数据与广告系列二十二：智能化投放中扩量场景的技术实现策略

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