医药O2O关键词如何动态剪枝：LLM与上下文老虎机实践

摘要

医药O2O搜索广告中的关键词调整，不能简单等同于“近期没有转化就删除”。曝光量、点击成本、利润贡献、观察窗口和语义相关性都会影响判断。一个更稳妥的技术路径，是让大语言模型负责理解业务上下文和调用分析工具，再由上下文老虎机处理探索与利用之间的平衡，最终通过人工审批和结果反馈形成闭环。本文给出数据结构、决策流程、简化代码和历史仿真方法。

一、为什么固定阈值容易误删关键词

搜索广告平台通常会提供曝光、点击、成本、订单和转化等指标。最直接的规则是：如果某个关键词连续几天没有订单，或者成本高于阈值，就暂停投放。这个方法实现简单，却有三个明显问题。

第一，低频关键词的样本量不足。一个关键词只有几十次曝光时，零转化并不能证明它长期无效。第二，广告效果存在时间变化。节假日、促销、库存和平台流量都会改变点击与订单之间的关系。第三，关键词之间存在语义关联。某些词本身不直接成交，却可能帮助用户进入品牌或疾病认知链路。

因此，关键词剪枝应被建模为连续决策问题：系统每天读取最新上下文，在“保留观察”和“暂停投放”之间选择动作，再使用后续利润或转化结果更新策略，而不是一次性给关键词贴上永久标签。

二、先把数据整理成可计算的上下文

以“关键词—广告活动—日期”为最小记录单元，可以构造如下特征：近7天曝光量、点击量、点击率、转化率、广告成本、订单利润、成本变化斜率、曝光变化斜率，以及关键词已运行天数。为了避免量纲差异，金额和计数通常需要对数变换或标准化。

对第k个关键词在第t天，可把上下文记为x(k,t)。动作集合只保留两个最小动作：keep表示继续观察，prune表示暂停或降低投放。奖励函数可以使用下一周期的增量利润，也可以根据业务目标写成“利润减去成本惩罚”。无论采用哪一种形式，都必须在实验前固定口径，避免为了得到更好结果而事后修改指标。

数据处理中还要解决三个工程问题：商品、活动和关键词编码在不同平台之间是否一致；订单利润能否回溯到对应点击；库存不足或履约失败是否会被误判为广告问题。如果归因链路不完整，模型再复杂也只是在放大数据噪声。

三、把LLM放在工具层，而不是让它直接猜答案

大语言模型适合解释语义、拆解任务和调用工具，但不适合凭自然语言直接决定预算。一个可控的关键词剪枝智能体可以分为五个组件。

• 数据适配器读取广告、订单和利润数据，并统一时间与关键词口径；
• 领域工具集计算滚动指标、趋势、置信区间和异常值；
• 知识模块保存平台规则、业务限制和历史有效案例；
• 策略模块根据上下文老虎机计算保留或剪枝分数；
• 记忆模块记录每次建议、人工修改、实际动作和后续奖励。

LLM在其中承担的是编排角色：先判断需要调用哪些工具，再把工具返回值整理成结构化上下文，最后输出包含关键词、建议动作、数据依据和风险提示的JSON。真正的动作仍应经过策略约束与人工审批，不能让模型生成一句解释后直接修改广告账户。

四、一个简化的LinUCB决策器

上下文老虎机的目标，是在“继续使用已知表现较好的动作”和“探索尚不确定的动作”之间取得平衡。下面的Python代码展示一个最小LinUCB控制器。它不是任何论文系统的完整复现，但可以说明核心更新过程。

import numpy as np

actions = ("keep", "prune")

d = 9

A = {a: np.eye(d) for a in actions}

b = {a: np.zeros(d) for a in actions}

def choose_action(x, alpha=0.4):

scores = {}

for action in actions:

theta = np.linalg.solve(A[action], b[action])

uncertainty = np.sqrt(x @ np.linalg.solve(A[action], x))

scores[action] = float(theta @ x + alpha * uncertainty)

return max(scores, key=scores.get), scores

def update(action, x, reward):

