（上）篇回顧

在（上）篇中我們探討了出價模式的“四點三率兩控制一加強”分析模型中的“四點三率”。其中“四點”即競價點，計費點，出價點，考核點。各種出價模式的差異，很大程度上就是因為這四點位置的不同而造成的。例如下圖展示了CPM和CPC中四點的位置差異。

而“三率”為四點之間的比率，即p(競價點->計費點), p(計費點->出價點), p(出價點->考核點)。在（上）篇中，逐一分析了在大媒體平臺下，“三率”真實值高低和預估值準確度對于媒體平臺和廣告主利益的影響，如下圖所示。

在（上）篇的最后，我們還引出了oCPX出價模式。它和CPM/CPC/CPA等基礎出價模式的差異在于它實現了計費點和出價點的分離，另外實現了連續競價下的智能出價控制。在（中）篇中，我們就從智能出價控制即“兩控制”談起，再介紹“一加強”。然后我們就可以用完整的“四點三率兩控制一加強”分析模型，對業界主流的oCPX, 雙出價，AEO, VO等等智能出價模式進行解析。

（中）篇正文

6.?“兩控制”：連續競價下的智能出價控制

上面關于“四點三率”的討論，都是基于單獨看待每一次競價而言的分析。在最常用的GSP競價機制下，對于單次競價，廣告主只需要出自己能接受的最高價格就是利益最大化的。比如說廣告主核算后發現最高可以承受800塊1個付費用戶，按照激活到付費的歷史經驗大約是0.1，那么激活出價就應該填寫80元。

但因為投放是一個連續的多次拍賣行為，一方面廣告主給出的價格是多次競價的平均價格，前期拍賣的結果會對廣告主后續能接受的最高價格有影響（例如前期買便宜了，后面出價可以出高點）。另一方面，有的廣告主也有預算限制。因為這兩個原因，所以有必要根據過去拍賣的結果，對每次的出價進行調整。每個原因對應一種控制。

連續競價下的成本控制：仍舊假設廣告主激活出價為80元，如果早期通過投放購買到的100個激活只花了每個50元，那么其實可以在后面的出價出得更高一些，只要最后綜合的成本不超過80元就可以，提高出價還可以買到更多的量。同理，如果之前投放的平均成本到達了120元，那么就需要限制出價，讓最后的綜合平均成本降到80元左右。oCPX通常就意味著媒體平臺對出價點的出價進行連續競價下的成本控制，讓最后的平均成本接近廣告主設定的值。

連續競價下的預算控制：這種控制是針對廣告主有單日或者周預算限制的情況。例如一天的預算為1萬元，并且在上午就已經花掉了5000元。那么在后面的競價里，就應該降低出價，防止預算太早花完。如果過早花完預算，那么晚些時候一些很便宜的流量就沒有預算進行購買了，沒有最小化平均成本。在有限預算下要降低每個行為的平均成本（例如激活的平均成本），就必須讓預算以合理的節奏花掉。不是說絕對的平均花費（每個小時花1/24），而是讓花費和流量的分布差不多一致（例如晚上流量高的時候多買點）。想做得更好的話，可以在流量更便宜的時候多買一些，貴的時候少買一些。這就是體現技術實力的地方了。值得注意的是，在有些出價產品中，當設置了預算控制時，廣告主無需在投放后臺填寫出價點的出價，而是完全由媒體平臺根據預算來設定和調整。

這兩個就是我們“四點三率兩控制一加強”中的兩控制。

現在基本上所有媒體平臺的出價模式，只要帶上“智能出價”（smart bidding）類似字眼的，就意味著至少有這兩個控制中的一個。值得一吹的是，2014年筆者在一家創業公司做國內第一家移動DSP平臺的時候，做了出價點和計費點分離，也創新地用PID控制實現了這兩個智能出價控制功能，在出價產品上領先很多大公司（雖然這些產品沒有被多少人用到過...)

