1. 开启前
*可用智能诊断筛选campaign：
结构诊断结果好的直接托管，差的优化后再托管/先手动管理至表现稳定后托管
1.1 更适合交给AI
- 出单稳定的campaign；
- 成熟产品的campaign；
- 预算较多且数据量充足的campaign。
1.2 不适合交给AI
- 数据量少：转化波动大且花费不稳定不集中的campaign；
- 预算设置不合理：严重超预算、预算水平和花费水平差异特别大的campaign；
- 有特定广告目标/意图的campaign：如冲自然排名的卡位campaign，ai不会识别一定要以什么出价打到哪个位置，会根据表现调整；
- 在其他第三方工具/后台设置任何自动化规则的campaign：如其他erp的分时预算，后台竞价策略为"基于规则的竞价"的campaign。
2. 开启时
2.1 如何理解AI人格
| AI人格 | 预算优化 | 竞价优化 | 定向优化 | 结构优化 |
| 总结 | AI人格越激进，越多的预算将会用于探索，越容易增加预算 | AI人格越激进，竞价调整的幅度和频率越高 |
依据优化目标执行不同的策略：
|
|
| 激进风格（5） | 更多预算用于探索，测试表现欠佳的广告活动或时间段；更频繁进行预算增加。 | 大步幅、快频率调整出价，探索更广的出价范围。 |
推动增长时，降低加词的转化要求、提高否词的花费要求，即更容易加词，更难否词/暂停； 控制成本时相反，更容易否词/暂停，更难加词。 |
与定向优化同理，推动增长时提高暂停的花费要求，即更难暂停，控制成本时相反 |
| 中性风格（3） | 按默认的公平和效率进行调整。 | 默认幅度与频率，平衡效率和风险。 | 按默认转化和花费要求进行定向优化，推动增长时扩大流量，控制成本时避免不确定花费。 | 稳健调整，考虑数据充分性、效率、风险。 |
| 保守风格（1） | 保守分配预算，提高整体预算使用效率，对广告活动表现要求更高。 | 小步幅、慢频率调整出价，在较小范围内探索。 |
推动增长时，提高加词的转化要求，降低否词的花费要求； 控制成本相反。 |
与定向优化同理 |
注意事项
- 风险和收益：当调整为更为激进地去执行优化时，AI 引擎便更有可能高效地达成目标，但于此同时也承担着更多的风险
- 时间和成本：当调整为更为保守地去执行优化时，AI 引擎往往会显得执行优化比较谨慎，会需要更多的时间和耐心
- AI 人格的调整只是执行风格的控制，本身并无客观的高低和好坏之分，卖家需要以自身的情况进行具体数值的设置
2.2 如何设置AI目标
根据产品定位匹配AI策略
*产品系数可以根据产品的激进/重要程度自定义打分, 作为设定目标acos和预算时的参考系数.
| 产品定位 | 库存 | 广告目标 | AI目标 | 推广节奏 | 人格 | 建议目标acos | 建议预算 | 产品系数 |
| 主力款 | 充足 | Orders | 推动增长 | 激进 | 4-5 | 历史acos*2 | 订单成本*目标单*2 | 2 |
| 正常 | 维稳 | 推动增长 | 中等 | 3 | 历史acos*1.2 | 订单成本*目标单*1.2 | 1.2 | |
| 少 | 降广告花费 | 保持稳定 | 保守 | 1-2 | 历史acos*0.8 | 订单成本*目标单*0.8 | 0.8 | |
| 利润款 | 正常 | 稳ACOS | 推动增长 | 中等 | 1-2 | 历史acos*1.2 | 订单成本*目标单*1.2 | 1.2 |
| 少 | 降ACOS | 保持稳定 | 保守 | 3 | 历史acos*1 | 订单成本*目标单*1 | 1 | |
| 清仓款 | 多 | Orders | 推动增长 | 激进 | 4-5 | 历史acos*1.5 | 订单成本*目标单*1.5 | 1.5 |
| 少 | 降ACOS | 保持稳定 | 保守 | 1-3 | 历史acos*0.8 | 订单成本*目标单*0.8 | 0.8 |
人格公式
