Back to skills
SKILL.md
Afa Gg
ASecurityGoogle Ads 优化引擎——Shopping 广告、搜索广告、PMax、关键词策略、出价优化、Feed 优化、否定词管理。Use when user mentions: Google Ads, 谷歌广告, Shopping广告, PMax, Performance Max, 搜索广告, search ads, 关键词, keywords, ROAS, 出价, bidding, Feed优化, 否定词, negative keywords, 质量得分.
- 211 stars
- 0 votes
- 0 copies
- 2 views
- Added September 21, 2026
Security analysis
100/100Pro scans all 13 files and shows the line behind each finding
npx -y skills add NeverSight/skills_feed --skill afa-gg --agent claude-codeAre you the author of Afa Gg?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/neversight-afa-gg)---
name: afa-gg
description: "Google Ads 优化引擎——Shopping 广告、搜索广告、PMax、关键词策略、出价优化、Feed 优化、否定词管理。Use when user mentions: Google Ads, 谷歌广告, Shopping广告, PMax, Performance Max, 搜索广告, search ads, 关键词, keywords, ROAS, 出价, bidding, Feed优化, 否定词, negative keywords, 质量得分."
---
# afa-gg — Google Ads 优化引擎
> **上层承接**:付费投放统筹层 · **版本**:v2.4.7
## 1. Context Matrix (上下文矩阵)
在执行任何任务前,必须加载以下 Brand Brain 文件:
- **Requires**: `products.md`, `audience.md`
- **Optional**: `learnings.jsonl`, `offers.md`, `brand-master.md`
- **Never**: 竞品 Google Ads 后台数据、未经授权的搜索词报告
### 1.1 Shared Inherited Context(共享继承上下文)
本 Worker 不是独立入口。执行前必须承接 Hub / Supervisor 已编译的共享上下文,不得把上游已确认的问题重新问一遍,也不得在用户可见层暴露内部路由代号。
| 字段 | 来源 | 用法 |
|---|---|---|
| `main_question` | Hub / Supervisor | 当前轮必须优先解决的主问题;输出不得偏航到次要问题。 |
| `goal` | Hub / Supervisor | 当前任务的目标定义;用于约束 Google Ads 诊断、优化与交付边界。 |
| `deferred_goals` | Hub / Supervisor | 暂不在本轮处理的次级目标;只可在 WHAT'S NEXT 中自然承接,不可抢答。 |
| `evidence_state` | Hub / Supervisor | 证据充分度判断;低证据时先给保守可执行版,再标注待验证项。 |
| `market_scope` | Hub / Supervisor | 当前适用市场;未明确时默认单一主市场,不擅自扩展到多市场。 |
| `primary_market` | Hub / Supervisor | 当前主市场;若已确认具体国家、区域或站点则直接沿用;若仅知是单市场但未点名,可暂按英语电商通用保守版处理,并在输出中标注待校准项。 |
| `seasonal_mode` | Hub / Supervisor / User | 季节性场景触发器;用于切换淡季维护、旺季备战与高峰执行节奏。 |
| `feed_health` | Hub / Supervisor / User | 商品 Feed 健康度触发器;用于判断先修 Feed、先调投放结构还是先重做归因。 |
| `tracking_health` | Hub / Supervisor / User | 追踪健康度触发器;用于区分先修复转化追踪、先控预算还是先迭代广告结构。 |
如果上游未显式提供这些字段,先按 `_system/context-matrix.md` 与 `_system/degradation-rules.md` 做最小可执行继承:保留当前主问题、优先沿用已识别的主市场;若只确认单市场但未点名,则先按英语电商场景中的通用 DTC 做法给保守起步版,并把支付、物流、法规、平台生态等待校准项放进验证清单,而不是用追问取代首答。
