OliverOuyang/skills/rta-exclude-strategy
skills/rta-exclude-strategy/SKILL.md
# rta-exclude-strategy RTA排除策略分析技能 - 基于V8和V9RN双模型交叉分析的智能排除策略生成 ## Version 1.1.0 ## Description 自动化RTA（Real-Time Advertising）排除策略分析系统，支持： - 基于V8和V9RN模型的二维交叉分析 - 智能置入置出算法自动生成排除区域 - 新老策略全面对比评估 - 生成企业规范Excel分析报告 - 安全过件率阈值约束和交易占比约束 ## Dependencies ### Python Packages - pandas>=1.3.0 - numpy>=1.20.0 - openpyxl>=3.0.0 ### Installation ```bash pip install -r scripts/requirements.txt ``` ## Usage ```bash /rta-exclude-strategy --data_path <path> --ctrl_group_value <value> [options] ``` ## Param
development
Updated Apr 16, 2026
$ install --global
skillsauthnpx skillsauth add OliverOuyang/shuhe-work-skills skills/rta-exclude-strategyInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
Security Scan Results
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
3
Scanners Passed
9
Scanners in report
Clean
TrivyContainer and dependency vulnerability scanner
95%
Clean
SemgrepStatic code analysis for vulnerabilities
95%
Clean
mcp-scan (Snyk)Model Context Protocol security validation
95%
Skipped
Snyk (dep)Open source security scanning
50%
Skipped
Socket.devSupply chain security analysis
50%
Skipped
VirusTotalMulti-engine malware detection
50%
Skipped
CrowdStrikeAdvanced threat intelligence
50%
Skipped
OSV-ScannerOpen Source Vulnerability database check
50%
Skipped
OWASP Dep-Check
50%
Last scanned: Apr 16, 2026, 3:51 PM10.7s24 files scanned
SKILL.md
rta-exclude-strategy
RTA排除策略分析技能 - 基于V8和V9RN双模型交叉分析的智能排除策略生成
Version
1.1.0
Description
自动化RTA（Real-Time Advertising）排除策略分析系统，支持：
- 基于V8和V9RN模型的二维交叉分析
- 智能置入置出算法自动生成排除区域
- 新老策略全面对比评估
- 生成企业规范Excel分析报告
- 安全过件率阈值约束和交易占比约束
Dependencies
Python Packages
- pandas>=1.3.0
- numpy>=1.20.0
- openpyxl>=3.0.0
Installation
pip install -r scripts/requirements.txt
Usage
/rta-exclude-strategy --data_path <path> --ctrl_group_value <value> [options]
Parameters
Required Parameters
| Parameter | Type | Description | Example |
|-----------|------|-------------|---------|
| --data_path | string | 数据文件路径（CSV或Excel） | data.csv |
| --ctrl_group_value | string | 对照组标识值 | ctrl |
Optional Parameters
| Parameter | Type | Default | Description |
|-----------|------|---------|-------------|
| --old_exclude_rule | string | 01q-10q | 老策略排除规则（逗号分隔） |
| --spr_threshold | float | 0.10 | 安全过件率阈值（10%） |
| --max_exclude_ratio | float | 0.20 | 最大排除交易占比（20%） |
| --output_path | string | . | 输出文件路径 |
| --output_format | string | both | 输出格式选择（excel/html/both） |
Data Requirements
Required Fields
| Field | Description | Format |
|-------|-------------|--------|
| V8 | V8模型分组 | 01q-20q, UNK |
| V9RN | V9RN模型分组 | 01q-20q, UNK |
| group | 实验分组标识 | string |
| expo_cnt | 曝光数 | numeric |
| cost | 成本 | numeric |
| t3_ato | T3申完数 | numeric |
| t3_safe_adt | T3安全授信数 | numeric |
| t3_loan_amt | T3交易金额 | numeric |
Data Format
- 支持CSV和Excel格式
- 模型分组必须为01q-20q格式（允许UNK）
- 数值字段允许缺失（自动处理为0）
- 缺失值标记：
/N,#N/A,\N
Algorithm Overview
数据预处理
- 缺失值处理：替换
/N,#N/A,\N为 0 - 类型转换：确保数值列类型正确
- 模型分组聚合：
- 01q-09q → 01Q
- 10q → 02Q
- 11q → 03Q
- 12q → 04Q
- ...
