Ocpc 效果广告中对达成率较好的广告主出价提权重设想

一、背景

OCPC 是效果广告最近两年比较好的业务模式，目标是通过对广告主 ROI 进行优化，在满足广告主达成的情况下，提高平台整体收益。OCPC广告在实际的投放过程中存在：

1、个别广告主因为广告创意、媒体（平台）的模型、策略扶植的优势，往往造成广告主的实际投放成本远低于广告主的期望成本，在广告主不是特别求量的情况下，广告主往往会调整出价；
2、由于媒体（平台）的模型、策略的变更，部分广告主在这次的模型、策略变更中获得收益，也会造成变更后广告主的实际投放成本远低于广告主的期望成本，也会造成广告主调整出价；
3、也可能部分广告主在这次的模型、策略变更中变成劣势，造成变更后广告主的实际投放成本大于广告主的期望成本，模型、策略变更前投放效果很好的单元变差引起广告主的反感，给效果广告的运营人员造成压力。

为了应对上述三种情况中，在广告主达成率比较高的情况下，适当提高广告主出价权重，即提高广告主出价，在帮助广告主抢一些曝光的同时，也可以提升平台收益，同时大概率会降低广告主达成率，避免其反复调整cpa出价，利于平台长远稳定发展。

ecpm的出价公式如下：

ecpm=ctr * cpa * cvr * K * cb * 其他控制因子 = ctr * bid 

注：K是竞价因子，起到全局调整的目的，
这里重点说一下K，因为通常CPC、Ocpc广告都是放在一起参加竞价的，通过调整K的大小，可以 控制CPC、Ocpc的曝光比例。
bid: 广告主出价，
cb: 成本控制因子
达成率=期望转化成本/实际转化成本

二、实验目的

通过在出价公式中设置达成率权重因子accomplish_weight，在单元达成率情况比较高时，适当提高广告主出价权重，即提高广告主出价，在帮助广告主抢一些曝光的同时，也可以提升平台收益，同时大概率会降低广告主达成率，避免其反复调整cpa出价，利于平台长远稳定发展。

加入达成权重因子后出价公式：

ecpm=ctr * cpa * cvr * K * 其他控制因子* accomplishWeight 

= ctr * bid * 其他控制因子 * accomplishWeight

通过在出价公式中设置达成权重因子accomplishWeight，当在广告主达成率比较高的情况下，动态 出价提权生效（适当提高广告主出价），在满足达成的前提下提升平台收益；当在广告主达成率比较低的情况下， 动态 出价提权不生效，保持广告主达成 。

三、实验分析

下面我们分析一下，对满足什么条件的单元进行提价，提价要考虑哪些因素。

1、达成率分析

达成率=广告主设定期望cpa/实际广告主投放统计cpa，绝大部公司是 达成率=实际广告主投放统计cpa/广告主设定期望cpa ，我们这里设置为前者。

达成率对实际投放的指导：

达成率80%以下：达成较差，如果广告主长期保持该水平，该广告主可能流失。
达成率80-100%：达成基本广告主基本满意，符合广告主预期，基本可以接受。
达成率100-120%：达成良好， 平台让利。
达成率120%以上：达成特别好，平台让利过多，长期损害平台利益，可能造成广告主调低出价，不利于长期ocpc效果广告长期发展。

 

2、转化数目对达成的影响 

转化[0,4): 对达成率影响波动特别大，一个转化数据回传都可能影响整体达成率的趋势。

转化[5, 10）: 对达成率影响波动较大，达成情况基本还可信。

转化[10，20）：对达成率影响波动较小，达成情况基本置信。

转化20个及以上：对达成率影响波动很微小，达成情况完全置信，不会因为个别转化突然回传，对整体达成率有较大的影响。

 

3、消费对达成的影响：

一般来说，消费和达成情况有相关关系：消费越多，达成情况越稳定

 

4、转化对达成的影响：

转化类型基本有安装完成、激活、提交表单、付费、有效咨询等类型。

每种类型的转化回传时延差异很大，现在达成率基本是按天统计的，如果转化回传时延很大的广告主，在上午通过提价获得转化的样本，很难在下午的时候回传。
ps：在达成很好的情况，提高出价，会降低当日达成率

四、函数设计

在考虑上述几个条件后，并考虑每个条件的权重。我这里选择了下凸函数，因为希望在达成率还不是很高的时候，出价比较平稳，设计了如下函数：

五、实验效果

经过两周50%的ab实验观察发现，大盘cpm上涨1%以上，cpa基本上涨不到1%，达成率（期望/实际cpa）高于100%的单元明显减少。

六、实验复盘

该策略实验基本上解决了 “成本控制因子”没有解决的问题，实现了对达成比较单元的再次”收割“，使广告主的达成率控制在一个可基本接受的范围内，基本比较完美解决了背景中提到的三个问题。

对于该策略有没有必要的问题，我想是这样，如果“成本控制因子”策略已经能 比较 完美的解决 达成率的问题，那么该实验可能就真的没必要去做。

 

“无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。”