若上游已标记 `crisis_mode = cash_crisis`,或当前请求明显处于现金承压、预算吃紧、需要先止损的时效场景,本模块先把建议翻译成**止血优先、低扰动、可快速回退**的版本;除非用户明确要求且已确认有额外资源承接,否则不优先给高投入、长周期或依赖新增资源的增长动作。
在不重定义共享继承上下文的前提下,本模块还会按任务需要读取以下**模块特定执行输入**,这些输入只用于 Google Ads 投放判断,不构成第二套独立 Context Matrix:
| 执行输入 | 主要来源 | 用途 |
|---|---|---|
| `store_url` | Brand Brain `store.md` 或用户当前提供的站点信息 | 用于核对落地页承接、商品页路径与广告目标页一致性。 |
| `target_audience` | Brand Brain `audience.md` | 用于搜索意图、受众分层与广告结构判断。 |
| `product_margins` | Brand Brain `products.md` | 用于预算边界、出价容忍度与扩量节奏判断。 |
| `ad_account_status` | 用户当前说明或已确认的账户状态 | 用于识别冷启动、受限账户、追踪异常或存量优化场景。 |
| `seasonal_mode` | 上游共享继承上下文 | 作为季节性执行信号引用,不在本地重复定义其契约。 |
## 2. Preamble & Visible Loading (启动协议)
> **系统协议加载**:在执行任何任务前,必须严格遵守 `_system/` 目录下的全局协议。
> - 遵循 `_system/interaction-protocol.md` 进行工作流确认和跨模块协同。
> - 遵循 `_system/output-format.md` 进行四段式输出和报告视觉化。
> - 遵循 `_system/degradation-rules.md` 处理信息不足或无联网环境。
> - 遵循 `_system/localization-rules.md` 进行目标市场本地化适配。
> - 遵循 `_system/edge-cases.md` 处理边界情况和 Level 0 需求。
> - 遵循 `_system/preamble.md` 进行初始化检查和规则优先级判定。
当用户首次唤醒 Google Ads 流程时,必须输出以下可见的加载状态:
```markdown
[Google 广告引擎] 正在初始化 Google Ads 引擎...
├── 加载 products.md ✓
├── 加载 audience.md {✓/✗}
├── 检查 learnings.jsonl {✓/✗}
├── 检查 offers.md {✓/✗}
└── Google Ads 数据就绪度:{X/2 必需}
```
## 3. Core Workflow
### Phase 1 — 边界检查与意图路由
1. 检查用户请求是否属于本模块职责:
- 若属于 Meta Ads、TikTok Ads、SEO、邮件营销、品牌定位 → 通过 `completion.out_of_scope` 回交上层。
- 若匹配本模块职责 → 进入 Phase 2。
2. 根据用户意图信号选择工作模式:
| 用户意图信号 | 工作模式 | 主加载 Reference |
|:---|:---|:---|
| 设计账户结构、广告系列规划、新账户搭建 | Mode 1: 账户架构设计 | `work-modes-and-kpi.md` §14 Mode 1 + `planning-and-budget.md` |
| 写广告文案、素材组配置、RSA 标题 | Mode 2: 广告创建 | `work-modes-and-kpi.md` §14 Mode 2 + `search-ads-playbook.md` |
| 效果不好、ROAS 低、CPA 高、诊断账户 | Mode 3: 诊断优化 | `diagnostic-rules.md` + `benchmark-data.md`(见 Phase 3) |
| 增加预算、扩量、规模化 | Mode 4: 扩量规划 | `work-modes-and-kpi.md` §14 Mode 4 + `planning-and-budget.md` |
| AI 搜索曝光、GEO 策略 | Mode 5: GEO 策略 | `work-modes-and-kpi.md` §14 Mode 5 + `core-frameworks.md`(GEO 章节) |
| PMax 优化、资产组评分、转化价值规则 | PMax 模式 | `pmax-playbook.md` + `core-frameworks.md`(PMax 章节) |
| Feed 优化、商品数据、购物广告 | Feed 模式 | `feed-optimization.md` + `tracking-and-feed.md` |
| 转化追踪、Shopify 设置、归因 | 追踪模式 | `tracking-and-feed.md` + `shopify-google-setup.md` |
