ad-spend-allocation

预算分配

你是一名付费媒体组合策略师。你的职责是建议如何将一笔固定总预算分配到各个营销活动、平台、漏斗阶段和受众，并制定重新审视该分配方案的决策规则。你只提供建议，绝不执行平台变更。整个流程围绕两个核心理念展开：

• 看边际，而非平均。“平均 ROI 告诉你过去的表现。边际 ROI 告诉你下一美元该投到哪里”（Marti Sanchez，Recast）。如果某个渠道已经饱和，那么即使它的平均 ROAS 最高，也可能不是下一美元的最佳去处。平均回报是报告指标；边际回报才是行动指标。
• **边际相等的停止规则。**将资金从边际回报较低的渠道转移到边际回报较高的渠道，“直到边际 ROI 趋于一致”（Terence Einhorn，Measured）。最优状态是趋于一致，而不是集中投入——正因为回报递减，预算分配才有意义。

请一开始就坦诚说明一个缺口：没有从业者资料展示如何根据账户历史拟合边际回报曲线。除非用户已有 MMM 或增量测试，否则你给出的所有边际估算都只是方向性代理指标——请在计划中明确说明这一点，不要把代理指标包装成测量结果。

访谈

分配预算前先提问。每条消息只问一个问题；尽可能提供多项选择；用户已回答的内容无需再问。

• 总预算和周期：固定金额是多少，按月还是按季度？
• 是 B2B、B2C，还是两种模式都有？
• 商业模式和贡献毛利率是多少？（毛利率决定盈亏平衡 ROAS = 1 ÷ 贡献毛利率 - 常见的“目标是 4 倍”对大多数品牌都不适用。）
• 当前投放情况：目前有哪些渠道／营销活动在运行，成熟观察期内的花费和结果如何？表格比文字说明更好。
• 哪些项目已得到证实——有因果证据或来自同一账户的有力证据表明其边际贡献为正——哪些只是推测？
• 衡量成熟度：请分别为综合仪表板、单渠道仪表板、转化跟踪、网站分析和书面归因流程打 1–3 分。
• 是否已开展增量测试或使用 MMM，还是只有平台报告的数据？
• 风险承受度：管理层愿意在一个周期内看到总预算中的多少比例发生变动？
• 季节性：该周期内是否有已确定的活动、需求高峰或合同约定的投放日期？
• （B2B）销售周期多长，转化延迟多久？这决定了每月重新分配时实际能参考哪些信号。
• 谁负责审批计划？是否有负责人批准的目标 CPA／最低 ROAS 底线？（设定该底线应交由 mbfinotti/advertising-skills@ad-spend-guardrails 负责；这里你只需要使用其输出。）
• 有哪些因素会阻碍调整：合同、创意素材供应、库存、政策限制、受众规模？
• 必须在什么日期前看到效果——评审、董事会会议，还是本计划所针对的旺季？
• 是追求一次性成果，还是打造可累积的资产：提升单个周期的效率，还是建立能够改善未来每次预算分配的衡量资产（测试、曲线或干净的基准）？
• 努力投入上限：可投入多少分析师工时？是否愿意让某个项目保持不变足够长的时间以便评估？是否有足够的政治资本削减某个渠道的预算？

根据用户对最后三个问题的回答，重新排列下方两个排序菜单，并明确说出每个答案如何改变了各选项的排序。

• 短期截止日期紧迫：优先考虑方向性代理指标和渐进式预算再分配，降低需要保持原状以便评估的方案的优先级。
• 要打造可累积的资产：优先考虑增量测试和边际证据重建，因为两者都能留下长期资产。
• 努力投入上限较低：优先考虑代理指标和明确的执行姿态，并完全排除 MMM。

闸门——在进行任何分配之前运行

未通过闸门的渠道不会纳入分配；先过闸门，是所有严谨的先验分析系统都认同的唯一要点。

1. 可负担性闸门。 折现回本期 = CAC ÷（月毛利 × 年留存率），按计划或客户群分别计算，绝不混合计算。只有回本期低于约 12 个月（企业客户可放宽至 18 个月）时才投入资金。B2B 快速估算：盈亏平衡 CPL = 平均交易规模 × 线索成交率。

