上周抽时间参加了某培训机构的公开课《搜索oCPC拓量与线索质量优化》，想了解真正一线的优化师们是怎么使用oCPC的。课程中有两点值得学习：一是计算驱动，分析全链路营销漏斗各个环节，明确关键卡点，再调整投放动作；二是全链路协同，投放侧与下游（如销售侧）能够协同，增加有效的信息反馈，不断迭代投放策略。

在互联网需要不断学习和实践，我写文章的速度很慢，原因是需要不断学习总结业界的各种材料，分析实践情况，也担心文章写不好，误人子弟，压力还是挺大的。

言归正传，在上一篇文章oCPC实践录 | oCPC转化的设计、选择、归因与成本设置（2） 中我们初步讨论了两个问题：1）平台侧需要考虑广告主的诉求，为广告主设计和选择转化，避免GFP和智猪博弈情况的发生，减少不确定，让广告主不需要探查市场，就有纯策略占优操作。但在现实实践中，是很难做的，这将是一个漫长的过程；2）在现有机制规则下，广告主怎么出价和选择&回传转化可以获取更高的收益呢？笔者将其拆解成6个小问题。

（一）

第一个小问题是广告主怎么选择和回传转化？上篇文章中我们首先介绍了一个思路：回传高价值的用户。我们需要讨论几点：

1）怎么定义高价值用户？

对于应用内变现行业（如IAA，IAP等），高价值用户直接对应着应用内即时变现收益高的用户，将这部分用户定义为转化，可以在平台允许的时间范围内作为浅层转化进行回传。

对于公域导流到私域，在私域做再营销的行业（如医美、大健康、教育、机械），判断高价值用户需要的时间周期就非常长了，通过投放广告后引导用户添加微信、QQ等，转入私域交易。直接将这类高价值用户做回传需要的时间非常久，即使作为深度转化，对于平台的模型预估和成本控制而言也是不能忍受的。因此往往会退而求其次，将用户在广告落地页的即时行为定义为转化进行回传，如表单提交、电话调起、聊天框一句话/三句话咨询、微信停留时长、店铺停留时长等，当然广告主也可以自定义组合行为回传。

对于需要自回传的广告主而言，基本上都会尝试各种回传方式，甚至还有构建回传模型的。有平台将这种方式定义为oCPK，在这里我就要“学究”一下，这个定义我认为是不恰当的，很容易误导人。oCPC是optimization cost per click，含义是优化的点击计费，oCPM是optimization cost per mille，含义是优化的千次展现计费，计费点仍然是在点击或者展现上。

言归正传，我看很多广告主不断地尝试各种行为组合，调整回传比例和回传参数，期望获取最优的效果。更有甚者，刚调完转化回传的内容，就立马期望有效果，甚至是深层效果。这种做法即使有效果，也是碰运气，有结果但不会有结论。原因有：①转化率模型学习和更新是需要时间的，不可能立马调整，预估新的转化；②笔者不认为现有模型有足够强的学习能力，能够学习泛化到广告主希望的行为上来，更别说深层的付费交易上了。现在模型学习的顶多是一种对历史转化用户的记忆。

也许有人会问了，有时候当调完转化回传后，即使转化率变化很大，但转化成本也能很快控制好呀，这个是不是说明模型学习能力好呢？非也，这个只能说明平台的成本控制比较及时，成本控制的时效性较高，最快可以几分钟调整一次，即出价公式中的K值。另外，即使转化率模型实时更新，也只是在原有模型的基础上将新的转化做增量训练，历史的数据仍然会起作用。

所以说当调整完转化后，想立即看新转化下的效果是需要长时间等待的，并且想评估新转化下的效果也是不容易的，很难通过AB实验说明，往往要靠广告主的直观判断，看能不能起量，后端效果好不好。

然后我们讨论一个问题，价值阈值多高才算高价值用户呢？比如说如果这个阈值设置高了，高价值用户量就少了，对应的转化率就低了，自然出价也会高；如果这个阈值设置低了，高价值用户量就多了，对应的转化率就高了，自然出价会变低。

