使用说明

从原始日志到行业优选 bundle、优选设备与建议引入广告主的完整操作路径

这个平台解决什么问题

DSP 投放侧每天在阿里云 OSS 沉淀大量原始竞价日志，但这些日志无法直接用于投放决策。本平台把这条链路串起来：OSS 原始数据接入 → 大模型清洗与加工 → 两类可直接落地的洞察（投放白名单、广告主拓展线索），全部结果基于线上真实数据，不含示例数据。

阿里云 OSS
Gemini 3.6 Flash
阿里云百炼 qwen-plus
真实数据

标准操作流程

第 1 步 · 打通三条通道

  • 在「接入配置」页依次点击测试：阿里云 OSS（AccessKey / Endpoint / Bucket）、阿里云百炼 DashScope、Gemini 3.6 Flash 模型通道。
  • 三条通道均返回成功后再进入加工流程；OSS 通道决定原始数据能否读取，两条模型通道决定清洗加工使用哪套算力。
前往接入配置 →

第 2 步 · 确认数据源

  • 「数据源 · OSS」页实时统计 bucket 中的前缀、对象数与容量，全部来自线上真实列举结果，不是配置里的静态描述。
  • 原始日志按 debug_trace/日期/小时/ 组织，单个 gz 文件常见 100MB+，平台采用 Range 分片采样，不需要整包下载。
查看数据源 →

第 3 步 · 在加工台跑一次采样加工

  • 逐级点开目录到具体小时，选择一个 .gz 日志，选择加工引擎（Gemini 3.6 Flash 或百炼 qwen-turbo），点「采样加工」。
  • 平台会拉取样本、流式解压、解析真实竞价字段（bundle、app 名称、域名、IFA、IP、国家、底价、DSP 填充情况），再交由大模型归类行业、判断投放适配度与打分。
  • 确认结果无误后点「结果入库」，同时会写入一条加工任务记录（引擎、模型、解析行数、采样字节）。
打开加工台 →

第 4 步 · 跟踪加工任务

  • 每次入库都会在「加工任务」中留痕，可核对本次产出来自哪个 OSS 对象、用了哪套模型、解析了多少行。
  • 任务记录同时是首页吞吐曲线的数据来源，用于评估加工量与覆盖度。
查看加工任务 →

两个核心使用场景

场景 A · 产出行业优选 bundle list（流量优选）

  1. 1.先按上面的流程对目标时间段的日志做若干次采样加工，样本越分散（不同小时、不同日期）覆盖越全。
  2. 2.系统会对日志中的 bundle / domain 做广告主行业归类，并按「点击 > 成交/展示 > 竞价响应」的互动强度筛出优选 bundle。
  3. 3.在「流量优选」页按行业分组查看，点击「导出 行业.txt」即可得到以行业命名、内容为 app id（bundle）的清单。
  4. 4.把清单交给 DSP 侧配置为定向白名单，再用后续日志复跑做增量校验（结果按行业+bundle 增量累加）。
进入流量优选 →

场景 B · 产出行业优选设备 ID list（设备优选）

  1. 1.同一次加工会同时归纳每个设备标识（IDFA / GAID / OAID，缺失时用 IP）的请求、响应、成交与点击情况。
  2. 2.设备按其活跃媒体所属行业归类，有互动行为的设备优先入选行业设备包。
  3. 3.在「设备优选」页按行业导出 行业.txt，文件内容即为设备 ID 清单，可直接下发 DSP 做定向。
进入设备优选 →

场景 C · 找到建议引入的广告主

  1. 1.加工会统计日志中每个广告主（DSP 通道）的竞价量、有效响应量、竞得展示量与点击量。
  2. 2.在「建议引入的广告主」页按优选分排序：竞价量大、响应率高、展示/点击多的即为优先引入对象。
  3. 3.用 AI 洞察生成引入理由与优先级排序，直接作为 BD 触达清单输出。
进入广告主页面 →

使用建议与注意事项

  • · 采样是分片读取，单次结果代表该时间片的流量结构；做行业结论前建议跨小时、跨日期各跑几次。
  • · 两个引擎可交叉验证：同一份样本分别用 Gemini 3.6 Flash 与百炼 qwen-turbo 跑一次，分类差异较大的媒体值得人工复核。
  • · 只有点击「结果入库」的加工结果才会进入洞察页与首页统计，未入库的采样仅用于预览。
  • · 洞察页的评分与规模是加工结果的聚合值，投放前仍建议结合 DSP 侧实际填充与转化数据二次校准。
  • · 所有密钥仅保存在服务端，页面与接口不会回传；数据表也不对匿名访问开放。