本文作者是雨山，从2015年到现在一直从事互联网广告的算法研发工作，之前在百度凤巢、趣头条广告算法部，现在某互联网大厂担任广告算法专家，主要研究广告机制设计、智能出价、智能创意与样式优选、CTRCVR建模等内容，运营个人微信公众号、CSDN、知乎账号“广告与算法”， 其中《oCPC实践录》,《漫谈广告机制设计》专栏在业界小有名气。

前言

你是否曾因撞上各种投放玄学问题，诸如相同素材，投放效果一个天上一个地下；刚上的广告，效果蹭蹭往下掉；转化率飞升，转化成本却没有一点动静；oCPC二阶段掉量严重等等而发出景涛式咆哮？随便从里头拎出一个问题，都能够让在座的广告主、优化师们摸一把快要薅秃的头发。

治不好脱发，还理不清oCPC？本篇文章就带各位尝试从事实的角度理解oCPC的全貌，并以科学的方式解释这些玄学投放问题，文章分为六个部分。

上篇：

1、互联网广告交易方式的演变及其驱动力，重点阐述oCPC广告产生的背景。

2、以oCPC为代表的智能出价产品与原理，重点介绍真实系统是怎么智能出价的。

3、oCPC下的竞价机制，遇到的一些问题与竞价机制有着密切的联系。

下篇：

4、oCPC广告的转化设计选择、出价与定向实践，重点介绍转化设计和回传策略，以及RTA实践。

5、上述问题的科学解释以及可能的解决办法。

6、概述一下广告自动化投放趋势以及给广告主/优化师们带来的影响。

时间有限，错误之处还请指正，有问题欢迎联系作者交流。

推文篇幅有限，以上内容分为2篇推文讲述，本篇为下。

oCPC转化、出价与定向实践

4.1  oCPC广告转化的设计与选择

在CPC下，广告主根据经验通过选定媒体、关键词、人群定向等方法筛选流量，然后给出相对应的点击出价采买流量。在oCPC下，广告主通过转化目标和相对应的转化出价采买流量。经常听人说相比CPC，在oCPC下，广告主的可操作空间变小了，大部分工作就是上素材了。其实不然，oCPC下转化的设计、选择与回传等一系列工作仍然给广告主带来新的挑战。

4.1.1  转化目标的设计

有一类广告主不需要设计和回传转化，常见于淘宝、京东、拼多多等平台电商中，广告主的转化相对明确（如加购、下单等），转化数据在平台实现全闭环。对于广告主而言，主要工作需要聚焦于广告的素材和产品的质量。

有一类广告主直接参与转化设计和回传，最常见的就是APP推广了。沿着用户的行为链路，将其中的几个关键节点（如APP调起、激活、注册、付费、次留等）设置为不同的转化目标，让广告主选择，因为这些行为都发生在广告主的APP内部，因此需要广告主将对应的转化行为回传给平台。

还有一些自建落地页（自建站）的广告主，如教育咨询，医美等行业，将用户在落地页的行为，如拨打电话、留言咨询、表单提交等作为转化回传给平台。如果用户进入落地页咨询加粉（添加微信或者QQ）直接与广告主联系后成单的，广告平台也拿不到订单数据，那怎么定义转化呢？一个最直接的想法是：将转化定义到平台能够监测到的极限节点，如店铺停留时间，微信停留时间作为转化。

有一些广告主如京东的商家，直接将京东的商品链接作为广告的落地页投放在微信朋友圈，用户点击广告后跳转到京东小程序或者APP，这时候广告平台（微信）是不能直接拿到下单数据的。这个问题的关键是怎么把将平台广告的点击和不在平台发生的转化（下单）关联起来，这个时候就需要一个第三方作为中介将其关联起来，如CID，感兴趣可以看深度解读CID来龙去脉和技术原理。

转化目标本质上就是给广告主一个流量价值评价和筛选的维度。但会发现一个问题：广告主的转化目标往往被平台限制在一个特定的范围内，不一定能满足广告主的真正需求。比如当广告主选激活作为转化目标时，其后端的变现和投入产出比（ROI)可能并不好，比如二类电商广告主选择店铺停留或者微信停留作为转化目标时，其后端的下单（退货率）和加粉交易效果可能很差，这个时候除了引入更深层转化目标外（有时候可能获取不到），还需要思考怎么通过转化设计优化广告主效果。

