内容广告 Agentic BP 思考

从「工具使用」到「伙伴协作」—— 广告投放平台的下一代交互范式

👤 问溪 📅 内部分享 ⏰ 30-45 分钟 📚 内容广告团队
一、为什么要做
二、做成什么样
实战拆解
三、用户看到什么
四、怎么走过去
01

为什么要做 Agentic BP

从一个真实的广告主 brief 出发,理解 Agentic 解决的到底是什么问题

一个真实的广告主需求

假设你收到这样一个 brief,想想我们现有的工具能接住多少

广告主 Brief
"我们 618 要主推一款新发布的精华液,预算 1500 万,目标 GMV 5000 万,主打 25–35 岁成分党女性。新品没历史数据,但我们老品的护肤套装人群会高度重叠。竞品里 X 和 Y 两个牌子也在抢同一拨人,预判他们 5 月底开始烧钱。每天早上 9 点给我决策建议;超过 50 万的预算调整或者要拓新人群包之前,必须先跟我打招呼。"

拆解一下,这里面有多少层问题?

算法可做
ROI 出价优化
1500 万预算 → 5000 万 GMV,目标明确可量化,模型可收敛
算法可做
基础人群定向
25-35 岁女性,结构化标签,智能定向已成熟
需要 Agentic
新品冷启动策略
没历史数据,需要迁移老品护肤套装的人群经验 —— 这是推理,不是优化
需要 Agentic
竞品博弈预判
"X 和 Y 5 月底开始烧钱"—— 需要理解竞争态势、提前规划应对节奏
需要 Agentic
大促全链路节奏
蓄水期→预热→爆发→返场,每个阶段预算/出价/素材策略不同 —— 长周期规划
需要 Agentic
主动推送 + 人机协同
"每天 9 点给建议,大调整先打招呼"—— 不是等人来看,而是主动找人
Soul Question

我们已经有智能出价、智能定向、自动扩量了,
为什么这个 brief 现有工具还是接不住?

💡
因为出价和定向解决的是「目标明确、结构化、短闭环」的问题,而这个 brief 里有四层是算法覆盖不到的:
冷启动迁移(把老品经验推理到新品)、竞品博弈预判(理解竞争态势并提前规划)、大促全链路节奏(蓄水→预热→爆发→返场的长周期策略)、人机协同(主动推送 + 审批机制)。

但也要注意边界:因为系统原因导致 ROI 交付不达标,应该通过升级底层算法解决,而不是通过 Agentic 去盯盘调出价。Agentic 解决的是底层算法能力覆盖不到的那一层问题。

决策光谱:一个问题该交给谁?

从纯算法到纯 Agentic,不同的问题落在光谱的不同位置

底层算法 Agentic
算法
ROI 出价
目标单一、模型可收敛
算法
智能定向
结构化输入、即时反馈
交叉
素材优选
算法排序 + 人判断替换时机
交叉
预算分配
算法优化 + 人定优先级
Agentic
整场直播策略
多阶段、多目标权衡
Agentic
效果归因分析
需要理解上下文和推理
1 问题结构化程度
底层算法 输入、目标、约束都清晰
Agentic 半结构化,需要理解上下文
2 决策闭环长度
底层算法 单次决策,即时反馈
Agentic 多步决策,跨时段反馈
3 用户参与意愿
底层算法 设好就不管,黑盒但效果好
Agentic 理解并参与决策,透明可干预

所以,平台的演进方向是…

每一轮演进都在降低广告主对平台方人力的依赖,Agentic 是下一步

🛠
平台自助化
提供工具和功能,广告主自己操作
🤖
智能化辅助
系统给建议,广告主做决策
Agentic 自主化
Agent 自主决策执行,人做监督
02

做成什么样

四层能力架构 + 多 Agent 协同,构建完整的 Agentic 投放系统

四层能力架构

感知 → 认知 → 行动 → 反馈,层层传递、环环相扣的完整闭环

👁 感知 🧠 认知 ✍ 行动 📚 反馈 ↻ 迭代
👁
感知层
感官系统

Agent 能看到什么数据,决定了它能获取多少信息来做判断

计划投放实时数据 直播/创意数据 环境与竞争数据 历史与策略数据

四层数据从微观到宏观:计划消耗/CTR/转化 → 直播在线/互动/素材表现 → 竞争强度/大盘波动 → 历史基准/Skill 库

💡 核心洞察:不是等人来看数据,而是数据异常主动找人。异常检测先行,数据正常时「静默运行」,数据异常时「主动上报」。同时需要标记数据的「可信度等级」,避免基于不完整数据做决策。
🧠
认知层
决策大脑

