作者·黄崇远

『数据虫巢』

全文共4338字

题图ssyer.com

“ 在效果广告的发展历程中，当前已经处于后定向时代，或者说是弱定向时代，我们是应该顺应潮流还是应该逆流而上？”

不管是顺应潮流还是逆流而上，很多时候我们看到的只是表象而已，我们先要理清楚要解决的问题。

01

效果广告后定向时代

什么是后定向时代？我发明的词，先不管，上图先。

这张图笔者（数据虫巢）在这个系列很早之前就发过，基本代表了效果广告的发展历程，而目前国内大的广告平台基本稳定处于oCPX阶段，而中小平台很多则处于CPC往oCPX过度的阶段。

从计费模式上也可以看出，基本分为两阶段计费，在CVR模型不稳定的前期按CPC点击付费，当模型累积一段时间的转化数据之后，有把握进行成本预估控制的时候转为按转化CPA付费。

因此，可以看出来，oCPX是一种广告平台与广告主妥协的中间合作状态，前期有利于平台，平台只需要为浅层转化负责即点击负责，后期利好广告主，广告平台需要按转化出价结算，即不管实际成本多少（当然平台有机制随时将超预期的广告进行终止，这是oCPX的核心控制策略）。

从逻辑上看，理论上广告主不需要做太多的事，创建广告之后就可以坐等流量进入了，但实际上不是，例如前期转化样本累积不足导致迟迟无法进入二阶段，二阶段不稳定导致流量无法持续提供最终广告无量，二阶段持续时间过短而一阶段成本较高，导致整体成本控制不住。

所以，在很多人看来，这个时代已经从CPC重定向的时代过度到了oCPX的时代，一个系统能够保本，能够自动为广告寻找最佳流量的时代。

因此，也是笔者所说的后定向时代。

02

流量分配与oCPX

在后定向时代，所有人都对oCPX有谜之自信，感觉oCPX能包办一切。

在聊这个之前，我们简单了解一些oCPX的基本机制。

首先需要明确的是oCPX并不是一本万利的事，虽然对于当前计算广告行业来说，已经是最优解决方案，但实际上行业内还有很多需要解决的问题。

广告的投放，本质上是流量的分配，只是在分配的同时需要考虑出价。在CPC时代，大部分流量是用户圈选，然后平台结合自身利益CPM的考量，做CTR的预估，在eCPM的基础上做流量分配。

但在oCPX时代，特别是二阶段CVR阶段，平台是需要承担超成本亏损的，因此其控制机制中一定会有一旦实际CPM超出eCPM一定阈值的时候（本质上是实际CVR变低了，或者说低于预估的pCVR），会对当前广告进行降权（当然，实现方式是修改虚拟Bid，严格来说是改低点，从而使预估的eCPM在实际排序中就排不上号了，这也就是为什么很多oCPX广告跑着跑着就没量了，因为平台觉得你这个广告的实际CPM已经不“香”了）。

所以，看着最靠谱的方式就是，广告主不做过滤把所有的流量都丢过去，让oCPX决策机制来决定要不要将曝光流量给到当前广告主，虽然看着不太“环保”，但不会错过一丝可能曝光的流量，并且CVR最大化不是？！

真的不是。从笔者实际的从业角度以及实际拉取分析的数据角度来看，使用定向的广告依然会比通投类的广告在eCPM和CVR上高出接近10个点的转化和CPM。至于成本，则交给oCPX做控制，大部分情况下都相差不大。

从数据中可以看出来，加权平均之后的eCPM和曝光转化率的涨幅都在9个点左右，并且这不是一个小数字，是几十万几百万的差异。

广告主关心的是CVR，即在相同bid的情况下，有额外9个点的转化产生；平台关心的是流量变现效率，即实际最终的CPM，相同的流量能多卖9个点的收益，这可是真金白银呀。

