ads-report-pipeline

name ads-report-pipeline description KovaScape 广告数据解读标准工作流。当用户请求广告报告分析、数据解读、portfolio-dashboard、bid-optimizer、 ACOS分析、关键词分析等任何广告数据类任务时触发。 默认数据源为领星 MCP (LingXing-MCP)，通过 lingxing_pipeline.py 转换为 pp-amazon-ads 标准格式后， 用 pp-amazon-ads CLI 进行深度解读。 触发词：广告报告、广告数据、看一下广告、ACOS分析、关键词分析、portfolio-dashboard、bid-optimizer、 花费分析、广告表现、广告健康、哪个活动亏钱、扩量建议、否定词建议。 广告报告数据解读 Skill 核心原则 默认数据源 = 领星 MCP ：无需用户手动导出 CSV，直接调 LingXing-MCP 的工具拉取。 数据转换层 = lingxing_pipeline.py ：将领星 JSON 转为 pp-amazon-ads 标准 CSV。 分析引擎 = pp-amazon-ads CLI ：用 CLI 命令进行标准化分析，保证输出格式一致。 安全边界 ：所有分析为只读操作，任何优化建议需用户"确认"后才执行写操作。 标准执行流程 (Standard Execution Flow) Step 1：确认店铺和时间范围 用户指定：KS-US / KS-UK / KS-DE ...（默认最近 30 天） 店铺 SID 映射表见 d:\Zero Tools\src\lingxing_pipeline.py 中的 STORE_MAP 。 Step 2：从领星 MCP 拉取数据 广告活动报告 (Campaign Report)： # 调用 LingXing-MCP.ad_campaign_report { "profile_ids" : [<store_profile_id>], "report_date" : "<start_date> - <end_date>" , "page" : 1 , "length" : 100 , # 尽量拉全量 "sort_field" : "spends" , "sort_type" : "desc" } 关键词报告 (Keyword Report)： # 调用 LingXing-MCP.ad_campaign_keyword_report { "profile_ids" : [<store_profile_id>], "report_date" : "<start_date> - <end_date>" , "page" : 1 , "length" : 100 , "sort_field" : "spends" , "sort_type" : "desc" } 搜索词报告 (Search Term Report)（如需挖掘否定词/新词）： # 调用 LingXing-MCP.ad_campaign_search_term_report Step 3：转换数据格式 将领星返回的 JSON 保存到临时文件，然后运行： python "d:\Zero Tools\src\lingxing_pipeline.py" # 输出到 d:\Zero Tools\data\<store>_campaigns.csv # 输出到 d:\Zero Tools\data\<store>_keywords.csv Step 4：pp-amazon-ads CLI 分析 根据用户需求选择对应命令： 用户需求 pp-amazon-ads 命令 数据源 看整体广告表现 portfolio-dashboard --report campaigns.csv campaign CSV 活动横向对比 campaign-comparison --report campaigns.csv campaign CSV ACOS 对比 TACOS acos-vs-tacos --report campaigns.csv campaign CSV 保本 ACOS 计算 break-even-acos --price X --cogs Y --fees Z 无需报告 真实利润 true-profit --price X --cogs Y --fees Z --ad-spend A 无需报告 竞价优化建议 bid-optimizer --report keywords.csv --target-acos X keyword CSV 否定词建议 negative-keyword-generator --report search_terms.csv search term CSV 浪费花费 wasted-spend --report search_terms.csv --threshold 10 search term CSV 广告位分析 placement-analysis --report placement.csv placement CSV 预算分配建议 budget-rebalance --report campaigns.csv --total-budget X campaign CSV 所有命令加 --agent 标志以获取 JSON 输出 ： $env :PYTHONIOENCODING= "utf-8" amazon-ads-pp-cli portfolio-dashboard --report "d:\Zero Tools\data\ks_us_campaigns.csv" --agent Step 5：解读并输出结论 按以下结构输出分析结论： ## 📊 <店铺> 广告报告解读 | <时间范围> ### 🔑 汇总健康度 [整体 ACOS / ROAS / 花费 / 销售额 / 超预算情况] ### 🔴 问题活动（需干预） [高 ACOS 活动列表 + 原因分析] ### 🚀 扩量机会（效率好的活动） [低 ACOS + 高 ROAS 活动 + 建议预算增幅] ### 💡 优化建议（待您确认后执行） [具体调整清单：活动ID + 操作 + 调前/调后对比] 数据文件约定 (Data File Conventions) d:\Zero Tools\data\ ├── ks_us_campaigns.csv # KS-US 活动级报告 ├── ks_uk_campaigns.csv # KS-UK 活动级报告 ├── ks_de_campaigns.csv # KS-DE 活动级报告 ├── ks_us_keywords.csv # KS-US 关键词报告 ├── ks_us_search_terms.csv # KS-US 搜索词报告 └── amazon_ads_profiles.json # 全站 Profile ID 映射表 关键文件引用 数据转换脚本 ： lingxing_pipeline.py 店铺 Profile 映射 ： amazon_ads_profiles.json 架构蓝图 ： ops_integration_blueprint.md 常用 Profile ID 快查 店铺 Profile ID KS-US 341152603067627 KS-UK 562422498717821 KS-DE 1520887297341187 KS-FR 914553890503512 KS-IT 980893527404192 KS-ES 1848045335441540 KS-JP 3704664040321826 KS-CA 102143003061298 注意事项 分页 ：领星 MCP 每次最多返回 100 条，若活动数 > 100，需多次调用并合并。 编码 ：Windows PowerShell 需设置 $env:PYTHONIOENCODING="utf-8" 再运行 pp-cli。 缓存 ：同一天的数据不重复拉取，复用 data/ 目录下的 CSV 文件。 写操作安全边界 ：任何 --apply 操作必须经用户在聊天中明确输入"确认"后才能执行。