“ 本文介绍了计算广告中的基本概念以及oCPX广告的优化目的,出价规则,可能面临的问题和一些思考。”
作者介绍:刘达,现于腾讯任职研究员。从事计算广告、内容推荐相关工作。【长期收简历,欢迎咨询,微信:niumeng_ld】
几年前在知乎上回答过一个 关于oCPC的问题(https://www.zhihu.com/question/64637654/answer/318542903),现在仍有些知友留言交流,意识到目前oCPX系列仍是被关注的方向,并且原答案中有些说的不够明确,容易引起误解的地方。因此有了这篇《oCPC:计算广告出价策略》。本文希望用更“通俗易懂 ”的文字对 oCPX 进行一个简单的描述。
计算广告的根本问题是人群定向的问题,人群定向的目标是平台收益最大化、广告主收益最大化。
按计费模式可以分为: CPT 广告, CPM 广告,CPC 广告,CPA 广告等。
CPT广告由于是包断广告,不涉及考核指标, 其它广告类型中,广告主有一定的考核指标,如 CPM,CPC,CTR,CVR,ROI,CPA等。
CPM 广告中,按千次展示计费,此时还不涉及效果问题。
CPC 广告中,只有当投放的广告被用户点击时,平台才能像广告主收费,因为广告平台会投放 CTR 相对高的广告(实际情况中一般是 CTR * CPC更高)来使平台收益最大化。因此产生了 CTR 预估问题。
CPA 广告与 CPC 类似,产生了转化率预估的问题。
在 CPM 广告中,平台像千次展示像广告主收费,并没有考虑广告效果,如果广告从后验数据中发现,在这家广告平台投放的广告效果并不好(CTR不高,CVR不高等),则会提出质疑,此时广告平台面临两个选择。
CPC/oCPC、CPA/oCPA的关系与CPM/oCPM类似。
说了这么多,主要是为了帮助新入门的同学更好的理解,其实 oCPX 可以总结为一句话:
「oCPX 是以优化“广告主的二级目标(下文统一称为转化)”为目的,通过预估转化率来调整出价,来为广告主选择转化率更高的流量,帮助广告主控制成本。」
以上说明了oCPX对广告主是友好的,那 oCPX 对广告平台的益处是什么呢?(以 oCPC 为例)
CPM广告的出价即为广告主设定的
(不考虑1000,下同)
CPC广告的出价为
CPA广告的出价为
如果广告主设置了目标转化成本 eCPA, 则可以采用:
如果广告主未设置目标转化成本,但授权平台基于转化率对 CpcBid进行调整,可以采用:
其中,
为在
的基础上,基于
调整的结果,
几年前,我在做 oCPC 时,会设置一些条件,来控制一些新投放广告不进入 oCPC。主要原因是新广告由于训练数据的缺乏,会导致 CVR 预估有偏,导致最终的转化价格远离广告主的预估价格,如果出现高估的情况,广告看到的转化成本为极高,这会进一步导致广告主的降价甚至流失。
即,对于新投放广告,先按 CPC 投放,当转化数据累积到一定程度,再按 oCPC 投放。
避免数据敏感进行了一定的覆盖。
oCPM和CPC的区别是什么,oCPC和CPA(Cost per Action)的区别是什么:
oCPM本身是按(千次)展示计费,很多品牌广告一般会采买CPM广告(或者CPT广告)。借用很久之前听到的一句话,“为什么按展示计费?因为我要出现在那里,即使这次展示没给我带来真正的点击,下载,购买行为,但我在那里,代表了我的江湖地位。”
所以最初的CPM完全不考虑用户是否点击。但时间久了,广告主可能说,你也要适当的考虑下我们的点击成本,此时就有了两种方法。
第一,改成按CPC计费,但此时平台商的收入可能会下降。
第二,做oCPM,还是按展示计费,平台只会在给广告流量的时候考虑下点击率。
是采用oCPM还是采用CPC,大概率代表了平台方在业届的强势地位,“我按CPM收钱,你爱买不买”。
oCPC和CPA的关系和oCPM和CPC的关系有些类似。比如按点击收费之后,广告主可能会提出优化每个下载的成本,或每个商品成交的成本。即使在CPA之后也还有继续提出oCPA的方法,比如,广告主不但要求每个下载的成本,他们还希望用户在我的软件中的留存率。
越小的广告平台,地位越弱势的广告平台,流量越差的广告平台,被广告主提出更多要求的可能性就会越大,除地位弱势之外,像DSP这样的第三方广告平台,他们的流量质量本来质量就远不及其它平台的自有流量(与流量漏斗与关,好的流量媒体会优先留给自己,当决定流量质量不高时,才流像第三方)。目前像头条,FB等已经在按oCPM的方式投放了,对于这些大广告平台,流量好的广告平台,只会说,“我就按展示计费,你爱买不买”。
推荐阅读
斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用
太赞了!Springer面向公众开放电子书籍,附65本数学、编程、机器学习、深度学习、数据挖掘、数据科学等书籍链接及打包下载
数学之美中盛赞的 Michael Collins 教授,他的NLP课程要不要收藏?
模型压缩实践系列之——bert-of-theseus,一个非常亲民的bert压缩方法
关于AINLP
AINLP 是一个有趣有AI的自然语言处理社区,专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享,主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等,欢迎关注!加技术交流群请添加AINLPer(id:ainlper),备注工作/研究方向+加群目的。