「历史 Case」云文档 › 常用 SQL
常用 SQL
最后更新 07/12 · 由 OpenClaw 自动整理,沉淀自 12 个历史 Case
## 适用场景
这份 SOP 是从 12 个真实排查 Case 里提炼出来的,覆盖消耗骤降、成本飙升、对话率异常这三类最常见的报警场景。不管是自己发现异常,还是被日报标红提醒,都按下面三步走,别凭经验跳步——历史上至少 3 次误判,都是因为跳过了 Step 2 的拆维度,直接凭第一反应下了结论。
## 排查步骤
Step 1 · 定位异常渠道
SELECT channel, cost, dialog_rate
FROM ad_daily_report
WHERE date = CURRENT_DATE - 1
ORDER BY cost DESC;
成本环比 >20% 或对话率 <8%,标记为待查
Step 2 · 拆维度找原因
SELECT placement, hour, cost
FROM ad_daily_report
WHERE channel = :channel
ORDER BY cost DESC LIMIT 10;
按广告位 × 分时拆解,定位异常集中的时段
Step 3 · 核对是否为已知 Case
SELECT case_id, root_cause
FROM case_library
WHERE tags @> ARRAY[:channel];
命中相似 Case → 直接复用方案;未命中 → 走新增归档
## 常见坑
不要只看当天数据,务必核对是否为周末 / 节假日效应,历史上有 3 个 Case 是被"大促波动"误判为渠道异常
case_library 里的 tags 区分大小写,查询前先转小写,否则 Step 3 会漏检、误判成"新 Case"
环比口径要跟《常用看板》保持一致,都是"对比前一天全天",不要自己发明新口径,不然对不上账
## 相关资料
异常背后的业务解读可以翻《常用看板》,看这个渠道最近的趋势走向;如果怀疑是投放侧的口径问题,配合《千问提收指南》核对提报是不是出了错。实在找不到根因、又不属于任何已知模式的,按 Case 归档流程新建一条,写清楚背景和根因,让下一个人少走一遍弯路。
「历史 Case」云文档 › 常用看板
常用看板
最后更新 07/10 · 内嵌飞书仪表盘,OpenClaw 定期核对口径
## 看板定位
这个看板不是给老板看大盘用的,是给一线运营自己每天用的"体检表"——目的是把"要不要点开 20 个渠道后台"这件事,压缩成"扫一眼这张看板"。数据每小时从各投放后台拉一次,口径和《常用 SQL》完全对齐,看到的数字和自己手动查的应该分毫不差,对不上就是哪边口径漂了。
## 看板包含的视图
每日大盘:消耗 / 成本 / 对话率趋势,默认展示近 14 天,可切到近 30 / 90 天看季节性
渠道对比:Top 10 渠道消耗环比,红色代表环比超过 20% 的渠道
异常清单:近 7 天标红记录,点进去能直接下钻到对应的历史 Case,不用再问人
## 使用建议
1.每天 10 点后先看"异常清单",比一个个翻渠道后台快得多
2.环比口径统一为"对比前一天全天",与 常用 SQL 保持一致,别自己定义新口径
3.看板数据每小时刷新一次,非实时,大促当天盯大盘要以后台数字为准
## 常见误解
不少新人以为看板标红 = 一定要处理,其实标红只是"建议看一眼",真正要不要动手,还是得按《常用 SQL》里的排查 SOP 走一遍,不能看到红就慌张降价——历史上有过好几次,标红只是正常的周末低谷,白白降了预算。
「历史 Case」云文档 › 千问提收指南
千问提收指南
最后更新 07/09 · 来自 5 次实际提报踩坑经验
## 提报前检查清单
1.命名规范:产品线_日期_版本,例如 douyin_0522_v2,版本号从 v1 开始,改一次加一
2.附件格式:仅支持 xlsx,不要传 csv——解析器认不出编码,历史上因为这个被打回过 7 次
3.提交时间:每周二 / 四 18:00 前,过时的会自动排到下一批,没有加塞这一说
4.常见驳回原因:字段缺失、口径对不上模板,这两条加起来占了驳回原因的八成
## 提报后
一般 2 小时内会出审核结果,超过 4 小时还没响应,@提收群管理员,不要私聊问,私聊很容易被漏掉。被驳回不要立刻重传,先对照《模板 v3》逐字段核对一遍,很多时候只是漏填了一个不起眼的字段。
## 和其他文档的关系
提报用的口径要和《常用 SQL》里定义的指标保持一致,不要自己另起一套;如果提报数据和看板对不上,大概率是取数时间窗口不一致,回去核对一下再提交,别急着改数字凑数。
## 踩过的坑(持续更新)
这份指南是从 5 次实际提报的失败经验里攒出来的——最初也走过弯路,比如误以为 csv 更方便、以为可以随时补提、以为字段名可以自己简写。这些坑现在都写进了上面的检查清单,新人照着做基本不会再踩。
「历史 Case」云文档 › Q2 实验内容与详细说明
Q2 实验内容与详细说明
最后更新 06/30 · 汇总 4 组 A/B 实验
## 实验背景
Q2 这一季一共跑了 4 组 A/B 实验,目的是验证几个长期有争议的运营假设:新素材模板到底有没有用、出价策略调整值不值得、落地页改版能不能提升转化。这份文档把每组实验的设置、结果、结论都记下来,避免明年同样的问题又重新测一遍。
## 实验结论摘要
实验一:新素材模板 → 对话率 +2.3%(显著,已推全)
实验二:出价策略调整 → 成本 -5%,但量级下降 12%,谨慎推广,目前只在预算充足的渠道试点
实验三:落地页改版 → 无显著差异,不推荐全量,但改版思路留给下次素材迭代参考
## 实验方法
分组方式:渠道 × 地区双重分层随机,避免某个渠道或地区把结果带偏
样本量:单组 ≥ 5000 曝光,观察窗统一定为 7 天,太短容易被单日波动干扰
显著性:双侧 t 检验,p<0.05 才算显著,卡得比较严,避免"看起来有效、其实是噪音"
## 后续计划
实验二的成本下降和量级下降需要找到平衡点,Q3 打算做一次分档测试,不同预算区间用不同出价策略;实验三的落地页虽然没打出显著差异,但用户停留时长有提升,值得单独立一个新实验专门测这个指标。