budget-optimization

预算优化

Agent Skills™ 的一部分，由 googleadsagent.ai™ 提供

描述

预算优化技能运用 AI 驱动的预测和投资组合理论，在各广告系列之间分配广告预算，以实现最高回报。它不会将每个广告系列视为孤立的预算孤岛，而是将整个账户建模为投资组合，动态地将支出转向广告支出回报率（ROAS）边际值最高的广告系列，同时遵守最低品牌曝光度和地域覆盖等业务限制。

优化引擎会摄取历史效果数据、季节性模式、竞争动态和转化延迟曲线，为每个广告系列构建预算变动响应预测模型。它会识别受展示份额限制的广告系列（相对于需求而言资金不足）、回报递减的广告系列（预算超过效率前沿），以及预算调整能够带来可量化增量转化的广告系列。

投资组合出价策略是重要的杠杆。该技能会评估广告系列应使用独立预算还是共享预算、投资组合出价策略能否汇总数据稀疏型广告系列的转化信号，以及应如何根据需求曲线安排季节性预算调整的时机。它会生成可执行的预算重新分配计划，并提供预期影响预测和置信区间。

适用场景

• 用户要求“优化我的预算”或“更好地分配预算”
• 用户提到“预算消耗进度”或“广告系列预算即将耗尽”
• 用户想知道“该在哪些地方增加支出”或“该在哪些地方削减预算”
• 用户询问“共享预算”或“投资组合出价”
• 用户提到“ROAS 优化”或“在预算范围内最大化转化次数”
• 用户询问“季节性预算调整”或“预算规划”
• 用户想要“减少无效支出”或“提高预算效率”
• 用户提到“因预算不足而损失的展示份额”

架构

flowchart TD
    A[Historical Performance Data] --> B[Data Preparation]
    C[Seasonality Signals] --> B
    D[Competitive Landscape] --> B

    B --> E[Campaign Response Modeling]
    E --> F[Marginal CPA Curves]
    E --> G[Impression Share Opportunity]
    E --> H[Conversion Lag Analysis]

    F --> I[Portfolio Optimizer]
    G --> I
    H --> I

    J[Business Constraints] --> I
    K[Total Budget Envelope] --> I

    I --> L{Optimization Strategy}
    L --> M[Shift to High ROAS]
    L --> N[Fund Impression Share Gaps]
    L --> O[Seasonal Pre-Allocation]
    L --> P[Portfolio Bid Strategy Setup]

    M --> Q[Budget Reallocation Plan]
    N --> Q
    O --> Q
    P --> Q

    Q --> R[Expected Impact Projection]
    Q --> S[Implementation Schedule]
    Q --> T[Monitoring Thresholds]

实现

基于边际回报建模的预算优化引擎：

async function optimizeBudgets(customerId, config) {
  const { totalBudget, lookbackDays = 90, constraints = {} } = config;

  const campaignData = await getCampaignPerformance(customerId, lookbackDays);
  const seasonalFactors = calculateSeasonalFactors(campaignData);
  const marginalCurves = buildMarginalReturnCurves(campaignData);

  const currentAllocation = campaignData.map(c => ({
    campaignId: c.id,
    name: c.name,
    currentBudget: c.dailyBudget,
    spend: c.avgDailySpend,
    conversions: c.avgDailyConversions,
    roas: c.conversionValue / c.cost,
    impressionShareLostBudget: c.isLostBudget,
    marginalCPA: marginalCurves[c.id].marginalCPA
  }));

  return portfolioOptimize(currentAllocation, totalBudget, constraints);
}

function buildMarginalReturnCurves(campaignData) {
  const curves = {};

  for (const campaign of campaignData) {
    const dailyData = campaign.dailyMetrics.sort((a, b) => a.cost - b.cost);
    const costBuckets = createCostBuckets(dailyData, 10);

    curves[campaign.id] = {
      marginalCPA: calculateMarginalCPA(costBuckets),
      saturationPoint: findSaturationPoint(costBuckets),
      elasticity: calculateBudgetElasticity(costBuckets)
    };
  }

  return curves;
}

function portfolioOptimize(campaigns, totalBudget, constraints) {
  const { minBrandSpend = 0, geoMinimums = {}, maxShift = 0.3 } = constraints;

  let remainingBudget = totalBudget;
  const allocations = [];