所以，如果你觉得放心大胆通投，那么，现实与理想是有差距的。

03

理想与现实的差距

问题出在哪呢？

其实有太多环节会导致，广告主认为的将所有流量交过去之后会得到更好的结果但最终结论却是反向的。

兴趣标签的定向，看着是将流量缩小了，加了硬性的约束，导致了oCPX的发挥空间受限，打破了理论能预估全量的逻辑，但是其同样也做了一个事，降低了后续预估的容错性。

即其更擅长的是对于长期兴趣和广告倾向性的挖掘，依托于海量的历史数据，以及多维的用户行为数据去约束用户对于不同广告的可见性，这些是曝光转化率提升的保障。

其次，任何一个pCTR或者pCVR预估的流程里都不可能对全量广告进行排序预估的，你想想如果所有广告都是通投，那么每次需要排序都是一个海量的数据，这是不可能的。

那么就一定会做截断，至于如何截断，有各种骚操作，有一些常规过滤，还有召回逻辑，甚至还有粗排序，最终进入到pCTR，pCVR阶段就只有寥寥数百个甚至几十个广告了。

来，你来猜猜，你的广告在什么时候被毙掉了。

可能不符合基本逻辑被干掉了，可能历史表现不佳（历史eCPM，所谓的广告质量预估，通常都会做，一向表现好的广告主总是能得到系统的青睐的），也可能被召回模型干掉了（召回模型可不会做到pCVR，pCTR这么精细），还有可能在粗排阶段被干掉了。

同理越是需要对大量数据做判断的阶段就越不可能做的精细，哪怕是在精排层，其实大量的实时或者近实时特征的灌入，天然就会让精排模型趋向于选择用户的短期兴趣。但短期兴趣就一定准吗？例如用户误点击呢，又比如有没有很好的区分用户行为到底是正反馈还是负反馈。

总之，哪怕你的广告过了五关斩了六将，同样可能会倒在精排层，哪怕精排层给你排在了首位，同样也可能存在近线行为的误判。

所以，有太多可能了。结论就是，如果大家一起来通投，那不止对于系统平台，对于绝大部分广告主来说都是灾难性的。

所以，最好的解决方案就是将合适的流量给到合适的广告，即进行流量预分配，避免恶性的竞争。不信，你问问拼夕夕的广告投手，他敢在大腾讯的营销平台上通投么？！

这中间太多的环节存在干扰了，如果oCPX真的处于理想状态，理论上你的广告会一直良好的消耗并且稳定的转化，一直跑到“天荒地老”。

但事实是，对于绝大部分的广告平台来说，虽然绝大部分都支持了oPCX机制，但绝大部分广告主都避免不了不断的创建新广告，然后老广告不断的莫名消亡。

就目前现状来说，这是一个死循环，除非技术或者商业模式发生变革型的突破，不然短期内依然会处于这种状态，持续很长的一段时间。

04

内定向加拓量的解药

所以，如何解决？

我们前面一直说，当前处于后定向时代，但尴尬的是事实上定向广告从转化率，以及平台角度的CPM角度来看，依然是“香”于不做限制的通投广告。

核心需要解决的几个问题就是，定向选择是一个繁琐并且充满挑战的事；其二就是如何避免兴趣定向圈选之后实际流量范围低于通投，并且导致消耗预算不足的问题（实际上，押宝在oCPX的通投很多时候消耗并不一定就比限制了人群的兴趣定向广告多，这又是一个谜）。

所以，解决方案可以是，通过定向让广告的初始转化变得的更好，降低召回/粗排/精排层的难度，提高后续流程的容错性，帮助oCPX快速累积一阶段的转化数据。进入二阶段之后，放宽oCPX的探测范围。

至于拓展边界的解决方案，可以见《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》。

至于如果解决冷启动（一阶段缩小人群范围的事），人肉定向对于广告主来说，基于这个时代确实不应景，那么为什么不让系统帮他做呢，本质上就是一次冷启动的过程。

如何解决？

我们可以直接对ad和tag做建模，构建ad和tag的转化关系，常规做法就是这样的，但这种逻辑的挑战在于，实际tag的数量并不多，所以实际上需要预测的数据颗粒度是非常粗的。其次，ad与tag的数据非常之稀疏。

一旦我们拉大时间窗做样本累积的时候，广告与tag的关系会存在关系迁移，tag本身代表的用户群体实际上是在不断的变化的，一旦拉长时间线，其实当时的tag与当前的tag本质上已经不是一个东西了。