我了解到的方法有两种，前向过滤和后向反馈（自命名）。

• 所谓前向过滤，就是根据用户行为特点和广告主目标，在转化目标达成之前设置一个过滤环节，如缓解退货率问题，就在跳转店铺之前增加提醒提示环节；缓解加粉质量问题，在跳转微信之前设置咨询环节，将无意向的用户过滤掉，减少冲动下单或误触等。注意这个会导致转化率下降，对应的转化出价需要提升。
• 所谓后向反馈，就是让广告主自己去表达想要的转化，不要局限在平台定义的范围内。当然平台应该也能够了解到，即使广告主选择的目标是激活，也不一定回传的就是激活，让广告主自由的表达也不一定是坏事，这个产品有平台已经在做了，如oCPK（K是指关键行为，这个名字有点乱用了）。

广告主自己表达转化，对广告主而言可以借助平台的力量，获取自己想要的流量，是一个变被动为主动的方式，笔者相信这也是oCPC发展的一个方向。每个广告主转化定义的不同，对平台而言，转化率的预估挑战会变得更大，真正考验技术的时候到了。

4.1.2  选择高价值用户回传

我们讨论怎么选择转化和回传转化。根据oCPC的基本原理，选择和回传转化其实就是要告诉平台侧想要什么样的流量（用户）。常见的广告主期望获取ROI高的流量，ROI=收入/支出，其中收入是这个用户给广告主带来的价值（可能是长期价值），这个是不受广告主意志影响的；支出是为获取这个用户，广告主的各项花费（包含广告导流花费和各类人力物力成本等），这个是受广告主影响的。

转化目标的第一个选择思路就是选择高价值的用户。转化目标的设置逐步从下载安装，到激活，再到次留，再到付费，oCPK等。所以说期望获取什么样的用户就选择什么样的转化目标，如果渴望后端付费或变现，那最直接的方法就是选择付费&变现用户进行定义和回传。当然，这个方法大家都懂。价值越高的用户量越少，特别是付费&变现用户可能量很少，如果直接选择作为浅层转化目标时，对于平台而言转化率模型建模需要积累大量的数据了。如果平台提供深层oCPC的话，广告主选择两个转化目标，回传浅层和深层转化是有利于最终深层目标建模的。

然后我们讨论一个问题，价值阈值多高才算高价值用户呢？比如说如果这个阈值设置高了，高价值用户量就少了，对应的转化率就低了，自然出价也会高；如果这个阈值设置低了，高价值用户量就多了，对应的转化率就高了，自然出价会变低。也就是说是选择低转化率高出价的回传方式呢？还是选择高转化率低出价的回传方式呢？前者价值区分度高，但模型识别难度高，而且可能回传速度慢；后者模型识别难度相对容易，可能回传速度快，但价值区分度低，可能平台还有一个最低转化出价限制。

我没有很好的办法来判别，建议是转化率能维持同行业的均值上，不能太高，太高可能会使得账户冷启动超成本，也不能太低，太低增加模型学习难度。另外的建议是不要频繁调整转化率，既不利于模型学习，也不利于成本控制。

还有一个非常需要注意：回传的高价值用户的数据是否置信？有两个层面的解释：

①该用户的数据是否足够置信，以支撑其高价值的判断，仅仅靠少量的数据对用户价值的高低做出判断往往是不置信的；

②回传高价值用户是为了让模型能够学到高价值用户的特点并做出预测，那就需要判断是否具有可预测性，或者说判断高价值用户的指标是否能够足够支撑预测，如果一个用户的价值指标时高时低，完全随机，这个就很难预测了。

4.1.3  高ROI用户回传的误区

既然高价值用户回传只考虑了收入，没有考虑花费，那是不是可以考虑回传高ROI的用户呢？我认为这个想法至少从理论上说是不行的，原因有：

① 用户级别的花费很难拆解清楚；

② 即使用户级别的花费拆解清楚了，但影响花费的因素不是用户本质属性，而是受人工调控的，即出价影响的，出价随时可能会调整，ROI具有不可预测性，这次ROI因为出价低ROI高了，下次可能就因为出价高变低了；

③ 上文说过，在GFP机制下，这次回传ROI高的用户，到下次该用户或者与之相类似的用户转化率就会高，出价就会高，计费就会高，进而ROI会低。

所以，回传高ROI用户期望获取高ROI用户从逻辑上讲是不自洽的。

4.1.4  关键行为回传

很多广告主不断地尝试各种行为组合作为关键行为回传，比如调整组合的形式、回传比例和回传参数，期望获取最优的效果。更有甚者，刚调完转化回传的内容，就立马期望有效果，甚至是深层效果。

