信息流ocpc第二阶段转化出价_OCPM/OCPC 深度转化双出价能力详解
和大部分的公众号作者一样,一般进入正题之前我喜欢先说点个人观点,想法,好比吃正餐时会先上点配菜。但这次我决定直接进入正题,开门见山。
一. 双出价主要解决的是什么问题?对于广告主和广告平台来说有什么收益?
我们知道,OCPX广告的能力主要是解决广告转化的问题,比如说应用和游戏的激活,表单和线索的填写等,但这些转化对于广告主来说都是浅层转化,无法触及更深层次的转化,比如游戏的广告主希望买到更多的付费用户,应用类的广告主希望激活的用户留存率更好,表单和线索则希望填写的表单和线索都是有效转化的线索。
越往后端的转化,广告主投放的效果越能得到保障。所以广告主是有充分的需求要求投放广告的效果更偏向深层次转化的。
而对于广告平台来说,主要有两个方面的原因促使其不断的优化深层次的转化来保障广告主的利益。
首先,我国经济的增速已经没有前几年那么高了,广告主的预算有限,而拥有流量的公司还是很多的,比如腾讯,字节,百度,快手等,都拥有非常大的广告流量(即广告库存),对广告主预算激烈的竞争使得广告平台需要进行不断的优化来优化广告效果,保证广告主的利益。
其次,获取这些深层次的转化数据有利于广告模型能力的提升。越深层次的广告主数据越值钱,比如说游戏的付费用户值500块以上,汽车行业,例如宝马的线索值2700块以上(汽车行业垂直APP汽车之家MAU 大概在6500w,每年收入90亿+,主要在销售线索上),原来这些数据广告主不太愿意回传给广告平台的,但是由于投放广告又需要更深层次的转化来保障效果必须要回传。广告平台拥有了这样的数据后对于其广告模型或者探索其他业务来说都是一个非常好的用户数据宝库。比如原来不做游戏的媒体,突然想做游戏了,广告主回传的不同游戏类型的付费用户数据简直就是精准到极致的用户群。只要游戏质量过关,就能有目的性针对这批用户进行投放。若果还想要了解广告主和广告平台的数据,可以看下我之前的文章。广告平台和广告主是如何互相“窃取”数据的(上)以及 广告平台和广告主是如何互相“窃取”数据的(下)
这样,双方都有利益,针对深层次转化出价的方式就比较好推进了。
二. 什么是叫双出价?为什么要双出价?
双出价,指的是投放的时候是双目标的出价,比如针对广告激活一个出价,针对广告付费又同时进行一个出价,这种情况就是双出价模式。
对于一般的广告出价,广告主都是按照单一目标出价,比如CPC,CPM或者CPA。理论上,针对深层次转化的出价也可以是单出价,广告主也乐于看到这样的一种模式,比如直接针对付费出价,一个付费用户500块这种。
针对深层次的转化无法直接单一目标出价。直接针对深层次的单一目标出价的模式有两个很大的问题。
首先,深层次的转化数据非常稀疏(即量级少),在新广告上线进行训练阶段要训练出一个相对可信的转化数据预估模型一般需要10个左右的转化(有些平台会少些,但一般在6-10个转化)。举个例子,一般视频信息流中,游戏广告的CTR在1%,激活CVR在10%左右,从激活到付费比例10%已经算不错了,也就是说,训练出10个付费转化需要10w的曝光(100000 * 1% *10% *10% = 10),按短视频游戏ECPM 60-80的预估信息流ocpc第二阶段转化出价,这里的流量成本达6000-8000。一些大的平台每天上千个新广告上线的情况来计算,这个将是非常大的模型训练和学习的流量成本。这个是广告平台无法承受。
其次,如果直接按照深层次转化目标进行收费,不转化不收费,广告主有非常大的作弊操作空间。作弊的情况主要也是针对于新广告的训练期,作弊手段是少回传广告转化。因为一旦过了新广告的训练期,广告平台已累计足够的转化数据可实时判断出回传的数据情况,从而进行DCVR(深度转化CVR)的值来降低广告主的竞价ECPM。
而在新广告模型训练期,广告系统是无法进行这个调节的,因为广告系统不知道是因为转化数据不够,还是因为广告主少回传深度转化数据而导致转化数据稀疏。因此会一直跑,直到广告曝光超出设定的某个阈值。某些广告主就针对这个场景在新广告上少回传转化,这时候系统是无法准确判断,从而使得流量被薅得非常多。
那么,针对这种情况,很多广告平台推出了双出价模式,即针对浅层目标一个出价同时针对深层转化目标一个出价,比如说针对用户激活一个出价信息流ocpc第二阶段转化出价,针对用户付费一个出价,前期按照浅层目标跑模型和竞价,逐步积累深层次转化目标。等深层转化目标是数据足够后,广告系统根据广告主的诉求进行一定竞价策略(这点要注意,不是直接转成深层次出价单一模式)。
三. 深层转化OCPX双出价跟普通的oCPX广告有什么区别?