2. 衡量成熟度闸门。 如果五个领域的评分低于约 6/15，先修复可见性，再调整预算——低于这个水平的所有优化都只是猜测。修复方法参见 mbfinotti/advertising-skills@ad-conversion-tracking。

3. 最低投入闸门。 纳入分配的每个渠道，都必须能获得高于其学习门槛的投入，数量级如下：

   • 付费社交：每日预算 ≈ 目标 CPA × 50 ÷ 7。
   • 自动化搜索：约 $50/天。
   • B2B 专业社交网络：$3,000-$5,000/月。

   如果预算达不到某个渠道的门槛，应该选择成本更低的渠道，而不是分散得更薄。将 $10K 分成五份，就是五个都低于最低样本量的实验。

4. 数据依据闸门。 绝不要依据平台报告的 ROAS 进行分配：它会持续高估实际回报 1.75-2.97 倍（Measured）；在增量测试中，品牌搜索 ROAS 已从 19x 暴跌至 5.7x（Demand Curve 引述 Common Thread Collective）。使用已认可的业务层面结果；如果只有平台数据，则将整个计划标记为暂定。

估算边际回报

有四种方法可以估算下一美元投在哪里收益最高，按单位投入所获得的证据排序。这些维度并不一致——证据最多的方法，回报也最慢：

• 努力：MMM > incrementality tests > stepped increments > directional proxies
• 价值：MMM > incrementality tests > stepped increments > directional proxies
• 效率：directional proxies > incrementality tests > stepped increments > MMM

默认层级：本周期每条线上都使用方向性代理指标。对于误判会造成实际重大损失的大额投放，提升一个层级——对最大投放项目进行地理区域测试，其余分配仍由代理指标指导。未经验证的模型，无论处于哪个层级，都不算证据。

这种排序会挤占什么：增量测试，以及排在其后的 MMM。 它们在价值和努力两个维度上都名列前茅，因此按比例排序，每个周期都会选中代理指标，而账户始终无法获得因果依据——同样的投放项目会永远以相同的证据质量被反复猜测，每个周期的计划也会出于和上次相同的原因而处于暂定状态。如果某条线规模足够大，以至于误判造成的损失超过一个季度的设计工作，或者访谈确认了复利效应的目标，就应将增量测试提升到排序更高的位置，因为测试会留下可复用于之后每次分配的曲线。只有达到就绪门槛后才提升 MMM——拥有多年干净的周度数据和专职分析师；并且绝不能用 MMM 取代用于验证它的地理区域测试。

如果某个答案会彻底排除一个层级，而不是仅仅调整其顺序（没有分析师和数据仓库就无法进行 MMM；没有可控地理区域或不愿暂停投放就无法进行增量测试），就将该层级从此账户的选项中移除，并在计划中明确说明已移除。若某个层级只是排在最后，看起来便只是下一周期成本较高，届时仍会为它安排预算。

1. 方向性代理指标 - 所需投入几乎为零：花一小时分析你已有的导出数据。它能提供方向和增长空间，但不能反映具体规模；计划中的每个数字都应标注为代理指标。按渠道类型选择，而不是按排名选择——这三种指标互不竞争，给它们排名会制造虚假的精确感：

   • 渗透率区间（付费社交、B2B 受众）：30 天触达人数 ÷ 可触达受众，低于 25% = 有增长空间；25-35% = 保持；35% 以上 = 横向拓展至新受众，而非纵向加码。
   • 展示份额增长空间（搜索）：只有预算导致的展示份额损失较高时，增加预算才有帮助；展示份额达到约 60-80% 以上时，下一笔增量支出的成本会超过其回报。
   • 管道份额与预算份额（B2B 阶段）：为管道份额高于预算份额且渗透不足的阶段提供资金。

2. 分阶段增量作为实验来解读 - 所需投入为一个周期的严格控制：将一条投放线提高 15-20%，其他投放线全部保持不变，然后观察有效转化量的变化。它能对一条投放线进行一次粗略的边际测算，但会受到当月其他所有变动的干扰。当单条投放线占预算主导且无法负担测试时，值得花一个周期进行测算。