也就是说是选择低转化率高出价的回传方式呢？还是选择高转化率低出价的回传方式呢？前者价值区分度高，但模型识别难度高，而且可能回传速度慢；后者模型识别难度相对容易，可能回传速度快，但价值区分度低，可能平台还有一个最低转化出价限制。

笔者没有很好的办法来判别，建议是转化率能维持同行业的均值上，不能太高，太高可能会使得账户冷启动超成本，也不能太低，太低增加模型学习难度。另外的建议是不要频繁调整转化率，既不利于模型学习，也不利于成本控制。

还有一个非常需要注意：回传的高价值用户的数据是否置信？有两个层面的解释：①该用户的数据是否足够置信，以支撑其高价值的判断；②回传高价值用户是为了让模型能够学到高价值用户的特点并做出预测，那就需要判断是否具有可预测性，或者说判断高价值用户的指标是否能够足够支撑预测，如果一个用户的价值指标时高时低，完全随机，这个就很难预测了。

对于通过组合行为定义转化，看后端效果的广告主，结合业务情况，可以考虑做不同行为与后端效果的相关性分析，甚至是各种模型，来拟合最终的后端结果，来定义转化，要比纯手动调参测试更有理论和效果保证。

2）回传高价值用户一定是最大化广告主利益的吗？

我们需要思考一个问题，回传高价值用户一定是最大化广告主利益的吗？看过前面文章oCPC实践录 | oCPC下机制设计变得毫无意义？（1）事出异常必有妖的读者应该能够想到，不一定是最优的。原因有：高价值用户往往意味着高花费，高花费的原因可能来自于竞对的真实回传和竞争，也可能来自于自己历史的真实回传，提高了转化率，进而提高了出价，在GFP下也意味着更高的计费。

（二）

有读者看到这里可能有想法了，既然高价值用户回传只考虑了收入，没有考虑花费，那是不是可以考虑回传高ROI的用户呢？笔者认为这个想法至少从理论上说是不行的，原因有①用户级别的花费很难拆解清楚；②即使用户级别的花费拆解清楚了，但影响花费的因素不是用户本质属性，而是受人工调控的，即出价影响的，出价随时可能会调整，ROI具有不可预测性，这次ROI因为出价低ROI高了，下次可能就因为出价高变低了；③上文说过，在GFP机制下，这次回传ROI高的用户，到下次该用户或者与之相类似的用户转化率就会高，出价就会高，计费就会高，进而ROI会低。

所以，回传高ROI用户期望获取高ROI用户从逻辑上讲是不自洽的。

（三）

接下来我们讨论怎么为转化定价。虽然我们一直说一种转化对应一个转化出价，脱离转化或者脱离转化出价，谈效果好坏没有意义，会回归到问题本身，即当给定一个转化定义时，怎么出给定转化成本呢？看起来简单，但笔者认为是一个挺难的问题，都需要在一定假设的基础上进行计算。

第一种常见的需求是：在当前转化定义和转化率下，怎么出价才能达到目标ROI。常见的计算方法是：当前收益/目标ROI/当前转化数（等价于当前给定CPA*当前ROI/目标ROI），这种计算方式的基本假设是：当出价发生变化时，对应的转化收益不变，这个假设是不怎么合理的。

第二种常见的需求是：调整了转化的定义，在新的转化定义下怎么计算转化出价呢？常见的计算方式：当前收益/新定义下的转化数（等价于当前转化率 * 当前转化出价 / 新的转化率），这种计算方式的基本假设是：打平oCPC点击出价，点击量不发生变化，这个假设是不怎么合理的。

因为对市场信息的缺失，我们很难知道市场的边际收益，使用上述方法也是简单的估算，想获取非常准确的值是十分困难的。

接下来的文章我们继续讨论：3）调整出价的影响；4）调整转化的影响；5）调整出价和调整转化是否等价；6）广告主出价和转化调整的最优方法。敬请关注。

更多精彩内容预告：

• oCPC转化的设计、选择、归因与成本设置（4）
• 向更深层目标迈进之深度oCPC
• 向更深层目标迈进之深度ROI
• oCPM是放开枷锁还是抢量工具？
• oCPC下的人群包定向&RTA定向
• oCPC下RTA的调价&出价