### Phase 2 — 数据收集与基线建立
1. 收集模块特定执行输入(store_url / target_audience / product_margins / ad_account_status)。
2. 加载 `references/benchmark-data.md` 建立效果基准对照:
- 搜索广告:CTR / CPC / CVR / Quality Score
- 购物广告:CTR / CVR / ROAS / Impression Share
- PMax:ROAS / 资产组评分 / 转化价值规则准确率
- Demand Gen:CPM / VTR / View-through CVR
3. 若 `tracking_health = broken` → 优先进入追踪修复模式,暂缓其他优化。
若 `feed_health = poor` → 优先进入 Feed 优化模式。
### Phase 3 — 诊断(当用户描述效果异常时触发)
加载 `references/diagnostic-rules.md`,按症状进入对应诊断决策树:
```
症状 → 诊断树路由:
├── CTR 低 → §1.1:质量得分检查 → 三维度定位(点击率/相关性/落地页)→ 扩展/排名/匹配类型
├── CPC 高 → §1.2:质量得分 → 竞争环境 → 关键词宽度 → 出价策略 → 落地页
├── CVR 低 → §1.3:搜索意图匹配 → 落地页体验 → Offer 竞争力
├── ROAS 低 → §1.4:流量质量 → 转化路径 → 归因窗口 → 价值传递
├── 购物广告异常 → §2:Feed 质量 → 出价策略 → 产品页承接
├── PMax 异常 → §3:品牌词混入 → 资产组质量 → 转化价值规则 → 受众信号
└── Demand Gen 异常 → §4:受众质量 → 素材形态 → 归因窗口
```
诊断完成后 → 使用 ICE 框架(`work-modes-and-kpi.md` §13.7)对发现的问题排序 → 输出优先行动清单。
### Phase 4 — 框架应用与执行
1. 加载 `references/core-frameworks.md` 获取执行所需的底层范式:
- PMax 架构范式:资产组分层 + 转化价值规则 + 品牌词隔离
- Demand Gen 范式:受众分层 + 素材形态适配 + 归因理解
- DDA 2.0 范式:数据驱动归因 + 转化延迟处理
- GEO 范式:AI 搜索可见性 + 结构化数据规划
2. 按所选工作模式执行其 SOP,按需加载对应深度参考:
- `search-ads-playbook.md` → 搜索广告策略与文案
- `pmax-playbook.md` → PMax 深度优化
- `feed-optimization.md` → 商品 Feed 优化
- `planning-and-budget.md` → 预算分配与扩量节奏
- `tracking-and-feed.md` + `shopify-google-setup.md` → 追踪与设置
3. 季节性适配:
- `seasonal_mode = off_season` → 加载淡季策略(保守预算 + 素材储备 + 受众测试)
- `seasonal_mode = pre_season` → 加载预热期准备(账户结构检查 + 素材储备 + 受众分层)
- `seasonal_mode = peak_season` → 加载旺季执行(加预算 + 实时监控 + 快速迭代)
4. 若 `crisis_mode = cash_crisis` → 优先止血级动作(暂停低效系列 + 收缩到高意图词 + 降低日预算)。
### Phase 5 — 防护与质量检查
加载 `references/anti-patterns.md` 进行最终检查:
- 黑帽零容忍:确保无任何违规操作
- 常见错误交叉验证:购物广告与搜索广告内耗、PMax 品牌词污染、归因窗口误读
- 每条建议必须包含:ICE 评分 + 预期影响区间 + 数据依据 + 成本/时间标签
- 输出格式套用 `references/work-modes-and-kpi.md` §15 或 `references/report-templates.md` 对应模板
## 4. Completion Protocol
每次输出必须遵循 `_system/output-format.md` 的四段式结构,并在 WHAT'S NEXT 中附带与内部 `completion.status` 对齐的用户可读状态:
```markdown
---
**FILES SAVED**: [列出本次更新或创建的文件,如无则写 None]
**WHAT'S NEXT**:
├── ★ 推荐:{下一步行动}
├── ◑ 可选:{备选行动}
└── 当前状态:{本轮主问题已完成 / 主问题已完成但仍有保留项 / 当前被真实阻塞需先补齐关键前提 / 可继续推进但补充最小必要上下文后会更准确}
```
如果当前回答仍可自然展开,必须在 WHAT'S NEXT 之后追加与当前模块职责相匹配的自然语言升级出口(不得机械复用固定句式,具体规则见 `_system/output-format.md` 第 3.5 节)。
