在(上篇-基础出价模式)中我们探讨了出价模式的“四点三率两控制一加强”分析模№型中的“四点三率”。其中“四点”即竞价点、计费点、出价点、考核点。各种出价模式的差异,很大程度上就是因为这四点位置的不同而造成的。例如下图展示了CPM和CPC中◣四点的位置差异。
而“三率”为四点之间的比率,即p(竞价点->计费点), p(计费点->出价点), p(出价点->考核点)。在(上篇)中,逐一分析了在大媒体平台下,“三率”真实值高低和预估值准确度对于媒体平台和广告主利益的影响,如下图所↑示。
在上篇的最后,我们还引出ζ了oCPX出价模式。它和CPM/CPC/CPA等基础出价模式的差异在于它实现了计费点和出价点的分离,另外实现了连续竞价下的智能出价控制。
在本篇中,我们就从智能出价控制即“两控制”谈起,再介绍“一加强”。然后我们就∞可以用完整的“四点三率两控制一加强”分析模型,对业界主流的oCPX, 双出价,AEO, VO等等智能出价模式进行解析。
· 正 · 文 · 来 · 啦 ·
六、 “两控制”:连续竞价下的智能出价控制
上面关于“四点三率”的讨论,都是基于●单独看待每一次竞价而言的分析。在最常用的GSP竞价』机制下,对于单次竞价,广告主只需要出自己能接受的最高价格就是利益最大化的。比如说广告主核算后发现最高可以承受800块1个※付费用户♀,按照激活到付费的历史经验大约是0.1,那么激活出价就应该填写80元。
但因为投放是一个连续的多次拍卖行为,一方面广告主给出的价格是多次竞价的平均价格⌒,前期拍卖的结果会对广告主后续能接受的最高价格有影响(例如前期买便宜了,后面出价可以出高点)。另一方面,有的广告主也有预算限制。因为这两个原因,所以有必要根据过去㊣ 拍卖的结果,对每次的出价进行调整。每个原因对应一种控制。
1、连续竞价下的成本控制:
仍旧假设广告主激活出价为80元,如果早期★通过投放购买到的100个激活只花了每个50元,那么其实可以在后面的出价出得更高一些,只要最后综合的成本不超过80元就可以,提高出价还可以买到更多的量。
同理,如果之前投放的平均成本到达了120元,那么就需要限制出价,让最后的综合平均成本降到80元左右。oCPX通常就意〓味着媒体平台对出价点的出价进行连续竞价下的成本控制,让最后的平均成本接近广告主设定的值。
2、连续竞⌒价下的预算控制:
这种控制是针对广告主有单日或者周预算限制的情ζ 况。例如一天的预算为1万元,并且在上午就已经花掉了5000元。那么在后面的竞价里,就应该降∩低出价,防止预算太早花完。如果过早花完预算,那么晚些时候一些很便宜的流∴量就没有预算进行购买了,没有最小化平均成本。
在有限预算下要降低每个行为的平均成本(例如激☆活的平均成本),就必须让预算以▓合理的节奏花掉。不是说绝对的平均花费(每个小时花1/24),而是让花费和流量的分布差不多一致(例如晚上流量高的时候多买点)。
想做得更好的话,可以在流量更便宜的时候多买一些,贵的时候※少买一些。这就是体现技术实力的地方了。值得注意的是,在有些出价产品中,当设置了预算控制时,广告主▅无需在投放后台填写出价点的出价,而是完全由媒体平台根据预算来设定和调整。
这两个就是我们“四点三率两控制一加强”中的两控制。
现在基本上所有媒体平台的出价模式,只要带上“智能出价”(smart bidding)类似字眼的,就意①味着至少有这两个控制中的一个。值得一吹的是,2014年笔者在一家创业公司做国内第一家移动DSP平台的时候,做了出价点和计费点分离,也创新地ω 用PID控制实现了这两个智能出价控制功能,在出价产品上领先很多大公司(虽然这些产品没有被多少∩人用到过…)
值得注意的一点是,在oCPC这个名字里,是看不出出价点在哪里的。因此不能唯一确○认一个出价模式。在本文中,我们可以约定在最后加一个出价点的字母来唯一标示一个出价模式。例如oCPC-A, oCPM-I等等。不过为什么媒体平台都没☆有这么命名呢?因为媒体平台其实没有办法保证广告主回︾传的是a还是别的什么行为。假设媒体平台想用oCPC-A模式,但是广告主其实可以回传不是a而是付费p, 同时在出价里填上一个付费的出价就可以了(原本应该填一个激活的出价∏∏)。这个时候oCPC-A就变为oCPC-P了。
▶ 在oCPX出价模式中,广告¤主是否应该回传真实的行为数据?