| AI目标 | 人格 | 产品定位+库存+广告目标 |
| 保持稳定 | 5 | 清仓款+库存少+慢清 |
| 4 | ||
| 3 | ||
| 利润款+库存少 | ||
| 2 | 主力款+库存少 | |
| 1 | ||
| 推动增长 | 1 | 利润款+正常库存+中等节奏 |
| 2 | ||
| 3 | 主力款+正常库存+中等节奏 | |
| 4 | 主力款+库存多+预算充足 | |
| 5 | ||
| 清仓款+库存多+快清 |
2.3 AI行动空间应用场景
通过这些行动空间选项，品牌及卖家可以更精确地管理AI在广告投放中的应用，确保广告策略与个人目标和经验更好地适配。
|
出价控制 |
对于在垂直类目有丰富经验，并且有明确CPC偏好（如历史最佳区间1−2，且不允许出价高于$3）的卖家，可设置AI出价范围为0.8-2.5。 |
|
预算控制 |
如果你希望每条广告活动都严格按照你设定的预算进行花费，不希望AI在托管的广告活动之间重新分配预算，可以关闭“预算重新分配”功能。 |
|
预算增加 |
在广告活动数据良好且预测当日预算不足的情况下，允许AI在预算空间内自动增加预算，这样有助于减少广告活动因预算不足而错失订单增长的机会。 |
|
品牌流量管理 |
在非品牌流量广告活动中，将品牌名相关的关键词添加至“不收割的关键词列”。AI将自动避免在非品牌广告活动中收割这些关键词，从而保护品牌流量的纯净性。 |
|
广告结构保护 |
如果你在创建广告时对每一条广告都有明确的策略和目的，不希望AI改变你的广告结构，可以选择关闭“结构优化”功能。 |
|
新品推广与流量筛选 |
对于新品推广，如果你的目标是快速增加点击量而不想立即过滤无效流量，可以选择关闭“添加否定定向”功能。待收集足够的数据后，再开启此功能以清理无效流量。而对于某些需要保持曝光的关键词，即使暂时表现不佳，也可以将它们添加到“不否定的关键词列表”中。 |
3. FAQ
3.1 如何合理看待AI优化效果？
- 数据量越大，AI每一步执行的动作会更有信心。
- 数据量稀少花费不集中/高客单价的产品需要把回溯窗口拉长。
- 广告结构越合理，效果越可控。（智能诊断）
- Daily budget较小的campaign天然会导致数据波动较大。
3.2 什么场景下需要人工干预？
- 当下看到某个campaign表现好超预算但AI还没有到执行的时间可以即时手动加，在人工增加的基础上，如果表现好还不够花，AI会继续增加。
- 效果好但整体预算活跃时间均值较低的campaign可以根据自然订单及广告订单的占比/利润情况增加基础预算。
- 预算充足花费不足时，可以及时新增定向获得更多出单的机会。
- 当市场波动大（如大促，秒杀，站外等）时需要大幅度调整竞价时可以手动拉高/降低竞价。
3.3 怎么复盘？
建议每天监控，每周复盘，按照自己的推广节奏合理调整广告目标和AI人格：
- 达成阶段性目标：达成目标且整体表现好可以优化/关停表现差的广告活动，设置下一阶段目标；
- 没达成目标：找到影响达标的关键性因素并且进行人工干预。
3.4 AI会多久调1次广告?
根据对应广告的数据充分性(AMS)，Xnurta 可以做到小时级别的优化调整。具体的执行优化调整的频率还需要考虑广告的具体表现和其他因素。
3.5 使用Xnurta后，需要多久才能看到AI的效果?
根据对应广告的花费和数据情况，一般两到三周可以观察到具体的优化效果，但如果数据量很稀少，就需要多于4周的时间来判断。
3.6 托管组设置注意事项
- 不建议把近期ACOS表现差距特别大的Campaign放在一个托管组；
- 不建议把需要明确限制不同竞价上限的Campaign放在一个托管组；
- 不建议把主推Campaign和捡漏Campaign放在同一个托管组；
- 不建议一级目标和二级目标不协调，如推动增长+人格为5时设置比实际ACOS低的目标ACOS；
- 不建议一开始直接设置严苛的终极的ACOS目标，应该循序渐进。