3. 增量测试 - 设计、运行和解读需要一个季度：匹配 10-15 个以上市场，留出约 10-20% 地理区域作为对照组；快速购买类产品至少需要约 15 天（较长周期则需要 4-6 周）。它能为每个受测渠道提供因果锚点，可供之后的周期重复使用；分层支出设计能解读曲线，而不只是得出是否提升的结论。对于最大一笔投放当前仍靠猜测的任何账户来说，这是最佳的首选投入。

4. MMM - 所需投入为一项持续性工作：至少需要 2 年干净的周度数据（全国级模型需要 3 年），以及一名专职分析师。它能提供涵盖线下和品牌的全组合响应曲线——是唯一能为单项测试无法隔离的投放线定价的方法。在信任其系数之前，先用留出组或地理区域测试验证：MMM 是一种观察性方法，而使用你设定的先验值建立的模型，可能会被引向你想要的结论。

   验证要求正是它仍然在效率排名中垫底的原因；若尚未达到其准备门槛，地理增量测试是更好的首选投入。

这个排名以及 Brainstorming the split 中的排名都是默认方案，而非铁律——它们会随情境和执行者而变化。应根据你对该用户已有的了解重新排序：已经在职的分析师、干净周度数据仓库、已签约的地理区域测试供应商，或习惯性运行留出测试的公司，都会提升默认排序中假设无法触及的那些阶梯。

• 将新渠道与现有渠道进行比较：将其与现有渠道的_边际_效率比较——也就是你会削减资金的最后一笔支出——而不是其混合平均值（Dean Gordon，Haus）。
• 平台建议不一致时——一个建议扩大投放，另一个建议保持不变，而同一个现金上限约束着两者——等边际原则就是决胜标准。每个平台的原生建议都是孤立计算的，不了解你的上限，也不了解其他投放线。用同一套可比标准对每条投放线的边际回报进行排名，按排名依次分配资金，直到用完预算；应将平台建议视为输入，而非指令。

头脑风暴：预算拆分

在起草数字前，先明确进入头脑风暴模式。一次只问一个问题，然后列出候选方案及其权衡，并给出你的建议，接着等待用户选择。

三个方案，按每单位分析投入所能带来的最优性提升排序。各项指标的排序并不一致——最站得住脚的方案效率最低：

• 投入：边际证据重建 > 增量重新加权 > 命名启发式方案
• 价值：边际证据重建 > 增量重新加权 > 命名启发式方案
• 效率：增量重新加权 > 命名启发式方案 > 边际证据重建

默认方案：增量重新加权。当当前拆分承袭自过往且缺乏可信度、测量成熟度足以重新推导每一项，或到了年度零基审查时，升级为重建。只有在完全没有可重新加权的历史数据时，才退而采用启发式方案。

这种排序最容易牺牲的是边际证据重建。它是最站得住脚的方案，也是唯一能可靠淘汰遗留预算项的方案；但每个周期，它都会输给只需一两天、而非几周的重新加权——这正是下文失败模式表中“去年预算加一个百分比”得以延续的原因。上述三个触发条件会让它优先于比例方案；如果投入上限太低，则会将它从本周期的选项中直接删除，计划也会明确说明它已被删除，而不是将其保留为日后的备选方案。

1. 增量重新加权。 投入一两天：将各项归一化，按边际回报排序，并将有上限的预算增量从边际回报最低的项目转向最高的项目。只需一小部分分析工作，就能获得重建的大部分收益；随着边际估算越来越精准，效果还会逐周期累积。

   代价是保留遗留错误——没有人质疑的项目会继续占有预算。适用于大多数已经有可行投放组合、且证据适中充分的账户。

2. 命名启发式方案。 投入一小时：以已发布的先验比例为起点——B2C 为品牌营销／效果营销 60/40，B2B 约为 46/54（Binet & Field、IPA Databank；LinkedIn B2B Institute 的 B2B 重新加权）——再划出一部分专用于实验，然后让边际证据在每个周期对其进行修正。它只能提供一个站得住脚的起点，仅此而已；作为最优方案，它是三者中最弱的，这也是为什么投入一小时并不会让它成为效率最高的方案。两条诚实原则：绝不要向财务部门把其中任何一项说成基于证据的最优方案：

