已验证付费广告活动需要扩量时，用就绪门禁…

为已验证的付费媒体活动规划预算爬坡：判断能否扩、每次加多少、如何按周/月推进、何时回滚与在哪里触顶。

适用场景

解决思路

1. 把『就绪』当作合取条件：所有 gate 都必须成立，绝不以单一指标越过某条线作为扩量依据。
2. 按边际而非混合判断：关注下一美元广告花费是否还赚钱；边际 aMER 会先于 blended aMER 变得不盈利。
3. 把扩量当作随时间运行的治理循环：step、hold、monitor、roll back，而不是一次预算编辑。
4. 给每个引用的数字标注 documented（平台帮助中心）、research（同行评审或公开方法）、folklore（从业者重复但无一手来源）；绝不把 folklore 洗成事实。
5. 规划前先做访谈；每次只问一个问题；能提供多选项就提供；用户已答过的跳过。
6. 问当前花费水平与结果，以及统计窗口：每日或每月金额、CPA/ROAS 或 cost per SQL、有多少周历史。
7. 问『它正在奏效』的依据：仅平台归因、与 CRM/混合业务数据三角验证、还是因果证据（holdout、geo test、增量研究）。
8. 问目标花费水平和结果必须落地的日期；是硬承诺（董事会、旺季、发布）还是方向性愿望；由谁设定。
9. 问贡献 margin 与可承受 CAC：是否有负责人批准的 max-CAC / min-ROAS 边界；这里只需要它的输出。
10. 按 1-3 分评估测量成熟度：blended dashboard、per-channel dashboard、conversion tracking、web analytics、documented attribution process。
11. 问创意管线：有多少已验证且未疲劳的广告，以及每月能产出多少新测试。
12. 问受众余量：受众规模、30 天渗透率或触达趋势、frequency 与 CPM 的方向。
13. 问现金流：付款条款 vs 收入滞后，以及爬坡能消耗多少营运资金，由谁批准。
14. 问库存或销售承接限制：库存水平；B2B 还要问销售能否跟进额外线索量而不让 speed-to-lead 变差。
15. 问是 B2B、B2C 还是两者，以及从点击到收入的转化滞后有多长。
16. 问谁批准预算增加，以及达到多大规模时审批升级。
17. 问上次扩量发生了什么：顺利；效果崩塌并被迫砍回；从未扩过这个账户；不知道。
18. 问是一次性胜利还是复利资产：只命中过一次数字，还是留下余量与因果证据让下一次爬坡更容易。
19. 问爬坡本身的努力上限：每月创意产能、做因果测试的分析师时间，以及为等待测试读数而保持花费不变的 political capital。
20. 提出爬坡方案前，先问清日期、一次性 vs 复利资产、努力上限这三项；它们决定 Brainstorming the ramp 的默认排序。
21. Gate 0 可负担性，位于一切上游：如果不知道 LTV，就不应再花任何额外流量钱；用 12 个月 LTV → 毛利 → 减退款 → 减履约/OpEx → 目标利润率 推导上限。
22. 按计划/cohort 计算回本周期，绝不算 blended：同样 $300 CAC，在 $9 计划上是 33 个月回本，在 $999 计划上是 0.3 个月回本。
23. Gate 1 数据成熟度：结果至少撑过一个完整学习周期加转化滞后，而不是只有一个好周。
24. Gate 2 边际经济性：最近一段增量花费 band 的 marginal CAC/ROAS，而非 blended 平均，落在负责人批准的边界内；marginal ROAS = Δrevenue ÷ Δspend per band。
25. Gate 3 测量健康度：五区成熟度评分 ≥ ~6/15；低于此先修复可见性再加预算。
26. Gate 4 创意供给：有足够已验证、未疲劳的广告吸收下一预算级别；最少已验证广告库存 ≈ 月预算 ÷ $5,000（B2B folklore，交付依赖并校准数字）；不能把预算扩到创意供给前面。
27. Gate 5 业务承接：现金 float、库存、销售能力能扛住这一步；广告花费按天出账，收入却滞后，B2B pipeline 可滞后 60-281 天；盈利账户也可能杀死公司。
28. Gate 6 回滚预先承诺：在向上加预算之前，已有命名阈值、验证日期和具体下调动作。
29. 证据门槛必须是因果，不是归因；平台报告的 ROAS 恰好在最诱人扩量的 retargeting 和 branded search 上高估因果价值。
30. 记住证据示例：geo-holdout 从业者数据把报告 3x cold ROAS 拉近到 1.8-2.2x 增量；eBay 非品牌付费搜索实验测得 -63%，而朴素归因给 +1,400% 到 +4,100%；Uber、P&G、JPMorgan、Airbnb、Adidas 曾大幅削减花费但可见影响很小。
