商品全域预算ROI调控

痛点：全域计划缺乏独立的调控接口

在千川等投放平台的实际运营中，商品全域计划的流量机制与传统标准计划存在显著差异。如果直接将旧版标准计划的出价接口复用于商品全域计划，往往无法正确生效。运营人员面临的具体问题是：如何在保障真实毛利底线的前提下，安全且可控地对全域计划的预算与支付 ROI 进行精细化调整，且不因调幅过大导致模型衰退。

核心工作流

该技能通过封装特定的执行逻辑解决了上述问题，核心能力及关键步骤如下：

• 状态对齐与参数确认：调控前需严格对齐单一的 advertiser_id、计划 ID、归因窗口、目标 ROI、保本 ROI、订单样本量以及当前预算。
• 预算重分配：执行 scripts/allocate_budget.py 脚本，脚本会严格约束推荐预算之和等于总预算，防止资金分配溢出或丢失。
• 正确映射更新端点：将预算更新映射至 update_budget_infos，把控成本计划的支付 ROI 映射至 update_roi2_infos，避开不兼容的旧接口。
• 安全写入与回执记录：执行写入前必须先预览官方请求；实际写入时显式允许动作并核验账户 ID，随后重新拉取计划详情，记录变更前后的值及平台回执。

适用边界与注意点

在将此技能接入自动化系统前，需明确以下边界与约束：

• 安全调幅限制：默认预算调整幅度不得超过 20%，支付 ROI 调整幅度不得超过 5%，以维持投放模型的稳定性。
• 异常情况熔断：遇到低样本、退款异常、归因延迟或直播异常计划时，系统应保持观察状态，不强行进行调控。
• 底线思维优先：保本 ROI 的优先级高于平台显示的表面 ROI。若缺少准确的成本口径，禁止声称盈利。
• 凭证安全：技能不会自动保存任何 API 密钥，且所有的建议输出均保持草案状态，必须经过确认才会执行。