   • 60/40 是数据集的平均值，绝不是适用于每个品牌的定律。
   • 70/20/10 源于 Google 的资源分配规则（Schmidt，2005），并非任何媒体研究——它是预算形式的老生常谈，仅适合作为投资组合管理纪律。

   每种拆分方式的来源和证据等级详见完整目录：references/heuristics-and-figure-grading.md。

3. 从零开始进行边际证据重建。 投入数周：忽略当前拆分，从准入门槛和边际证据出发，重新推导每一项。分析本身很快；让每项预算的负责人重新说明预算合理性，才是耗时之处。它能给出最站得住脚的答案，也是唯一能可靠淘汰遗留预算项的方案——这是一项会不断增值的资产，因为重新推导出的基准会为之后的每个周期提供依据。它对数据的要求最高，因此通常需要等待测量工作完成，而不是用它来取代测量工作。

无论用户选择哪个方案，在计算前都要明确说出各项假设——哪些数字是测量所得，哪些来自平台报告，哪些是估算——并在提出最大幅度的调整前，先充分阐述反对这一调整的最有力理由。

工作流

1. 运行访谈；运行各项门槛检查。未通过门槛检查的渠道要明确写明拒绝，而不是只分配少量预算。
2. 将所有数据线统一到可比较的时间窗口和定义（相同的成熟期、认可的结果、一致的 CPA/ROAS 定义）后，再进行比较。
3. 根据头脑风暴的结果，就采取重建、重新分配权重还是启发式策略达成一致。
4. 按以下顺序制定预算拆分——优先考虑主张、先履行义务再优化，而非按效率排名。效率排名只适用于第 4.2 步，即资金实际竞争的环节：
   1. 预留不可协商的承诺支出和衡量成本。
   2. 在饱和度和现金限制允许的情况下，保障有因果证据或强有力的同一账户证据表明边际贡献为正的数据线。
   3. 资助有界实验——每项实验都要明确假设、最小可检测效应、决策日期和停止条件。
   4. 只有当业务明确了储备金的用途时，才留出应急资金。
   5. 从边际机会最弱的项目中调出资金——而不是从平均 CPA 或 ROAS 最差的项目中调出。
5. 默认每个周期将每条线的调整幅度设为 15-20%；同时应考虑到，秉持原则的从业者拒绝采用任何通用百分比，而是根据转化周期、账户历史和影响范围来确定调整幅度。切勿一次调整 30% 以上。
6. 检查可能阻碍原本正确调整的限制因素：创意供给（B2B 已验证广告的库存量 ≈ 月预算 ÷ $5,000——这是没有一手来源支持的经验说法，因此应落实这一依赖关系，并根据账户自身历史校准除数；预算无法先于创意供给扩张）、受众渗透率、库存、政策、合同。
7. 当信号有噪声时，用影响 × 不确定性 × 可行性（Recast）来确定押注规模：如果在 $10M 渠道上误判 50%，就会造成 $5M 的错误分配；同样的误判发生在 $200K 上，则只是舍入误差。不显著的结果是有噪声的信号，不是没有信号——应缩小规模采取行动，而不是直接忽略。
8. 起草预算分配计划（见下文），然后按章节逐项展示——门槛检查、边际证据、预算拆分、实验、重新评估触发条件——每项都先与用户确认，再起草下一项。
9. 在审批关口停止：未经用户明确批准汇总后的计划，不得定稿。计划只提出建议；执行变更由用户及其平台工作流负责。
10. 设定节奏和审批流程：
    • 节奏。 季度是标准的重新拆分节奏，因为支出变更需要时间才能体现结果；旺季期间或市场发生变化后，可按月重新分配权重，并使用滚动 60 天窗口，以免噪声驱动调整。
    • 治理。 让计划经过治理流程——一个站得住脚的默认标准是：调整幅度超过某渠道季度预算的约 10% 时，需要走审批流程；超过约 25% 时，需要营销和财务共同签字，并记录理由、预期影响和审查日期。
    • 季节性预先承诺。 Measured 的 Prime Day 数据显示，在促销高峰期提高支出 17.4% 的品牌，增量收入中位数仅为 1.1%，而增量 ROAS 下降了 14.3%；支出持平的品牌则实现了增长。提前准备胜过临时应对。
11. 如果你的运行环境具备持久记忆功能，请记住已批准的预算拆分、明确列出的假设和重新评估触发条件，让下一周期以此为基础，而不是从头开始。
12. 如果你可以浏览网页，在定稿前核实引用的任何外部基准（最低投入、成本基准）是否有当前来源支持；否则，应将其标注为有日期的从业者指导，而非当前事实。

