AD INTELLIGENCE · SOLUTION PROPOSAL

巨量投放
智能空耗优化与动态止损

以15–30分钟滚动分析为基础,深入项目、账户与计划结构,提前识别低价值消耗,合理止损,为业务释放更多前端出价空间。

15–30分钟动态分析计划级精细化止损项目级风险预算池转化保护与收益验证
01 / BACKGROUND

历史案例证明了方向,下一步是建立可复用的调控机制

春节期间,团队曾利用GPT编写简易模拟操作程序,按固定周期计算空耗并批量关停计划。根据提供的复盘信息,观察到以下变化:

优化前每日空耗
约20万元

需复核当时的消耗规模与统计口径

优化后空耗占比
约3%

日空耗下降至数万元

前端出价空间
+2–3元

历史观察值,业务需验证出价弹性

以上为业务提供的历史案例数据,尚未经过独立审计。该案例说明高频识别与及时止损具有潜在价值,不等于新算法的效果已经得到验证。
系统负责把无效消耗压下来、把预算空间释放出来;具体是否提高出价,由业务独立判断。
02 / STRATEGY

从单计划固定规则,升级为项目级动态空耗管理

不是给旧模板增加几条关停条件,而是每15–30分钟重新评价各计划继续投放的价值,并在项目总风险约束下执行差异化止损。

数据采集项目 / 账户 / 计划 / 素材
滚动计算15 / 30 / 60分钟
价值预测预计转化 / 边际CPA
分级止损继续 / 观察 / 限制 / 暂停
收益验证净节省 / 有效转化

精细化账户结构

项目 → 账户 → 计划 → 素材 → 时间切片。下钻定位哪类计划、哪段时间、哪组素材在贡献无效消耗。

项目级空耗预算池

在单计划判断之上增加项目整体风险容忍额度,动态约束探索预算,避免局部最优损害整体有效转化。

03 / ALGORITHMS

四种算法组合,实现更准确的提前止损

01 · 零转化风险检测

结合成熟归因的消耗、目标CPA、同类计划的参考CPA与转化回传延迟,识别真正异常的零转化消耗。

02 · 成熟计划衰退检测

以短周期增量表现对比历史基线,识别累计CPA看似正常、近期却持续恶化的成熟计划。

03 · 分时段动态检测

比较不同时段的流量与转化基线,而非简单规定某个小时必须停投。

04 · 同项目群组比较

将剧目、目标、阶段相近的计划进行横向分析,优先识别持续低于群组效率的计划。

关键计算公式

相对目标的超额消耗

max(0, 实际消耗 − 有效转化数 × 目标CPA)

这是成本偏差指标,不可直接视为可避免空耗。

预测边际CPA

下一窗口预计消耗 ÷ 下一窗口预计有效转化数

应结合预测不确定性与归因回传修正使用。

动态止损参考线

目标CPA × 基础容忍倍数 × 阶段系数 × 质量系数 × 回传保护系数

需设置上下限和冷启动保护;成熟计划重点看增量数据。

项目剩余风险预算

项目预计消耗 × 目标空耗率 − 已确认空耗 − 待确认风险消耗

此预算是管理约束,不是自动实现目标空耗率的保证。

针对不同计划,差异化处理

计划类型识别方式调控建议
新建计划探索期、样本量不足设置受控探索预算,保护观察
成熟优质计划历史有效转化稳定适当保护,避免短期误杀
成熟衰退计划滚动边际CPA持续变差预警或减少未来风险敞口
高消耗零转化计划归因成熟,异常程度较高优先止损候选,满足条件后暂停
同组持续低效计划同条件对比长期偏弱降低探索容忍度
04 / EXECUTION LOOP

每15–30分钟执行一轮分析,但不必每轮修改计划

01
获取最新投放数据

抓取消耗、转化、点击、计划状态、出价及操作历史,并补拉迟到回传。

02
评估继续投放价值

计算15、30、60分钟变化,预测未来边际成本和判断置信度。

03
检查项目风险空间

结合当日风险预算、学习期及业务保护规则判断是否适合止损。

04
分级执行

L0正常监控 → L1异常预警 → L2软止损 → L3硬止损;实际操作先过权限与平台限制校验。

05
反馈与策略校准

记录决策依据、执行结果及后续有效转化,以实验数据调整阈值。

合规与安全:使用真实广告数据和官方授权接口;遵守巨量对应产品线的操作频率及成本保障规则。高频“分析”不等于高频“修改”。如历史“模拟点击”涉及真实广告的虚假点击行为,则不应沿用。
05 / IMPLEMENTATION

先跑通规则与统计预测,再考虑复杂AI模型

模块方案交付重点
数据接入Python + 巨量授权API账户/计划报表与状态拉取
存储计算ClickHouse / PostgreSQL + Redis历史窗口计算、实时状态
识别与决策规则引擎 + 统计模型动态阈值、异常检测、可解释决策
进阶预测贝叶斯模型 / LightGBM未来转化及预测不确定性
操作执行官方授权API暂停/预算调整、幂等、日志及回滚预案
管理后台React + ECharts项目/账户/计划下钻与效果看板

分阶段交付

PHASE 01

历史回测与影子盯盘

复现春节规则,确认3%口径;新策略只分析、不执行,检验误杀与潜在节省。

PHASE 02

灰度自动止损

对已授权、低风险、高置信度异常计划启动自动止损,设置保护名单、限制与审计。

PHASE 03

项目级预算协同

引入风险预算池和未来转化预测,验证是否比计划独立调控带来更多净收益。

06 / MEASUREMENT

以真实净收益,而不是关停数量,定义成功

建议同一业务目标下对照人工模板、春节固定周期规则、动态止损算法、项目级预算协同算法。先历史回测,再影子运行,最终在可隔离流量单位上进行灰度实验。

实验组策略验证方向
A现有人工/通用模板基线表现
B春节固定周期止损历史机制复现
C计划动态止损提升识别准确率、降低误杀
D动态止损 + 项目风险预算池进一步改善项目净收益
净增价值 = 避免的无效消耗 − 止损损失的转化贡献 + 预算再投放的净贡献 − 系统成本

核心业务指标

成熟归因空耗率、有效转化总量、实际CPA、项目净贡献利润、经对照验证的节省金额。

核心算法指标

高风险识别准确率、错误止损损失、异常响应速度、预测稳定性。

关键保护指标

数据回传完整性、操作成功率、冷启动误杀率、平台规则符合性。

07 / VISION

最终交付:可复制的投放利润优化能力

系统首先解决“空耗在哪里、为什么发生、什么时候值得止损”,再通过真实对照数据持续提升每个项目的风险管理水平。

不牺牲有效转化,尽可能提前压缩低价值消耗;让每一笔经验证节省的预算,成为业务可自主使用的增长空间。

说明:本方案是技术与业务设计稿。具体API能力、实时刷新周期、账户修改权限及平台成本保障要求,须在正式接入前逐项核实。