Smart Bidding 反复学习、花费漂移：先找输入不稳定

智能出价反复进入学习、花费忽高忽低，通常不是“算法突然失灵”，而是目标、转化或可竞价库存持续变化。频繁换策略只会增加新的不稳定来源。

先做判断

先判断波动是否超出正常范围。低量账户、长转化延迟、周内需求差异和促销结束都会产生自然噪音。只有当波动持续越过业务护栏，或与可识别变更同步发生，才需要干预。

把问题分为“模型看见的世界变了”和“真实市场变了”。前者包括主要转化、价值、目标、预算、商品、关键词与结构变化；后者包括需求、竞争、价格、库存、站点与季节。两类问题的修复完全不同。

五层失稳排查

转化输入：主要动作是否新增、删除、重复或延迟；价值与币种是否变化；退款调整是否突然停止。错误信号会让系统追逐假目标。

目标与预算：效率目标是否一次收得过紧，预算是否与目标互相矛盾，多个 campaign 是否因共享资源而重新分配。目标是业务约束，不是用来强迫算法报出期望数字的旋钮。

结构与库存：campaign 合并拆分、商品池、关键词、地域和 URL 是否改变可竞价空间。即使策略名没变，输入集合变了也会重新适应。

转化周期：观察窗是否覆盖点击到转化和平台回传延迟。最近几天的“差”可能只是尚未归因。

外部环境：竞争、促销、价格、缺货、页面发布与季节是否改变真实转化概率。

PMax 是否应继续等待可看PMax 学习或失败诊断；跨 campaign 的异常用广告异常分诊定位。

稳定化动作顺序

先冻结非必要改动并保留变更时间线；再修追踪、商品和页面等硬故障；之后评估数据是否被过度拆散，必要时合并或使用共享策略提高信号密度；最后才调整目标或切换出价策略。每次只改变一个主要变量，观察完整转化周期。

如果出价策略长期数据不足，不要把低质量微转化贸然设为主要目标。先考虑合并结构、改善有效转化捕获或缩小任务范围。使用微转化时，也必须通过实验验证它与最终业务结果有稳定关系。

常见误判

• 看到“Learning”就立即改目标，导致状态被自己持续重启。
• 用更多低价值事件喂数据，数量增加但优化方向变差。
• 只看 campaign 变化，忽略价格、库存、页面和竞争时间线。
• 把目标设置成愿望值，未验证市场容量和单位经济能否支持。

验证清单

• 波动已按转化量、延迟与历史分布判断是否真的异常。
• 主要转化、价值、订单去重和目标继承没有近期意外变化。
• 预算、目标、结构、商品与关键词变更已建立时间线。
• 促销、竞争、库存、价格和页面发布已作为外部因素检查。
• 稳定化期间冻结无关改动，每轮只验证一个主要变量。
• 新策略或微转化通过受控实验与最终业务结果校准。

适用边界

本诊断适用于使用自动出价的 Search、Shopping 与 PMax。不同策略的状态、学习提示和建议门槛会随平台变化，不应把历史阈值写成硬规则。极低量账户可能始终有较大波动，应采用更长观察窗、合并数据与现金护栏；若业务要求绝对稳定日量，广告拍卖本身也未必能满足。