技能介绍

它要解决的问题

多数团队只盯着仪表盘上的 ROAS：数字高就加预算，数字低就砍广告。这把描述性结果与因果证据混为一谈——平台聚合数据说明“发生了什么”，回答不了“多花一块钱会怎样”。

更实际的问题是分配：预算摊薄到所有渠道，每个渠道样本都不够，学不出东西；全押单一渠道，又错过别处的成本优势。技能处理的就是证据分级，以及据此给出有上下限的实验建议。

它的工作方式

技能分五个阶段。

Phase 0 采集：要求 CSV 导出、粘贴的性能表或仪表盘截图，并确认平台、时间范围、月预算、优化目标（Demo / Trial / Purchase / Lead）与目标 CPA/ROAS。没有基准就不编——拿不到带日期的基准来源时，只与自身历史或目标对比。输入按不可信数据处理：移除客户姓名、邮箱、用户 ID，未经同意不上传第三方。

Phase 1 归一化：把 Google Ads、Meta Ads、LinkedIn Ads 的列统一到 Impressions、Clicks、CTR、CPC、Conversions、Conv Rate、CPA、Spend、Revenue/Value。跨渠道比较前必须对齐转化定义、归因窗口与模型、时区、币种、日期范围、点击与浏览计入、去重规则；对齐不了就分开呈现并标注“跨渠道不可比”。漏斗数据存在时可算 funnel-adjusted CAC，但仅在转化口径为 lead 阶段时使用，且标注为估计值。

Phase 2 诊断：逐 Campaign 检查 CTR、CPC、Conv Rate、CPA、ROAS、Impression Share。外部基准需记录来源、发布日期、市场与行业。输出的是调查候选而非浪费判定：零转化先查归因延迟与追踪，CPA 超目标三倍先查样本与混合结构，低 CTR 查创意与受众匹配。检验前先定义主指标、alpha、最小可检测效应、功效与停止规则；只有聚合花费与转化总数时，CPA 只作描述性呈现，显著性标注不可用。

Phase 3 漏斗：按 曝光 → 点击 → 转化 → 收入 拆解，定位广告相关性、落地页与 offer 错配、线索质量等流失原因。

Phase 4 预算：先算历史相对效率指数（转化份额 ÷ 花费份额）排序——它只反映历史归因效率，证明不了边际收益；再寻找响应曲线、随机保留组、地理测试或 lift 研究，没有就一律标为低置信假设。检查漏斗阶段覆盖后给出建议，并附三档情景：小幅有界测试、较大测试、预算上调，每个都写明假设、区间估计与停止/回滚规则，而不是承诺点值。

适用边界

聚合导出只能做描述性分析，通常无法确立因果性、增量性或 CPA 显著性。追踪缺口、归因窗口、浏览计入、同意流失、转化重复、币种与时区差异都可能让渠道不可比。样本过小、季节性、竞价动态、创意疲劳与预算饱和会让历史外推失效。ROAS 不等于利润，归因收入未必是增量收入。预算建议都是待验证假设，需通过有界测试、监控与回滚规则确认后再扩大。