值得注意的一點是，在oCPC這個名字里，是看不出出價點在哪里的。因此不能唯一確認一個出價模式。在本文中，我們可以約定在最后加一個出價點的字母來唯一標示一個出價模式。例如oCPC-A, oCPM-I等等。不過為什么媒體平臺都沒有這么命名呢？因為媒體平臺其實沒有辦法保證廣告主回傳的是a還是別的什么行為。假設媒體平臺想用oCPC-A模式，但是廣告主其實可以回傳不是a而是付費p, 同時在出價里填上一個付費的出價就可以了（原本應該填一個激活的出價）。這個時候oCPC-A就變為oCPC-P了。

在oCPX出價模式中，廣告主是否應該回傳真實的行為數據？

按照上面的討論，出價點的行為數據是廣告主自己回傳的，廣告主可以有幾種方式不按照媒體平臺要求的回傳所有的出價點數據，我們依次來討論下對廣告主是否有利。

(1) 廣告主只回傳部分出價點的數據, 例如只回傳50%

這種情況下，對于該廣告主的p(計費點->出價點) 預估會偏小接近1半，導致廣告主的出價偏低，拿不到量。要拿到一樣的量，就得把出價提升為原來的2倍。這樣一抵消，在計費點的出價是不變的，媒體的收入并沒有降低，反倒是因為少了一半樣本，p(計費點->出價點)的預估變得更不準了，損害了廣告主自己的ROI。國內是由廣告主自己歸因，有些廣告主以為歸因媒體平臺的時候盡量保守，對自己會有好處，其實是不對的。

(2) 廣告主回傳更深度(或者更淺）的數據而不是出價點的數據，例如回傳付費數據（或者下載），而不是原來約定的激活數據

這種情況下，廣告主如果在出價里也填入的是付費出價（或者下載），那么對于這個廣告主而言，oCPC-A就變成了oCPC-P或者oCPC-I。遺憾的是，如果其他大部分廣告主還是回傳的激活數，那么因為媒體平臺在訓練p(計費點->出價點）模型的時候，并不是只用該廣告主自己的數據，而是也受到其他廣告主數據的影響，那么這樣做會因為訓練目標的類型不一致，讓這個廣告主的p（計費點->出價點）的預估準確度受到負面影響，對廣告主投放不利。

所以在oCPX出價中，廣告主按照約定，完整回傳約定的行為數據，其實是對自身最有利的行為。

為什么國內的很多oCPX會有超成本賠付機制？

這個問題要從CPC vs oCPC的比較，我們用“四點三率”來對照他們的差異。

對比CPC和oCPC, 我們只發現一個區別，就是誰來預估p(c->a)的區別。但是這也會帶來一個很不一樣的地方，就是在CPC中，p(c->a)由廣告主預估，預估得偏高或者偏低廣告主利益都受損。但是在oCPC中，p(c->a)由媒體平臺預估，如果預估偏高，媒體平臺的收入是增加的，偏低則媒體平臺收入下降。那么理論上媒體平臺就有動機在短期內故意預估偏高（不會長期偏高是因為廣告ROI下降后，會減少投放，最終損害媒體平臺利益），這也是（上）篇末尾拋出的問題。

因此在國內如某音，某手等廣告平臺在oCPC（或者oCPM，原理一樣）都會有超成本賠付機制來自我制約，彌補這個機制上的問題。例如廣告主用激活出價，80元一個轉化，如果因為媒體平臺故意短期內預估偏高，導致廣告主激活成本超過80元，媒體平臺都會進行賠付。而在國外，FB和Google的廣告產品并沒有這個賠付，筆者個人認為是因為國外的信任機制比較好，廣告主相信大的媒體平臺會考慮更長遠的利益，即使偶爾會有超成本，但是也相信是技術上的原因，是投放成本的一部分。而國內因為歷史原因，比較難建立這樣的信任機制，所以需要媒體平臺自縛雙手，以示清白。

為什么國內的媒體平臺，對oCPX的超成本賠付，要求廣告積累的行為數(例如激活數）達到一定的數量才開始賠付?