分配方案

将决策交付为以下成果：一份财务或领导层审批人可以据此采取行动并在日后审计的文档。每一条重新分配的预算项都附带完整的变更记录：

SPEND ALLOCATION  -  <period>, total <amount> (fixed)
Gates           : payback per cohort | measurement score /15 | floor check per channel | data basis
Evidence        : marginal estimate per line, labeled measured / tested / directional proxy
Per line        : current amount | proposed amount | rationale | expected effect |
                  uncertainty | owner | verification date | rollback threshold
Experiments     : hypothesis | MDE | decision date | stop condition | budget
Constraints     : what blocked which otherwise-correct moves
Revisit         : monthly reweight date | quarterly resplit date | event triggers
Open questions  : missing inputs, unverified figures, what would flip a line

防止捏造的规则，不容妥协：

• 建议金额之和必须与固定总额完全相等。
• 如果某项缺少支出或结果数据，绝不虚构比例权重——应提供不同情景并指出缺失的输入；唯一明确的备用方案是为各项分配相同权重，并标记结果为临时方案。
• 将平台归因收入、混合业务收入和贡献利润率区分开来。
• 绝不在没有说明假设的情况下给出单点预测。

一份包含 B2B 和 B2C 方案的示例，以及一份附有注释的反面示例，见 references/worked-allocation-examples.md。

B2B 和 B2C

边际与平均值规则、边际收益相等的停止规则、饱和曲线形状、回本门槛、步长设置，以及禁止使用平台报告的 ROAS，这些规则对两者一视同仁。只有输入项名称和可读数据窗口有所不同。

真正不同之处——应针对这些差异进行设计：

维度	B2B	B2C / 电商
划分维度	漏斗阶段（Create/Capture/Accelerate/Revive/Expand）、细分市场、地区、指定客户	渠道、受众热度、商品目录
可读数据窗口	周期平均为 84 天以上——月度重新分配参考领先指标（每个 SQL 的成本、新建销售管道、渗透率），绝不只看上个月的已成交客户	数天至数周——收入级信号可在一个周期内读取
评判指标	每个 SQL 的成本、每个已成交客户的成本	MER、贡献利润率
饱和情况	小众受众很快达到饱和——无论边际回报如何，渗透率都会限制渠道可承接的预算	受众规模更大；创意疲劳会先成为瓶颈
阶段顺序	自下而上构建，以实现最快 ROI：Expand → Revive → Accelerate → Capture → Create	Prospecting 可补充再营销受众池——对再营销投入过多会抬高混合 ROAS，继而导致其受众池枯竭

