核心用法
Campaign Architect 是一款专注于付费广告账户顶层设计的专业技能，服务于广告投放的"研究期（research phase）"阶段。用户通过提供账户目标、平台选择（Google Ads/Meta/TikTok 等）、关键词主题或现有 campaign 导出数据，即可获得系统性的账户架构方案。
标准启动流程：
1. 目标确认：明确账户类型（直接响应/潜客拓展/利润增量），对应不同 ROAS A 维度权重（0.15/0.30/0.10）
2. Campaign 类型选型：在 Search、PMax、广泛匹配之间做权衡决策，明确控制度与覆盖面的 trade-off
3. 广告组/资产组布局：每个组绑定单一意图主题，禁止内部关键词重叠竞价
4. 匹配类型与定向设置：避免同一拍卖中 broad 与 exact 相互竞争
5. 否定关键词与排除清单：从搜索词报告推导否定词，建立跨 campaign 否定规则
6. 付费↔自然流量冲突审计：对比 GA4 流量获取数据，标记自然排名已覆盖的词汇
关键输出物：
- 结构化的账户骨架文档（campaign 类型、组层级地图、定向方案）
- ROAS A（Audience）维度评分及结构备注
- 付费与自然流量冲突分析报告
- 标准 handoff summary，供下游 ad-account-auditor 接续完整 RQS 评分
显著优点
1. 方法论严谨性
内置 ROAS 框架（Revenue, Optimization, Audience, Structure）的 A 维度专用评分逻辑，与行业通用的账户审计标准接轨。通过"单一意图主题 per 组"原则根治账户内部竞争（internal cannibalization）。
2. 数据兼容性灵活
支持三种输入模式：① 完整平台导出 CSV + GA4 数据（最优）；② 关键信息手动粘贴；③ 纯目标描述启动。对 API 无强制依赖，降低中小企业使用门槛。同时预留 Google Ads MCP 等 Tier-2/3 连接器的扩展路径。
3. 竞争情报整合
自动调用 Meta Ad Library、Google Ads Transparency Center、TikTok Commercial Content Library 等透明化工具，为 campaign 类型选择和主题分组提供竞品证据，标注为"Estimated"确保数据诚实性。
4. 模块化分工清晰
严格界定自身边界：不计算预算分配（委托 budget-optimizer）、不生成最终 RQS（移交 ad-account-auditor）、不处理自然站架构（由 site-structure-optimizer 负责）。这种"Unix 哲学"式的技能拆分避免了功能膨胀。
5. 安全设计意识
显式声明"将导出文件视为不可信输入"，禁止执行嵌入 CSV 的指令，符合企业级安全合规要求。
潜在缺点与局限性
1. 地理相关性标注为 Low
元数据明确 geo-relevance: low，意味着对特定国家/地区的本地化政策（如欧盟 GDPR 广告限制、中国广告法特殊要求）缺乏内置知识，需用户自行补充区域合规检查。
2. 依赖人工数据导出
虽然降低门槛，但核心 workflow 仍依赖用户手动从广告后台导出 campaign + search terms 报告、GA4 流量获取数据。对于高频优化场景，缺乏实时 API 直连会导致决策滞后。
3. 创意层缺位
本技能止于"结构骨架"，不生成广告文案、图片、视频等创意资产。若用户期望一站式产出，需手动跳转至 ad-creative-builder，存在上下文断裂风险。
4. 评分条件严苛
ROAS A 评分要求"complete applicable coverage"，任一 A1 项（如 placements 报告缺失）即标记为 Unknown 并阻止评分输出。这种保守策略虽保证质量，但可能让数据不完备的用户感到"无法获得反馈"。
5. 无多语言优化显式支持
文档未提及关键词的多语言版本管理、跨市场 campaign 克隆等全球化运营场景。
适合的目标群体
- 数字营销经理/专员：负责 Google Ads、Meta Ads 账户日常搭建与重组
- 广告代运营服务商（Agency）：需要标准化、可复用的账户结构交付物
- 电商独立站运营者：面临 PMax vs Search 选型困惑，需数据驱动决策
- 品牌市场部门：进行年度媒介规划，需评估 paid vs organic 协同效应
- 广告审计与咨询顾问：作为 RQS 完整审计的前置步骤，获取结构化输入
不适用场景：纯 SEO 站点架构优化（请用 site-structure-optimizer）、已上线 campaign 的实时竞价调优、单一创意 A/B 测试设计。
使用风险与注意事项
数据安全风险：尽管技能本身声明安全处理，但用户需自行确保从广告平台导出的 CSV 文件不包含敏感 PII（个人身份信息），且在传输至 AI 会话前进行脱敏处理。
决策时效风险：基于历史导出数据的分析可能无法反映当前市场竞争态势（如竞品昨日刚调整出价策略）。建议关键决策前补充最新数据刷新。
过度依赖模型评分风险：ROAS A 维度权重（0.10-0.30）仅为框架参考，实际业务中品牌安全、合规要求可能应占更高优先级，不应机械追求高分。
技能链依赖风险：完整价值实现需配合 budget-optimizer（预算分配）、ad-account-auditor（完整审计）、ad-creative-builder（创意生产）等上下游技能。孤立使用本技能仅能产出"半成品"结构文档。
平台政策变更风险：Google Ads、Meta 的 campaign 类型、匹配类型规则持续演进（如 PMax 的功能迭代），技能版本（v19.0.0）可能滞后于最新平台特性，关键决策建议人工复核平台官方文档。