跨境广告运营的工作节奏，正在被两股力量同时挤压。

一端是流量成本的结构性上涨。

• 2026 年 Meta 全行业平均 CPM 约为 14 美元，同比上涨约 20%
• Google Ads 全行业平均 CPC 约为 2.32 美元，同比上涨 12%
• 亚马逊 SP 广告平均 CPC 在 1.18 至 1.25 美元之间，比 2025 年的 1.12 美元上涨 8% 至 12%

另一端是运营模式的碎片化。

一个跨境 CMO 同时管理八个国家的市场，每个市场在 Amazon Ads、Google Ads、Meta Ads、TikTok Ads 上有独立的投放策略、独立的预算节奏、独立的归因窗口。

人盯广告的方式，在平台数量超过三个之后就开始失效。

WorkBuddy + BI + Skill + 多 Agent 的组合，改变的是“广告运营的决策节奏”，通过 AI 的 mcp 去调用 BI 工具，从“人每天手动拉数据、逐条看广告、逐个调预算”变成"系统自动拉数据、自动识别异常、自动生成优化建议、人做最终确认"。

一、先看清架构

这套体系的运作依赖四个组件的协同。理解每个组件的能力边界，才能配置出稳定的工作流。

• BI（九数云 BI）——数据底座

九数云 BI 支持亚马逊、Shopee、Lazada、eBay、TikTok Shop 等主流跨境电商平台的数据直连，同时也对接 Amazon Ads、Google Ads、Meta Ads 等广告平台，配置一次，数据永久自动同步，单表可处理 7000 万行数据。

BI 在广告运营中的角色是把散落在各广告后台的投放数据汇聚到一处，完成多币种换算、口径标准化和基础指标计算。

• 连接器（MCP）——数据通道

WorkBuddy 通过 MCP 连接器调用九数云 BI 中已汇聚的数据，在 WorkBuddy 连接器管理页面找到「九数云 BI」，完成账号授权后即可通过对话直接调用。

此外，钛动科技 Tec-Do 2.0 广告与增长情报能力通过 MCP 暴露四个核心工具：get_ad_benchmark 查询各国各平台广告基准数据，ttcc_search_top_ads 搜索 TikTok 热门广告素材，competitor-analysis-report 做结构化竞品分析，voc-sentiment-analysis 做用户口碑情感分析。

• Skill——分析流程的执行单元

Skill 把固定的分析逻辑封装为可重复调用的模块。

广告运营场景中需要的 Skill 包括：广告数据巡检 Skill（按阈值识别 ACOS 超标、点击率骤降、转化率异常）、关键词分析 Skill（新品建库、老品诊断、竞品拆解、词表加工）、投放区域效果分析 Skill、竞品监控 Skill。

Skill 一次创建，后续每次只需调用即可自动执行完整分析流程。

• 多 Agent——并行执行的角色分工

WorkBuddy 支持多 Agent 协同：一个 Agent 负责拉取数据，一个 Agent 负责分析诊断，一个 Agent 负责生成优化建议，一个 Agent 负责执行调价。

每个 Agent 只管一类任务，把背景和规则配置到位，输出稳定可控。

多 Agent 协同的工作模式在 2026 年已成为广告自动化领域的行业趋势——钛动科技 Navos 2.0 以多智能体协同方式串联市场分析、创意生成、广告投放全链路，飞书深诺 Marvy 2.0 采用 Supervisor 调度 Agent 统筹全局，中间层搭载市场洞察、智能创意、媒介策略、智能投放、数据分析五大专业 Agent 并行作业。

二、多 Agent 广告运营的角色分工

跨境广告运营的完整链路可以拆成四个 Agent 角色，每个角色承担不同的职责。

• 数据接入 Agent

负责从九数云 BI 中拉取各广告平台的投放数据。

指令示例：

通过九数云连接器读取本周 Amazon Ads、Google Ads、Meta Ads 和 TikTok Ads 的投放数据。按平台汇总广告花费、曝光量、点击量、广告销售额、ACOS 和 ROAS。输出各平台的核心指标对比表。

这个 Agent 的职责边界是数据获取和基础汇总，不做判断和建议。数据接入的准确性决定了后续所有分析的可信度。

• 诊断分析 Agent

负责对投放数据进行异常识别和归因分析。

指令示例：

基于数据接入 Agent 输出的投放数据，识别以下异常：1.ACOS 超过品类基准且广告花费超过 500 美元的广告活动；2.点击量超过 100 次但转化率为零的关键词；3.连续三天 ACOS 持续上升的广告组；4.TACOS 超过 15% 且自然订单占比下降的产品。按异常类型分类输出诊断清单。