这种做法即使有效果，也是碰运气，有结果但不会有结论。原因有：

① 转化率模型学习和更新是需要时间的，不可能立马调整，预估新的转化；

② 我不认为现有模型有足够强的学习能力，能够学习泛化到广告主希望的行为上来，更别说深层的付费交易上了。现在模型学习的顶多是一种对历史转化用户的记忆。

也许有人会问了，有时候当调完转化回传后，即使转化率变化很大，但转化成本也能很快控制好呀，这个是不是说明模型学习能力好呢？非也，这个只能说明平台的成本控制比较及时，成本控制的时效性较高，最快可以几分钟调整一次，即出价公式中的K值。另外，即使转化率模型实时更新，也只是在原有模型的基础上将新的转化做增量训练，历史的数据仍然会起作用。

所以说当调整完转化后，想立即看新转化下的效果是需要长时间等待的，并且想评估新转化下的效果也是不容易的，很难通过AB实验说明，往往要靠广告主的直观判断，看能不能起量，后端效果好不好。

对于通过组合行为定义转化，看后端效果的广告主，结合业务情况，可以考虑做不同行为与后端效果的相关性分析，甚至是各种模型，来拟合最终的后端结果，来定义转化，要比纯手动调参测试更有理论和效果保证。

现在很多广告主直接把oCPC当成oCPK用，自定义转化回传，这个可能会不利于新广告冷启动。因为平台侧往往根据统一转化目标建模，转化率模型预估的可能不是广告主的自定义转化，效果就很难保证。

那怎么办呢？尽可能选择与大盘类似的转化定义，这个对广告主而言可能不现实，那可以退而求其次，选择与当前主体当前账户下效果符合预期的转化定义和转化率可能有效，当然也可以选择在前期不过于关注成本和ROI，在转化达到一定量级后，进行调整。

4.1.5  没有最优回传策略

oCPC以及深度oCPC、深度ROI出价、广告主需要逐步暴露自己的深层信息，如转化，付费，甚至是变现数据给平台，来换取更好的投放效果。即使平台侧不搞骚操作的事情，也有可能泄露广告主信息。比如平台侧让有共同推广需求的广告主选择同一个转化目标，而同一目标的转化率模型又来自于这些广告主共有的转化回传时，广告主该如何选择和回传转化才能是自己的收益最优呢？非常可惜的是在一些机制规则下，广告主可能没有纯粹的最优策略，无论是出价还是转化策略。

我们需要思考一个问题，回传高价值用户一定是最大化广告主利益的吗？不一定是最优的。原因有：高价值用户往往意味着高花费，高花费的原因可能来自于竞对的真实回传和竞争，也可能来自于自己历史的真实回传，提高了转化率，进而提高了出价，在GFP下也意味着更高的计费。

4.2  oCPC广告的转化出价

我们讨论怎么为转化定价。虽然我们一直说一种转化对应一个转化出价，脱离转化或者脱离转化出价，谈效果好坏没有意义，会回归到问题本身，即当给定一个转化定义时，怎么出给定转化成本呢？看起来简单，但笔者认为是一个挺难的问题，都需要在一定假设的基础上进行计算。

第一种常见的需求是：在当前转化定义和转化率下，怎么出价才能达到目标ROI。常见的计算方法是：当前收益/目标ROI/当前转化数（等价于当前给定CPA*当前ROI/目标ROI），这种计算方式的基本假设是：当出价发生变化时，对应的转化收益不变，这个假设是不怎么合理的。

第二种常见的需求是：调整了转化的定义，在新的转化定义下怎么计算转化出价呢？常见的计算方式：当前花费/新定义下的转化数（等价于当前转化率 * 当前转化出价 / 新的转化率），这种计算方式的基本假设是：打平oCPC点击出价，点击量不发生变化，这个假设是不怎么合理的。

因为对市场信息的缺失，我们很难知道市场的边际收益，使用上述方法也是简单的估算，想获取非常准确的值是十分困难的。

4.3  oCPC广告的定向设置

在oCPC智能扩量中提到过，oCPC产品的一个重要目的就是要打破之前的定向或者关键词限制，对广告主而言，可以让广告以相同的转化成本接触到更多的流量，对平台侧而言，一个流量可以引入更多的竞价者提高变现效率。那是不是说oCPC下的定向可以去掉了呢？定向能不能去掉，取决于几个因素：

