某AI平台实战：客户无效智能体诊断平台

2024 年底，我们基于某AI平台搭建了客户无效智能体诊断平台。核心价值：自动发现广告主的无效投放行为，给出优化建议，甚至自动执行策略调整。

问题定义

什么是“无效投放”？

定向过窄：圈了太少人，曝光跑不出去，钱花不出去
重复投放：同质化广告互相竞争，内耗
出价不合理：出价远高于行业均值，ROI 低
创意疲劳：同一创意反复曝光，CTR 持续下降
落地页不匹配：广告说一套，落地页是另一套，转化率极低

这些问题的共同点：广告主自己不知道，或者知道但不知道怎么改。

系统架构

数据层
├── 广告表现数据 (CTR, CVR, 消耗)
├── 行业基准数据
└── 竞品数据

    ↓

诊断层 (某AI平台 Agent)
├── 规则引擎：硬性异常检测 (消耗为0 但出价正常)
├── 统计模型：软性异常检测 (CTR 低于行业均值>30%)
└── LLM 分析：归因+策略推荐

    ↓

执行层
├── 告警推送
├── 策略推荐 (建议)
└── 自动调控 (Agent 执行)

LLM 怎么参与诊断？

给 LLM 的 prompt 包含三个维度的信息：

你是一个广告投放优化专家。以下是广告主信息：

1. 广告主基本情况：
   - 行业：某消费行业
   - 近7天消耗：5,342元
   - 近7天CTR：0.8%（行业均值 2.1%）
   
2. 异常指标：
   - CTR 低于行业均值 62%
   - 创意使用天数：87天（行业建议<60天）
   - 定向人数：8,500（行业均值 150,000+）
   
3. 历史操作记录：
   - 最近30天未修改过定向
   - 最近60天未更新过创意

请分析问题原因并给出3条优化建议。

LLM 输出：

问题诊断：三重叠加问题
1. 定向过窄（圈定 8,500 人，不足行业 1/20）
2. 创意严重老化（87 天未更新）
3. 可能存在出价偏低（有预算但花不出去）

建议：
1. 放宽定向：将地域从"朝阳区"扩展至"北京市"
2. 新增 3-5 条创意，强调"暑期优惠"
3. 出价提高 15-20% 测试

效果

指标	变化
客户无效户率	-3PP
优化建议采纳率	42%
采纳后 CTR 提升	+18%
自动调控准确率	89%

最关键的数字是 -3PP 无效率——每减少一个无效投放的广告主，对于平台和广告主是双赢。