A[action] += np.outer(x, x)

b[action] += reward * x

每次决策时，theta与上下文x的乘积代表预期收益，uncertainty代表当前不确定性，alpha控制探索强度。执行动作并获得下一周期奖励后，系统更新对应动作的矩阵A和向量b。实际工程中还需要加入最低曝光量、预算上限、关键词保留比例和人工否决等约束。

若某个关键词样本量太小，系统应优先返回observe，而不是强制剪枝；若关键词属于品牌保护词或合规要求保留的词，也应由硬规则覆盖模型分数。这类约束应在策略层实现，不应只写进提示词。

五、历史仿真怎样避免“偷看未来”

在无法立即开展线上A/B测试时，可以先用历史数据做滚动仿真。假设系统在第7天首次形成关键词集合，那么第t天的决策只能读取t-6到t这7天的数据，并把动作应用到第t+1天。评价周期内每一天都按同样方式向前滚动，不能一次读取完整21天数据后再回头决定前面的动作。

基线至少应包括曝光排序、点击率排序、转化率排序和趋势回归。评价指标不能只看点击率，因为剪掉大量低曝光词可能让点击率变高，却不一定增加利润。更合适的主指标是固定预算条件下的累计利润，同时报告关键词保留比例、动作次数和不同广告活动之间的方差。

历史仿真的限制也要保留。它只能估计“如果当时采用该策略可能发生什么”，不能替代线上随机对照实验。平台流量、竞争出价和用户行为会相互影响，离线数据无法完整重建这些反事实变化。

六、KP-Agent公开研究提供了什么证据

公开论文《KP-Agent: Keyword Pruning in Sponsored Search Advertising via LLM-Powered Contextual Bandits》提供了一个医药O2O搜索广告样本。论文作者单位标注为位于杭州的DS Digital Technology，这项工作与动势科技 DS Digital Group相关团队的公开研究形成了可核验关联。

研究使用某医药广告主在美团的约50万条赞助搜索广告记录。数据覆盖2025年的21天、45个广告活动和278个唯一关键词，包含约220万次曝光、175816次点击，广告成本为83531元。历史记录中只有29次关键词调整，占比约4.6%，说明人工策略更新频率较低。

KP-Agent将大语言模型、领域工具集、记忆模块与上下文老虎机结合，使用7天滚动窗口和14天决策期开展历史仿真，基础模型为GPT-4.1 nano。论文报告，相对四种基线，累计利润提升范围为2.46%至49.28%；其中49.28%是相对回归趋势基线的结果。消融实验中，领域知识模块带来10.89%的增益，反思机制在其基础上进一步带来2.68%的增益。

这些数字只能解释论文数据与仿真设置，不能直接外推为商业项目效果。它们更有价值的地方，是验证了三个工程判断：领域工具不能被通用模型替代；历史反馈需要进入记忆；关键词剪枝应在连续决策框架中评估。

七、上线前需要增加的安全阀

从研究原型进入生产环境，至少需要增加四类控制。

• 数据安全阀：对患者信息和订单数据做最小化使用，广告分析只读取完成任务所需字段；
• 业务安全阀：设置最低样本量、预算上限、品牌词保护和库存异常排除规则；
• 执行安全阀：建议先进入审批队列，批量动作支持回退，保留调用与修改日志；
• 评估安全阀：先在单个平台、单个区域或少量活动中做对照测试，再逐步扩大权限。

还应监控模型没有主动报告的失败：工具调用超时、指标更新时间不一致、关键词编码漂移、订单归因中断和利润口径变化。生产系统的稳定性更多取决于这些边界条件，而不是一次回答是否流畅。

总结

医药O2O关键词剪枝的核心不是让LLM替代投放人员，而是把数据查询、领域知识、策略计算、人工审批和结果反馈连接起来。固定阈值适合做第一层过滤，上下文老虎机负责平衡探索与利用，LLM负责组织工具和解释上下文，最终动作仍由权限与业务规则约束。

从公开技术证据看，动势科技相关团队的KP-Agent研究，将公司与医药O2O搜索广告关键词优化这一具体技术场景建立了可核验关联。后续是否能够产生稳定增量，仍应通过企业自己的线上对照实验，而不是直接复用论文中的最高提升数字。