1、该定向是否与成本控制有关。如果是强业务限制，比如本地业务不能去掉地域和LBS定向限制，有营业时间的业务也不能去掉时间限制。如果说地域和时间的定向设置是广告主在CPC下为了成本稳定设置的，那是可以考虑去掉的。

2、该定向在平台侧是否能够准确建模识别。直白说就是平台侧的转化率模型能否区分和识别这个定向，举个例子，广告的展现频次和点击频次限制，如果平台侧模型根本就没有考虑这个因素，那么转化率模型是很难给出在不同展现量或者点击量下准确的转化率预估的，进而出价也不具有区分性。再举个例子，如果广告主发现某个来源的流量质量非常差时，这个时候可以选择添加排除定向。笔者虽然是做算法和模型的，但对模型的学习能力还是非常不自信的。不过有些平台还是很有自信的，直接把一些定向功能下线了。

3、该定向是否与当前优化目标一致。如果说当前目标是激活，而定向（如自定义人群包定向或者排除）也是用来优化激活的，比如说点击到激活的转化率或者激活成本的，那这个定向可以去掉了，因为平台侧一般情况下要比自定义人群包定向的优化效果好。如果说该定向是优化深层次留或者付费的，那这个定向是可以保留的。

4.4  oCPC广告的RTA定向与出价

4.4.1  RTA概述

RTA（Real Time API), 是一种实时的广告程序接口，用于满足广告主实时个性化的投放需求。如下图，RTA的实现是平台将流量请求下发给广告主，广告主返回决策信息（是否参竞和调价），平台根据广告主的决策信息进行处理。对于广告主而言，相比之前的人群包定向更有时效性，更精细化。但特别需要注意的是：广告主需要有足够的技术能力和财力来应对几十万QPS的高并发请求，而且效果的好坏完全依赖自己的RTA策略，可能是一个投入产出比不高的事情。

目前主流RTA产品具有实时“个性化的[定向+出价]”+筛选素材的能力。

RTA常见策略汇总如下：

• 过滤已转化人群：媒体过滤已转化人群，受账户不同、人群包时效性等多种因素影响无法准确过滤，因此可以针对已转化人群（激活、付费等）出低系数或不参竞
• 个性化拉活：结合针对性素材（新season、每日任务、优惠活动等），针对付费用户提高高系数，定向拉活
• 自定义频控：媒体侧频控比较松，存在一定的曝光浪费，需要和媒体侧沟通，自己产品的用户习惯（展点转）呈现什么趋势，对曝光进行调控；同一素材、产品针对同一用户侧在限定时间内不曝光；同一用户看产品广告超过一定次数后均不曝光
• 用户请求级别调价：首次曝光用户给到高价，依据用户习惯，在不同曝光次数时给到不同出价；不同机型、地域、性别、年龄用户给到差异化出价；结合模型预估值调价、分广告位出价、结合潜力广告出价、结合预算进度&ROI调价、结合用户生命周期调价等
• 用户请求级别指定创意：无论是定向还是出价，都依赖广告主侧的数据和相关指标的预估，以及各类策略设计。另外，需要特别注意的，RTA有效的前提条件是：广告主RTA优化的目标要与平台优化目标不一致。如果说平台侧的优化目标是激活，RTA的优化目标也是激活的，那广告主的RTA相比平台很难做出效果，比如RTA过滤低转化的流量来优化激活成本就很难有效果，这个和前面的定向设置逻辑是一样的。

4.4.2  RTA定向与潜在问题

在oCPC下，有些RTA定向策略是从后端深层效果上考虑进行设计的，比如说屏蔽后端低质流量（用户）或者定向后端优质流量（用户）的策略。这些策略与前文介绍的转化设计与选择是一个道理。①无论是屏蔽还是定向，都需要对用户价值进行分层统计分析，建模和预估。②考虑流量的高低价值，如果是筛选ROI高的流量那逻辑可能不怎么对了。③屏蔽低质流量或者定向优质流量都面临着和前文“没有最优回传策略”一样的困境，使得优质流量的转化率逐渐上涨，出价上涨，计费上涨，ROI下降。

屏蔽或者定向还面临着可能掉量的问题，因此笔者还是想灌输：对于广告主而言，每一个流量都可以采买，只不过要给一个合理的出价。

4.4.3  RTA出价与问题

在RTA之前，广告主可以掌控出价的层级一般是计划或者单元层级，数据的核算和出价的给定都是基于计划或者单元整体的数据表现。有了RTA后，广告主可以账户出价的层级可以细化到用户检索层级（最细层级）。