某音的oCPM賠付要求該廣告單元積累10個行為數（例如激活數），某手也是類似的要求。為什么不能只要超成本就賠付呢？

有兩個原因：

第一個原因是如果沒有行為數（以下以激活數為例）門檻，那么廣告主有可能會隱藏激活數不上報，最后要求媒體平臺進行全額賠付（因為一個激活都沒有）。雖然因為廣告主不上報激活數，媒體的模型會將這個廣告單元的預估得越來越低，最終為0，也就是媒體平臺給這個廣告主的量越來越少，最終完全不給量。但是在早期，廣告主仍舊能獲得不少點擊或者激活（但是沒上報給媒體平臺）。如果媒體平臺不設置激活數門檻而全額賠付，就會一直被廣告主薅羊毛。而一旦設置了激活數門檻，相當于廣告主至少需要支付激活出價*激活數門檻的費用。因此只要媒體平臺做完全停止給廣告主量的時候，成本小于上述的廣告主最小支付成本，那么媒體平臺的利益就不會受到損傷。

第二個原因是因為模型學習需要一定數量的樣本，在沒有積累到足夠的激活數之前，模型預估偏高偏低都是很難避免的，這并不是媒體平臺刻意為之的行為，不應該由媒體平臺來單方面承擔這部分成本。

為什么某條自有流量要從oCPC模式轉為oCPM？

某條自有流量的售賣，一開始是oCPC模式，后來轉為了只有oCPM。

我們用“四點三率”的差異來看看oCPC vs oCPM有什么區別？

我們可以看到，從oCPC到oCPM，有兩點變化:

第一個變化，在比率絕對值上，不求量廣告主原來有動機不提高p（競價點->計費點）的比率，在oCPM模式下兩方動機一致了，是一個改進。

第二個變化，原來在oCPC模式下，原來媒體平臺不管預估偏高偏低都會收入下降，但是在oCPM下，有動機預估偏高了，而且會損害廣告主ROI，但是通過賠付機制可以彌補這個問題。

所以綜合來看，從oCPC過度到oCPM對廣告主沒有什么利益損傷，對媒體平臺來說，可以避免不求量廣告主主動降低p(競價點->計費點）的問題（雖然這個問題在充分競爭的流量上影響很小）。這可能是某條從oCPC轉向oCPM的其中一個原因。

另外，某條的產品很多，有文字廣告，圖片廣告，視頻廣告，所以轉化鏈條也很多樣，有的按點擊收費，有的按播放3秒收費，有的按播放完收費，如果統一用m計費也有利于統一管理。但是FB和Google的廣告產品還是可以讓廣告主自行選擇oCPM還是oCPC，這兩者的差異其實并不太大。

雙出價是怎么樣一種出價方式？

如圖，以激活付費雙出價為例，該出價模式有兩個不同的出價點，廣告主把這兩個行為數據都給媒體平臺，讓媒體平臺提供免費的出價轉化服務。最終轉化到計費點的時候，也會有兩個計費點價格。這兩個價格是有沖突的，得從這兩個價格合并得到一個最終的價格。具體實現就看各家媒體自己的設計了。

不過可以確定的是，各家媒體平臺都會力求保證激活和付費的成本都不超過設定的激活和付費出價。那么這種方式和單按付費出價并保付費成本（例如某條的“激活且付費”出價模式）有什么區別呢？我們來分析一下。

• 如果一批流量，激活成本達標，付費成本也達標，那么這批流量雙出價和單付費出價都能拿到。
• 如果一批流量，激活成本達標，付費成本不達標。那么這批流量雙出價和單付費出價都拿不到。
• 如果一批流量，激活成本不達標，付費成本也不達標，那么這批流量雙出價和單付費出價都拿不到。
• 如果一批流量，激活成本不達標，付費成本達標，那么這批流量雙出價拿不到，而單付費出價能拿到。