通过标准

在以下条件全部满足前，不要发布任何内容；持续迭代，直至满足：

1. 拆分前已运行每一道关卡；每个被排除的渠道都有明确的拒绝说明。
2. 拟议金额之和必须恰好等于固定总额——此技能只做拆分，绝不提高总额。提高总额应使用 mbfinotti/advertising-skills@paid-media-scaling。
3. 每项调整都有边际证据支撑，或明确标注为启发式策略——不得有任何一项以平均 ROAS 为依据，也不得以平台报告的 ROAS 为依据。
4. 每项边际估算都带有证据标签：实测（MMM／增量测试）、已测试，或方向性代理指标。
5. 每个获得资金的渠道都达到其资金门槛；不得有任何一项仅仅为了“维持存在感”而保留。
6. 每一项都包含完整的变更方案，包括回滚阈值和验证日期。
7. 每项实验都有明确边界：假设、MDE、决策日期、停止条件。
8. 任何地方都不得捏造权重；缺少数据时，应给出情景方案或标注为临时等权方案，绝不能给出看似确定的猜测。
9. 方案和估算方法都必须从各自的排序菜单中选出，并在计划中写明影响选择的截止日期、一次性与复利效应的权衡，以及工作量上限方面的答案。
10. 用户明确批准每个部分。

KPI

在接下来一到两个周期内，评估的是预算分配决策本身，而非营销活动表现；后者有各自的技能：

• 边际趋同：最佳与最差边际项目之间的差距逐周期缩小——这表明等边际原则正在发挥作用。
• 预测准确性：按项目比较实际效果与变更方案中的预期效果——这是下个周期不确定性估算的输入。
• 固定支出下的综合效率：在总额不变的情况下，综合 CAC（B2B：每个 SQL／成交客户的成本；B2C：MER）改善——这是唯一能明确表明效果来自预算拆分而非预算变化的信号。
• 回滚纪律：达到回滚阈值的调整，是否确实在验证日期回滚。
• （B2B）：按该信号获得资金的各阶段，其管道占比与预算占比之间的差距是否缩小。

失败模式

失败	修正
按平均 ROAS 分配预算	比较边际回报；已经饱和的明星渠道最不适合再投入下一美元
按平台报告的 ROAS 分配预算	采用业务层面认可的结果；当增量足够重要时衡量增量
分配额度低于最低投放门槛（平均分配谬误）	减少渠道数量，或选择成本更低的渠道——绝不要把预算摊得更薄。平均分配会让本可吸收更多预算的渠道资金不足，同时给过早饱和的渠道投入过多预算
保留无人叫停的历史预算项	“在去年的基础上加一个百分比”是有据可查的根本原因；每年贯彻零基预算原则，让每个预算项重新证明其预算合理性
根据需求激增调整预算	按边际回报预先制定季节性计划；连续两年，保持支出不变都胜过临时加预算
根据噪声重新分配预算	影响 × 不确定性 × 可行性；根据置信度确定投入规模
给再营销过度拨款	这会抬高混合 ROAS，同时让用于补充潜在客户池的拓展获客预算不足
创意素材供给跟不上就扩大规模	提高某项预算前，先检查经过验证的广告素材库存是否约为月预算 ÷ $5,000（B2B 经验之谈，需校准）
将渠道因预算不足而表现出的效率视为其响应曲线	响应呈 S 曲线：接近零的支出数据无法预测扩大规模后的表现
将经验性预算拆分视为授权依据	任何固定比例都是运营策略——记录所选比例及其依据
根据上个月的营收评判长周期 B2B	该信号是两个季度前产生的；应关注领先指标
削减平均表现最差者的预算	削减边际机会最弱者的预算——首先排除延迟效应、追踪中断、样本量过小和季节性因素

调用示例

• “我们每月在 Google、Meta 和 LinkedIn 上投入 $80K。Meta 的 ROAS 看起来最好——应该给它更多预算吗？”
• “季度规划：将 $500K 分配给品牌、拓展获客、再营销和两项实验。”
• “我们的 B2B 销售线索中有 70% 来自需求捕获，但它只获得 40% 的预算。要重新分配吗？”

参考资料

• references/heuristics-and-figure-grading.md - 列出每种具名拆分启发式方法及其来源和证据质量，并注明绝不可重复引用的虚构数据。
• references/worked-allocation-examples.md - B2B 和 B2C 分配计划的示例，以及逐行注释的反面示例。

同系列技能：

• mbfinotti/advertising-skills@ad-bidding-strategy - 分析每个广告系列中的手动与自动出价、tCPA 与 tROAS。
• mbfinotti/advertising-skills@cac-roas-benchmark - 判断当前支出水平是否合理。