先说结论：竞价只是一个动作，不是判断。
销量掉了就降价，流量掉了就加价，这是很多广告越调越乱的起点。AI 真正有价值的地方，不是替你动那个数字，而是帮你先把原因查清楚。
最近经常有人问我一个问题：
“你们用 AI 做竞价调整吗？”
每次听到这个问题，我都想先反问一句：一个广告活动出了问题，你怎么确定，问题就出在竞价上？
做了这么多年广告，我越来越确定一件事——竞价只是整个广告系统里很小的一块。把它当成 AI 的全部用法，太浪费了，也太危险了。
01 先别动竞价：销量下滑，至少有 4 种完全不同的原因
举一个最常见的情况：一个 Campaign 销量突然下滑。
新手的第一反应是调竞价。老手的第一反应是先侦查。我把这个方法叫「先侦查，后调价」。
在决定要不要动竞价之前，至少先查清楚这 4 件事：
-
• 转化率是不是掉了？点击还在，订单没了，那是 Listing、价格、评价、Coupon 出了问题，加价只会买来更多不转化的点击。 -
• 库存是不是快见底了？库存不足的时候系统本身就会限流，你这时候加价，等于花钱去撞一堵墙。 -
• 需求是不是季节性变弱了？类目大盘都在往下走，强行用竞价把量拉回来，ACoS 一定先爆给你看。 -
• 销量是不是被自己另一个 Campaign 抢走了？总盘子没少，只是流量换了一个活动在出单，这时候去调竞价，纯属自己跟自己打架。
你看，同样是“销量下滑”这一个表象，背后的原因不同，决策就完全不同：有的要修 Listing，有的要补货，有的要收预算，有的什么都不用动。
原因判断错了，竞价调得再精准，也是错的。
02 我们把经验做成了系统：119 个 Skill，不是一个调价工具
这两年我们一直在做一件笨功夫：把广告团队脑子里的经验，一条一条拆出来，做进系统里。
到现在，这套系统里已经沉淀了：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
119 个 Skill 的价值，不在数字，在于它存的是经验。
一个资深广告投手看报表，眼睛扫过去就知道先查哪里、哪个指标是假象、哪个波动可以忽略。这些东西以前只能靠师傅带徒弟，带几年还不一定带得出来。现在把它写成明确的流程：第一步看什么数据，第二步怎么做交叉验证，第三步什么情况下才能下结论。
03 AI 真正该干的活：侦查、串证据、给建议
所以回到开头那个问题。AI 在广告里到底应该放在哪个位置？
我的答案是三个词：侦查、串联、建议。
-
• 侦查：销量、转化、库存、季节性、活动之间的此消彼长，一次性拉齐了看，而不是只盯着一个 Campaign 的一张报表。 -
• 串联证据：把分散在不同数据源里的信号连起来，告诉你这次下滑最可能的原因排序是什么，证据分别是什么。 -
• 给出建议：基于前面的侦查，给出可以执行的建议——调不调竞价、调多少、还是先去处理库存和转化。
特别对工厂型卖家来说，这一点更重要。工厂型卖家懂产品、懂供应链、懂成本，这是巨大的优势，但广告的判断链条往往是断的：看到 ACoS 高了就降价，看到没流量了就加价，钱花了不少，却始终不知道每一笔钱到底买来了什么、问题到底卡在哪一环。
一个好的广告合作方，欠你的不是一句“我们用了 AI 调价”，而是把这套判断过程摊开给你看：为什么这么调，依据是什么，调完看什么指标验证。
这还只是个开始。但方向已经很清楚了：经验沉淀成系统，系统放大人的判断。
04 最后拍板的，必须是人
但有一点要说清楚：AI 给的是建议，最后的决定，必须是人来做。
人带来的是 AI 没有的东西：对这个账号所处阶段的理解，对产品和库存的真实情况的掌握，对风险的取舍，以及出了问题之后把事情跟到底的责任心。
-
• 人会质疑 AI 的建议：这个结论的数据够不够？有没有漏掉变量？ -
• 人会做最终的取舍：这个阶段是冲排名还是保利润，机器算不出来，这是经营决策。 -
• 人会对结果负责：调完之后盯效果、不对就复盘修正，闭环在人手里。
所以我们想做的，从来不是一个“AI 全托管广告”的工具。那种东西听起来很美，实际上是把你最核心的经营判断，外包给了一个你看不懂的黑盒子。
写在最后
一句话总结这件事：
深度的广告经验，做进系统里；最终的决策，由人来负责。119 个 Skill 存的是经验，57 个工具让经验能落地，25 套异常检测帮我们先发现问题——而人，负责判断、拍板，和跟到底。
下次再有人跟你说“我们用 AI 帮你调竞价”，你可以多问一句：
调价之前，你们先查什么？
答得出来的，才是真在用 AI 做广告。答不出来的，只是换了个说法做自动调价而已。