31. 这些证据授权的是：归因 ROAS 不是增量回报的证据，因此仅凭归因做大幅爬坡前值得先做 holdout 测试。
32. 这些证据绝不授权的是：声称某个账户的花费被浪费，或给出任何浪费百分比；它们只用于推动测试，绝不替代测试。
33. 认识到没有广告平台发布过预算变动百分比；Meta、Google、TikTok 都记录显著编辑会重置学习阶段，但都不给预算数字。
34. 把『每 72 小时加 20%』视为 folklore：它源自 Charlie Lawrance 在 Social Media Examiner 2021 年 9 月转述未经证实的账户代表建议；Meta 的 20% 自动规则 UI 预设只是默认值，Google 的 20% cadence 是 Display 广告的 bids，不是 budgets。
35. 按价值/努力排序选择步长来源：默认从账户自身历史推导；没有历史时用具体默认值仅作开局猜测；已有可信因果测量或截止期逼近时用 validate-then-push。
36. Rung 1 从账户自身历史推导：看最近三次已知大小的预算变动后效率如何响应；花约一小时读 change log；得到按该账户真实重置行为定制的步长，且是唯一不可能是 folklore 的 rung。
37. Rung 2 具体默认值仅作开局猜测：每步 15-20%，一次绝不超过 30%+，步与步之间 hold 3-5+ 天（folklore；一个 documented $62k→$493k/90 天案例正好用了此法）；努力接近零，只买一个可辩护起点，必须附带重新校准指令。
38. Rung 2 用于账户还没有 change history 可读时。
39. Rung 3 validate-then-push，完全不用百分比：承认『没有通用安全百分比』；Tier 11 每次 push 前重新检查 contribution margin；Common Thread Collective 先前置测量严谨性，再朝可信的增量推导目标猛推，明确反对缓慢 laddering。
40. Rung 3 努力：约一周搭建仪表加上一段等待 hold；前提是账户拥有可信的因果测量。
41. 当因果测量已存在，或截止期近到 laddering 来不及到达时，把 Rung 3 提升为首选。
42. 把排序当默认而非法律：已跑增量测试的账户从 Rung 3 开始，边际努力近零；change log 为空的账户只有 Rung 2，直到它走过几步。
43. 默认排序会饿死 Rung 3，尽管它同时位于价值和努力轴顶端；按 Rung 3 自身条件提升它，不要等比例选择它。
44. 约束排除某个 rung 时删除而不是降级：永远不会资助因果测量的账户没有 Rung 3，计划中要写明它被删除，而不是留作 someday-option。
45. 教推导而不是教数字：步长必须小到平台不把它归类为显著编辑，hold 必须长到覆盖学习加转化滞后。
46. 需要时查阅 references/step-size-figures.md 获取步长数字来源、平台逐项文档表和每位具名从业者立场。
47. 提出数字前进入显式 brainstorming 模式：一次问一个问题，然后把排序后的候选方案连同权衡和你的推荐摆上桌，等待用户选择。
48. 按价值/努力默认排序，并读取四条轴：efficiency 为 vertical ladder > measure-first > horizontal expansion；effort 为 horizontal expansion > measure-first > vertical ladder；value 为 measure-first > horizontal expansion > vertical ladder；speed to first readable result 为 vertical ladder > horizontal expansion > measure-first。
49. Vertical ladder（默认 rung）：在已验证 campaign 上做有尺寸的步进，每步 hold 过学习加滞后，按边际 band 判断；努力为一小时规划加每周站立决策；一个稳定 learner，无新设置；买来的是在已奏效线上加下一增量，几天内可读；但受受众余量封顶，且纯归因证据下会耐心地扩一个海市蜃楼；当余量大（渗透率低于 ~25%）、创意新鲜、目标低于当前花费约 2x 时比例最佳。