「规则 + Skill + 模型」三层混合推理,兼顾可解释性与智能弹性

规则引擎
确定性决策 — 可配置、可解释、零争议

止损规则、预算保护、新计划保护、时段规则

例:ROI 连续 30 分钟低于阈值 → 自动暂停
Skill 引擎
经验驱动决策 — 可复用、可迭代、可迁移

素材疲劳诊断、预算动态分配、出价调优、人群定向优化、大促调控等

官方提供基础 Skill,广告主也可沉淀自己的投放经验
模型引擎
复杂推理决策 — 处理模糊问题,需要推理链可视化

多目标优化、长短期权衡、策略生成、归因分析

例:ROI 2.8 但消耗很慢 vs ROI 2.0 但消耗很快,如何权衡?
💡 核心洞察:每个决策必须回答三个问题:为什么做(归因依据)、预期效果(推理逻辑)、错了怎么办(回滚方案)。输出决策置信度评分,低置信度决策必须人工确认。当场景超出能力范围时,主动降级为「建议模式」——承认「我不知道」比「盲目行动」更重要。
行动层
执行手脚

操作有边界、执行有节奏、异常有兜底

出价调整 预算调整 人群定向 创意操作 计划管理 素材生成 分析诊断
💡 核心洞察:执行前做安全检查(权限/边界/频率/冲突/回滚),执行中梯度推进(分步调整 + 观察窗口 + 灰度验证),执行后效果追踪(自动评估 + Bad Case 标记)。任何时候人都可以「接管」—— Agent 不跟人抢控制权。
📚
反馈层
学习系统

「行动 → 评估 → 归因 → 迭代」的完整闭环,让 Agent 越用越聪明

操作级评估
微观 · 实时
预期 vs 实际效果
决策置信度校准
策略级评估
中观 · 每日
Skill 效果追踪
适用边界验证
全局级评估
宏观 · 周期
核心指标趋势
人工干预频率
💡 核心洞察:Bad Case 是 Agent 进化的核心养料。需要因果推断能力区分「操作带来的效果」和「自然波动」。同时防范过拟合 —— 通过跨区域、跨时段、跨行业的泛化验证来避免「过度学习」局部经验。

多 Agent 协同机制

四个专业 Agent 分工协作,覆盖投放全链路

总指挥

🎯 核心策略 Agent

将业务目标转化为投放策略,协调其他 Agent 执行顺序。负责目标拆解、阶段划分、资源分配、策略切换。

目标拆解 阶段规划 策略诊断 竞品应对
执行者

⚡ 优化投放 Agent

在策略框架内实时调参优化。负责异常检测、归因判断、调参决策、频率控制,确保指标在目标范围内。

出价调优 预算分配 异常止血 竞对应对
内容官

🎨 创意内容 Agent

素材全生命周期管理。负责疲劳诊断、效果归因、方向生成、替换时机判断,确保「用对的内容在对的时间出现」。

疲劳诊断 创意归因 方向生成 替换决策
军师

📊 分析诊断 Agent

投放效果的深度分析和策略建议。负责效果归因、竞品分析、趋势预判、优化建议生成,为策略调整提供依据。

效果归因 竞品分析 趋势预判 复盘报告

回到那个 brief:Agent 怎么处理?

用刚才讲的四层架构和多 Agent 协同,走一遍 618 精华液新品投放的完整链路

Step 1
🎯 策略 Agent · 接单拆解

策略 Agent 接收广告主的业务目标,拆解为可量化的投放指标:

目标拆解
1500 万预算 / 5000 万 GMV → 日均消耗 ~16.7 万,ROI 3.33
阶段划分
蓄水期(5.1-5.20)→ 预热期(5.21-5.31)→ 爆发期(6.1-6.18)→ 返场期(6.19-6.25)
资源分配
蓄水 20% / 预热 25% / 爆发 45% / 返场 10%,各阶段策略重心不同
风险预判
竞品 X、Y 预判 5 月底加投 → 预热期需提前锁定人群、储备素材
➤ 向其他 Agent 下达任务:优化 Agent 设出价框架,创意 Agent 备素材方向
Step 2
🎯 策略 Agent + 📊 分析 Agent · 冷启动迁移