所以激活付費雙出價和單付費出價的差異就在于是否要“激活成本不達標，付費成本達標”這部分流量。

廣告主更在意的是付費成本，“激活成本不達標，付費成本達標”這部分流量廣告主是需要的，那么為什么還需要有雙出價？筆者認為，原因在于前期付費數據較少，付費成本在收斂到付費出價之前，會經歷較大的波動，某個時刻甚至會遠超付費出價，導致學習期失敗或廣告主受不了自己關停。而雙出價，通過放棄了“激活成本不達標，付費成本達標”這部分流量（實際上是放棄了“激活成本不達標”的所有流量，因為早期無法把“激活成本不達標，付費成本達標”的流量從“激活成本不達標，付費成本也不達標”的流量中區分開來，只好一股腦全放棄了），來達到降低前期付費成本波動的效果，最后可能學習得更穩，成功率更高，全時間段的綜合成本更低。

但是到了后期，付費數據已經積累夠多，有能力把“激活成本不達標，付費成本達標”的流量和“激活成本不達標，付費成本也不達標”的流量區分開了。那么再放棄“激活成本不達標，付費成本達標”的流量就會限制廣告主能買到的量了。因此對于已經積累到較多付費數據，和前期付費成本波動較小的廣告，可能用單付費出價是更合適的選擇。

7. “一加強”

“四點三率兩控制”都討論完了，就剩下一個“一加強”。我們以Facebook的一個產品為例來介紹。

在Facebook應用推廣的投放設置頁面，我們可以看到計費點可以選擇為impression，出價點可以選擇為轉化（例如可以是激活a）, 還可以選擇針對某個應用內事件優化（Optimiaztion for Ad Delivery App Events），這個優化可以是激活后的某個行為，例如付費p。那么投放系統會在oCPM-A的基礎上，盡量優化獲得更高的付費數。我們姑且把這個命名為oCPM-A-enhancedP模式。

這么一來就在出價點和考核點之間加了一個新的點，加強點。假設出價點在a, 激活點在p。那么問題來了，為什么媒體平臺不直接讓廣告主在更后端的加強點p出價，然后通過預估p(a->p)和其他幾個率，把加強點p的價格換算成eCPM? 如果是這樣，就相當于出價點在p, 沒有加強點的情況。為什么不這么做呢？

回顧一下前面的內容，出價點與計費點分離且更靠近鏈路后端能帶來更好的效果，前提是媒體平臺對p(計費點->出價點)要比廣告主隱含地用固定值預估的p(計費點->出價點)要更準才行。但有時候，因為數據較少或者其他原因，對于p(a->p)這個比率，媒體平臺用數據預估的比率，比廣告主隱含地用固定值預估的值更加不準確。那么這一段就不能放到計費點->出價點了。這也就是為什么不能把出價點后移到加強點的原因。

但是媒體平臺的數據也不能浪費了，可以用來對廣告主隱含地用固定值預估的值進行加強（enhance），即：

p_adj(出價點->加強點) = p_廣告主預估(出價點->加強點) * adj(x) ---（式1）

其中x為廣告的特征向量。

直觀理解，媒體平臺根據數據，判斷該廣告的p(出價點->加強點)較一般廣告高，就把出價再調高一些，如果p(出價點->加強點)較一般廣告低一些，就把出價再調低一些。這個價格的再次調整通常會有個范圍，例如某條的“自動優化”在公開文檔上寫明是控制在-30%到+30%之間，即adj(x)的范圍在0.7到1.3之間。只要p_adj(出價點->加強點)的準確率大于p_廣告主預估(出價點->加強點)，那么添加這個加強點就有收益。