50. Measure-first：购买因果证据（geo holdout 或增量测试，通常 2-4+ 周）以设定可辩护目标，然后朝目标猛推而不是 laddering；努力为约一周设计加仪表、一段等待 hold，另加测试预算买证据而非量；买来菜单上最持久回报：一个后续每步都复用的目标，以及一次快速行动许可；当目标激进（2x+ 当前花费）、花费大到能资助干净测试、或当前所有证据都是平台归因时，提升为首选。
51. Horizontal expansion：把增量给新受众、地区、版位或渠道，按已验证的单位预算执行，而不是抬高同一条线；研究支持，因为增长绝大多数来自渗透和轻度买家；努力最接近固定工作：每个新单元跑自己的学习阶段，创意需求永久倍增，受众重叠可能吃掉信号；买来持久新余量；当 saturation 绑定时其低比例不再重要：渗透率 ~35%+、CTR 持平但 frequency 和 CPM 上升且 unique reach 下降，或出现 demand-capture ceiling 时，vertical 出局，horizontal 领先，无论努力多大。
52. 效率排序会饿死 measure-first：它位于价值轴顶端，却要在测试读数期间把花费按住数周，所以比例永不选择它，账户就会永远用归因数字 ladder；按 Rung 2 的条件提升它，并在计划中说明你测试了哪个条件、答案是什么，让被饿死的选项因证据被拒绝，而不是默认被拒绝。
53. 排序是默认而非法律，会随上下文和执行者移动：进行中的增量项目或现有 MMM 会压缩 measure-first 努力并把它提升为首选；内部创意工作室批量产出会压缩 horizontal 努力。
54. 访谈答案也会移动排序：硬日期提升 vertical ladder；复利资产 mandate 提升 measure-first 和 horizontal；低努力上限把 horizontal 降得最远。
55. 删除而不是降级本账户约束排除的方案：受众饱和在渗透率 ~35%+ 删除 vertical ladder；任何预算都无因果测量路径删除 measure-first；没有创意管线喂养新单元删除 horizontal expansion。
56. 在 Ramp Plan 的 approach 行写明每个被删除方案及其删除约束；没人能跑却排在末尾的方案下季度会变成无资金计划回来。
57. 无论用户选哪个，都说出假设：哪个数字是 documented、哪个是 folklore、哪个是本账户历史；并在起草计划前为所选方案提出最强反方论证。
58. Step：一次只做一个预算变动，大小按已同意规则；把所有编辑批量放进一个 session，因为平台记录分组变动能最小化累计重学习，分三天滴灌三次编辑可能触发三次重置。
59. Hold：在判断或再次 step 前，至少等学习窗口加转化滞后；Meta 约 7 天退出学习；Google 记录 Performance Max 需要 6 周并带 1-2 周 ramp；B2B pipeline hold 要一个月或更多，并读领先指标。
60. Monitor：在新花费 band 上跟踪 marginal CAC/ROAS 或 aMER；frequency 与 CPM 趋势；月环比 unique reach（领先 saturation 指标）；delivery/learning 状态；cost-per-result 稳定性；B2B 按广告看 lead-quality score，绝不只看 CPL。
61. Roll back on the pre-committed trigger：合格线索成本在 step 后超过目标 1.5x → 砍 20-30%，稳定两周，然后以每周 +10% 恢复。
62. 第二条回滚配方：ROAS 下降持续 5-7 天 → 回到先前预算；然后更慢地重新接近。
63. 保护回滚免受假阳性：6 个转化加 14 天滞后导致 CPA 翻倍是噪声；行动前先检查样本量、转化滞后、tracking 中断、下游线索质量、季节性、正在运行的实验；优先最小可逆动作。
64. 把即时砍量留给真正紧急情况：runaway-spend 天花板被突破、政策/法律暴露、落地页损坏、已确认 tracking 损坏。
65. 爬坡中的运营纪律按安装顺序执行，该顺序与成本正好相反：separate deciding from acting > ring-fence the test budget > structural change per tier。
66. Separate deciding from acting：发布每周 cadence；周初决策日（拉 rolling 14 天数据，跑质量和疲劳检查），周中启动创意，周末做 scale-or-rollback 日；在同一场会里决策又行动，会让单日噪声变成预算动作。
