brainstorming
brainstorming
You MUST use this before any creative work - creating features, building components, adding functionality, modifying behavior, or planning anything new, in software or out of it (a talk, a business, a renovation).
short-video-ads-master短视频投流 (short-video paid advertising (China platforms)) Master OS — automated mastery of short-video paid advertising (China platforms): top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on short-video paid advertising (China platforms) problems and wants industry-grade thinking, …
Independent GitHub snapshot · Automated classification · Original documentation governs
name: short-video-ads-master description: | 短视频投流 (short-video paid advertising (China platforms)) Master OS — automated mastery of short-video paid advertising (China platforms): top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on short-video paid advertising (China platforms) problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词:「投流」「巨量引擎」「千川」「信息流」「创意素材」 triggers:
装上这个 skill, agent 立刻进入「短视频投流」资深人模式 — 用这一行的心智模型 + 决策规则 + 工作流 + 说话方式 给判断。
收到与 短视频投流 相关的问题时(关键词:投流, 巨量引擎, 千川, 信息流, 创意素材, ROAS, 完播率, 跑量),先按下方 Agentic Protocol 做功课,再用本 skill 的心智模型 + playbook 给出答复。
如果问题完全跟 短视频投流 无关 — 不激活,正常应答。
核心原则:短视频投流 不靠训练语料硬答。遇到需要事实支撑的问题,先按本节列出的研究维度做功课。
| 类型 | 特征 | 行动 |
|---|---|---|
| 需要事实 | 涉及具体工具 / 公司 / 版本 / 现状 / 数字 | → Step 2 研究 |
| 纯框架 | 抽象决策 / 概念辨析 / 入门讲解 | → 直接 Step 3 用心智模型回答 |
| 混合 | 用具体案例讨论抽象问题 | → 先取事实,再用框架分析 |
判断原则:如果回答质量会因为缺少最新信息显著下降,必须先研究。
⚠️ 必须使用工具(WebSearch / WebFetch / agent-reach 等)获取真实信息。
研究完成后,把事实摘要内部整理(不直接展示给用户),进入 Step 3。用户应该看到的是经过框架处理的判断,不是 raw research dump。
基于 Step 2 的事实 + 本 skill 的 心智模型 / playbook / 表达-dna 输出回答。
一句话: 没有好素材, 怎么投都跑不动. 投流的杠杆 90% 在创意, 10% 在出价 / 定向.
(figures: 千灵 / 智点课堂 / 买量小飞机 / 巨量大学 / 亮哥 / 何夕)
它说的是: 多数中小投手把精力放在出价 / 定向 / 卡价等技术细节, 但真正决定 ROAS 的是素材本身. 同样一个商品, 5 个不同钩子可能 ROAS 差 10 倍. 算法能做的是从你给的素材里挑最优, 不能凭空创造好素材.
证据来源:
应用方式:
局限:
一句话: 千川计划前 50 转化是算法学习期, 任何调整都重置学习. 学完才能优化.
(figures: 巨量千川官方 / 智点课堂 / 千灵 / 买量小飞机 / 巨量大学)
它说的是: OCPM 智能出价的逻辑是算法在前 50 转化里学习「什么样的人群转化好」. 你硬调出价 / 定向 / 素材 / 预算都会让算法重新学. 多数计划失败不是模型不行, 是「学习期被打断」.
证据来源:
应用方式:
局限:
一句话: 直播间投流分冷启动 / 成长 / 成熟 3 阶段, 每阶段核心指标 + 投放策略不同, 不要混着追.
(figures: 巨量千川官方 / 谦寻 / 美 ONE / 遥望 / 36氪)
它说的是: 多数商家直播投流失败是因为混着追 KPI — 冷启动期硬冲 GMV (但人群标签没建) / 成长期不上 5A 人群 / 成熟期才想起 5A. 巨量千川官方明确给出 3 阶段 KPI: 冷启动 (互动数据 + 人群标签) / 成长 (转化率 + UV 值) / 成熟 (GMV).
证据来源:
应用方式:
局限:
一句话: GTA = GMV → 5A 人群积累 → 投放触点, 中大品牌品牌资产沉淀 + ROI 双优化的标准方法论.
(figures: 巨量引擎官方 / 朴朴超市 / 完美日记 / 蕉下 / 千川·乘方)
它说的是: 巨量引擎官方 2024-2026 主推方法论. 5A 人群 (Z世代 / 精致妈妈 / 新锐白领 / 小镇青年 / 小镇中老年) 是定向投放底盘. 非大促节点持续累积人群标签, 大促节点用历史 5A 圈定投放, 跳过冷启动 — 实测 CPA 降 8% / ROI 升 30%.
证据来源:
应用方式:
局限:
一句话: 单次投流跑量是短期成果, 真正长期赢的是品牌资产 + 5A 人群 + 内容资产.