市面上RTA出价一般有两种形式：

1、出价系数

RTA回传一个出价系数ratio，直接作用到出价上，即：ocpc_bid = pcvr * given_cpa * k * ratio。

特别需要注意，最好和平台侧确认一下，平台侧的成本控制是按照given_cpa计算，还是given_cpa * ratio计算，这个直接影响平台侧的成本控制和成本核算。在平台侧可能做成本控制与做RTA调价的都不是一个产品线的。如果有平台提示说，尽量保证ratio均值为1.0，那大概率成本控制仍然是是按照given_cpa计算了，否则会导致平台成本控制参数platform_k 变化，出现超成本或欠成本的情况。这个方案可以尝试，但不是最优。

2、直接给定CPA出价

RTA直接回传CPA出价rta_given_cpa，同时做ROI控制，这时候在业务端的given_cpa就不会起作用了, 平台侧不再做成本控制和赔付了，出价公式变为了：ocpc_bid = pcvr * rta_given_cpa。

这个方案理论上对广告主而言是最优的方案，但依赖广告主准确的转化用户价值预估和成本控制，这不是一个容易的事情。rta_given_cpa 一般等于预估的转化用户价值 / 目标ROI，建议闭环控制：rta_given_cpa = 预估的转化用户价值 * ROI控制参数。

 投放玄学的科学解释

本章将试图从科学的角度解释在oCPC广告投放过程中出现的玄学问题或现象。

5.1  相同素材，不同效果

这个是我被问到次数最多的问题了，在广告主看来很玄学。广告主在投放过程中，经常会将投放效果好的素材原封不动地复制一份，放到同计划，或者同账户、或者同主体下，试图能够将这个效果不断复制出来，或者尝试解决一下冷启动的问题，但经常会不符合预期，偶尔跑冷启动有成功的，疑问从心中油然而生。

出现这个问题，可能存在以下两方面的原因：

1、广告在投放过程中可能存在去重环节，如同计划去重、同账户去重、同主体去重等，也就是说一个素材最多能由一个广告进行展现。

2、相同的素材意味着相同的用户行为，但相同的素材对于平台的点击率和转化率预估模型而言，可能完全不一样。简单的模型，直接将创意ID作为特征输入模型，即使两个创意使用的素材一样，但是ID不一样，输入到模型的信息就完全不一样了，输出的结果不同自然很容易理解。复杂的模型，将素材的内容进行特征也输入模型了，两个创意有了一个共同的素材输入了，但真实的点击率和转化率模型使用的特征成百上千个，能够学到共性很难说。

很遗憾，我暂时也提供不了什么好的点子解决这个问题，只能说：多试试吧。

5.2  短视频广告效果迅速衰减

有读者反馈一个问题，说投放某平台的短视频广告，在出价未变和广告没有变动的情况下，消耗量级迅速衰减，只有重新建广告后才会重新起量。

这个问题可以看一下新建广告是不是也更新了素材。大部分短视频平台都有展现频控策略，即一个用户只能看一个素材一次，所以当一个素材分发完成后，不会再分发第二次了。另外平台也会有相似视频素材的检查算法。

5.3  转化率提升，转化成本没降

有读者反馈说：做了一个低转化人群包，目的是提高转化率，降低转化成本，但是上线后发现转化率的确提高了，但转化成本没有降。

这个问题很明显没有理解oCPC的基本原理：以统一的转化成本采买各类流量。低转化人群的流量，平台的点击出价低计费低，转化成本等于给定转化成本。同样的问题，在定向和RTA定向中也会遇到，尽量避免。

5.4  oCPC二阶段掉量

我在研发和测试oCPC中，听到了oCPC二阶段会掉量的测试结论。经分析发现，广告主在第一阶段的CPC出价跑了很多量，对应的真实转化成本也可以承受，但在二阶段的给定转化出价竟然是一阶段真实转化成本的1/3，消耗大降，造成了“二阶段会掉量”的误判。所以说请先打平CPA后再讨论效果好坏，这也是很多平台在早期会有一个最低转化出价（或者建议转化出价）限制的重要原因。