67. Ring-fence the test budget（约 80% scaling / 约 20% protected testing，同一受众，folklore）：在一个算法优化 campaign 内，已验证广告会饿死新广告，而扩量会吃掉维持它的创意管线。
68. Pair each spend tier with a structural change：出价成熟度、新分群、新 campaign 类型、自动化等，而不是反复拉同一根杆；扩量是主动、持续的工作。
69. 每个 ramp plan 都要命名退出条件；没有终点的 ramp 不是计划；按 non-media > saturation signals > marginal stop signal > demand-capture 的顺序诊断，并按价值/努力报告哪个先绑定。
70. Non-media ceilings 先检查，通常也是真正绑定的：创意供给（Gate 4）、现金与营运资金、转化能力（更冷流量转化更差）、销售团队跟进（B2B）。
71. 在责怪渠道前先在这里诊断：用 Justin Setzer 的 Five Fits 延伸 Brian Balfour 的 Four Fits（Brand、Product、Market、Channel、Model），测试停滞扩量是否是穿着渠道外衣的商业模式或市场错配；渠道决定自己的成本现实，你可以改善但有限制。
72. Saturation signals（从业者 band）用一小时拉 reach 和 frequency：30 天渗透率低于 25% → vertical 仍有余量；25-35% → hold；约 35%+ → 横向扩，不纵向扩。
73. 预算翻倍只会让渗透率增长约 50-70%，不是 100%；unique reach 下降会在 frequency（危险带：prospecting 约 3.0，retargeting 约 4-6，folklore）或 CPM 尖峰之前标记墙壁。
74. Marginal stop signal：需要计算边际 band，所以比前两项检查更贵；当最新花费 band 的边际 contribution margin 跨过 $0，利润峰值已在身后，即使 blended 数字仍健康也要停止。
75. Demand-capture ceiling：最昂贵的判断，需要一周战略工作，所以最后再用；Ralph Burns 的 zone of indifference：约 80% 市场不知晓，约 10% 主动搜索，约 10% 不感兴趣（他的框架，不是测量数据）；搜索型渠道只能触达搜索 slice，过了这个 ceiling，下一增量应给 demand-creation 渠道，而不是同一行上更大的数字。
76. 运行 Interview；运行 Readiness gates；失败 gate 停止 ramp 并命名修复。
77. 建立证据门槛（attributed / triangulated / causal）以及 ramp 包含何种升级。
78. 按默认顺序 brainstorm approach：vertical ladder、measure-first、horizontal；再按访谈答案和本账户优势重排；等待用户选择。
79. 从本账户支持的最高 rung 推导步长：自身 change history，否则具体默认值，否则在已有因果测量处用 validate-then-push；用平台重置行为加转化滞后设定 hold；说明 rung、起点默认值和如何调整。
80. 编排 ramp：带日期的 steps，每个都有 hold-until date、monitor set、rollback trigger、rollback action；把每个 tier 与结构性变化配对。
81. 命名 ceilings 和 exit condition；识别哪个 ceiling 先绑定。
82. 起草 Ramp Plan，然后逐节呈现——gates、evidence bar、approach、steps、ceilings、exit——每节先与用户验证再起草下一节。
83. 停在 approval gate：没有用户对组装后计划的明确批准，不最终确定任何内容；计划负责提议，执行预算变动属于用户及其平台工作流。
84. 如果 harness 有持久记忆，记住已批准 ramp plan、命名假设和 rollback triggers，让每个 hold-period review 从它们开始而不是从零开始。
85. 如果能浏览网页，最终确定前用当前来源验证任何引用的外部 benchmark；否则把每条标为有日期的从业者指导，而不是当前事实。
86. 交付 MEDIA SCALING RAMP - <campaign/line>, <current> → <target> over <period> 作为决策 artifact。