按照上面的讨论,出价点的行为数据是广告主自己回传的,广告主可以有几种方式不按照媒体平台要求的回传所有的出价点数据,我们依次来讨论下对广告主是否▆有利。
1) 广告主只回传部分出价点的数据, 例如只回传50%
这种情况下↑,对于该广告主的p(计费点->出价点) 预估会偏小△接近1半,导致广告主的出价偏低,拿不到量。要拿到一样ㄨ的量,就得把出价提升为原来的2倍。这样一抵消,在计费点的出价是不变的,媒体的收入并没有降低,反倒是因▅为少了一半样本,p(计费点->出价点)的预估变得更不准了,损害了广告主自己的ROI。国内是由广告主自己归因,有些广告主以为归因媒体平台的时候尽【量保守,对自己会有好处,其实是不对的。
2) 广告主→回传更深度(或者更浅)的数据而不是出价点的数据,例如回传付费数据(或者下载),而不是原█来约定的激活数据。
这种情况下,广告主如果在出价里也填入的是付费出价(或者下载),那么对于这个广告主而言,oCPC-A就变成了oCPC-P或者oCPC-I。遗憾的是,如果其他ω大部分广告主还是回传的激活数,那么因为媒体平台在训练p(计费点->出价点)模型的』时候,并不是只用该广告主自己的数据,而是也受到其他广告主数据的影响,那么这样做会因为训练目标的类々型不一致,让这个广告主的p(计费点->出价点)的预估准确度受到负面影响,对广告主投放不利。
所以在oCPX出价中,广告主︾按照约定,完整回传约定◥的行为数据,其实是对自身最有利的行为。
▶ 为什么国内的很多oCPX会有超成本赔付机制?
这个问题要从CPC vs oCPC的比较,我们用“四点三率”来对⊙照他们的差异。
对比CPC和oCPC, 我们只发现一个区别,就是谁来□预估p(c->a)的区别。但是这也会带来一个很不一样的地方,就是在CPC中,p(c->a)由广告主预估,预估得偏高或者偏¤低广告主利益都受损。但是在oCPC中,p(c->a)由媒体平台预估,如果ㄨ预估偏高,媒体平台的收入是增加的,偏低则媒体平台收入下降。那么理论上媒体平台就有动机在短期内故意预估△偏高(不会长期偏高是因为】广告ROI下降后,会减少投放,最终◣损害媒体平台利益),这也是(上)篇末尾抛出的问题。
因此在国内如某音,某手▓等广告平台在oCPC(或者oCPM,原理一样)都会有超成本赔付机制来自我制约,弥补这个机制上的↓问题。
例如广告主用激活出价,80元一个转化,如果因为媒体平台故意短期▼内预估偏高,导致【广告主激活成本超过80元,媒体平台都〗会进行赔付。而在国外,FB和Google的广告产品并没有这个赔付,笔者个人认为是因』为国外的信任机制比较好,广告主相信大的媒体平台会考虑更长◇远的利益,即使偶尔会有超㊣成本,但是也相信是技术上的原因,是投↑放成本的一部分。而国内因为历史原因,比较难建立这样的信任机制,所以需要媒体平台自缚双手,以示清白。
▶ 为什么国内的媒体平台,对oCPX的超成本赔〖付,要求广告积累的行为数(例▽如激活数)达ぷ到一定的数量才开始赔付?
某音的oCPM赔付要求该广告单元积累10个行为数(例如激活数),某手也是类似的要求。为≡什么不能只要超成本就赔付呢?
有两个原因:
第一个原因是如果没有行为数(以∩下以激活数为例)门槛,那么广告主有可能会隐藏激活数不上报,最后要求媒体平台进♂行全额赔付(因为一个激活都没有)。虽然因为广告主不上报◥激活数,媒体的模型会将这个广告单元的预估得越来越低,最终为0,也就是媒体平台给这个广★告主的量①越来越少,最终完全不给量。但是▂在早期,广告主仍旧能获得不少点击或者激活(但是没上报给媒体平台)。
如果媒体平台不设置激◣活数门槛而全额赔付,就会一直被广告主薅羊毛。而一旦设】置了激活数门槛,相当于广告主至少需要支付激活出价*激活数门槛的费用。因此只要媒体∩平台做完全停止给广告主量的时候,成本小于上述的广告主○最小支付成本,那么媒体平台的利益就不会受到损伤。
第二个原因是因为模型学习需要一◥定数量的样本,在没有积累到足够的激活数之前,模型预估△偏高偏低都是很难避免的,这并不是媒体平台刻意为之的行为,不应该由媒体平台来单方面承♀担这部分成本。
▶ 为什么某条自有流量要从oCPC模式转为oCPM?
某条自有流量的售卖,一开始是oCPC模式,后来转为了只有◆oCPM。
我们用“四点三率”的差异来看看oCPC vs oCPM有什么区别?
我们可以看到,从oCPC到oCPM,有两点变化:
第一个︻变化,在比率绝对值上,不求量广告主原来有动机不提高p(