1. 非零和博弈

以百度搜索oCPC為例，盡管它還遠(yuǎn)稱不上一個(gè)成熟的智能投放產(chǎn)品，但卻讓我們看到：通過(guò)AI優(yōu)化復(fù)雜廣告轉(zhuǎn)化效果的未來(lái)。

搜索oCPC的工作原理是錨定CPA（每次行動(dòng)成本）來(lái)調(diào)整每次的點(diǎn)擊出價(jià)， 從而使 CPM（千人展現(xiàn)成本）最大化的過(guò)程。

大家發(fā)現(xiàn)了嗎？機(jī)器學(xué)習(xí)的最終目標(biāo)是平臺(tái)的CPM最大化，即展示收益的最大化，而不是單個(gè)廣告的CPA更劃算。但也不必悲觀，因?yàn)檫@是一個(gè)非零和博弈，技術(shù)的升級(jí)讓投放的盤(pán)子更大了，同時(shí)廣告主也能從中受益。其產(chǎn)生的原始動(dòng)機(jī)固然是平臺(tái)可以增加收益，但采取的手段是正面的——平臺(tái)通過(guò)AI模型的投入提升其流量的轉(zhuǎn)化價(jià)值。

這也同時(shí)揭露了一個(gè)事實(shí)：一個(gè)oCPC計(jì)劃好不好，本質(zhì)是模型能不能盡快尋找到可以平衡自家品牌和廣告大盤(pán)的那個(gè)最優(yōu)CPA解。

2.最優(yōu)CPA

我們的投放目標(biāo)是「能夠控制住CPA的成本，且保持足夠的量」。最優(yōu)CPA肯定不等于更低的CPA，而是在成本與轉(zhuǎn)化量之間找到一個(gè)平衡點(diǎn)CPA。如下圖，我畫(huà)了個(gè)均衡圖來(lái)解釋這里面的邏輯，希望幫助大家理解。

X軸是計(jì)劃的轉(zhuǎn)化成本，Y軸是計(jì)劃的轉(zhuǎn)化量，遞增的曲線代表「投放價(jià)格曲線」，出價(jià)越高，競(jìng)爭(zhēng)力越強(qiáng)，轉(zhuǎn)化量會(huì)提升（非線性）；遞減的曲線代表「業(yè)務(wù)成本曲線」，因?yàn)榭紤]到規(guī)模效應(yīng)，隨著轉(zhuǎn)化量的下降，企業(yè)需支付的投入成本升高（非線性）。這樣，兩條曲線的交點(diǎn)就是我們想尋找的最優(yōu)CPA值。因此，在投放人群不出現(xiàn)失誤的前提下，一切投放優(yōu)化策略都可以遵循這個(gè)圖的邏輯。

這樣，我們的優(yōu)化場(chǎng)景就只有以下2種：

?(1) CPA在最優(yōu)點(diǎn)右側(cè)

?

CPA偏高，需想辦法降低，同時(shí)大概率會(huì)犧牲一些量。我們從拆解CPA開(kāi)始分析，公式如下。

開(kāi)啟ocpc后，廣告主的CPC會(huì)因?yàn)榱髁扛珳?zhǔn)而升高，同時(shí)，CVR因?yàn)榉峙涞搅宿D(zhuǎn)化更好的受眾也會(huì)變高——兩者的增速比例決定了CPA的最終水平。所以，可控CPA又可以拆解成可控的CPC和更高的CVR。

這時(shí)，人為可以干預(yù)的點(diǎn)是：控制住CPC 、提高CVR。主要方式有：

a.確保在第一階段的CPC階段，打好數(shù)據(jù)基礎(chǔ)

b.檢查數(shù)據(jù)回傳，是否準(zhǔn)確

c.提升展現(xiàn)量-關(guān)鍵詞優(yōu)化

d.提高點(diǎn)擊率-創(chuàng)意優(yōu)化

e.提高轉(zhuǎn)化率-著陸頁(yè)優(yōu)化

(2) CPA在最佳點(diǎn)左側(cè)

這時(shí)候CPA看起來(lái)很低，但轉(zhuǎn)化量根本不夠，需要提升轉(zhuǎn)化量。人工干預(yù)最直接的一個(gè)思路是：適當(dāng)提高目標(biāo)CPA，但一定控制好幅度，最高一次不要超過(guò)20%，一點(diǎn)兒點(diǎn)兒嘗試。