87. Gates 行：逐 gate pass/fail、每个数字的证据标签、失败 gate 修复。
88. Evidence bar 行：attributed | triangulated | causal，以及计划中的升级（如有）。
89. Approach 行：vertical ladder | measure-first | horizontal，以及它为何击败默认顺序；因约束被删除的方案，逐个命名并写出删除它的约束。
90. Steps 行：date | new amount | % change | hold until | monitor set | rollback trigger | rollback action。
91. Ceilings 行：creative supply | cash | audience penetration | capacity，哪个先绑定。
92. Exit 行：结束 ramp 的条件（marginal CM ≤ $0、渗透率 band、ceiling hit、target reached）。
93. Open items 行：未验证数字、缺失输入、要跑的测试。
94. 反捏造规则不可协商：每个数字带 documented / research / folklore 标签。
95. Folklore 默认值必须随附重新校准指令。
96. 缺失输入产生场景或显式 open item，绝不产生看起来自信的猜测。
97. 需要时查阅 references/worked-ramp-examples.md 的 B2C、B2B 已做示例和逐行注释的负面示例。
98. B2C 主要扩量信号：增量 ROAS / contribution margin，几天内可读。
99. B2C 学习阶段可行性：通常可在 purchase 事件上达到。
100. B2C 每步 hold：学习窗口 + 滞后天数。
101. B2C 就绪指标：break-even 处的 marginal aMER / marginal CAC。
102. B2C 受众 ceiling：通常大，有真实渗透余量。
103. B2C 主导扩量失败：创意疲劳、受众饱和。
104. B2B 主要扩量信号：pipeline 和 closed-won，滞后 60-281 天（Dreamdata benchmark）。
105. B2B 学习阶段可行性：在最终事件上常不可行——优化 upper-funnel proxy 加 offline conversion imports。
106. B2B 每步 hold：一个月或更多；用领先指标判断（cost per SQL、lead-quality score），绝不用上个月 closed-won。
107. B2B 就绪指标：cost per SQL；180/365 天 cohort ROAS。
108. B2B 受众 ceiling：TAM 真正小；frequency 很快耗尽。
109. B2B 主导扩量失败：线索质量衰减——CPL 下降被读成成功，而 pipeline 持平；代理坏了，修代理而不是修广告。
110. B2B 额外动作：在任何 lead 指标上扩量前，先闭合 offline loop（CRM stage changes 回传到平台）。
111. B2B 额外动作：每月将平台 conversions 与 CRM 对账；两者不一致时，以 CRM 为准。
112. 通过阈值 1：每个 readiness gate 都跑了；失败 gate 产生 stop-and-fix，绝不是更小 ramp。
113. 通过阈值 2：每个 step 都带 hold-until date、monitor set、rollback trigger、rollback action，且在 step 前预先承诺。
114. 通过阈值 3：每个数字标注 documented / research / folklore；没有 folklore 被呈现为平台规则。
115. 通过阈值 4：每个默认步长随附从账户历史重新校准的指令，并呈现 no-universal-number 反方立场。
116. 通过阈值 5：approach 排序被明说，按访谈答案和本账户优势重排，所选 approach 针对该排序有辩护。
117. 通过阈值 6：超过当前花费约 2x 的 ramp 若仅凭归因证据，必须包含因果测量步骤，或显式、用户确认的风险行。
118. 通过阈值 7：exit condition 和 first-binding ceiling 被命名，且通过 cheapest-first 检查顺序得出。
119. 通过阈值 8：没有 B2B step 用短于转化滞后的窗口判断。
120. 通过阈值 9：用户明确批准每一节。