这个 Agent 的核心能力是规则化的异常识别。ACOS 的阈值、点击量的下限、TACOS 的基准线，都需要在 Skill 中预先定义，诊断分析 Agent 不负责“为什么会异常”的归因，只负责“哪里异常了”的定位。

• 归因与建议 Agent

负责对诊断出的异常做原因分析和优化建议。

指令示例：

对诊断分析 Agent 识别出的异常项做归因分析。ACOS 超标的广告活动，拆解其花费结构（关键词、匹配方式、广告位），判断是出价过高、关键词不匹配还是转化率下降。零转化关键词，检查其搜索词报告，判断是否需要添加否定关键词。输出每个异常项的可能原因和优化建议。

这个 Agent 需要调用 Tec-Do 2.0 的广告基准工具作为参照系，在判断"ACOS 是否超标”之前，先查询该品类在该平台上的行业基准 CPC 和 CTR。

指令示例：

查询美国站 TikTok 电商品类的 CPM、CTR 和 CPC 基准数据，作为 ACOS 异常判断的参照。

• 执行 Agent

负责将优化建议转化为具体的调价、暂停、加否定关键词等操作。执行 Agent 的职责边界需要严格界定——只执行已确认的指令，不自行修改广告设置。

指令示例：

将以下广告活动的每日预算从 50 美元调整为 30 美元，执行前逐条列出变更清单等待确认。

多 Agent 协同的关键设计原则是职责隔离：数据接入 Agent 不能修改数据，诊断 Agent 不能做归因，归因 Agent 不能执行操作，执行 Agent 不能自行决策。

每个 Agent 的输出是下一个 Agent 的输入，形成一条从数据到行动的完整链路。

三、BI 在广告运营中的三层数据组织

九数云 BI 在广告自动化运营中承担三层数据组织职能。

第一层：原始数据层

各广告平台的原始投放报表通过 API 接入九数云 BI。亚马逊广告数据包含 Campaign、Ad Group、Keyword、Search Term 四个层级的日度数据；Meta Ads 包含 Campaign、Ad Set、Ad 三个层级的日度数据；TikTok Ads 包含 Campaign 和 Ad Group 两个层级。各平台的数据字段不同、更新频率不同，但接入九数云 BI 后统一存储。

第二层：标准化数据层

九数云 BI 在数据接入层完成多币种换算和口径标准化。不同平台的“广告花费”字段定义不同——亚马逊的"Spend"包含了点击花费和展示花费，Meta 的"Amount Spent"只包含点击花费。标准化之后，所有平台的广告花费在进入分析模型时引用同一套口径。

第三层：指标计算层

在标准化数据的基础上，九数云 BI 计算广告运营的核心指标：ACOS、ROAS、TACOS、CPC、CTR、CVR。这些指标在各广告活动、广告组、关键词层级分别计算，并通过仪表板呈现。

广告运营看板的核心模块：

• KPI 总览卡片

总广告花费、总广告销售额、整体 ACOS、整体 ROAS、TACOS、广告订单占比

• 平台对比区

各平台的花费、销售额、ACOS 对比柱状图

• 趋势区

ACOS 和 ROAS 的日/周趋势折线图，标注异常波动点

• 广告活动排行区

按 ACOS 排序的广告活动清单，高 ACOS 标红

• 关键词效果区

关键词的点击量、转化率、ACOS 散点图

• 异常预警区

ACOS 超标活动、零转化关键词、预算消耗过快活动清单

四、定时任务驱动的自动化节奏

广告运营的自动化按三层节奏组织。

• 小时级监控（数据刷新）

广告数据的时效性要求较高。配置九数云 BI 的数据源按小时自动同步，确保看板数据反映最新的投放状态。WorkBuddy 的自动化任务支持按小时触发，执行广告数据的刷新和异常扫描。

• 日级巡检（异常识别）

每天早上 9 点自动执行广告数据巡检。

指令示例：

创建定时任务：每天早上 9 点自动通过九数云连接器读取前一日广告数据。执行广告数据巡检 Skill：1.计算各广告活动的 ACOS 和 ROAS；2.识别 ACOS 超过保本 ACOS 的广告活动；3.识别花费超过 100 美元但零转化的关键词；4.识别 TACOS 超过 15% 的产品。生成异常清单，推送到广告运营工作群。

