作者·黄崇远
公众号
『数据虫巢』
全文8968字
题图ssyer.com
“ 人不够,系统给你凑。”
这个系列上一篇《数据与广告系列二十一:关于品牌广告,奔涌吧后浪》是五月底,这两个月时间倒不是停止了学习和前进,一直在进步从未停止过,只是确实没有通过公众号对外输出了,有点分身乏术。
一方面半年年关,项目要收尾,项目要回收数据,衡量产出,毕竟干了大半年不能当做白干。
另一方面新的半年开始,要做半年项目规划,前半年都熬过去了,可不能折在下半年。
性命(奖金)攸关,可不能大意。
这两个月把《深度学习推荐系统》看了一遍多,又结合自身周边的一些项目做思考,再加上对于项目中的一些深度学习模型进行了一些实践和探索,确实挺有收获的。
得找个时间,再补几篇关于人群召回,特征embedding化相关的文章。
今天这篇文章,承接自《数据与广告系列二十:oCPX大势下标签定向的发展演化》,核心的方向就是广告投放智能化。
主要目标是凑人。但说凑人的话,先把oCPX的逻辑大概了解清楚。
01
什么情况下需要凑人
人不够,系统来帮你凑。
什么情况下需要系统给广告主凑人?聊这个之前我们先看看之前在《数据与广告系列二十:oCPX大势下标签定向的发展演化》一章中,我们有提到过当前广告投放的趋势,其天平是逐步往广告主这边倾斜的。
从过去卖坑位(CPD),到卖流量(CPM),到按定向卖人(CPC),再到当前卖转化(CPA)。在当前oCPX的场景下,广告主的期望是保成本,其实保成本的逻辑就是保ROI。
举个简单例子,以一个APP的投放为例,他期望的激活成本是100大洋,那么在这个APP被引流用户激活之后,在一定的时间周期内,其实按照当前的激活成本来说,其最终带来的收益是可以实现移除引入成本之后达到正向收益。
所以,你会发现,实际上这种保激活成本的oCPX本质上是一种保ROI的过程。
oCPX具体的原理不会在这篇讲,这里只需要知道一个事就是oCPX核心逻辑是通过对CTR和CVR(转化率)的预估,从而系统能够通过预估的eCPM来确保平台是不亏本的,进而能够给广告主“夸”下保成本的“海口”。
如图所示,假设广告A进行oCPX投放,一般情况下会做定向投放,在oCPX第一阶段(即攒够CVR模型的样本数之前)时是按CPC收费的,所以此时对于广告主来说肯定会做一定的定向分析,然后尽可能的以低成本来攒够oCPX的启动成本。
在oCPX进入第二阶段之后,对于广告主来说,开始按成本收费,举个简单例子,平台给他带来一个转化,那么他就付一个转化的钱,这个转化单价在投放时已经设置好。
那么,这样看着是不是广告主就可以安枕无忧了,毕竟成本单价与收益单价肯定是核算过的,ROI肯定是正向收益的,这意味着广告主坐着数钱就可以了?
想多了。
在第二阶段,对于平台方来说其实是有挑战的,他需要通过第一阶段累积的转化样本数据,快速进行CVR模型的构建,最终计算eCPM,通过eCPM来估算自己的流量按广告主的成本单价会不会亏损。
那到底会不会亏损呢?对于平台来说,亏不亏损关键在于曝光流量会不会亏本卖。
当eCPM(就是预估的期望千次)比实际带来的CPM高的时候,也就是高估了,这个时候平台依然需要按广告主既定的成本单价给人家结算啊,这就意味着结算一个就亏一个,具体一个亏多少呢?实际单价-既定的成本单价。
反过来,如果eCPM长期低于实际的CPM,平台赚的差价就出来了,计算方式同上,只不过是正向收益。
所以,挑战来了,eCPM的预估要尽量的贴近真实的CPM,这样平台才不会亏损,如果一直高估,平台补这个差价会亏到爆。
当然,平台也不蠢,因为本身模型和数据回收也是个不断滚动迭代的过程,所以不可能说一直亏损下去也一直给你放量。平台的好处就是,可以自由掌控,如果我发现前个时间窗内,eCPM还一直高估,那么我就会终止给你的广告放量,从而