121. 判断扩量决策本身而非 campaign 表现；首要 KPI：Marginal efficiency held——每个新花费 band 的 marginal CAC/aMER 留在边界内。
122. Blended drift vs plan：每个 tier 的 blended CAC/MER 恶化速度不超过计划预测。
123. Rollback discipline：越过触发器的 step 在验证日期真的回滚；零回滚可能意味着 step 太胆小，频繁回滚意味着 readiness 被误判。
124. Time-to-target：在计划日期达到目标花费，且从未砍到起始预算以下。
125. Causal confirmation：计划了测试的地方，增量结果验证扩量花费确实是增量的。
126. Ceiling forecast accuracy：命名 first-binding 的 ceiling 正是实际撞到的那个。
127. 失败：仅凭归因 ROAS 扩量。修复：用因果证据门槛；eBay 结果是警告——大幅 ramp 前跑 holdout。
128. 失败：一次过大预算跳变。修复：它会重置学习并在峰值花费上把稳定性换成波动；改为 step and hold。
129. 失败：用一个好周或坏周判断 step。修复：hold = 学习窗口 + 转化滞后，始终如此。
130. 失败：把『每 72 小时 20%』当平台法律。修复：它是 folklore；从本账户历史和重置行为推导 step 与 hold。
131. 失败：向上加预算前没有回滚规则。修复：预先承诺 trigger、action、verification date——Gate 6。
132. 失败：因噪声回滚。修复：先检查样本量、滞后、中断、季节性；用最小可逆动作。
133. 失败：跨天滴灌编辑。修复：把变动批量进一个 session；每次单独编辑都可能重置学习。
134. 失败：预算扩到创意供给前面。修复：已验证广告库存 ≈ 月预算 ÷ $5,000（folklore，校准）；先修缺口。
135. 失败：vertical 推过 saturation。修复：渗透率 ~35%+、frequency/CPM 上升、unique reach 下降 → 转 horizontal。
136. 失败：B2B 因 CPL 下降就扩量。修复：代理坏了；给线索质量打分、闭合 offline loop，再决策。
137. 失败：忽略现金 ceiling。修复：盈利账户、死掉公司；营运资金是每个 step 的负责人批准输入。
138. 失败：blended 指标看起来还行就继续推。修复：blended 总是滞后 marginal；在 marginal CM ≤ $0 停止。
139. 失败：把停滞 ramp 归咎于渠道。修复：先跑 Five Fits——它可能是穿着渠道外衣的模型或市场错配。
140. 需要时查阅 references/step-size-figures.md：步长 folklore 来源、平台逐项文档表、每位具名从业者对 increments、holds、rollbacks 的立场。
141. 需要时查阅 references/worked-ramp-examples.md：B2C 和 B2B 已做 ramp plan，以及逐行注释的负面示例。
142. 相关技能：mbfinotti/advertising-skills@ad-budget-pacing 用于按已设定预算跟踪每日/每周花费。
143. 相关技能：mbfinotti/advertising-skills@cac-roas-benchmark 用于判断当前花费水平是否健康。
144. 相关技能：mbfinotti/advertising-skills@ad-bidding-strategy 用于 scaled line 内的出价方法选择。
145. 相关技能：mbfinotti/advertising-skills@ad-creative-fatigue 和 mbfinotti/advertising-skills@ad-creative-test-plan 用于逐广告 kill/scale 决策及喂养 creative-supply gate 的测试管线。

适用边界 · 注意事项

• 不要用于把固定总预算拆分到各活动/渠道；那属于 mbfinotti/advertising-skills@ad-spend-allocation。
• 不要用于按已设定预算跟踪每日花费；那属于 mbfinotti/advertising-skills@ad-budget-pacing。
• 不要用于判断当前花费水平是否健康；那属于 mbfinotti/advertising-skills@cac-roas-benchmark。