01 什么是oCPX
o是Optimized，优化一词的首字母。
CPX即Cost Per X，“X”即泛指传统的那些按不同方式进行结算的模式，如：CPC（Cost Per Click，按点击付费）、CPM（Cost Per Mille，按千次曝光付费）、CPA（Cost Per Action，按转化效果付费（转化效果例如：表单留销售线索、App下载安装、新注册用户、领优惠劵、加购物车、甚至下单等））等；
合并起来即是oCPX，即可优化Action转化效果的各种CPX，在传统模式结算的基础之上，加入了广告平台方的数据及算法能力，可进一步对转化效果目标进行优化。
前提需要有后续转化效果数据的回传才能闭环算法优化，这些数据可以是广告主给平台方回传的转化数据，也可以是广告主采用广告平台方提供的表单工具收集销售线索的转化数据。
同时还需要广告主在平台中设置转化效果成本目标作为算法执行时的优化目标。
02 oCPX的特点
1.按约定CPX计费：
如oCPC按点击计费；oCPM按曝光计费；由于是算法根据历史数据预估的转化率，可能存在实际未产生转化的情况，此情况下也会扣费。当然报表中广告主能看到转化成本表现情况，若广告主无法接受，可进行停投处理。
2.二阶段出价：
由于系统需要积累历史数据机器学习（学习已回传的转化数据），之后才能算法优化。一般分两阶段，第一阶段为人工定向或盲投，数据采集阶段，按照人工的设置以传统CPC、CPM的方式出价。第二阶段广告投放人员会在系统中设置转化目标价，系统根据转化数据算法智能优化，并以此转化目标价为目标，系统算法管理对传统的CPC、CPM进行智能浮动出价。设置界面如下图所示为某平台截图示例：
3.智能出价：
注意在第二阶段算法优化时，出价会浮动，不过是始终以围绕转化目标价为目标的。因此转化目标价若设的过低会出投不量。所以该转化目标价需适度斟酌，尽量参考之前或一阶段实际投放的成本价表现，持平或上调一些。
4.素材尽量不动：
我们都知道广告素材对效果影响很大，由于是算法通过历史数据学习自动优化投放的，所以尽量两阶段不更换素材，若需更换素材有可能还需重启第一阶段积累数据。而且算法自动优化时，某些在第一阶段使用的智能定向的功能会由算法接管，这个就需要多注意不同广告平台的特殊说明了。
5.量缩价涨：
由于系统算法在原有CPC、CPM基础上，还要优化转化效果目标，所以对流量会进一步进行筛选，多投那些预估转化率高的流量，故而曝光或点击量可能会减小。从报表中看CPC、CPM成本也会提高，呈现量缩价涨的情况。
03 各种模式差异点
我们选取oCPC、oCPM、oCPA几种典型的oCPX进行对比说明：
oCPC：
结算依旧按CPC点击扣费。广告主投放在第一阶段时，系统按预估点击率优化，系统积累了一些历史转化数据后（学习已回传的转化数据），广告主可设定二阶段的转化成本目标，然后由系统算法自动优化。优化以转化成本目标为目标，算法按预估的点击率和点击转化率（简称点转率）自动决定出价，但由于是预估的，可能出现没有产生转化的情况，但结算按CPC结算，此情景下也会扣费。当然报表中能看到转化成本表现情况，若广告主无法接受，可进行停投处理。oCPC即优化点击也同时优化转化。
可见较适用于那些更追求点击以及转化质量的投放。
oCPM：
按CPM曝光扣费。广告主投放在一阶段时，投放系统积累历史转化数据后（学习已回传的转化数据），广告主可设定二阶段的转化成本目标，然后由系统算法自动优化。优化以转化成本目标为目标，算法按预估转化率自动决定出价，但由于是预估的，很可能曝光后未产生转化，但依旧会按CPM结算，此情景下也会扣费。同上，当然报表中能看到转化成本表现情况，若广告主无法接受，可进行停投处理。可见oCPM对比oCPC，在抢流量的同时，提升转化率、降转化成本。
较适用于那些对曝光量和投放速度、转化都有要求的投放，快速起量增速投放。
