跳至主要內容

案例研究

GoogleAds Analyst Skill

角色
設計者兼作者
團隊
獨立開發
技術堆疊
Claude Agent Skills mcc-gaql CLI suite prompt engineering pandoc / weasyprint

問題

問 LLM「我的 Google Ads 帳戶最近怎麼樣?」,你會得到一份看起來很合理、卻毫無紀律的報表:憑空捏造的指標、分不清你改了什麼和市場發生了什麼,而且從「問題在這裡」到「解法在這裡」之間沒有安全的路。分析師需要的是一套可重複的方法,不是憑感覺。

目標:把 Claude 變成一位 Google Ads 成效分析師,遵循真正的研究流程,而且能在帳戶擁有者完全不會被突襲的前提下,執行自己的建議。

限制

  1. LLM 會幻想 GAQL 欄位名稱。 metrics.video_views 和 metrics.video_trueview_views 看起來都對,跑起來卻會失敗。
  2. 歸因是困難的分析問題。 調價之後轉換下滑,和帳戶完全沒有動作卻同樣下滑,是兩件不同的事。
  3. 變更幾乎不可逆。 暫停廣告活動可以救回來;刪掉就沒了。寫錯比不寫更糟。
  4. Token 預算。 一個把整套方法論都塞進上下文的 skill,不只慢,還會拖累模型的注意力。

決策

  • 執行前先驗證查詢。 每個 GAQL 查詢都必須先通過 mcc-gaql --validate 對照 API 中介資料,才能在帳戶上執行。這能在幻想出來的欄位名稱碰到帳戶之前就攔下來。
  • 需要時再載入指引。 skill 會隨著每個階段需要,才載入對應的分析指引,讓初始上下文保持精簡。
  • 把異常和帳戶變更放在一起比對。 時間點、症狀吻合度、幅度和影響範圍,可以幫忙分辨是帳戶變更造成的,還是外部因素。
  • 寫入前一定要核准。 skill 會先檢查目前狀態、預覽變更、請使用者核准確切的動作、套用,再驗證結果。不可逆的移除有額外的防護。
  • Grants 帳戶要另外處理。 Google Ads Grants 帳戶有不同的花費和資格限制。專用的門檻可以避免分析師把 Grants 的正常行為當成危機。

成果連結

成果

自 2025 年起每月使用:為三個 Google Ads 帳戶產出每月成效報表。