活动越过信号门槛，但当各活动经济性不同时会因资金按混合回报而非单活动回报迁移而悄悄扭曲花费；合并前测试该分组是否包含真正兼容的目标（同一转化事件、可比毛利、同一目标）；薄活动通过测试才合并，绝不为了共享信号把品牌线与拓新、或高毛利与盈亏平衡产品线合并；结构性过薄通常更适合用合并活动解决（见 ad-campaign-consolidation）。
27. B2B 与 B2C 的差异处理：B2B 量低、成交跨月，平台内转化数从不说真话，最高杠杆动作是把 CRM 阶段结果与真实成交额回传平台，优化事件选漏斗最深的可用量阶段，转化窗口匹配销售周期（90 天常见），典型失败是优化原始表单提交导致线索成本改善而管道枯竭；B2C 量高、延迟短，价值信号几天内可读，应回传真实交易价值并审计退款与毛利波动，优化购买事件，回报目标出价可更早达到，典型失败是把高毛利与盈亏平衡订单混成一个无意义的混合回报目标。
28. 按平台/目标配对交付一份简短可审计的出价政策文档，字段包括：Objective（volume | cost efficiency | value-return | visibility）、Archetype（原型 + 理由 + 为何不选次优）、Evidence（转化事件与深度检查 | 价值完整性 | 量/周期 | 延迟）、Target（数值 | 经济性推导含盈亏平衡与缓冲 | 历史推导含滚动实际与窗口 | 刷新日期）、Evaluation（以转化周期计的窗口 = 本账户对应天数）、Change rules（步长 | 每步等待 | 打包规则 | 审批人）、Rollback trigger（可观察的回滚条件）、Switch triggers（何时切换到其他原型）。
29. 逐节呈现政策并逐节获得用户确认后再写下一节：1) 目标与原型 2) 证据 3) 目标 4) 评估与变更规则 5) 回滚与切换触发；未经用户明确批准不得定稿。
30. 若运行环境有持久记忆，记住已批准的政策（原型、目标及两种推导、评估窗口、复核节奏、约束），让后续战术执行从政策出发而非重新争论；否则告知用户把政策文档放在下次会话可读取的位置。
31. 交付前通过门槛检查：每条推荐都能追溯到明确目标、通过（或明确豁免）的测量门槛、经济性推导的目标边界；目标带两种推导与命名的利润缓冲，初始值在滚动实际附近而非理想值；每个引用的数字都带证据等级（documented 带日期 / practitioner-convergent / folklore），不得把未记录的通用阈值当作规则；评估窗口以转化周期表达并换算成本账户延迟的天数；每条政策都有回滚触发、切换触发与具名审批人；用户明确批准了每一节。
32. 按失败模式表用判别性诊断定位问题再动策略：目标过激导致投放掐死（欠量而非效率差：因排名损失的展示份额、花费远低于预算、报告成本低于不合理的低目标）→ 分步把目标升回滚动实际；预算受限（预算受限状态、一天早早就花完、成本可接受但投放被封顶）→ 加预算或降目标，这是与策略不同的杠杆；转化事件错误（平台转化健康但下游线索成交率崩塌、销售称线索为垃圾）→ 重新指向更深事件并回传线下结果；学习反复中断（反复进入学习、每次不稳定前都有一次「最近重要编辑」）→ 停止编辑、打包变更、等满窗口；过度细分（大量薄广告组/活动都远低于信号门槛）→ 合并；组合池化出错（花费在经济学不同的池内活动间迁移、混合目标正常但单活动回报分化）→ 把不兼容活动拆出池；归因模型在出价器下被改（未改出价但目标被重塑、转化数在模型变更日跳变）→ 先用 ad-attribution-gap 诊断再怪目标；建模价值侵蚀回报目标（建模/估算转化占比上升、无市场原因的价值波动）→ 降低对回报目标的信心、加宽缓冲、对照业务收入核验；非增量购买（平台指标健康但留出/地域测试显示几乎零提升）→ 扩量前先测品牌与再营销的增量性；把高成本归咎于出价器（成本高但落地页、报价、受众、创意、相关性都未检查）→ 先跑 ad-account-diagnostic，出价策略是后期杠杆。
33. 明确拒绝的反模式：把硬编码自动化规则（如「成本超 $X 就自动暂停」）当作功能交付；绝不只凭固定倍数暂停，先检查转化延迟、样本量、追踪健康度、季节性与进行中的实验——尖峰是问题而非判决；但对失控花费上限、政策风险、落地页损坏、确认的追踪污染，立即封控是对的，用最小可逆动作并保留证据。

适用边界 · 注意事项

• 不要用于在活动之间分配预算（见 ad-spend-allocation）。
• 不要用于对照预算追踪花费（见 ad-budget-pacing）。
• 当优化事件不是真实业务结果或价值不可信时，不要先谈出价策略，应先修复测量（除非是失控花费或落地页损坏等需要立即封控的场景）。