oCPA：
目前市场上并不多，会特殊一些，由于存在两个优化Action点，所以我们要先定义出转化路径前后两种Action动作，例如：Action1下载安装，Action2为下单。Action1是结算依据，Action是优化目标。
打个比方：我们若将Click点击事件定义为Action1事件的话，oCPC就是一种特殊的oCPA。这样就便于理解了。
若类比oCPC来看oCPA，就能发现这种模式下的投放，对转化路径的质量要求特别高。
04 以oCPC为例看大体步骤
1.对接回传转化数据
一般各广告平台都会有相关接口说明（可参见《一文速览主流媒体Marketing API》），或自助托管的表单平台。
该阶段需要花几天联调对数，查看数据回传及报表是否正常？
2.创建广告投放设置
正常的CPC或CPM的投放设置：预算、素材、定向条件等
3.进行一阶段投放（积累一定量的转化数据，如20个转化以上）
一周左右，为了利于后续算法优化获得更多的样本数据，可适当提高出价
4.二阶段系统智能出价并优化流量筛选
设置转化目标成本，开启转化目标为“转化”的投放；
虽然有一阶段的历史数据，但一般还是会有一个算法建立模型学习的过程，尤其是对出价、竞得率、转化成本目标等建立模型。所以这时不建议频繁调整出价和定向等；
且冷启动阶段投放波动会比较大，转化量及转化成本都有可能不稳定；
亦可给予一周左右观察期。
5.达成转化成本目标，持续稳定投放（若未达到则需调整设置等操作，或换素材，或停投）
若上阶段转化成本未达目标，成本过高，则需考虑停投，或更换素材重新开始；
转化成本及量都会相对稳定，可进入稳定投放期，也不建议频繁调整出价和定向等。预计这个阶段3-4周左右的时间，不同产品素材疲劳度不同。
最后会出现转化成本变化不大，但转化量开始下滑，说明广告素材用户疲劳，需更换广告素材。重新开始上述流程，重新再进入一阶段积累数据的过程。
05 以oCPC为例看比价计费机制
第一阶段比价同传统CPC：
1.按 点击出价b1 和 预估点击率pCTR1 换算出 单曝光出价p1：
p1＝b1 * pCTR1
（注意：若系统优化CPC出价，出价b1有可能也会被系统管理动态智能出价，算法以系统中设置的CPC价为目标）
2.在系统中按曝光出价进行比价，价高者得
3.按出价列表中的第二高价p2，结合原预估点击率pCTR1，换算回CPC再加1分钱进行计费。
cost1 = ( p2 / pCTR1 ) + 0.01
（补充说明：此处换算中未列比价排序常说的eCPM，因eCPM准确定义为千次曝光的价格，需将单次曝光价格乘1000才是千次曝光价格，而换算回CPC的时候用的还是单次曝光价，又需将千次曝光价格换算回单次曝光价格，还需再除以1000，所以省略了这个冗余操作。）
第二阶段oCPC：
1.按 转化出价CVRb1 和 预估点击率pCTR1、预估点转率pCVR1，换算出 单曝光出价p1：
p1＝CVRb1 * pCTR1 *pCVR1
（注意：系统自动优化时，该CVRb1出价也会被系统管理动态智能出价，算法以系统中设置的转化成本目标为目标）
2.在系统中按曝光出价进行比价，价高者得
3.按出价列表中的第二高价p2，结合原预估点击率pCTR1，换算回CPC再加1分钱进行计费。cost1 = ( p2 / pCTR1 ) + 0.01
从该机制可见：oCPC、CPC都会存在预估点击率pCTR高影响胜率的风险，只是oCPC中又增加了预估点转率pCVR因子对出价及胜率的影响。所以对媒体流量卖方而言，算法如何能有效地训练好数据模型，对点击率、转化率进行更有效的概率预估，对媒体流量商业化，提高流量变现效率极其地重要。
其实在旧文《 DSP常见的定向及优化设置【基础类】》中，也有提到一些类似的竞价算法投放设置可供参考。
（转载请注明出处：微信订阅号：ad_automation 或 Mar_Tech ）
