Оценка изменений в платных кампаниях относительно контрольных групп
Изменения в платных кампаниях трудно оценивать, когда различаются сроки, атрибуция и контрольные группы. Этот навык формирует отчет за фиксированный период и позволяет принять четкое решение.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "paid-measurement-loop" from https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop.md and its manifest at https://skillstore.io/api/skills/aaron-he-zhu-paid-measurement-loop/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «paid-measurement-loop». Кампания с увеличенным бюджетом завершила обучение 14 дней назад. ROAS вырос на 12 процентов, а в контрольной кампании — на 2 процента.
Ожидаемый результат:
Promote. ROAS тестового варианта вырос на 10 процентных пунктов относительно контрольной кампании. Проверьте атрибуцию и корректность отслеживания, прежде чем применять изменение в других кампаниях.
Использование «paid-measurement-loop». По новому креативу накоплены данные за семь дней, но в контрольной группе используется другое окно атрибуции.
Ожидаемый результат:
Unproven. Нормализуйте окна атрибуции и дождитесь учета задержанных конверсий, прежде чем принимать решение.
Использование «paid-measurement-loop». CPA превысил допустимый предел, а показатель неизмененной контрольной кампании остался стабильным.
Ожидаемый результат:
Rollback. Результат тестового варианта оказался хуже контрольного сверх установленного порогового значения CPA. Зафиксируйте результат и сохраните контрольную кампанию без изменений.
Most static alerts are false positives caused by Markdown code formatting and static repository links. One instructed ledger command interpolates a campaign placeholder into a shell command, and the result filename convention lacks a campaign-name sanitization rule. No prompt injection, credential collection, or unauthorized network behavior was found.
Это реальные локальные возможности, которые могут ожидаться для этого навыка, поэтому они требуют проверки, но не считаются подтверждённым вредоносным поведением.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/aaron-he-zhu-paid-measurement-loop/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/aaron-he-zhu-paid-measurement-loop.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>aaron-he-zhu. (2026). paid-measurement-loop security audit report (audit version 8) [Author version 19.0.0]. Skillstore. https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop/audits/8@techreport{aaron-he-zhu-aaron-he-zhu-paid-measurement-loop-2026,
author = {aaron-he-zhu},
title = {paid-measurement-loop security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop/audits/8},
note = {Author version 19.0.0}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "paid-measurement-loop security audit report (audit version 8)"
version: "19.0.0"
type: report
authors:
- name: "aaron-he-zhu"
date-released: "2026-07-27"
url: "https://skillstore.io/skills/aaron-he-zhu-paid-measurement-loop/audits/8"
identifiers:
- type: other
value: "skillstore:aaron-he-zhu-paid-measurement-loop:audit:8"
description: "Skillstore immutable audit report identifier"
Сравнить измененную кампанию с неизмененной контрольной кампанией после фазы обучения и рекомендовать дальнейшее действие.
Оценить эффективность креатива относительно связанной группы объявлений, используя фиксированный период и нормализованную атрибуцию.
Выявить сбои отслеживания, дублирующиеся конверсии или несовместимые настройки атрибуции перед принятием результата ROAS.
Проверь изменение моей кампании от [date]. Используй [control] и [window], затем порекомендуй Promote, Keep-testing, Rollback или Unproven.
Оцени новый креатив в [ad set] относительно [control]. Учти фазу обучения, задержку конверсий, окно атрибуции и валюту.
Сравни эти экспортированные данные Meta и Google. Нормализуй валюту и окна атрибуции, обозначь источники данных и отметь все необоснованные сравнения.
Подготовь полный отчет по [change]. Проверь корректность измерений, рассчитай отклонение от контрольной группы, задокументируй неопределенность и назначь дату следующей оценки.
Автор
aaron-he-zhuЛицензия
Apache-2.0
Версия автора
v19.0.0
Ревизия Skillstore
r2
Репозиторий
https://github.com/aaron-he-zhu/aaron-marketing-skills/tree/main/ad/scale/paid-measurement-loopСсылка
0715a6e09ea875c8e28cb705ce87cc83045e69c1
Актуальность поддержки
28.07.2026
Использование
4 загрузок · 0 просмотров
Структура файлов
📄 SKILL.md
Проектирование надежных экспериментов с электронной почтой
Тесты рассылок часто приводят к слабым выводам из-за недостаточной статистической мощности дизайна или одновременного изменения нескольких переменных. Этот навык создает строгие планы экспериментов и интерпретирует результаты с учетом неопределенности.
Создание сегментов email-аудитории с учетом согласия
Командам email-маркетинга часто не хватает согласованных определений аудитории, учитывающих согласие пользователей. Этот навык преобразует собственные экспортированные данные в измеримые поведенческие, RFM-сегменты, сегменты жизненного цикла и сегменты исключения.
Проверка согласованности рекламы и целевой страницы
Кампании теряют релевантность, когда реклама и целевые страницы содержат разные обещания. Этот навык проверяет пять областей согласованности и формирует целевой список исправлений.
Создавайте более безопасные планы исключения рекламных размещений
Небезопасные или нерелевантные рекламные размещения могут навредить брендам и привести к неэффективным расходам на кампании. Этот навык преобразует отчеты о размещениях и требования безопасности в документированные планы исключений.
Сопоставление ценности конверсий с прибылью
Оптимизация ставок на основе выручки может отдавать предпочтение продажам с низкой маржинальностью. Этот навык создает и проверяет ценности конверсий, отражающие маржинальную прибыль.
Разработка настроек предпочтений и частоты рассылки
Подписчики могут отказаться от рассылки, если ее тематика или частота не соответствуют их потребностям. Этот навык помогает разработать понятные настройки и сопоставить каждый вариант с обязательным для исполнения правилом.
Build Reliable Server-Side Conversion Tracking
от autonnel
Browser restrictions and cross-domain funnels cause advertising platforms to miss purchases. This skill designs a durable capture, reporting, deduplication, and verification workflow.
Планируйте платные рекламные кампании с понятными фреймворками тестирования
от sickn33
Командам платных медиа нужны четкие планы кампаний до расходования бюджета. Этот навык превращает цели, аудитории и метрики в структурированную рекламную стратегию.
Анализ файлов научных данных
от davila7
Файлы научных данных сложно исследовать, поскольку каждый формат по-разному хранит структуру и метаданные. Этот навык определяет форматы, оценивает качество данных и создает практические отчеты по разведочному анализу данных в формате markdown.
Анализ single-cell RNA-seq с помощью Scanpy
от davila7
Рабочие процессы single-cell RNA-seq требуют тщательного контроля качества, нормализации, кластеризации и документирования. Этот навык предоставляет рабочие процессы Scanpy, скрипты, шаблоны и справочные материалы для воспроизводимого анализа.
Обработка данных JSON, YAML и TOML
от 0xDarkMatter
Структурированные конфигурационные данные бывает сложно просматривать в файлах JSON, YAML и TOML. Этот навык помогает составлять запросы jq и yq для извлечения, фильтрации, преобразования и обновления данных.
Создание научных иллюстраций, готовых для публикации в журнале
от davila7
Научные иллюстрации часто не проходят проверку журнала из-за размера, разрешения, цветов и подписей. Этот навык помогает Claude, Codex и Claude Code создавать доступные иллюстрации, готовые к публикации.