oCPX是如何实现智能出价的?

我们以广点通oCPA为例子来看下oCPX的实现原理。理解了oCPA的实现原理,oCPM和oCPC自然就理解了。

oCPA的实现原理大概是这样的:系统通过机器学习的方式建立转化预估模型,实时预估出广告的每次点击对于广告主的转化价值,即预估转化成本(eCPA)和预估转化率(pCVR),然后选出预估转化成本小于或者接近广告目标转化成本并且预估转化率相对较高的那些点击,为这些点击曝光这个广告,最终使得平均成本接近目标出价

上图举了一个例子,一个目标成本为10元的广告,系统会选择哪些点击呢?

我们已经知道系统的目的有两个:

1)转化成本接近10元

2)在成本达成出价的前提下,尽可能多的转化数

为了达到第一个目的,系统会选择预估转化成本小于或者等于10元的点击,另外同时为了达到第二个目的,系统也会适当的选择一些转化成本高于10元而转化率又还不错的点击(比如上图中第4个点击),然后把不满足要求的点击过滤掉。

到这里,有这么几个问题:

1)系统是如何选择出符合要求的点击,使得目标可达呢?

2)eCPA是怎么计算出来的?

我们先看第一个

1)系统是如何选择出符合要求的点击,使得目标可达。

对于一次曝光机会,主要是通过eCPM来参与竞价排序的。要想增加一个广告的曝光概率,就提高eCPM。

eCPM的计算公式如下:

eCPM = 收入/广告曝光曝光次数
又:
收入 = CPM ×广告曝光曝光次数
收入 = CPC×CTR×广告曝光曝光次数
收入 = CPA×CTR×CVR×广告曝光曝光次数
所以:
eCPM = CPM
eCPM = CPC×CTR
eCPM = CPA×CTR×CVR

在oOCPA广告曝光过程中

eCPM = 目标转化出价×pCTR×pCVR*智能调价因子。

可以看出转化率越高ecpm就越高。

所以说答案就是,oCPX在广告主给出的目标成本情况下,针对单次曝光请求,系统预估转化率(pCVR)和点击率(pCTR),pCVR越高的(即对该广告主而言,用户质量越高),则系统帮助客户针对这个用户出越高CPM价格,以提高eCPM,从而提高广告在此用户上的曝光概率。

另外这里还有一个智能调节因子

智能调节因子:相当于一个高级的系统优化师,会根据广告预算的消耗情况,转化成本和目标出价之间的差距,调整短时间内的实时出价。比如在成本满足要求的情况下,如果预算消耗的过快,系统会短时间内降低你的实时出价,让你的广告预算相对消耗慢一点,保证到一天结束的时候,把预算消耗完,同时满足成本接近目标出价。

2)eCPA是怎么计算出来的?

根据以上公式,我们可以得出:

CPA = eCPM/(CTR*CVR)

= CPC/CVR

所以

eCPA = CPC(点击计费)/pCVR

系统可以知道每个广告位的能赢得曝光的最低曝光竞价

点击计费(CPC) = eCPM/pCTR

在广义第二价格GSP(Generalized Second Price)机制下

实际点击计费(CPC) = eCPM2/pCTR

所以就可以算出eCPA了。

同理oCPM、oCPC原理也大体类似。不过可以理解为,oCPM是不是选择点击而是选择曝光,因为oCPM是按曝光计费的,那这时候

eCPA = CPM/(pCTR*pCVR)。

从上面的分析可以看出,oCPA的核心是pCVR和pCTR

知道pCVR和pCTR才可以智能出价。

我们来理解一下预估转化模型是如何预估pCVR和pCTR的。

机器学习的模型是建立在大量数据的基础上,那这些数据主要包含哪些内容呢?

主要是这三个维度,广告特征数据、用户画像数据、用户历史行为数据。

广告特征数据:创意标题、创意图片、落地页、商品内容、创意文案、广告所属账户ID、应用名称、色彩搭配等。一个广告包含多个特征,特征的集合的差异是描述一个广告创意区别另一个创意的维度。

用户画像数据:包括性别、年龄、学历、地域、兴趣爱好、商业爱好等。

用户历史行为数据:用户在广告上的历史转化行为,谁在什么类型的广告上发生了多少次什么样的转化。比如点击、下载、激活、购买、充值、收藏、加购等。

通过机器学习模型,去训练这些数据,就可以得到这三个维度数据之间的对应关系。

打个通俗易懂的比方,比如相亲网站,帮单身男女做配对匹配。主要考察三个维度的信息,男士信息,女士信息,男女配对信息

男士信息:年龄、身高、学历、工作、收入、兴趣爱好、家庭等

女士信息:年龄、外貌、学历、工作、收入、兴趣爱好、是否贤惠等

男女匹配信息:什么类型的男士和什么类型的女士成功牵手,以及发展程度恋爱、结婚等。

当平台上存在大量的男女信息和最终成功配对信息,自然能分析出什么样的男士跟什么样子的女士更匹配。

同理,oCPX转化率预估:

广告投放的初期,这三个维度积累的交叉数据相对较少,比较难刻画各维度之间对应的关系。随着广告转化数据的积累,这个对应关系就会越来越清晰准确。所以oCPX的使用一般都会有一定的门槛,需要累积一定的转化数据才可用。而有些平台允许广告主零门槛使用oCPX,那是因为他们平台过往已经累积了很多相似广告的转化数据,但比较广告之间会有一定差异,所以零门槛使用oCPX前期模型可能会不大稳定。

来源:广告营销那点事

1、版权声明:除非注明,版权均属 老杨SEM博客 原创文章,转载请注明出处。
2、版权协议:本站采用创作共用版权 CC BY-NC-ND/2.5/CN 许可协议,凡是投稿的内容表明该作者以授权给老杨SEM博客及其各类自媒体帐号、网站专栏中以及各种版权信息处理
3、侵权处理:用户认定侵权争议的内容,请第一时间提供版权争议链接为相关原创证明材料并加盖公章,发送到邮箱。第一时间断开版权争议的内容链接,并永不上架该作者的其他内容。
原文地址: oCPX是如何实现智能出价的?

发表评论

提供最优质的资源集合

立即查看 了解详情