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，本篇为上。

 

 互联网广告交易方式的演变

1.1  互联网广告基本概念

社会中的每一个企业、每一个人都处于商业活动中，正所谓天下熙熙皆为利来，天下攘攘皆为利往。广告就是一种商业活动，根据《中国传媒产业发展报告（2019）》，美国广告支出总额占其 GDP 比重为 2.5%、日本则为 1.6%。我国整体广告支出占 GDP 比重则稳定在 0.85%-0.90%之间，但 2022 年受行业景气度下滑影响降至 0.77%。相比于发达国家，我国的广告GDP比重，还有上升空间，广告行业的各位同仁未来可期。

广告伴随商业活动而生，商业不止，广告不停。随着互联网的兴起，广告从传统的电视、报纸、杂志等媒体，扩展到了互联网的每个角落，成为互联网主要的营收模式之一，支撑着互联网和计算机行业的高速发展。相比于传统广告，互联网广告因为受众明确、边际成本低、效果可衡量、高互动性、个性化、长尾等特征，备受广告主青睐。无论是传统广告还是互联网广告，自始至终玩得都是流量的生意。笔者引用刘鹏《计算广告》中的说法，广告的根本目的是：广告主通过媒体达到低成本的用户接触。

在互联网广告这个商业活动中，一般情况下可简化为三个参与方：媒体（平台）、用户、广告主。媒体一开始提供有价值的产品或服务，将用户吸引进来，获得流量。然后广告主进来，在媒体平台上投放广告，售卖自己的产品或者服务，同时付费给平台。三者在这个商业活动中，有着不同的诉求。

• 对于用户而言，希望媒体侧能够通过满足其需求的产品，这个产品也有可能是广告。笔者一直认为做广告是一个很有价值，很艺术的事情。好的广告为用户提供了更多的选择，广告让生活更美好。
• 对于广告主而言，就是低成本的用户接触。对于效果而言，广告主关心的指标主要是：广告投放的质与量，质是指广告投放的ROI，量是指广告投放的量，最终合成的指标是：广告投放的毛利。在广告投放中，高质量的流量其数量必然是少的，所以说广告主不能仅仅将目光局限在ROI上。在这里可以得到一个基本的认知：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。
• 对于媒体侧而言，首先要平衡用户侧和广告主侧的利益诉求，在这个平衡点，广告带来的收益最大，用户侧的体验损失最小。

后文，如果没有特殊说明的情况下，提到的广告均指效果广告。

1.2  从CPT走向oCPC

广告是一个商业活动，在广告主和媒体方存在着商品交易，这个商品就是流量，广告主是流量的需求方，媒体是流量的供给方，直白地说广告就是流量交易。既然是交易，那必定有交易的方式和交易的价格。

首先说交易的价格必须是交易双方可以接受的价格，根据微观经济学原理，在市场经济下的完全竞争市场，供求关系决定价格，即使是竞价，交易的价格也是受供求关系影响的。然后说交易的方式，这个交易方式至少包含两方面内容：1、怎么售卖，定价还是竞价？2、按什么售卖，广告时长、展现、点击、还是转化？作者将其划分为四个阶段：

第一阶段是合约定价，售卖时长

这个是复制传统广告的交易方式。广告主采买的是媒体的某个广告位，独占一段时间，广告主需要评估这个广告位在这段时间内的流量及其价值，然后和媒体侧达成合约，简称为CPT（Cost Per Time）广告。

广告主后端的效果如成本、ROI等均不能保证。但互联网平台流量变化迅速，当平台流量增长100倍或者萎缩到1/100，仍然采用之前的CPT价格就不合适了。对于媒体而言，要想提高收入最快的办法是增加广告位，导致用户体验受损，然后和广告主重新谈判，寻求更高的报价。

第二阶段是合约定价，售卖定向展现

这个阶段解决第一阶段无法进行流量筛选和流量变化影响价格的问题。广告主根据流量标签（如性别、地域、兴趣标签等）筛选出想要的流量，并且要求媒体侧保量，按照千次展现进行付费，付费金额仍然遵循合约定价。

