3. 竞价异常波动复盘：波动幅度与显著性初筛

任务对象与数据准备

本节处理某搜索广告账户连续 7 天（D1–D7）的分小时竞价数据，字段为：日期、小时、消耗（元）、转化数。目标是先做波动幅度初筛，再用 Z-score 判断显著性，输出待复盘时段清单。为避免与口径定义、数据清洗重复，这里假定数据已通过完整性校验，直接进入计算环节。

关键约定：

• 波动幅度用相对变化率：Δ = (X_t − X_base) / X_base × 100%，正为突增、负为骤降。
• 基线取同小时的历史均值（D1–D6 同一小时均值），避免把日内正常节律误判为异常。
• Z-score 用稳健版本：Z = (X_t − median) / (1.4826 × MAD)，MAD 为中位数绝对偏差，对少量极端值不敏感。
• 显著性阈值：|Δ| ≥ 30% 且 |Z| ≥ 3 同时满足才进入待复盘清单，减少单指标误报。

计算实现

下面代码用纯 Python 完成 7 天 × 24 小时数据的构造、基线计算、幅度与 Z-score 计算、双条件筛选，可直接运行验证。

import statistics as st

# 示例数据：D1-D7 每天 24 小时消耗（元），此处仅展示 0-5 时与 20-23 时片段
# 实际使用时替换为报表导出的完整 7×24 数据
data = {
    "D1": [12, 10, 9, 8, 11, 15, 30, 55, 80, 95, 100, 98, 90, 88, 92, 96, 99, 105, 110, 120, 130, 90, 60, 30],
    "D2": [11, 9, 8, 9, 10, 14, 28, 52, 78, 92, 98, 96, 88, 86, 90, 94, 97, 102, 108, 118, 128, 88, 58, 28],
    "D3": [13, 11, 10, 9, 12, 16, 32, 58, 82, 97, 102, 100, 92, 90, 94, 98, 101, 107, 112, 122, 132, 92, 62, 32],
    "D4": [12, 10, 9, 8, 11, 15, 30, 55, 80, 95, 100, 98, 90, 88, 92, 96, 99, 105, 110, 120, 130, 90, 60, 30],
    "D5": [11, 9, 8, 9, 10, 14, 28, 52, 78, 92, 98, 96, 88, 86, 90, 94, 97, 102, 108, 118, 128, 88, 58, 28],
    "D6": [12, 10, 9, 8, 11, 15, 30, 55, 80, 95, 100, 98, 90, 88, 92, 96, 99, 105, 110, 120, 130, 90, 60, 30],
    # D7 为待检测日：20 时突增、22 时骤降
    "D7": [12, 10, 9, 8, 11, 15, 30, 55, 80, 95, 100, 98, 90, 88, 92, 96, 99, 105, 110, 120, 210, 90, 20, 30],
}

days = list(data.keys())
target = "D7"
base_days = days[:-1]

# 1) 同小时基线：D1-D6 同一小时的均值与稳健统计量
baseline, medians, mads = {}, {}, {}
for h in range(24):
    vals = [data[d][h] for d in base_days]
    baseline[h] = st.mean(vals)
    medians[h] = st.median(vals)
    mad = st.median([abs(v - medians[h]) for v in vals])
    mads[h] = mad if mad > 0 else 1e-6  # 防止除零

# 2) 计算 D7 各小时的 Δ 与 Z
rows = []
for h in range(24):
    x = data[target][h]
    base = baseline[h]
    delta = (x - base) / base * 100
    z = (x - medians[h]) / (1.4826 * mads[h])
    flag = abs(delta) >= 30 and abs(z) >= 3
    rows.append((h, x, round(base, 1), round(delta, 1), round(z, 2), flag))

# 3) 输出待复盘清单
print("小时  消耗  基线   Δ%     Z     入清单")
for h, x, base, delta, z, flag in rows:
    if flag:
        print(f"{h:>2}   {x:>4}  {base:>5}  {delta:>6}  {z:>6}   {'是' if flag else '否'}")

示例数据下，D7 的 20 时消耗 210 元、基线约 130 元，Δ≈+61.5%，Z 显著为正；22 时消耗 20 元、基线约 60 元，Δ≈−66.7%，Z 显著为负。其余小时 Δ 与 Z 均在阈值内，不进入清单。这组数值属于教学示例，实际结果以真实报表计算为准。

筛选逻辑与判读

双条件筛选的意义在于：只看幅度，低基线小时（如凌晨 3 时消耗 8 元变 12 元，Δ=+50%）会被误报；只看 Z-score，高波动但幅度小的时段又可能被漏掉。两者同时满足，才说明该时段既偏离基线幅度大、又在统计上显著。

待复盘清单与后续动作

按上述逻辑，D7 的待复盘清单为两条：

清单只回答“哪些时段值得复盘”，不回答“为什么”。下一步应把这两个小时作为切片入口，进入计划层级的下钻排查。若某小时 Δ 达标但 Z 未达标，说明基线本身波动大，可先复核该小时历史数据质量，再决定是否纳入。