5.5  竞对CPM低，却拿到了更多的量

我经常说听读者反馈说：竞对的CPM低，却拿到了更多的量。

虽然说CPM能够反映买量竞争能力，但它是一个结果性指标。如果说竞对的定向非常宽泛，或者没有设置定向做通投，那么他就会买到点击率和转化率低的流量，这个时候出价和计费也会降低，对应的CPM也会低，但这并不代表着在点击率和转化率高的流量上没有竞争能力。

同样的道理，如果说竞对只采买点击率和转化率高的优质流量，那么它对应的CPM自然会高，但并不代表其流量的竞争能力就强。

5.6  多条创意构成的广告组点击率比单个创意的广告组高

有读者反馈说用多条创意搭建到一个广告组，跑出来点击率比单个创意搭建单个广告组的点击率要高。

这个问题可能是因为广告组的创意优选，也就是说针对一个流量，同一个广告组内只会有一个点击率高的创意被选择出来用于展示。

假如有两个流量U1, U2，两个创意C1, C2，U1对C1的点击率是10%，U1对C2的点击率是5%，U2对C1的点击率是5%，U2对C2的点击率是10%。如果C1和C2搭建成一个广告组，那么根据选点击率最高的优选策略，给U1展示C1，给U2展示C2，最终这个广告组的点击率是10%；

如果C1和C2各搭建成一个广告组，那么U1和U2要么全部展现C1，要么全部展现C2，那么点击率是（10%+5%）/2=7.5%，呈现出反馈的问题。所以素材放到一个广告组可能会有组合优化的效果。

5.7  扣回传或者降出价，收益有提升

读者反馈了一个扣回传或者不回传，会有收益提升的问题。这个问题在第3.2节失效的智能出价原理中专门分析了。原因是在GFP机制下，广告主不真实回传或者不真实出价是理智的策略，也是可能获取更好收益的策略，但广告主需要不断测试市场变化情况，不存在一个纯粹100%概率执行的策略使得自己收益最大化。

更有甚者，有广告主竟然从来没有回传过转化。这个时候，正经的平台可能直接降出价到0，使得其获不到流量，但有些平台会有一个最低出价限制，即最终的点击出价不能小于某个最低出价，因此即使广告主不回传一个转化，其转化率预估极其低，计算的oCPC_bid等于0，但还有这个最低出价限制，仍然可以获取流量，并且效果可能还不错，就是量少点，oCPC退化成了CPC。

5.8  按照用户真实价值回传，ROI越来越差

这个问题与5.7的问题原因一样。在GFP机制下，按照用户真实价值回传时，平台对真正有价值的用户转化率预估越来越准确（也越来越高），进而出价也越来越高，花费也越来越高，在原本就可以竞争到流量的情况下，花费越高，ROI越差。这个问题的解法与5.7一样，甚至可以考虑做个概率回传。

5.9  扣回传与调出价，效果不一样

我们再回顾一下oCPC下竞价的公式：eCPM = 预估点击率 * 预估转化率 * 给定转化出价 * 成本控制因子。扣回传和调转化出价是广告主在oCPC投放下最常用的动作。

调高转化出价时，广告的竞价能力增强，理论上会获取更多的流量。当发现调高出价，流量没有上涨时，一方面可能与频繁调价与真实成本控制偏差有关，可能跟平台的流量分发机制有关，如广告胜出率已足够高、广告展现频次控制等。调低转化出价时，广告的竞价能力变弱，理论上获取的流量会减少。

调整转化出价后，平台会将其作用到eCPM计算上，影响范围是所有参竞的流量。如果存在频繁调整转化出价，特别需要注意平台侧当天的成本核算不是按照当前转化出价计算的，比如上午给定转化出价10元，累积转化10个，下午给定转化出价5元，累积转化5个，上下午整体真实转化成本8元时，平台侧核算给定转化成本的计算方式是：给定转化出价的加权平均值，即（10*10+5*5）/(10+5)=8.33元，相比真实成本8元是高的，属于欠成本的状态。

经常会看到这样的一种情况，比如上午给定转化出价10元，真实转化成本是15元，这时广告主就赶紧向下调价了，调到5元，最终直接没有量，成本拉不下来。广告主需要特别注意平台也有一个成本控制因子在作用，上述情况下，在控制算法正常时，成本控制因子已经小于1了，相当于已经在拉低出价了，如果再做大幅度降价动作，出价被施加了两重控制，会降的更低。上述情况要先判断一下平台侧的控制作用是否满足要求，直接看平均点击计费（ACP或CPC）是否在下降即可。