不同的标签对应着不同的流量，也对应着不同的价值和交易价格（这也是智能出价的最基本原理），注意这个价格肯定要比第一阶段的价格要高了，广告主需要将自己的成本折算到CPM付费上，当然不能保证后端效果。

对于媒体侧而言，需要对流量打标签了（涉及复杂的计算），互联网广告呈现出计算和数据驱动的显著变革，随着标签越来越细，流量被细分到多个纬度，媒体侧的合约保量越来越难达成。

比如说一个流量同时满足两个广告主的标签要求，一个广告主的合约没有达成，另一个广告主的出价更高，那么这个流量分配给谁呢？如果分配给第一个广告主，那么流量的分配效率受损，因为真正价值高的广告主没有获得流量；如果分配给第二个广告主，那么媒体就面临着履约失败赔偿。两者都会造成收入损失。

第三阶段是竞价，售卖点击

这个阶段解决第二阶段广告主对展现价值衡量不准和媒体侧收入受损的问题。广告主可以结合标签定向直接采买流量的点击行为，广告主对流量价值的衡量从展现缩短到点击上，按照点击进行出价(CPC)，准确性大大提高，广告主的后端效果越容易得到保证，但仍然不保证后端效果好坏。

媒体侧将售卖方式从合约定价改为竞价，不再受合约限制，可以实现每个流量下的价值最大化，但媒体侧需要将广告的点击出价折算到展现出价上，依赖点击率预估模型，并承担预估不准带来的损失。

同时媒体侧也面临一个问题，广告主往往是针对某个类型流量出CPC价格，这个价格很难适配其他流量场景，比如新的流量来源、新的流量栏位、新的广告样式等，并且为了广告主后端的效果，也做了诸多投放上的限制，最终导致广告主预算消耗不完，变现效率不高等问题。

第四阶段是竞价，售卖转化

这个阶段解决第三阶段广告主对点击价值衡量不准和点击出价不适配全场景的问题。广告主可以结合标签定向直接采买流量的转化行为，广告主对流量价值的衡量从点击缩短到转化上，直接按照转化进行出价，广告主的后端效果得到保证，广告主也可以实现全场景（一站式）投放。

媒体侧在全场景只需要将广告的转化出价折算到展现出价上，依赖点击率和转化率预估模型，并承担预估不准带来的损失，就可以实现全场景投放。至于平台侧是按照展现收费（oCPM)，还是点击收费(oCPC)，还是其他行为收费(oCPX)，均可以将展现收费折算到对应的行为上。

从第一阶段到第二阶段，可以看出交易方式变化的驱动力是广告主和媒体对效果和效率的最原始诉求。

 智能出价产品与策略

2.1  智能出价的驱动力

对于广告主而言，为了后端目标，在广告投放过程中，除了素材外，主要需要考虑的就是衡量流量的价值，进行流量筛选与出价。

原始的定向标签或者关键词是一种粗粒度、静态、个性化较弱的衡量流量价值方式。

对于大部分广告主而言，即使在CPC下，他们最希望不是获取多少点击，而是这些广告点击能够带来多少转化，他们需要不断的核算成本，并反映在最终的点击出价上，这个核算可能不准确，不能严格保证转化成本。

市场上的流量混杂，广告主需要花费大量的人力物力评估这些流量的价值，将转化成本折算到点击出价上。即使直投一个媒体，这个媒体的流量也可能包含搜索流量、推荐流量下的各种广告位，也可能是各种广告样式，大图小图组图，横版视频竖板视频长短视频等，广告主都需要一一折算，对预算投入十分谨慎。

更有甚者，极个别媒体在CPC下把广告创意改得吸引人一点，广告占据的面积大点，甚至添加激励或者诱惑因素等，使得点击率上涨，使得广告收入增加，此时广告主的转化率下降，成本可能已经上涨。

对于媒体而言，简化广告主操作，持续吸引预算投入，提升预算消耗是平台实现长期增长的主要途径。对于新产品变现、新流量来源、新栏位，新样式，广告主之前的CPC价格已经不能代表其价值了。统一的点击出价不能衡量不同的广告样式在不同流量上的价值。

