先定受众和渠道边界——Anyword 的预测分才排得动

一批文案生成出来却排不出优先级，通常不是转化预测分本身不可用，而是受众描述和渠道边界没有收窄到同一把尺子上。Anyword 这类工具的预测分，能比较的前提是输入可比：同一群人、同一个渠道、同一种记录口径。凡是跨了受众或跨了渠道的分数，只适合看相对趋势，不适合直接拿来排第一第二。

判断方向：先把受众写成能落到数据字段上的条件，再给每个渠道单独定约束，然后只在同一受众、同一渠道内跑预测并留下记录。适用场景是批量生成文案后要排优先级；操作动作是先写边界模板再跑分；验证方式是同一输入重复预测的分数区间是否稳定、记录字段是否齐全；风险边界是跨受众、跨渠道的分数不具备直接可比性，预测分只能作为排序输入，不能替代人工确认和上线后的真实反馈。

把受众写成可验证的条件

受众写得含糊，两个人写出来的“目标用户”就会指向两群人，预测分也就失去了共同的比较基准。建议把受众固定成四个字段：行业、角色、使用阶段、触发场景，并且每条都要能在某个数据源里找到对应位置。

audience:
  industry: "跨境电商独立站零售"
  role: "运营负责人"
  stage: "已注册试用，尚未产生付费"
  trigger: "进入价格页后未提交订单"

可验证的写法是这样对应的：行业对应注册主体或结算账单信息；角色对应报名表里的职位字段或联系人来源；使用阶段对应后台的试用状态、订单表记录；触发场景对应埋点事件名或页面路径。写不出对应字段的条件，通常是主观判断，建议删掉，或者降级成备注而不进入受众定义。改完模板后，找一个同事按同样字段独立再写一遍，如果两人写出的条件能匹配到同一批数据，受众描述才算收敛。

给每个渠道单独设一套文案约束

把邮件标题的写法平移到站内横幅、短信或推送，往往第一天就会发现长度放不下、语气不搭。渠道维度建议固定看三项：字数限制、语气、行动号召位置，每一项都写成能直接执行和检查的约束，而不是形容词。

字数限制：写明计数口径是字符还是显示宽度，以及是否需要为中英文混排留余量。
语气：写成可判断的规则，例如“动词开头”“不使用感叹号”“不出现绝对化承诺”。
行动号召位置：写明出现在开头、末尾还是独立按钮，并规定一条文案只允许一个主要号召。

channels:
  email_subject:
    max_chars: <按自家模板可显示长度填写>
    tone: "陈述收益，不用感叹号"
    cta_position: "标题内不出现号召，号召放正文首段"
  in_app_banner:
    max_chars: <按组件宽度填写>
    tone: "动词开头，一句话"
    cta_position: "末尾按钮，按钮文案与落地页一致"

上面的数字是占位，需要结合自家渠道的实际显示位置确认。约束写成配置后，把不符合约束的候选文案在生成阶段就过滤掉，避免污染后续的分数记录。

在同一受众同一渠道内跑预测并记录

分数之间要能比较，就必须保证同一批候选文案对应同一个 audience 标识和同一个 channel 标识。每跑一轮，建议把输入描述、候选文案、预测分、生成时间四项一起落盘，缺一项，后面都无法复现当时的判断。

{"audience_id":"aud_ecom_ops_trial","channel":"email_subject",
 "input_desc":"跨境电商/运营负责人/试用未付费/价格页未下单",
 "candidate":"把试用的第一步讲清楚",
 "score":"<预测分>","generated_at":"<本地时间戳>"}

落地形式用 JSONL 或一张表都可以，关键是字段名固定、时间戳统一时区、一行一条候选文案。跑分前后各检查一次：这一批里的 audience_id 是否完全相同，channel 是否完全相同。只要有一行不一致，就把这一行单独拆出去另存一组，不要混进同一张排序表。想确认分数稳定性，可以把同一条输入重复提交几次，观察分数是否落在可接受的小区间内；如果波动明显，先怀疑输入描述写得不够具体，而不是先怀疑模型。

按预测分排序后再做人工确认

排序规则建议写死：第一步按 audience_id 和 channel 分组，第二步只在组内按预测分从高到低排，第三步组内候选不足一批时只做参考不做结论。分组之外不掺入其他组的数据。

取出组内预测分靠前的候选，逐条检查是否触碰品牌语气和合规红线。
核对文案里的承诺与产品实际能力是否一致，尤其是价格、时限、功能范围。
核对行动号召与落地页是否对应，避免按钮承诺和页面内容不一致。
确认通过的写入发布队列，并保留原始排序位置。

人工推翻排序是正常情况，但必须留下记录，否则下次复盘会误判模型能力。建议在记录里追加覆盖字段：候选标识、模型排名、人工最终排名、理由、确认人。理由写具体，例如“承诺与当前套餐不符”“语气与品牌手册冲突”，而不是写“感觉不好”。积累一段时间后，这类覆盖记录本身就能说明模型在哪些受众或渠道上偏差更明显。

跨渠道比较时只比趋势

不同渠道的预测分不是同一把尺子，邮件标题和站内横幅的分数绝对值放在一起比大小没有意义。可用的做法是各自建立自身基线，只记录相对变化的方向和幅度区间。

{"audience_id":"aud_ecom_ops_trial","channel":"email_subject",
 "baseline":"本渠道最近若干批的中位区间",
 "delta":"高于/持平/低于本渠道基线区间",
 "note":"不与 in_app_banner 的分数直接比较"}

记录时建议明确三件事：基线取自哪个受众、哪个渠道、哪一批候选。渠道之间只回答“这个渠道这批文案比它自己以前更好还是更差”，不回答“哪个渠道的文案更优”。需要横向结论时，把结论建立在同一渠道的相对变化上，再结合上线后的实际反馈去判断，这样预测分才能稳定地承担排序输入的角色。