广告主侧调整除了获取更高毛利外，还期望实现调控真实转化成本。存在这种情况是有原因的，因为有些广告主并不直接掌控调价，出价可能是在代理手里。

调整转化回传短期（甚至是实时）会直接影响平台侧的成本计算，影响平台侧的成本控制；长期会影响平台侧对流量的转化率预估，前文也说过我不认为现有模型有足够强的学习能力，能够学习泛化到广告主希望的后端行为，现在模型学习的顶多是一种对高点击率&历史转化用户的记忆。比如上午给定转化出价10元，真实转化成本是15元，这时广告主做扣量回传，真实转化10个，只回传5个，进而影响平台的成本控制因子来控制出价。我认为出现这种情况，可能会非常糟糕，因为一个目标目标可能出现了三个控制器，平台、代理、广告主，相互打架，最终结果可想而知。

直接调整给定转化出价和调整转化都可以起到影响广告竞价能力和真实广告转化成本的作用，影响的范围都是全部参竞流量。但拆分到每一个流量上，这两种方式影响的程度会有不同。前者对每个流量的影响程度相同，后者对被扣量的流量上存在双重影响，除了受成本控制因子影响外，还受转化率影响。

这也解释了读者反馈的一个问题，当降低出价时获量明显下降，ROI不一定好转，当扣量回传时获量跌幅没那么大，但ROI好转的原因。举个例子说明直接调整给定转化出价和调整转化是不等价的。假设参竞两个流量，初始状态下，转化率均为0.1(假设平台预估转化率准确，完全按照回传进行预估)，给定CPA均为10，点击计费均为1（GFP),假设均竞价成功并发生转化，第一个流量转化收益10元，第二个3元，总收益是13元，总ROI是6.5。此时，广告主想优化ROI，有直接调整给定转化出价和调整转化两种方式。

第一种将出价从10调整到8，此时流量1存在竞价失败，流量2仍竞价成功的可能，此时总收益是3元，ROI是3.75元，相比之前均下降，不符合预期。第二种对流量2做扣量，对应的转化率下降，预估转化率也下降到0.05，流量1没有变化，此时流量2仍有可能竞价成功，总收益不变，但流量2的花费下降，整体ROI上升。

虽然我十分不建议通过调整转化回传量来优化投放效果，但鉴于可能GFP机制上存在的问题和广告主缺少有效的调控工具，在回传上做一些动作也是可以理解的。

5.10  冷启动与转化定义选择

在前文已经介绍了扣回传、不回传和掺假回传的事情，即使广告主在投放段选择的转化目标是激活或者表单，但真实回传的转化可能与这些转化目标完全不一样，这就是导致新账户/新计划的冷启动难以成功，要花大量的时间和预算进行测试。冷启动的两个表现一个是跑不出量，另一个是成本飞上天，成本没控住的主要原因是转化率预估偏高。那冷启动的转化定义及其对应的出价怎么整呢？我给的建议是尽可能让冷启动的账户/计划对应的转化率等于媒体大盘的转化率，这样转化率预估就相对偏差不大了，并给出对应的出价。具体可以看第4.1节和4.2节。

广告的自动化投放

6.1  自动化投放的趋势

互联网广告投放系统的自动化建设是一个必然的趋势。在流量红利消耗殆尽，进入存量竞争和精细化运营的阶段，自动化的广告投放系统对于平台而言是提升广告预算，服务好广告主的必由之路。在AI技术的加持下，流量整合、智能出价、素材创意的生成优选、程序化创编投放构成了自动化投放的核心内容。各公司也陆续将广告平台向自动化和智能化升级，比如腾讯的一体化投放、百度轻舸、巨量2.0、阿里妈妈万相台（无界版）、拼多多标准推广与全站推广等，主要表现在以下几个方面：