因此无论是广告主还是媒体，都需要一个细粒度、动态、个性化强的方法来衡量流量的价值。这个方法就是关注广告主后端的真实需求，比如广告主的转化、成本、ROI等。对价值的衡量最终体现在广告的出价上。

2.2  成本优化与智能出价原理

成本优化是广告主和平台侧面临的重要问题。成本优化的方法可归结为两类：第一类是流量筛选，第二类是流量出价。在CPC场景下，广告主可以通过定向标签、关键词、量化的指标（如转化率）等筛选高转化的用户，进而广告的转化成本会降低。筛选流量存在掉量的可能，因此针对不同价值的流量出价也可以优化成本。

转化率是衡量价值高低的有效指标。很直觉地，如果转化率高，就出高价，争取更多的转化；反之转化率低，就出低价，降低转化成本。在这个过程中，已经看到了，流量价值通过转化率进行量化，实现最精细化的广告投放，解决了上面广告主和媒体面临的问题。（智能出价的这个基本原理是有前提条件的，这个原理不一定同时满足广告主对质和量的需求，我们在第三节中介绍）

2.3  转化率预估模型

目前主要是媒体侧负责构建转化率预估模型，当一个流量过来时，媒体侧会预估每个广告的转化率用于流量的筛选与出价，帮助广告主优化成本。转化在闭环的电商平台可能是最终的订单，在非闭环的平台需要广告主回传转化。转化率模型往往是一个二分类模型，模型输入是包含流量场景（如广告场景、栏位等）、用户社会属性，广告属性，用户与广告的交互等非常多的因素，输出是流量对这个广告的预估转化率。

可以明确地说，媒体不可能为每个广告主构造一个转化率模型，一般情况下是同一个转化目标的广告做一个模型，更有甚者只用一个多场景多目标模型。也就是说广告主的转化率很有可能受其他广告主影响的，特别是新账户新广告预估会整体偏向大盘，这也是后面oCPC产品存在学习阶段的根本原因。

经常有人问，对于模型而言，多少个转化才足够。这个没有标准答案，肯定是越多越好。另外需要明确地是模型学习用的数据是多天的，甚至是几个月的数据，当广告主改变转化目标时，这个模型仍然还是预估老的转化目标，不要渴望模型能够短期跟上转化目标的改变。

还有一个非常重要的，对于一些自回传转化的广告，特别是定义非常复杂，非常接近后端的转化，平台的模型很难做泛化（无法评估与之类似的流量），更多的就是记忆（只有同样的流量，场景，广告下预估的转化率会非常高）。

还有一个经常遇到的问题，广告主将跑得好的账户或者创意复制一下，期望获取类似的效果，这个往往都是不达预期的。一方面，复制的账户可能与原账户相互竞争流量，另一方面，复制的账户和原账户对于没有把创意作为特征或者仅仅把创意ID作为特征的点击率模型，转化率模型而言，根本就是两个不同的内容，因此效果天差地别也很好理解了。

2.4  eCPC产品原理与出价

有了预估转化率后，下面我们就可以考虑设计智能出价了。eCPC(enhanced CPC)是一种常见的智能出价产品。

eCPC的产品原理是：以基础转化率base_cvr（目标转化率）为基准，当流量的转化率高于base_cvr时，提高出价；反之，降低出价。

eCPC的产品形式是: 由广告主或者平台选定优化目标，广告主基于这个目标在原有的点击出价上给定一个调价范围，平台在这个调价范围内自动出价，按点击进行计费。

eCPC的点击出价公式是：ecpc_bid = cpc_bid * pcvr / base_cvr * k, 其中cpc_bid表示原有的点击出价，pcvr表示预估转化率, k是平台调控因子。

eCPC是一个简单直接的智能出价产品，但仍有广告主进行点击出价，基础转化率base_cvr是否合理、开环控制不保后端成本，不能从根本上解决解决2.1中广告主和媒体侧面临的问题。