• 周级复盘（策略调整）

每周一早上 8 点自动生成上周多平台广告效果对比报告，包含各平台的 ACOS 趋势、TOP 和 BOTTOM 广告活动、关键词效果变化、预算消耗与转化效率对比。

• 月级优化（结构诊断）

每月 1 日生成月度广告效果复盘报告，包含各平台的长期趋势、产品级别的 TACOS 变化、广告结构的健康度评估、下月预算分配建议。

五、可复制的 WorkBuddy 指令集

指令一：广告基准查询

查询美国站亚马逊 SP 广告、美国站 TikTok 电商广告、德国站 Meta 电商广告的 CPM、CTR、CPC 基准数据。整理为对比表，标注各指标的行业参考区间。使用 Tec-Do 2.0 的 get_ad_benchmark 工具。

指令二：广告效果巡检

通过九数云连接器读取本周广告投放数据。按广告活动汇总花费、曝光量、点击量、广告销售额、ACOS。识别 ACOS 超过品类均值 1.5 倍且花费超过 300 美元的广告活动。对 ACOS 超标的广告活动，拆解其花费结构（关键词、广告位、匹配方式），判断主要超支来源。输出诊断清单和优化建议，按花费降序排列。

指令三：关键词效率分析

通过九数云连接器读取本月关键词投放数据。按关键词汇总花费、点击量、转化率、ACOS。识别以下三类关键词：1.花费超过 200 元但转化率为零的关键词，标注为“建议暂停”；2.ACOS 低于保本 ACOS 且点击量排名前 20% 的关键词，标注为“建议加价”；3.搜索词与产品相关性低的关键词，标注为“建议添加否定”。输出分类清单。

指令四：竞品广告素材研究

搜索美国宠物用品品类近 30 天在 TikTok 上表现突出的广告素材。输出品牌名称、素材主题、互动数据、创意形式。总结高频出现的开场方式、产品卖点呈现方式和创意类型。使用 Tec-Do 2.0 的 ttcc_search_top_ads 工具。

指令五：预算消耗监控

创建定时任务：每天下午 6 点自动检查各广告活动的当日预算消耗进度。识别消耗进度超过时间段进度 20% 以上的广告活动，标注为“预算消耗过快”。识别消耗进度低于时间段进度 50% 以上的广告活动，标注为“预算消耗过慢”。生成监控报告推送到运营群。

指令六：广告归因分析与优化建议

基于广告效果巡检输出的异常清单，对每个 ACOS 超标的广告活动做归因分析。拆解：出价是否高于行业基准 CPC？关键词是否匹配产品核心卖点？广告位是否集中在低转化位置？转化率是否低于品类均值？输出每个广告活动的归因结论和具体的优化动作建议。

六、多 Agent 协同的配置要点

• 职责隔离原则

每个 Agent 只管一类任务。数据接入 Agent 不参与分析判断，分析 Agent 不执行调价操作，执行 Agent 不自行决策。这种隔离保证了每个环节的输出可验证、可追溯。

• 交接数据结构化

Agent 之间的交接以结构化数据为接口，不产生重复劳动。数据接入 Agent 输出的广告数据表，是诊断 Agent 的直接输入；诊断 Agent 输出的异常清单，是归因 Agent 的直接输入。

• 异常升级机制

当某个 Agent 的执行超出预设范围时，自动升级到人工处理。例如，当系统识别出某广告活动的 ACOS 是基准值的 5 倍以上时，不自动生成调价建议，而是标记为“需人工复核”并推送给运营负责人。

• 交付契约

每次多 Agent 协同任务完成后，输出结构化的交付契约，包含：任务状态、使用的数据资产、指标口径定义、分析结果、优化建议、证据来源、限制条件。交付契约的格式固定，方便运营人员快速审核。

写在最后

跨境广告运营的效率瓶颈在数据链路的组织方式上。

广告数据在四个平台后台，成本数据在 ERP 系统，转化数据在电商平台后台，手工对齐这些数据源的时间消耗，远超优化策略本身的思考时间。

WorkBuddy + BI + Skill + 多 Agent 的组合，把这条链路重新组织为：

BI 负责数据汇聚和标准化，连接器负责数据通道，Skill 负责分析流程执行，多 Agent 负责并行任务分工

四个组件协同后，广告运营从“人每天手动拉数据、逐条看广告、逐个调预算”变为“系统自动拉数据、自动识别异常、自动生成优化建议，人做最终确认”。

广告运营的核心产出是判断——哪个广告组该关、哪个关键词该加价、哪个平台的预算需要调整。

数据加工和异常识别自动化之后，判断的空间才有条件被释放出来。