新品没历史数据,但老品护肤套装人群高度重叠 —— 需要把经验「迁移」过来:

感知层
拉取老品护肤套装的人群画像、转化数据、高价值行为特征
认知层 · Skill 引擎
调用「跨品人群迁移 Skill」:分析人群重叠度,筛选可复用的高价值人群包
行动层
生成新品初始定向策略:老品高价值人群 + 成分党兴趣标签 + 竞品人群排除
Step 3
👁 感知层 + 🧠 认知层 · 竞品博弈

预判竞品 X、Y 在 5 月底开始烧钱抢同一拨人 —— 但 Agent 只能看到自己的数据:

感知层(仅自身数据)
监控自身竞价成功率下降、CPC 异常上涨、同人群展示份额缩减 —— 间接推断竞争加剧
认知层 · 模型引擎
「竞品应对 Skill」综合多维信号评估竞争态势:是正面竞争加价,还是差异化避让?
策略输出
建议预热期提前锁定核心人群 + 准备差异化素材卖点,避免爆发期正面价格战
🔒
数据权限边界:单个广告主的 Agent 无权访问大盘类目 CPC/CPM 或竞品的展示份额数据。Agent 的竞争感知只能基于自身投放信号(竞价成功率、CPC 波动、展示份额变化)间接推断。平台侧可以提供脱敏聚合的「竞争环境指数」作为增强信号,但不能暴露其他广告主的具体数据。这是 Agentic 设计中必须守住的底线。
Step 4
⚡ 优化 Agent + 🎨 创意 Agent · 日常运营

投放启动后,两个 Agent 分工协作日常优化:

⚡ 优化 Agent
  • 实时调参:出价、预算微调,确保 ROI 在 3.33 附近
  • 异常止血:ROI 连续跌破阈值 → 自动暂停 + 通知广告主
  • 预算再分配:各计划间动态转移预算到高 ROI 计划
🎨 创意 Agent
  • 素材疲劳监控:CTR 衰减曲线检测,预警替换时机
  • 素材效果归因:是前 3 秒不抓人,还是卖点不匹配人群?
  • 新素材方向生成:基于高效果素材特征,推荐新创意方向
Step 5
🤝 人机协同 · 信任机制

广告主要求:「每天 9 点给建议;超过 50 万的调整先打招呼」

每日晨报
每天 9:00 自动推送:昨日效果摘要 + 今日策略建议 + 异常预警
🔒
审批拦截
预算调整 > 50 万 或 新增人群包 → 安全检查不通过 → 降级为建议模式推送确认
🔄
随时接管
广告主随时可暂停 Agent、回滚操作、修改参数,Agent 不跟人抢控制权
📚
经验沉淀
广告主说"成分党人群晚上 9 点后转化更好"→ 自动识别并沉淀为个人 Skill
03

用户看到什么

对客体验设计和产品范式转变

四大设计原则

🤝

人在回路 (HITL)

人始终在关键决策节点参与。Agent 做建议和执行,人做确认和监督。通过渐进式放权建立信任。

🔒

控制感与安全感

边界设定(操作幅度/频率限制)、随时接管(一键暂停/回滚)、审批机制(高风险操作需确认)。

💬

可解释性

用「人话」解释每个决策。不是说「ROI 预计提升 12%」,而是说「因为你昨天转化率下降了,我建议提价 10% 来争取更多高质量流量」。

📈

渐进式智能化

建议模式 → 半自动模式 → 全自动模式。根据广告主的信任度和使用深度,逐步开放更高级的自主能力。

两个关键交互模式

💬 策略共创

Agent 通过结构化对话与广告主共同制定投放策略:

Agent 引导提问:
"您的月 GMV 目标是 100 万,按行业均值换算大约需要日均消耗 3.3 万、ROI 2.5。您希望前期侧重拉新还是老客复购?"
广告主确认后:
Agent 生成策略方案 → 广告主确认/调整 → 开始执行

📚 Skill 经验沉淀

将广告主的操作经验自动沉淀为可复用的 Skill:

Step 1 · 捕捉
广告主手动输入经验,或从对话中自动提取
Step 2 · 识别
Agent 识别到重复出现的操作模式,主动提示
Step 3 · 确认
广告主确认后保存为个人 Skill,后续自动应用
核心观点

从「功能导向」到「智能分发」

传统投放平台的产品结构是功能导向的 —— 诊断是一个模块、洞察是一个模块、活动是一个模块、工具是一个模块。用户需要自己判断「我现在应该看哪个模块」,然后在各个模块之间切换、拼接信息、做决策。

🤷
Agent 已经具备了诊断、洞察、分析、策略生成的能力,它完全知道用户「此刻最需要什么」。继续让用户在各个模块之间切换 ——
就像有了一个私人管家,却还让他把所有报告堆在桌上让你自己翻。
❌ 传统:用户找信息
诊断 洞察 活动 报表 素材 工具
用户自己在模块间切换、拼接、判断
✅ Agentic:信息找用户
AI 策略建议
Agent 聚合所有洞察,在对的时间推对的内容

哪些模块该融合,哪些该保留?