2.5  oCPC产品原理与出价

oCPC目标解决eCPC的问题，在产品原理上，仍然是高转化率出高价，低转化率出低价，但不再设定基础转化率，直接让广告主表达转化出价given_cpa，由平台通过预估转化率计算点击出价，平台侧需要保证真实的转化成本等于给定转化出价。

oCPC的产品形式是：首先平台侧定义转化目标（如安装、激活、注册、付费等）。为了保证冷启动，平台侧往往会设计一个两阶段的出价产品。第一阶段是学习阶段，需要广告主表达点击出价，在这个阶段，系统直接使用这个点击出价。等到积累到足够多的转化数据时，进入第二阶段，由广告主选定转化目标，广告主基于这个目标给定转化出价，平台根据给定转化出价和预估转化率自动计算点击出价。两阶段均按点击进行计费。（有些平台在积累够足够多的数据时不再保留第一阶段，广告可以直接进入二阶段）

oCPC的点击出价公式是：ocpc_bid = pcvr * given_cpa * k, 其中k是平台控制因子。

2.6  oCPC成本控制

平台侧需要保证真实的转化成本real_cpa等于给定转化出价given_cpa，因为模型预估的不一定准确等各种干扰因素，所以最终可能会导致三个结果：

• 超成本，即real_cpa>given_cpa
• 成本达成，即real_cpa = given_cpa
• 欠成本，即real_cpa < given_cpa

特别注意real_cpa / given_cpa不是计费比，计费比的定义在第三节中说明。因此需要一个成本控制算法来控制目标达成。常见的成本控制算法有基于系统建模的逆系统控制和模型预测控制，无模型的PID控制等，在此不再赘述，感兴趣可以去看【广告与算法】公众号中的文章。

对于广告主而言，有几点需要特别注意：

• oCPC的成本控制是分钟级更新的，一般情况在是考虑当天的转化成本，这个只会影响K值的计算，进而影响出价。
• 模型的更新可能是天级别的，考虑的数据是多天甚至是几个月的，所以通过调整转化直接影响的是成本控制因子K值的计算，要想影响到CVR的预估要等很久了。
• 控制目标中的目标given_cpa一般是转化加权的given_cpa。 如上午出价5元5个转化，下午出价10元10个转化，那么目标given_cpa是（5*5+10*10）/ (5+10)=8.33元。

2.7  oCPC智能扩量

既然oCPC解决了广告主后端成本的问题了，那么对于前端的各类投放限制就可以放开了。

对于广告主而言，可以以统一的转化出价将广告投放到媒体的各种流量和广告样式上了，大大减轻耗时耗力的成本核算与出价工作。在成本保证的情况下，可以放开在广告预算、定向、人群兴趣、广告样式、栏位、创意、频次等各种限制。oCPC产品让广告主从复杂的成本核算中抽身出来，把广告主与市场的信息不对称的情况压缩到最小，促使广告主把注意力和精力放在自身产品或服务上，提高转化率和利润率，促进整体社会效率的提升。

对于媒体而言，预算控制，各种CPC出价打折暗投逻辑都可以逐步下线了，新产品的流量可以快速接入并商业化。比如对于搜索广告而言，主要的限制就是买词与检索词的相关性问题了，如果说转化率模型能够识别检索词及其用户针对广告的转化率，那么广告主其实不需要买词了。

而这一切美好的背后有一个很严格的前提：转化率预估和成本控制足够好。短期看，转化率模型替代搜索广告的买词还有很长的路要走。所以说平台侧将智能扩量设计为可选的内容，对于投信息流的广告主而言，智能扩量也许能够带来更高的量级，值得一试。

2.8  oCPC双出价产品与策略

广告主和媒体对投放效果与效率的追求是无止境的。当广告主可以把出价放到激活的时候，就在想能不能继续把出价向后端移，比如放到付费上呢？

对于广告主而言，可以抛弃前面的点击出价、激活出价，直接选择付费出价，但对于平台而言，其承担的风险就越来越大了，这种风险不仅仅来自于可能的广告主作弊行为，还来自与平台对深层目标的预估建模能力上。越深层的目标，数据量越少，对于模型而言，学习的难度就越大，进而预估的准确性就可能越差，最终会导致平台的流量分配效率和收入损失。

