核心用法
Ads Landing Page Optimizer 是一款面向广告投放全链路的转化优化技能，核心能力聚焦于三大模块：
1. Conversion Uplift Design（转化提升设计）：基于渠道特性（Meta/TikTok重创意、Google/Amazon重意图捕获）定制页面结构与视觉层次，确保流量-落地页-CTA的漏斗连贯性。
2. CTA Testing（行动召唤测试）：设计多变量测试矩阵（文案、按钮、位置、紧迫性元素），并绑定明确的 CPA/ROAS 成功指标与学习窗口。
3. Page Iteration Plan（页面迭代计划）：输出包含预算分配、渠道角色定义、扩量/关停规则的完整策略文档，支持 YAML 格式的策略矩阵与测试单元配置。
显著优点
- 渠道原生适配：拒绝通用建议，针对六大平台（Meta、Google Ads、TikTok、YouTube、Amazon、Shopify Ads）的行为差异给出差异化方案
- 风险可控设计：强制包含 rollback/stop-loss 条件，在高额广告支出场景下提供安全网
- 决策逻辑透明：明确 KPI 冲突时的优先级规则（收入效率 > 量级）、证据不足时的预算分配策略
- 结构化输出：Strategy Snapshot → Channel Role → Budget Plan → Test Matrix → Scale/Kill Rules 五步闭环
潜在局限
- 依赖输入完整性：若缺少 objective、budget_frame、channel_scope 三项必填字段，需中断流程请求补充，无法自主推断
- 非创意生产工具：不直接生成广告素材，仅提供「创意测试节奏」建议（尤其针对 Meta/TikTok）
- 政策与合规边界：明确禁止虚构指标或政策结果，需用户自行验证平台最新广告政策
- 低置信度场景：当数据信号弱或平台限制冲突时，输出会显式标注置信度并附带验证清单，可能增加决策延迟
适合人群
- 年广告预算 $50K+ 的 DTC 品牌增长负责人
- 代理投放团队的策略规划角色（非纯执行优化师）
- 需协调多渠道预算分配的电商/独立站运营者
- 面临 ROAS 下滑、CPA 波动等紧急诊断需求的决策者
常规风险
| 风险类型 | 具体表现 | 缓解机制 |
|---------|---------|---------|
| 过度拟合短期数据 | 小规模测试窗口过早扩量 | 强制学习期（learning window）与统计显著性门槛 |
| 渠道间归因混淆 | 跨平台转化重复计算 | 需外部 MTA/MMM 工具配合，本技能不解决归因 |
| 政策误触 | 落地页内容违反平台政策 | 输出含 policy constraints 检查项，需人工复核 |
| 预算失控 | 关停规则未及时触发 | 强制 scale/kill rules 结构化输出，含自动/人工两种触发条件 |