- 20q → 12Q
- UNK → UNK
置入置出算法
详细算法逻辑见 resources/置入置出算法.txt
核心步骤：
- 初始圈选：圈选安全过件率≤阈值的客群
- 置入扩充：从右下往左上扩充，添加安全过件率≥阈值的区域
- 置出扩充：从左上往右下扩充，添加安全过件率≤阈值的区域
- 计算排除区域：排除区域 = 初始区域 - 置入区域 + 置出区域
- 约束验证：验证排除交易占比≤最大值
报告生成
一、核心结论
- 新老策略关键指标对比
- 策略优劣评价
二、排除策略制定
- 排除策略现状（老策略，使用全量数据）
- 排除策略制定
- 新老策略指标差异对比（使用对照组数据）
- 新策略排除规则（二维热力图，使用全量数据）
三、合理性评估
- 置入置出合理性分析
- 交叉表展示
- 交易占比交叉表
- 安全过件率交叉表
- CPS交叉表
Examples
Basic Usage
# 最简单的使用方式
/rta-exclude-strategy \
--data_path data.csv \
--ctrl_group_value ctrl
Custom Parameters
# 自定义所有参数
/rta-exclude-strategy \
--data_path data.xlsx \
--ctrl_group_value control \
--old_exclude_rule "01q,02q,03q" \
--spr_threshold 0.08 \
--max_exclude_ratio 0.15 \
--output_path ./reports/
Typical Workflow
# 1. 准备数据文件
# 确保包含必需字段：V8, V9RN, group, expo_cnt, cost, t3_ato, t3_safe_adt, t3_loan_amt
# 2. 运行分析（使用默认参数）
/rta-exclude-strategy \
--data_path experiment_data.csv \
--ctrl_group_value ctrl
# 3. 查看生成的Excel报告
# 报告包含：核心结论、排除策略制定、合理性评估
HTML Output Example
# 只生成 HTML 报告
/rta-exclude-strategy \
--data_path data.csv \
--ctrl_group_value ctrl \
--output_format html
Output
File Name Format
Excel: RTA排除策略分析报告_YYYYMMDD_HHMMSS.xlsx
HTML: RTA排除策略分析报告_YYYYMMDD_HHMMSS.html
Report Structure
Sheet: 分析报告
- 核心结论（新老策略对比）
- 排除策略现状表
- 新老策略指标差异对比表
- 新策略排除规则热力图（红色标记排除区域）
- 置入置出合理性分析
- 交易占比/安全过件率/CPS交叉表
HTML Report Features:
- 左侧固定目录导航
- 响应式设计,支持移动端
- 交互式表格(排序、筛选)
- 热力图可视化
- 可编辑文本内容
- 单文件自包含,可离线使用
Format Standards
- 字体：楷体
- 数值格式：<1的数值显示为百分比
- 排除区域：红色背景高亮
- 对齐方式：居中对齐
Use Cases
场景1：定期策略优化
定期（如月度）运行分析，评估当前排除策略效果，生成优化建议。
场景2：实验效果评估
针对新实验数据，快速生成排除策略建议，评估策略改进空间。
场景3：模型升级评估
当模型版本升级时，评估新老策略在新模型下的表现差异。
场景4：阈值敏感性分析
通过调整安全过件率阈值，分析不同阈值下的策略效果。
Notes
- 数据质量：确保模型分组格式正确（01q-20q），数值字段无异常值
- 对照组标识：必须准确指定对照组标识值，用于新老策略对比
- 约束条件：
- 安全过件率阈值通常设为10%
- 排除交易占比上限通常为20%
- 如果约束无法满足，算法会尝试自动调整
- 输出路径：确保输出目录存在且有写权限
- 文件命名：输出文件自动添加时间戳，避免覆盖
- Excel兼容性：生成的Excel文件使用openpyxl库，兼容Excel 2010+
Troubleshooting
Q: 数据中没有UNK分组怎么办？
A: 算法会自动处理，UNK分组为可选项，不影响分析结果。
Q: 如何指定老策略排除规则？
A: 使用--old_exclude_rule参数，格式为逗号分隔的分组列表。例如：
--old_exclude_rule "01q,02q,03q,04q,05q"
算法会自动将其聚合为对应的Q分组（01q-09q → 01Q-02Q）。
Q: 排除交易占比始终超过20%怎么办？
A: 算法会尝试调整阈值。如果仍无法满足：
- 检查数据质量，确认安全过件率分布是否异常
- 考虑放宽最大排除交易占比约束
- 调整安全过件率阈值（如从10%调整为8%或12%）
Q: 报告生成失败怎么办？
A: 检查以下几点：
- 输出路径是否存在且有写权限
- Excel文件是否被其他程序打开
- 查看终端错误日志获取详细信息
- 确认openpyxl库已正确安装
Q: 模型分组格式不正确怎么办？
A: 确保数据中的V8和V9RN字段值为：