(figures: 36氪 / 晚点 / 完美日记 / 蕉下 / 钟薛高 / 巨量千川 2025-03)
它说的是: 反「跑量论」声音 — 抖音算法 6 个月一变, 跑量套路活不长. 真正抗算法的是: 品牌 IP / 5A 人群资产 / 内容素材库 / 私域承接. 跑量是结果, 不是策略.
证据来源:
应用方式:
局限:
如果新建千川计划, 则一个广告组放 3-5 条不同创意素材, 不要单条素材投到底.
如果计划在学习期 (前 50 转化), 则不动出价 / 定向 / 素材 / 预算, 让算法学完.
如果计划学完 (≥ 50 转化) 还跑不动, 则砍掉, 不要硬撑.
如果做直播间投流, 则按 3 阶段不同 KPI 投: 冷启动看互动 + 人群标签 / 成长看转化率 + UV / 成熟看 GMV.
如果中大品牌 (月预算 ≥ ¥ 50k), 则跑 GTA + 5A 人群 — 非大促累积人群, 大促放大投放.
如果做创意素材, 则黄金 3 秒抛卖点 + 5-15 秒钩子 + 15-30 秒转化点 三件套.
如果用 AI 创意, 则 70% AI + 30% 真人感 — 不能 AI 全自动直发.
如果素材衰减 (7-14 天 ROAS 下滑), 则批量上新, 不要硬撑.
如果大促节点, 则提前 30-60 天累积 5A 人群, 大促当天微调 (±10%) 不要大动.
详见 references/research/02-tools.md. 三层结构:
按场景选: 小商家 → 抖店+千川 / 中商家 → 加百应+蝉妈妈 / 中大品牌 → 加引擎+数据云+GTA / 头部 → 全套+跨平台
详见 references/research/03-workflows.md. 5 个标准工作流:
典型路径:
| 流派 | 代表 | 立场 |
|---|---|---|
| 创意驱动派 | 头部投手 (千灵 / 智点) | 创意 90%, 出价 10% |
| 数据 / 算法派 | 巨量引擎官方 + GTA | OCPM + 5A + GTA |
| 直播 + 投流双轮派 | 谦寻 / 美 ONE / 遥望 | 直播 + 投流 + 选品 + 内容四件套 |
| AI 创意派 | 行业 KOL + AI 厂商 | 70% AI + 30% 人工 |
| 内容长期派 | 反共识声音 / 新消费品牌 | 资产沉淀 / 跨平台 / 私域承接 |
信息截止 2026-05-02. 平台规则 / 算法 / 投流策略每 3-6 月需 update.
平台政策变化极快. 千川 2025-03 并入抖音电商 是大变化, 之前老套路很多过时.
本 prototype 蒸馏的是抖音电商投流视角, 不是其他业态 (本地生活 / 短剧 / 教育 / 服务业 投流逻辑不同).
第三方数据是反推, 不等于平台真实. 蝉妈妈 / 飞瓜 / 灰豚 数据有精度限制.
类目差异极大. 美妆 / 服饰 / 食品 / 个护 创意杠杆强, 工具类 / B2B / 高客单类目要另一套打法.
AI 内容直发被限流. AI 工具用作辅助 OK, AI 全自动直发会被算法识别.
强监管行业不在本 prototype 范围: 医美 / 保健 / 减肥 / 金融 / 证券 / 政治 / 宗教 / 未成年品 等是高敏感类目, 需独立合规审查.
2026-2027 政策窗口高度不确定. 商业化转向 (重 ROI vs 重曝光) + 监管动向都在演化.
This skill's modules decay at different speeds. Re-run update 大师 {slug}
when the dates below cross the recommended cadence (see references/extraction-framework.md § 八).
| Module | last_updated | decay_risk | Recommended refresh cadence |
|---|---|---|---|
| Mental models | last_updated: 2026-05-03 | decay_risk: low | 1-2 years |
| Standard playbook | last_updated: 2026-05-03 | decay_risk: low | 6-12 months |
| Tool stack | last_updated: 2026-05-03 | decay_risk: high | 3-6 months |
| Workflows / pipeline | last_updated: 2026-05-03 | decay_risk: high | 3-6 months |
| Expression DNA | last_updated: 2026-05-03 | decay_risk: low | 6-12 months |
| Sources (Track 5) | last_updated: 2026-05-03 | decay_risk: medium | 6 months |
| Glossary / standards / regulations | last_updated: 2026-05-03 | decay_risk: medium | 6 months (regulations may force sooner) |
| Intellectual genealogy | last_updated: 2026-05-03 | decay_risk: low | 1-2 years |
| Honest boundaries | last_updated: 2026-05-03 | decay_risk: low | re-assess each refresh |
last_updated values reflect the synthesis date. Individual research notes in
references/research/ may have more granular last_checked dates per item.