• 自动化流量整合：流量整合包含“聚合和分层”两个方面，聚合是指平台侧将各种流量资源聚拢起来，比如将搜索流量、推荐流量、站外流量等聚合，不再分场景单一售卖。这个给广告主减轻流量筛选和价值核算的工作，使得广告主将目光聚焦在广告营销的最终任务上。分层是指将流量按照不同的纬度进行划分，然后分发给不同投放目的的广告主，广告主将自己的投放目的表达给平台，如拉新，拉活，打爆品，涨会员等等，广告主可以一键将自己的广告投放到所有流量上了，当然广告主对流量的筛选能力也会减弱。
• 自动化智能出价：自动出价是流量整合后必须配置的基础能力，在流量筛选能力被收回后，根据流量的质量和竞价环境自动出价是平台要承担的重要工作。针对广告主保成本和跑量的基本诉求，平台提供了目标保成本的oCPX和目标跑量的NoBid两大类产品，广告主仅需要表达目标成本或者目标预算，不用关心流量来源，广告投放变得更加简捷。
• 自动化素材创意：自动化素材创意包含素材创意的自动化制作、生成、适配、优选、投放各个环节，全流程基于AI能力。平台可以根据广告主的产品和投放诉求，自动化制作和生成文字、图片、视频、甚至是数字人等，适配是指不同流量的素材格式要求下做自动化适配，广告主不需要做编辑和处理的动作，优选是基于平台大数据能力在离线和在线可以进行素材创意的自动选择，一般是选择出点击率创意投放。大模型技术给自动化素材和创意打开了空间，广告主在素材创意的工作也简化了。
• 自动化创编投放：自动化创编投放主要是指广告主只需要表达投放的产品和投放目的，由系统自动做账户创编，对于搜索广告而言自动进行买词等，投放工作也大大简化。

6.2  自动化投放对广告主的影响

我将自动化投放给广告主带来的影响总结为以下几个方面：

• 广告投放流程简化：流量筛选，出价，素材和创编的自动化将广告主的投放流程大大简化，广告主可以从繁杂的流量筛选与价值评估、素材制作和优选等工作中抽身出来，关注于产品和服务本身。
• 投放掌控抓手减少：原先诸多投放的抓手被自动化投放所替代或者收回，广告主或者优化师在整个投放过程中的掌控能力逐渐减弱，并且系统越来越趋向于黑盒。有些广告主的投放目的也是多元和复杂的，自动化投放是限制这些表达的。投放自动化给诸多优化师的影响是很大的，如果只懂基础操作不探究系统细节和投放原理，或者投放效果不如自动化工具，那么优化师可发挥的空间会越来越小。当然广告主也可以通过自动化工具提高自己的掌控能力，如通过Marketing API或者RTA进行流量筛选、调整出价和实时监控等。
• 内容质量要求变高：确切地说，现有自动化投放系统留给广告主的可操作空间可能主要就是内容了，平台对内容质量的要求也再逐渐变高。基于自身产品和服务产出优质内容是后续广告投放的必由之路。广告主可以借助于大模型技术或者SaaS服务，低成本制作内容。
• 数据算法驱动增强：投放系统的黑盒化使得广告主只能通过数据来观测投放效果，调整投放策略。通过数据分析流量质量和用户兴趣，自研或者借助于平台选用合适的算法构建预测模型，进行流量筛选、或者调整回传、或者调整出价、或者个性化素材，是广告主侧提高投放效率的重要途径。笔者了解到有广告主仅仅通过分析地域和时段等数据摸索出对应的投放策略，实现跑量。
• 生产效率提升为本：自动化投放系统将广告主从之前繁杂的投放工作中解放出来，减少了各种信息不对称，竞争更加公平。广告主要在这场公平的竞争环境中，关注于自己产品和服务本身，提高自己产品或服务的生产效率和竞价能力，在残酷的市场竞争中胜出。

6.3  给广告主和优化师的建议

我花了大量的笔墨，依次介绍了互联网广告交易方式的演变，智能出价产品原理，oCPC下的竞价机制，oCPC的转化、出价与定向实践，投放玄学的科学解释，广告的自动化投放等内容，最终给广告主和优化师的建议用六个字总结：多学习、多实践。

投放系统越来越自动化，也越来越黑盒化，广告主或者优化师仅通过数据来理解整个投放系统是不够的，对产品和运营工具的深刻研究理解和熟练运用才是将系统白盒化的重要途径。传统依赖对流量侧理解做投放的工作思路已经不适用了，因为这部分工作已经被平台侧取代了，广告主需要深刻研究自动化投放系统中的各类产品，包含素材、出价、定向等产品原理和实践方式，学会科学地分析问题和下结论，无论是广告主还是优化师，还是平台侧的研发人员，唯有多学习，才能不断进步，不被淘汰。

实践是检验真理的唯一标准。笔者希望在多学习的基础上，秉承为用户提供价值的观念，多实践多尝试，对工具熟练运用，验证自己的思路，提高自己的认知，形成工作经验，再触类方通，实现价值的程序化复制。

雄关漫道真如铁，而今迈步从头越。各位同仁，一起加油！