- 01q, 02q, ..., 20q（小写q）
- UNK（大写）
- 其他格式会导致预处理失败
Q: 如何理解置入置出算法的结果？
A: 查看报告中的"置入置出合理性分析"部分：
- 初始区域：基于阈值的初始排除区域
- 置入区域：应该被包含（不排除）的区域
- 置出区域：应该被排除的额外区域
- 最终排除：初始 - 置入 + 置出
File Structure
rta-exclude-strategy/
├── SKILL.md # 本文档
├── README_original.md # 原始README（快速开始指南）
├── scripts/
│ ├── main.py # 主执行脚本
│ ├── data_preprocessing.py # 数据预处理模块
│ ├── place_in_out_algorithm.py # 置入置出算法模块
│ ├── report_generator.py # 报告生成模块
│ └── requirements.txt # Python依赖
└── resources/
├── 分析框架.txt # 分析框架说明
├── 输出要求.txt # 输出格式要求
├── 置入置出算法.txt # 算法详细说明
├── cross_model.txt # 交叉模型说明
└── RTA排除策略报告参考.xlsx # 报告格式参考
Performance
- 数据处理速度：~1000行/秒
- 典型分析时间：10-30秒（取决于数据量）
- 内存占用：~50-200MB（取决于数据大小）
- 支持数据规模：建议≤100万行
Author
Oliver
Created
2026-03-30
Version History
- 1.1.0 (2026-03-31)：添加 HTML 报告输出
- 集成现代前端设计
- 左侧目录导航
- 交互式数据可视化
- 可编辑 HTML 格式
- 1.0.0 (2026-03-30)：初始版本
- 实现基础置入置出算法
- 支持新老策略对比分析
- 自动生成Excel分析报告
- 支持自定义阈值和约束条件
Related Skills
OliverOuyang/sql-validate-and-export
tools
VerifiedTrustedCommunity
SQL 分段验证、自我修复、结果导出与智能分析。流程：解析SQL → Dataphin MCP 验证元数据 → 自动修复 → 分段执行验证 → 导出 CSV → 智能分析（漏斗解读、异常识别、预判用户问题）。适用场景："跑一下这个SQL"、"验证这个查询"、"帮我执行并导出"、"分析一下结果"等。
SKILL.mdUpdated Apr 19, 2026
OliverOuyang/skill-vetter
testing
VerifiedTrustedCommunity
Security-first vetting for OpenClaw skills. Use before installing any skill from ClawHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
SKILL.mdUpdated Apr 19, 2026
OliverOuyang/self-improving-agent
development
VerifiedTrustedCommunity
A universal self-improving agent that learns from ALL skill experiences. Uses multi-memory architecture (semantic + episodic + working) to continuously evolve the codebase. Auto-triggers on skill completion/error with hooks-based self-correction.
SKILL.mdUpdated Apr 19, 2026
OliverOuyang/notebook-standardizer
data-ai
VerifiedTrustedCommunity
Standardize Jupyter notebooks (.ipynb) for interactive data analysis workflows. Enforces a mandatory cell manifest (M1-M8 + archetype chapters) with tags ([CONFIG]/[SETUP]/[FUNC]/[RUN]/[VIZ]/[EXPORT]), structured markdown sections, and output prefixes ([OK]/[WARN]/[SKIP]). Use when the user wants to standardize, clean up, or create a notebook from scratch. Two archetypes: problem-driven (question-answer analysis) and monitoring (dimension-based periodic reporting).
SKILL.mdUpdated Apr 19, 2026