异常检测与复盘体系

本页抽取《广告账户异常检测与复盘分析系统 · 增强版方案》中与工程落地直接相关的要件:数据表结构摘要、六类检测规则阈值、四层执行流水线(含飞书多维表 / 小 B Agent)、人机触发与平滑升级路径。可与同目录 广告复盘 联用:复盘页偏单账户报告,这里偏批量规则引擎 + 归因框架

目标与指标(摘要)

四维度:检测精度、分析深度、人机协作效率、自动化可扩展性。渐进落地:方案 A(CSV+小B)→ B(Python API 写飞书表)→ C(RPA+工单)。

检测耗时 MVP ≤5 分钟 方案 A 准确率目标 ≥85% 简报仅推「高/中」严重度 联合主键:日期 + 账户名
三层架构
  • 触发层:飞书 Bot 指令(如「复盘昨日投放」)+ 每日 09:30 定时任务 +「零消耗」事件告警。
  • 执行层(小 B):严格串行 Phase 1~4。
  • 数据层:飞书多维表格 5 张表(原始 / 搜索词 / 评论 / 异常记录 / 分析报告)。
执行层四阶段(小 B)
P1 数据拉取昨日原始表 8~12 字段;空表则中止并提示上传。
P2 异常检测6 类规则;仅高/中进简报;至多 10 户进深度分析。
P3 深度分析搜索词 TOP10/达标率、评论情感占比、五选三归因。
P4 简报B1 明细 · B2 大盘 · B3 @负责人(高严重时)。
五张核心表(字段级摘要,供飞书 / 后端对齐)
关键字段(英文)说明
原始数据date, account_name, spend, impressions, clicks, ctr, conversions, cost, …日级账户指标;异常规则唯一数据源(方案 B:API 每日 00:30 同步)。
搜索词明细search_term, clicks, spend, conversions, is_matched行级明细;P3 节点 1 TOP10 / 达标率。
评论明细video_id, comment_text, sentiment, keywords情感与高频词;P3 节点 2。
异常记录anomaly_type, severity, analysis_status, root_cause, action_log, handler…闭环:待分析→已归档。
分析报告summary, report_link, generated_at, anomaly_count日报档 + 飞书文档链接。
六类异常规则(与方案文档一致)

先做决策层门槛:简报只展示高 / 中。另:CTR 规则需昨日展示数 > 5000(否则易噪音);消耗骤降看前日 S(t−1)>200;成本暴增看昨日消耗 >500 才判「成本爆表」。

P类型条件摘要严重度干预时效
1断崖式下跌St < 0.5×S(t−1) 且 St < 100 元2h
2成本爆表成本环比 dK > 30% 且 St > 5004h
3CTR 骤降dC < −20%(周末/假日可放宽至 −35%)且展示 >5000当日
4消耗骤降dS < −25%(假日 −40%)且 S(t−1)>200当日
5零消耗St=0 且 S(t−1)>0次日 / 可实时告警
6波动预警达严重阈值的约 70% 未过线不推送简报
规则试算(浏览器侧)与 API 预留

下方按文档公式计算环比 dS、dC、dK;勾选「周末/节假日模式」时,CTR/消耗骤降阈值按文档放宽。接口 POST LAMB_API.paths.anomalyDetect 供后端实现后替换 Mock。

飞书 Bot 指令(摘录)
  • 复盘昨日投放 — Phase 1~4 全量
  • 复盘账户{账户名} — 单户
  • 历史复盘 YYYY-MM-DD
  • 生成周报 — 近 7 天聚合
A → B → C 切换条件(摘要)
  • A→B:连续 7 天准确率 ≥90%、简报评分 ≥4/5、API 试拉通。
  • B→C:连续 14 天拉取成功率 ≥99%、通知触达、团队问卷 ≥90% 认可、RPA license。