首先,在转化数据量级上,深层转化OCPX数据上更加稀疏,深层转化数据回传更慢,有些甚至是隔日的(比如次留)。广告算法能够快速调优的前提是数据的回流足够快。深层转化模型和普通OCPX广告模型由于数据的量级和回流速度,就会有不少的区别。
其次,深层转化OCPX投放方式必须双目标出价,即从第一阶段过渡到第二阶段短期内看还必须保留,广告系统目前无法完全只出深度目标价格而忽略浅层转化目标出价。针对深层转化的oCPX双出价的广告模式,跟oCPX的广告能力刚开始上线的时候非常相似,都拥有两个阶段。很多广告平台刚开始做OCPX的时候,也都会经历两阶段,即第一阶段按cpm 或者CPC出价,等到广告预估模型数据积累足够后,则转成OCPX的模式进行竞价。只是后来随着技术的进步,逐步取消了第一阶段的出价而已。现在我们在市面上看到的大部分广告平台针对OCPX广告其实已经取消了第一阶段的出价而直接针对浅层的OCPX目标出价了。
深层转化oCPX也是分为两个阶段,前期是浅层目标按OCPX进行竞价,同时累计深层转化数据。等深层转化数据足够后,根据广告主的需求确定广告相应竞价策略。但这里并不像普通浅层OCPX直接从CPM或者CPC转成OCPX深层转化的ECPM,深层转化OCPX有其独特的一些竞价策略。根本的原因是广告主需求导致。
比如针对应用类广告主,广告主双目标分别是激活成本和次留率。广告主的目标是既要满足激活成本又要满足次留成本。而针对游戏的广告主,更多则是只需要深层转化付费用户的成本即可。
四. 深层转化OCPX双出价,在竞价排序中ECPM是怎样的一个计算公式?针对广告主的需求有哪些ECPM取值策略?
当前市面上绝大部分的广告系统广告的排序都是按ECPM进行排序的。无论是浅层转化还是深层转化,最终都会转换成ECPM值进行比较和排序。让高价值的广告优先展示。
浅层转化OCPX计算ECPM 的公式是:
ECPM 1= α* CPA 1* pCTR * pCVR ,其中α是动态调价因子,CPA1是广告主浅层目标出价,pCTR的广告点击率预估,pCVR是广告点击到浅层目标转化的转化率预估。
深层转化OCPX一般的计算ECPM 的公式是:
ECPM2 = β* CPA2* pCTR * pCVR 2,其中β是动态调价因子,CPA2是广告深层目标出价,pCTR的广告点击率预估,pCVR2是广告点击到深层目标转化的转化率预估。
广告前期会使用浅层转化ECPM1 进行竞价排序,等深层转化数据累计后,就会计算深层转化ECPM2,与ECPM1根据以下规则进行竞价。
若广告主核心诉求是满足深层转化目标,则当深层转化数据累计足够后,广告的竞价排序会采用ECPM2进行竞价,这个时候主要考核的成本就是深层转化目标,而浅层目标则有很大的可能是会超出成本,如下图所示,一般的游戏投放会分为激活成本和付费成本,按付费用户的成本为目标投放,主要的目标用户是右边的那个小椭圆,即存在激活成本不达标,但是付费成本达标的用户,我们可以理解为这部分用户转化率不那么高,但是一旦转化,付费意愿缺特别强的那波人。而这些用户的获取,广告主是毫无抗拒的理由的。
若广告主的核心诉求是双目标都要满足,比如应用既需要满足激活的目标成本,也需要满足留存的目标成本,这个时候当深层转化数据累计后,广告竞价排序的ECPM = min(ECPM1,ECPM2),即上图的两个相交的部分。
有些时候,由于数据回流的延时非常严重,比如深度转化是留存率的或者是线索到店的这种,由于广告模型无法得到实时的数据模型,深层转化目标的ECPM会采用权重值的计算方式,即
ECPM = α* CPA1 * PCTR * PCVR * λ(pDVR/target_DVR)
其中,其中α是动态调价因子,CPA1是广告主浅层目标出价,pCTR的广告点击率预估,pCVR是广告点击到浅层目标转化的转化率预估,λ是深度转化动态调整因子,pDVR是从从浅层转化到深层转化的转化率预估,target_DVR则是浅层目标到深层目标转化率的目标值。比如针对次留、有效线索的就有使用这个公式进行调优的,根据预估深层目标转化率与目标转化率的比值权重,使得高转化的用户在二阶段可以有更高的竞争力,不断的接近目标深度转化率。
不过在实际应用中,你会发现各种各样的问题,要么是跑不起量,要么就是广告深度转化超成本比较猛,期间需要不断的进行数据分析,跟策略算法团队保持积极沟通和广告策略的调整,以保证广告主获量以及效果的稳定。
深度转化的诉求里,还有其他可深入探讨的优化能力,比如当前游戏行业的深度转化主要买的是付费率,并不是该用户可以付费的量级,付费10块和付费1000块都是一样的深度转化出价,这里就有优化的空间。只是,每一次广告模型的提升,都会涉及到核心数据的交换。这块的深入分析,我们后面有机会可以再说说。
免责声明:本文系转载自其它媒体,版权归原作者所有;本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,旨在传递信息,不代表本站的观点、立场和对其真实性负责。如需转载,请联系原作者。内容会稍有编辑,如果来源标注有误或侵犯了您的合法权益等其他原因不想在本站发布,来信即删。投稿等其它问题请联系本站
文章来源:https://zhuanlan.zhihu.com/p/345289176
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。