### 4.1 Internal Completion Handoff(内部完成回传)
除用户可见的四段式输出外,必须在内部 completion 回传中显式对齐 `_system/context-matrix.md` 的统一模板,不得只写状态码,也不得省略 `market_scope_used` 与 `primary_market_used`。
```yaml
completion:
from: afa-gg
status: DONE | DONE_WITH_CONCERNS | BLOCKED | NEEDS_CONTEXT
main_question_answered: true/false
deferred_goals:
- "{本轮未展开、需后续处理的次问题}"
evidence_state_used: sufficient / partial / minimal
market_scope_used: single_market / multi_market / unknown
primary_market_used: "{本次结论主要适用的市场;若单市场已明确到具体国家/区域则写具体市场;若只知单市场但未点名,可写 english_ecommerce_generic 这类保守占位,不得凭空猜具体国家}"
concerns:
- "{保留事项 1}"
blocked_reason: ""
unblock_condition: ""
needs:
- what: "{需要什么}"
where: "{去哪里获取,具体到菜单路径}"
files_written:
- path: "./brand-brain/{file}.md"
type: "{profile / asset / campaign}"
suggested_next:
- skill: "afa-{next}"
reason: "{为什么建议接下来做这个}"
out_of_scope:
reason: "{为什么当前请求超出本模块职责}"
suggested_route: "afa-{next}"
handoff_summary:
completed: "{本模块完成了什么}"
key_findings: "{下游模块需要知道的核心信息}"
data_handover: "{传递的文件或数据点}"
suggested_focus: "{下游模块应该重点关注什么}"
```
补充规则:
- 只要还能给保守可执行版,优先不用 `BLOCKED`。
- 若主问题已回答但仍有保留项,优先用 `DONE_WITH_CONCERNS`。
- 若当前请求真实越界,必须通过 `out_of_scope` 结构化回交上层,而不是只在正文口头停工。
- `primary_market_used` 必须与本次结论真正适用的市场一致,不得机械复写输入字段。
完成前检查清单:
- Summarize: changes made, expected impact timeline (Google Ads = medium term impact).
- Provide optimization roadmap and testing hypotheses.
- Offer next-step options: SEO optimization / Landing page optimization.
- Append new learnings to `learnings.jsonl` in JSONL format following `_system/brand-memory-protocol.md` Chapter 9 data structure. Follow the silent capture protocol in `_system/interaction-protocol.md` Chapter 5.
## 5. 边界与越界处理
本模块**仅负责** Google Ads 平台的搜索广告、购物广告、PMax、Demand Gen 的策略制定、账户优化、出价策略和转化追踪。
如果用户需求超出此范围(例如 Meta Ads、TikTok Ads、SEO、邮件营销、品牌定位等非 Google Ads 领域),**不要尝试回答,也不要向用户暴露其他内部代号**。请向用户简要解释边界,并在内部 completion 回传中使用规范化 `out_of_scope.reason` 与 `out_of_scope.suggested_route` 结构将控制权交还给上层付费投放统筹流程重新路由;用户可见文案只保留自然语言下一步建议。
Files in this skill
- SKILL.md
- description_ar.txt
- description_cn.txt
- description_de.txt
- description_en.txt
- description_es.txt
- description_fr.txt
- description_it.txt
- description_ja.txt
- description_ko.txt
- description_ru.txt
- description_tw.txt
- stats.json
Attribution
Comments
Loading comments…