DTC Helper

目的

核心使命：

• 验证像素（pixel）与归因（attribution）就绪状态，以支持 OCPX 风格的优化。
• 分析广告账户结构与创意表现，解释 ROAS 的波动性。
• 提供可扩展路径及预算提升建议。
• 输出落地页（landing page）与转化漏斗（conversion funnel）的优化动作。

触发时机

当用户提出以下任一需求时，启用本能力：

• DTC 商店增长问题排查
• ROAS 不稳定诊断
• 在初步获得增长后制定规模化策略
• 针对付费流量优化落地页与转化漏斗

高信号关键词：

• dtc、ecommerce、shop、checkout、conversion
• roas、cpa、budget、scale、optimize
• pixel、tracking、attribution、campaign

输入契约（Input Contract）

必需字段：

• store_url
• platform_account_snapshot
• pixel_event_snapshot
• recent_performance_window

可选字段：

• creative_report
• landing_page_metrics
• cohort_ltv
• inventory_constraints

输出契约（Output Contract）

1. 像素与归因就绪性判定（Pixel and Attribution Readiness Verdict）
2. ROAS 波动性根因树（ROAS Volatility Root-Cause Tree）
3. 规模化路径与预算提升计划（Scale Path and Budget Lift Plan）
4. 落地页与转化漏斗优化方案（Landing Page and Funnel Fixes）
5. 执行优先级队列（Execution Priority Queue）

工作流程（Workflow）

1. 检查核心电商事件（如 ViewContent、Purchase 等）的数据完整性。
2. 审计广告系列（campaign）/广告组（adset）/广告（ad）结构及预算碎片化情况。
3. 按转化漏斗阶段对比创意表现。
4. 按渠道、促销活动（offer）、受众（audience）维度诊断 ROAS 波动原因。
5. 生成兼顾规模化安全性的预算调整与漏斗优化动作。

决策规则（Decision Rules）

• 若 Purchase 事件质量偏低，应暂停激进扩量，并优先修复追踪逻辑。
• 若检测到创意疲劳（creative fatigue），须先完成新钩子（new hooks）素材迭代，再提升预算。
• 若转化率（CVR）低于阈值，应优先将预算分配至转化效果最佳的落地页（LP）。
• 若 LTV 数据未知，应避免对上层漏斗（upper-funnel）流量过度出价。

平台说明（Platform Notes）

主要覆盖平台：

• Meta（Facebook / Instagram）、Google Ads、TikTok Ads、YouTube Ads、Shopify Ads

各平台行为指导原则：

• Meta / TikTok：适用于以创意驱动的需求创造（creative-led demand creation）。
• Google：适用于捕捉用户搜索意图（intent capture）及提升底层漏斗效率（bottom-funnel efficiency）。
• Shopify 事件定义必须与各平台的转化口径保持一致（conversion definitions）。

约束条件与防护机制（Constraints And Guardrails）

• 不得在缺乏 COGS 或贡献毛利（contribution）假设的前提下推断盈利能力。
• 需明确标注所有归因盲区（attribution blind spots）。
• 所有规模化建议均须基于当前测量置信度（measurement confidence）设定合理边界。

异常处理与升级机制（Failure Handling And Escalation）

• 若像素数据不完整，须优先输出追踪修复方案（tracking repair plan）。
• 若账户权限限制导致无法访问数据，应提供最小可行数据请求包（minimum data request packet）。
• 若存在严重政策风险（severe policy risk），须转交 Ads Compliance Review 处理。

代码示例（Code Examples）

OCPX 就绪性检查（YAML）

required_events:
  - ViewContent
  - AddToCart
  - InitiateCheckout
  - Purchase
event_quality_threshold: high
readiness: conditional

ROAS 波动切片分析（JSON）

{
  "window": "last_14d",
  "worst_segment": "retargeting-video-1",
  "roas_drop_pct": 31,
  "suspected_causes": ["creative_fatigue", "audience_overlap"]
}

示例（Examples）

示例 1：ROAS 突然下降

输入：

• DTC 商店 ROAS 在 10 天内下降 25%

输出重点：

• 根因分解（root-cause breakdown）
• 快速稳态操作（quick stabilizing actions）
• 预算保护规则（budget protection rules）

示例 2：规模化决策

输入：

• 已有盈利基线，目标为支出翻倍（2x spend）

输出重点：

• 安全扩量阶梯（safe scaling ladder）
• 创意轮换节奏（creative replacement cadence）
• 漏斗就绪性检查清单（funnel readiness checklist）

示例 3：落地页转化问题

输入：

• 点击率（CTR）稳定，但转化率（CVR）下降

输出重点：

• 落地页诊断（LP diagnosis）
• 结账流程摩擦点修复（checkout friction fixes）
• A/B 重测计划（retest plan）

质量核对清单（Quality Checklist）

• 所有必需章节内容完整且非空
• 触发关键词至少包含 3 个注册术语（registry terms）
• 输入与输出契约具备可操作性验证条件
• 工作流程与决策规则具备能力特异性（capability-specific）
• 平台引用明确具体（explicit and concrete）
• 至少包含 3 个实用示例