判断标准:用户是否需要主动、高频、深度地使用这个功能

应该融合 被动发现型 — Agent 主动推送
问题诊断
异常时 Agent 主动推送
机会洞察
Agent 发现机会时推送
运营活动
Agent 判断符合条件时推送
数据报表
定期摘要 + 异常时深度报告
素材分析
在素材相关建议中附带分析
保留独立 主动探索型 — 用户主动使用
数据大盘
用户主动查看整体情况
计划管理
主动创建、编辑、查看计划
账户 / 财务
基础功能,需要稳定入口
Skill 市场
主动浏览和选择行业 Skill
终局猜想

如果连投放平台都不需要了呢?

当我们把投放能力封装成了标准化的 Agent 和 Skill,它天然可以被其他 AI 工具"继承"。未来的广告主可能根本不需要打开一个独立的投放平台 —— 他们已经在用悟空、QoderWork、或企业自己的 AI 助手。

🤔
广告主对 QoderWork 说:"帮我看看 618 的精华液投放,今天有什么建议?"
QoderWork 通过 MCP 调用平台的投放 Agent,拿到诊断结果和优化建议,用自己的交互方式呈现给用户。
平台变成了能力底座,Agent 和 Skill 变成了可被继承的智能模块。
现在:独立投放平台
打开 BP 看数据 做操作
用户必须来平台才能投放
过渡:平台 + AI 增强
AI 策略建议 Skill 市场
Agent 嵌入平台,智能分发
终局:能力可继承
Agent / Skill / MCP
投放能力被悟空、QoderWork 等 AI 工具继承调用
这对平台意味着什么?核心竞争力从「算法能力」变为「Skill 积累厚度 + MCP 生态丰富度」。谁拥有更多更好的投放 Skill、谁的 Agent 能力更容易被第三方 AI 工具调用,谁就拥有 Agentic 时代的护城河。
04

怎么走过去

与传统 BP 的核心差异和三阶段演进路线

Agentic BP vs 传统 BP:六个核心差异

维度 传统投放平台 Agentic 投放平台
目标输入 明确指令:设出价、预算、定向 意图理解:说业务目标,Agent 拆解为操作
决策主体 人驱动:每个操作都需要人来做 Agent 驱动:Agent 自主决策,人做监督
能力组织 功能菜单:诊断/洞察/活动/报表独立 角色分工:策略/优化/创意/分析 Agent 协同
知识积累 人脑经验:优化师带走经验,平台无沉淀 平台记忆:Skill 库持续积累,越用越聪明
异常处理 被动发现:人看报表才知道出了问题 主动预警:数据异常时 Agent 主动通知
交互方式 工具使用:打开页面、点击按钮、填表单 伙伴协作:对话式交互,Agent 理解意图并执行

三阶段演进路线

6 - 12 个月

📌 能力嵌入期 (MVP)

Agentic 作为增强模块嵌入现有投放流程。以「建议模式」为主,验证核心交互和价值。

验证指标:建议采纳率、用户满意度、效果提升幅度
1 - 2 年

🚀 场景接管期

在预算分配、素材轮播、异常止血等场景获得半自主执行权,逐步扩展自主能力边界。

验证指标:自动化操作占比、人工干预频率下降
2 - 3 年 +

🌟 融合共生期

传统算法能力全部下沉为 Agentic 架构中的 Tool,形成统一的「投放操作系统」。

终局愿景:广告主与平台从「使用工具」变为「雇佣搭档」
🎯

终局思考:核心竞争力转变

平台核心竞争力从「算法能力」升级为「Skill 积累厚度」。谁拥有更多、更好的投放 Skill,谁就拥有更强的 Agent 智能 —— 这是 Agentic 时代平台竞争的护城河。

Presenter
问溪
内容广告 Agentic BP 思考