常见的广告投放方式还有CPMCPC装了。
CPM:每千次展示费用 每千次曝光成本即按照曝光次数转换如微信朋友圈视频形式广告在上海就按照¥ 180一千次曝光扣费不管你是否点击了广告算法。因为它不用护理本次曝光是否有效;但是为什么说只是短期?很简单广告主又不是傻子若发现广告后续转化一直很差势必会减少在该媒体的投放。按照点击出价如果广告只有曝光没有点击就不扣费;看似比较公平但是广告主需要大量的测试才能找到最佳的投放方法实际上还是有一部分点击是浪费的这对于媒体也是 损失。于是oCPX模式就应运而生它能帮助广告主优化更深层次的转化行为同时提升有效点击提高媒体收益。在这里简单转述一下。
文章细节很多没兴趣看的同学只要关注以下几点:
本次预测的点击率*转化率与历史平均的点击率*转化率的比值决定了 系统定义调整的系数;淘宝的论文中广告保证eCPM最大和各方利益总和最大。:“系统会自动调整出价”);预测转化价值p = pCTR * pCVR * v; v代表平均每次购买带来的价值可以连续为常数; pCTR表示预测的广告点击率pCVR表示预 估计的转化率(如转化行为可以定义为“购买”);历史转化价值h = hCTR * hCVR * v; hCTR代表历史广告点击率hCVR代表历史点击后转化率;淘宝实践中hCVR是用过去 投放的竞品广告数据(估计是解决冷启动的问题如果账户已经积 累了转化数据肯定会用广告主自己的数据)利用pCVR预测模型进行计算去掉最高&最低10%取均值得到的。
假设广告主的目标 是保证(或提高)ROI;单独点击ROI =(pCTR * pCVR * v)/ b0; b0是该广告标题此类广告带来的购买GMV除以该广告的投放费用即得到该广告的ROI( 为了简化计算方式预想广告主投入即等于广告点击费用即不考虑广义次高价的逻辑广义次高价GSP机制可以参考替代的文章)要维持或提高投资回报那么只需要保证b1 / b0≤ p / h
b1代表算法优化后的出价;举个例子假设本次曝光预计能带来1.5倍的转化价值那么只要优化后的替换/广告主变量小于等于1.5倍那么整体 的ROI是不会下降的;反之若预测转化价值低于历史均值那么降低转化;由于b0p和h都知道那么只需计算b1满足该约束即可。
真实广告 投放环境中为了兼顾品牌安全和账户稳定将b1 / b0的范围控制在[1-α1 +α]范围之内淘宝论文中将α值设置为0.4即广告最高收益不会超过 广告主设定的140%下限也不会低于广告主设定的60%。
若p /h≥1则系统优化后称为b1的下限l(b)= b0占用上限u( b)= b0 * min(1 +αp / h))(因为有ROI约束在不能突破p / h的约束);若p / h <1那么系统优化后就成为b1的下限是l( b)= b0 *(1-α)上限是u(b)= b0。通过以上约束也可以实现我们经常说的:关于转化概率高的流量(p / h> 1即本次广告 转化率比历史平均转化率要高)提高收益获得更高展现概率;反之对于转化概率低的流量(p / h <1)降低减少展现机会。
那么问题来了若多 一个广告竞争到底是谁赢得了这项成就?