媒體平臺是無法直接獲得p_廣告主預估(出價點->加強點)這個值的，因為這個值是隱含到出價里的。不過還好也沒有必要，我們把針對加強點調整后的ecpm記為ecpm_adj，則有

ecpm_adj= p(競價點->出價點)*p_adj(出價點->加強點)*加強點出價

將（式1）和

加強點出價=出價點出價/ p_廣告主預估(出價點->加強點)

代入上面ecpm_adj的式子，則有

ecpm_adj= p(競價點->出價點)* p_廣告主預估(出價點->加強點) *adj(x) *(出價點出價/ p_廣告主預估(出價點->加強點))

約去后有

ecpm_adj= p(競價點->出價點)*adj(x)*出價點出價

用這個值作為競價點排序的ecpm就可以了。

從這里我們也知道為什么（式1）中是把adj(x)簡單地乘到p_廣告主預估(出價點->加強點)上了，因為如果是更復雜的函數，上面的推導就不一定成立了。

除了Facebook，Google的enhanced CPC從文檔描述上看也是這類產品，另外某條的“自動優化”功能也是將付費作為了加強點的產品。

8.“四點三率兩控制一加強”總結

經過分析會發現，絕大多數出價模式都由“四點三率兩控制一加強”這幾個部分組成，當遇到一個新的出價策略，我們可以將他們按這幾個部分的不同進行拆分，方便理解。我們通過分析幾個市面上主流公司的出價模式，來進行總結。因為考核點對于每個廣告主來說不一樣，和投放平臺關系不大，沒有列出。（下表信息均來源于公開的各投放平臺后臺或者幫助文檔中）

表中，app events可以是下載，安裝，激活，付費等各種app事件但不能是回收金額。Facebook的計費點中的v表示視頻觀看完10s或者看完。另外在Facebook的產品中，當app events選擇不同行為時，計費點，加強點的選擇是有限制的，不是都可以選擇。Google計費點的m/c這個并沒有實錘，是我猜測的。騰訊用oCPA來表示出價點在a，計費點在m或c的出價模式，命名方式不一樣，和其他公司的模式容易混淆起來，注意區分。

另外，表中所有有預算控制的出價模式，廣告主都無需在投放后臺填寫出價點的出價，而是完全由媒體平臺根據預算來設定和調整。在盡量花完預算的同時，最小化出價點的成本。

在各家的產品中，每個模式還可以配搭幾種不同的消耗速度，例如某條有（均衡投放、優先跑量、優先低成本），每家的具體策略不一樣，我猜測是在成本控制和預算控制的具體實現上，匹配了不同的pacing策略和參數。Facebook，Google也有兩檔的消耗速度可以選（standard和accelerated)，快手有兩檔（標準投放，均衡投放），騰訊兩檔（標準投放，加速投放），百度有三檔（標準，勻速，加速）。

表中回收金額表示某段時間內（例如一周）通過內購或廣告的形式產生的廣告主收入。當出價點為回收金額時，表示每回收1元錢，所需要出的價格，也就是ROI出價。例如廣告主可以對一周內的1元回收金額出價為0.4元，則對應的ROI目標就是0.4。Facebook中的ROI優化產品就是大家了解的VO（value optimization）, 根據成本/預算控制的區別，對應兩個出價模式：Value optimisation with min. ROAS和highest value。優化app events的產品就是AEO（appevents optimization），根據成本/預算控制的區別，對應兩個出價模式：lowest cost（其實還有一個target cost，控制上稍微有些不一樣）和cost cap。

尾聲

本文介紹了在“四點三率兩控制一加強”中的“兩控制一加強”。然后詳細分析了大媒體平臺中，oCPX, 雙出價，激活且付費，AEO，VO等等各種智能競價模式。至此大媒體平臺的出價模式分析就結束了。在（下）篇中，我們將目光轉移到聯盟廣告和RTB廣告，去看看在聯盟廣告和RTB廣告中，隨著利益綁定關系的變化，三方的博弈又發生了怎樣的改變。

總結

以上是生活随笔為你收集整理的深入互联网广告中的出价模式（中） — 智能出价模式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。