  const constrainedCampaigns = applyMinimumConstraints(campaigns, constraints);
  remainingBudget -= constrainedCampaigns.reduce((sum, c) => sum + c.allocatedBudget, 0);

  const flexibleCampaigns = campaigns.filter(c =>
    !constrainedCampaigns.find(cc => cc.campaignId === c.campaignId)
  );

  const sorted = flexibleCampaigns.sort((a, b) => a.marginalCPA - b.marginalCPA);

  for (const campaign of sorted) {
    const maxBudget = campaign.currentBudget * (1 + maxShift);
    const optimalBudget = Math.min(
      calculateOptimalBudget(campaign),
      maxBudget,
      remainingBudget
    );
    allocations.push({ ...campaign, newBudget: optimalBudget });
    remainingBudget -= optimalBudget;
  }

  return { allocations: [...constrainedCampaigns, ...allocations], unallocated: remainingBudget };
}

季节性预算调整规划器：

function planSeasonalAdjustments(campaignData, forecastWindow = 90) {
  const seasonalPatterns = detectSeasonality(campaignData, { minHistoryDays: 365 });

  return seasonalPatterns.map(pattern => ({
    campaignId: pattern.campaignId,
    upcomingPeaks: pattern.peaks.filter(p => p.daysAway <= forecastWindow),
    recommendedPreBudgetIncrease: pattern.peaks.map(peak => ({
      startDate: subtractDays(peak.date, 7),
      endDate: addDays(peak.date, 3),
      budgetMultiplier: peak.historicalLift,
      confidence: peak.confidence
    })),
    lowSeasons: pattern.troughs.filter(t => t.daysAway <= forecastWindow).map(trough => ({
      startDate: trough.startDate,
      endDate: trough.endDate,
      budgetMultiplier: trough.historicalDrop,
      reallocationTarget: findBestAlternative(campaignData, trough)
    }))
  }));
}

与 Buddy™ Agent 集成

预算优化是 Buddy™ Agent 中的战略资源分配层。平台会持续监控广告系列的预算消耗进度，并在发现某些广告系列持续触及预算上限，而其他广告系列的支出低于预算时，触发预算重新分配建议。Buddy™ 会清晰展示这些建议调整前后的预测效果。

Buddy™ 将预算优化与季节性预测引擎集成，会在已知需求高峰（黑色星期五、行业活动、季节性趋势）到来前自动建议增加预算，并在历史表现较差的时期建议削减预算。用户会收到主动的预算调整通知，只需单击即可批准。

该技能与转化跟踪技能协作，确保预算决策基于准确的归因数据；同时与质量得分优化技能配合，避免将预算分配给存在结构性质量问题、增加支出后会造成浪费的广告系列。

最佳实践

1. 优化预算前，务必先验证转化跟踪的准确性
2. 至少使用 90 天的回溯期，以收集足够的数据来绘制可靠的边际回报曲线
3. 将每次调整期的预算变动幅度限制在 20-30%，避免干扰算法
4. 无论品牌广告系列的 ROAS 排名如何，都要为其设置最低支出限制
5. 在季节性高峰前 5-7 天预先增加预算，为智能出价留出调整时间
6. 将因预算不足而损失的展示份额作为广告系列资金不足的首要信号
7. 在优化预算前，合并每月转化次数少于 15 次的广告系列
8. 对于目标漏斗阶段相同且 CPA 相近的广告系列，使用共享预算
9. 评估近期预算变更时，考虑转化延迟
10. 每月审核组合出价策略的表现，并相应调整目标指标

平台兼容性

平台	支持
Claude Code	✅
Cursor	✅
Codex	✅
Gemini	✅

相关技能

• 转化跟踪 - 预算决策必须基于准确的归因数据
• 质量得分优化 - 防止将预算分配给存在结构性质量问题的广告系列
• 竞争对手分析 - 竞争压力信号有助于判断是否需要防守预算或重新分配预算
• 令牌优化 - 将组合优化原则应用于 AI 成本管理

关键词

预算优化、预算分配、Google Ads 预算、广告系列预算、共享预算、组合出价、ROAS 优化、预算节奏控制、季节性预算、预算导致的展示份额损失、预算预测、媒体规划、支出优化、成本效率、预算管理

---

© 2026 googleadsagent.ai™ | Agent Skills™ | MIT License