为了满足广告主对更深层目标效果的需求，平台侧往往会设计针对多个目标的出价，比如分别针对激活和次留双出价，激活和付费双出价。当一个流量存在多个出价进行衡量时，这个在分配机制上就变成了一个多维机制，直白地说：这个机制怎么根据这两个出价进行流量分配？

2.8.1  多目标出价的处理方式

针对多个目标的出价均可以折算到点击出价上。比如针对激活-付费双出价产品，广告主表达浅层激活出价和深层付费出价。

那在平台侧，浅层激活出价折算到点击出价公式是：ocpc_bid_1 = 点击到激活预估转化率 * 给定激活出价 * k_1，深层付费出价折算到点击出价公式是：ocpc_bid_2 = 点击到激活预估转化率 * 激活到付费预估转化率 * 给定付费出价 * k_2。针对这种多个出价，媒体侧有以下几种处理方法：

• 取其中最大的出价，如拼多多的多目标出价。当采用最大出价时，广告获取的流量是最多的，但是可能每个目标都达不成。
• 取其中最小的出价，当采用最小出价时，每个目标都是达成的，但广告获取的流量是最少的。
• 先采用浅层出价一段时间后，然后再切换到深层出价，如百度的双出价。每个阶段对应的目标是达成的，但广告可能要经历漫长的等待过程。

对于广告主而言，要针对平台的多目标出价处理方式做出选择。作者建议有多目标需求的，可以将其拆分为单目标的广告分别优化，如阿里的万相台（无界版）。

2.8.2  激活与次留率双出价

笔者专门介绍一下把激活与次留率双出价。严格意义上说，调整出价不能严格控制次留率的达成，因为低次留率出低价仍然有可能竞得流量。所以设计好的平台会让广告主表达目标的次留率，而不是次留出价。

对于平台而言，出价采用浅层激活的出价，深层则需要通过动态调整的次留率阈值筛选流量的方式来控制次留率，而不是通过次留出价的方式控制次留率。对于表达次留出价的产品，平台侧计算目标次留率=激活出价/次留出价。

2.9  ROI出价产品与策略

ROI出价产品几乎是广告智能出价的终极产品了，对媒体侧技术的要求也达到了最高。产品的形式，作者按照是否需要广告主回传用户付费价值分为两类：

第一类产品形式是不需要广告主回传用户付费价值，常见于电商闭环平台。广告主只用表达商品的目标ROI即可（也有叫投产比），投放优化的目标一般是当次展现的ROI。

第二类产品形式是需要广告主回传用户付费价值，投放的目标一般是当天ROI或者3天、7天ROI。

ROI的点击出价公式是：cpc_bid = 预估点击到付费转化率 * 预估付费价值 / 目标ROI。目标ROI越大，点击出价越低，反之越高。点击到付费转化率可能非常得小，平台侧预估很有难度、预估付费也不容易，这就制约着产品的效果和覆盖面。

对广告主而言，终极的产品就是CPS了，平台侧的处理方法与ROI产品类似，承担着来自流量不确定性、模型预估准确、广告主作弊等各种风险了。

oCPC下的竞价机制

3.1  披着二价羊皮的一价机制

3.1.1  什么是一价？

一价即第一价格密封拍卖，是一种拍卖方式，在广告中因为点击率和多坑位而推广到了广义第一价格密封拍卖（GFP），具体地，GFP分配规则是：按照eCPM（即广告主的点击出价和预估点击率之积）从高到低排序依次获取候选坑位，计费规则是：广告主的点击付费直接等于其点击出价。介绍一下戎文晋老师书中的GFP例子，如下图：

从表中可以看出，C广告主的平均点击收益是2元，低于A和B的，那么B只需要出2.01元就可以获取第二个广告位，A只需要出2.02元就可以获取第一个广告位，这时候B的收益是100 * (4 - 2.01) = 199元，B的付费是100*2.01=201元，A的收益是200*（10-2.02）=1596元，A的付费是200*2.02=404元，平台的收入是A和B的付费201+404=605元，这个的拍卖（分配）效率为200*10 + 100 * 4 = 2400元。