所以，难度很大。

如果是顺着这个方向，不管是使用传统建模方式还是深度建模方式，反正都绕不太开这个问题，所以前途有限。

基于这个作为大前提，之前还写过一篇《数据与广告系列十四：智能定向&基于FM的标签组合推荐思路》，也算是一种巧妙的思路。

还有一种更加巧的方案是，通过ad与user的海量转化数据，而user身上又带有tag，自然就可以建立起ad与tag的关系，从而实现“以大博小”的目标。

这个我们再下个章节来继续探索。

总之，通过系统帮助用户做决策，进行流量的预分配，提升前期的转化率，再结合拓量的平滑逻辑，不断的拓展边界，从而不断的新增流量。

最终实现基于oCPX的前提下，最高效率化的进行一阶段冷启动，然后配合拓量进行oCPX容错性提升，逐步的解决流量边界的问题。

完美。

05

618的日子里，你更需要他

明日就是618，又是广告流量变幻莫测的一天。

所谓变幻莫测，其实每逢大的节假日，整体的媒体流量的分布都是扰动的。在平时，其实对于大部分行业的广告来说，都具有一定的可预测性。

比如，设置了什么投放条件和预算，则大概的都能预估到能跑多少量，成本大概多少。这是为什么？因为整体流量的竞争格局是差不多的，所以稳定。

但在营销至上的节假日里，由于不同行业的营销需要，会改变这种流量分布结构，如何改变？部分行业的提价，增加预算。但总盘子就这么大，所以必然会存在拆东墙补西墙的情况，此消彼长。

而人对于这部分的变动感知是比较延迟的，无法精准的做到流量的预分配实现自身广告转化的提升，如果完全交予oCPX来做，也会存在问题。因为其偏向于短期行为的预测，因此对于这种长期并且具有规律性的预测实际上是偏弱的。

那么，此时，自动定向冷启动加拓量加oCPX的方案，对这种情况就比较友好。因为存在系统对于流量的预分配，所以比较容易避开这种恶性竞争。

而对于有充足预算的广告主，由于拓量的存在，边界是不设限制的，适当提高价钱则一定能够获取更多的相对相关的流量。

06

总结和展望

到这里，我们回到开头，后定向时代，我们到底是顺应潮流还是逆流而上？

从战略上我们要藐视他，但从战术上要重视他。

即表面上，我们应该顺应潮流，让广告主对于定向这种繁琐并且对认知存在挑战的模式进行弱化，但从实际效果出发，我们要解决广告主冷启动阶段转化率提升的问题，解决他后续流量边界的顾虑。

所以，你看不见他，但他真的在起作用并且偷偷的在帮你，从正面硬抗的角色，转化为敌后游击队。

在回到这个整体方案，其实不管是智能化定向也好，或者基于DSSM的拓量也好，本质上是在提升oCPX的容错性。

回到第二章节说的，如果真的如理论上的理想状态，我宁愿给他更广阔的空间（通投，全流量），但短期时间内，oCPX都会处于“老夫暂时做不到呀”的阶段。

如果真的有那么一天，定向也好拓量也罢，都可以撤下去了，并且做啥oCPX嘛，咱直接上CPA广告，你告诉我一个A多少钱就好了，算法将全局流量优化到最优，让你在当前bid基础上，理论最大化给你流量。

我想，或许我哪一天不干这一行了，不知道能不能看到。

这个章节，有点像之前几篇的综述和汇总，并且在那个基础上把问题说的更透彻些。总之，这个系列笔者（公号：数据虫巢）会不断的完善下去。

下一篇，我们将会延续之前的《数据与广告系列十九：推荐召回与广告LookAlike，万物皆可Embedding》章节，将embedding这个事讲的更透彻些。

并且，我们将会重点聊聊拓量的解决方案和算法模型，以及上面我们说到的，如何通过ad与user的海量转化关系，以大搏小的方式去构建ad与tag的关系。

名字笔者都想好了，就叫《Embedding的起源与演化，附智能拓量与标签自动化逻辑拆解》。

请保持关注，不要放弃治疗。

文章都看完了，还不点个赞来个赏~