聪明的广告主B会尝试调价，想要获取更高的收益，当从2.01元调低出价时会发现一个广告位都获取不了，收益为0；当从2.01元调高到2.03元时，把A挤到了第二位，获取了第一位，这时候B的收益是200 * (4 - 2.03) = 394元，B的付费是200*2.03=406元，A的收益是100*（10-2.02）=798元，A的付费是100*2.02=202元。会发现广告主B提价后B的收益变高了，A的收益却变低了，平台的收入是406+202=608元，但拍卖效率200*4+100*10=1800，拍卖效率是降低的（这叫拍卖效率损失）。

A广告主发现失去第一位后，会马上把价格提到2.04元，这样反复操作，形成价格战，呈现如上图中的波动性出价的现象。直到价格战到A出价高于3.01元时，B再提高出价获取第一位置的收益小于出价=2.01时的收益时，就会退出此轮价格战，将价格重新调到2.01元，等待A将出价降到3.01元以下，再开始新一轮的价格战。

通过上面的例子看，GFP给广告主带来很大的负担，要不停地盯盘，调整出价；给整个广告系统带来很大的不确定性，整体拍卖效率低下。

3.1.2  什么是二价？

二价即第二价格密封拍卖，是一种拍卖方式，在广告中因为点击率和多坑位而推广到了广义第二价格密封拍卖（GSP）. 具体地，GSP分配规则是：按照eCPM（即广告主的出价和预估点击率之积）从高到低排序依次获取候选坑位，计费规则是：广告的点击付费等于排名下一位广告的eCPM/当前位广告的预估点击率，再加上一个很小的值。

在GSP机制下，广告主很快意识到其支付不会超过出价，终于可以放心出真实的价值了，不用看别人的出价了。从理论上而言，如果只有一个广告位的拍卖，在GSP机制下，不管其他广告主怎么出价，当前广告主按真实的点击价值出价时利益最大化（占优策略）；如果是多个广告位的拍卖，广告主都出真实价格也可以达到一个纳什均衡，即大家都没有动力去改变报价。参考上一篇文章的例子，广告主A、B、C报真实价格（10,4,2)时就是一个均衡状态，大家都没有动力去改变报价，来获取更多的收益。

GSP机制无论从理论还是实践上，其拍卖效率都要好于GFP。虽然广告主可能不理解GSP的各种理论，但他们知道自己的支付不会超出出价时，心里的安全感得到了保证。GSP机制很快成为了互联网广告行业最广泛应用的机制。

在GSP机制里，有一个结果性指标称之为计费比，是指广告的点击计费与点击出价的比值，这个值小于1，可以用来衡量竞价激烈程度。

3.1.3  oCPC下GSP被悄然替换成GFP

虽然说大部分平台仍然坚持说自己是GSP机制，但当oCPC的优化目标变成让真实转化成本等于给定转化成本时，无论采用什么计费机制，本质上已经是GFP了，GFP简单理解就是出价多少计费多少。

对于广告主而言，GFP机制最大的问题就是说真话，收益不是最大化的，需要时刻关注竞争对手的情况，不停地修改广告出价才能获得更高的收益。在oCPC下，广告主虽然不直接表达点击出价，但广告主通过表达给定转化出价和回传转化的方式，间接地表达出最细流量粒度的点击出价，广告主是参与甚至是控制出价设定的。那么平台为什么要采用GFP机制呢，广告主还乐于接受真实转化成本等于给定转化成本呢？

作者分析有几方面原因：

① 平台是贪婪的，GSP机制下追求填补计费与出价之间的buffer，与oCPC下追求填补真实转化成本与给定转化成本的buffer，并没有什么本质区别。

② 平台采用oCPC，是无法做出像CPC下计费小于出价的保证的，因为转化率预估不准等各种因素的影响，真实转化成本会在给定转化成本上下波动，优化目标直接设置为真实转化成本等于给定转化成本，也是直接能够想到的，理所应当。

③ 广告主通过给定转化成本和回传转化的方式，对流量质量有了准确的评估，相比于CPC，oCPC对后端成本和ROI有了较强的控制，自然希望平台能够指哪打哪。

④ 广告主对竞价环境有了更多的了解，oCPC让广告主的目光向后移动，同行和竞对的买量成本相对透明，并且简单，一探就知。

3.2  失效的智能出价原理

有一些聪明的广告主在使用oCPC过程中发现了一些问题，当他们不按照心中真实的转化成本设定给定转化出价时，或者通过不真实进行转化回传（如扣回传），竟然可以获取更好的效果（质和量）。这个问题直接让作者和广告主开始质疑智能出价的基本原理是否还有效。智能出价的基本原理是高转化率流量出高价，低转化率流量出低价。

广告主追求质和量，质表示转化成本越低越好，量表示转化量越多越好，即追求毛利最大化，毛利 =（真实转化价值-转化成本）* 转化量。在oCPC的GFP机制下，将毛利简化到一次流量竞争中，广告主的毛利 =（真实转化率 * 真实转化价值 - pcvr * given_cpa）* 竞价胜出的概率 * 真实点击率 ，竞价胜出的概率受pcvr * given_cpa影响，在正常机制下，pcvr * given_cpa越高，竞价胜出的概率越大。

上面的毛利公式中，真实转化率，真实转化价值，真实点击率是固定不变的。其中pcvr是平台根据广告主的转化回传数据进行预估的，我们假设平台预估准确，given_cpa是广告主设置的。在这次竞价中，广告主需要设计一个合理的转化回传策略影响pcvr和设定一个合适的given_cpa，在保证竞价成功的同时，获取最大的毛利。

当广告主漏传转化（其实影响是pcvr，pcvr降低），广告主不真实出CPA，比如降低given_cpa，仍然存在胜出的可能（比如没有竞对或者竞对的eCPM不高），这时付费降了下来，毛利会增长了。反之，有可能毛利下降。这最终会导致在投放实践中，每一个广告主都需要不断地测试回传量级和调整出价，以获取更好的边际收益。

3.3  平台假让利：最大转化成本出价

媒体好像意识到了GFP带来的问题，给出了一个叫最大转化成本出价的智能出价产品。这个产品的基本形式是：针对某个广告主，先给一个最大转化成本出价max_given_cpa，系统真实转化成本不会超过max_given_cpa。平台从上帝的角度出发，当发现竞价环境不激烈时，降低广告主的转化出价，进而降低广告主的计费；当发现竞价环境激烈时，提高广告主的转化出价，帮助广告主获取更多流量。

举个例子，假设有三个广告主A，广告主A心中真实价值是10，广告主B心中真实价值是12，广告主C心中的价值是5，假设每个广告主都按照心中真实价值设定最大转化成本出价。假设有两个流量，第一个流量只有A和C参竞，第二个流量，A，B，C均参竞。

如果平台直接采用GFP机制时，第一个流量A获得，付费10元，第二个流量B获得，付费12元，平台收益是22元。

如果平台采用最大转化成本出价，第一个流量到来时，发现竞价环境不激烈，将A的转化出价降低到6元，此时A获得流量并产生转化，A的付费是6元，为下次流量留出了10-6=4的提价空间，平台收益是6元；第二个流量到来时，发现竞价环境激烈，将A的转化出价到10+4=14元，此时A获得流量并产生转化，A的付费是14元，平台收益是14元。这两个流量A均竞得，得到两个转化，共花费6+14=20元，满足最大转化成本限制，平台收益是20元。

这个机制对A也许是好的，平台看似对A进行了让利。但对B也许是坏的，广告主又怎么判断自己是A还是B呢。即使不考虑平台的收益从22元降到了20元，但无论怎么说都会存在分配效率损失，当平台试图站在上帝视角做分配时，这一结论已经命中注定了。

3.4  竞价修罗场

我们直到竞价就是一场博弈，一场广告主与平台，广告主与广告主之间的博弈。每一个博弈的参与者都想找到一个好的策略（无论是怎么定义回传转化，还是调整出价），使得自己的利益最大化。占优策略是指不管别人执行什么策略，我执行这个策略就是利益最大化的。在当前oCPC产品形式下，很遗憾，不再存在占优策略，广告主需要在竞价中不断调整策略，来适应竞价环境的变化，陷入了竞价修罗场之中

未完待续！后续内容请查看：oCPC产品策略设计与投放实践（下）