此外，還可以通過(guò)外部提升轉(zhuǎn)化量的方法。我們可以根據(jù)下面的「流量問(wèn)題歸因圖」標(biāo)記出流量少的外部主要誘因，逐個(gè)擊破。

a.預(yù)算不足

重新預(yù)估消費(fèi)，如果是因?yàn)轭A(yù)算少所致，可以重新分配量給ocpc計(jì)劃。

b.因展現(xiàn)量低導(dǎo)致的消耗困難

i. 增加關(guān)鍵詞，建議手動(dòng)或使用主流AI拓詞工具，增加人群曝光可選范圍，不建議開(kāi)啟智能拓詞，很容易進(jìn)來(lái)垃圾詞匯。

ii. 匹配模式單一，可以適當(dāng)放寬匹配精準(zhǔn)度。

c. 因CTR低導(dǎo)致的消耗困難

i. 提高CTR（點(diǎn)擊率）

創(chuàng)意優(yōu)化、配置更齊全的高級(jí)創(chuàng)意、信息陣列、多圖樣式、動(dòng)態(tài)標(biāo)題，結(jié)合細(xì)分業(yè)務(wù)和人群，個(gè)性化設(shè)置創(chuàng)意。進(jìn)一步提高轉(zhuǎn)化率，做著陸頁(yè)優(yōu)化。

ii. 排名低（依舊需要使用上文提到的提高CPA大法，這里不再贅述）

如果理解了上述優(yōu)化邏輯，那么基本清晰了哪些環(huán)節(jié)是需要手動(dòng)參與的，哪些環(huán)節(jié)是只能交給機(jī)器去跑的。我們也可以這樣理解，oCPC承擔(dān)了人類無(wú)法完成的高強(qiáng)度算法，按照既定框架去捕捉更高質(zhì)量的流量；人工則需承擔(dān)給oCPC模型喂足“飼料”、隨時(shí)觀察“環(huán)境變化”。

從人機(jī)協(xié)作的角度，梳理一下Part1中的要點(diǎn)，可以看到人的核心價(jià)值體現(xiàn)在：

（1）賬戶第一階段，需要依靠人，提供充足和良好的數(shù)據(jù)“飼料”。第一階段的效率取決于優(yōu)化師在CPC階段的能力，從賬戶結(jié)構(gòu)、策略調(diào)整、創(chuàng)意優(yōu)化、效果分析等，需要用可控的成本湊足轉(zhuǎn)化門(mén)檻，讓機(jī)器知道什么流量是所需要的。

（2）賬戶第二階段，就算跑穩(wěn)，我們知道也是階段性的，需要人工持續(xù)監(jiān)視，在出現(xiàn)波動(dòng)的時(shí)候人工干預(yù)。這需要人對(duì)市場(chǎng)和客戶的變化有清醒的認(rèn)識(shí)，比如創(chuàng)意策略優(yōu)化、落地頁(yè)設(shè)計(jì)更新等。

2.人工需要避免的投放誤區(qū)

由于對(duì)oCPC投放原理認(rèn)識(shí)不清，投放人員在模型的學(xué)習(xí)階段還是根據(jù)經(jīng)驗(yàn)，做優(yōu)化操作，導(dǎo)致效果變差。例如，看到點(diǎn)擊價(jià)格很高，就慌亂調(diào)整出價(jià)；發(fā)現(xiàn)系統(tǒng)自動(dòng)添加了一大堆莫名其妙的關(guān)鍵詞，趕緊刪掉；發(fā)現(xiàn)同一個(gè)關(guān)鍵詞，系統(tǒng)多次添加到不同計(jì)劃或單元，是不是出問(wèn)題了？

在模型認(rèn)識(shí)你的轉(zhuǎn)化用戶過(guò)程中，不能再以慣性的思路去盯著賬戶了，這個(gè)時(shí)候，很多現(xiàn)象反映的是機(jī)器的語(yǔ)言，復(fù)雜問(wèn)題我們可以先交由機(jī)器處理，穩(wěn)定后再看結(jié)果是否符合預(yù)期。切忌過(guò)多的干預(yù)模型，打亂學(xué)習(xí)的節(jié)奏。

3.什么時(shí)機(jī)干預(yù)，什么時(shí)機(jī)不干預(yù)？

（1）前期預(yù)算少干預(yù)

ocpc是AI算法優(yōu)化，大概率是預(yù)算越多，分配的流量越多。所以，預(yù)算一般要充足。在設(shè)置上限的時(shí)候，最好高出你的承受能力20%-30%，比如日承受能力是1萬(wàn)，預(yù)算至少設(shè)置1.2 萬(wàn)?，F(xiàn)實(shí)是前期預(yù)算越足、流量越多。預(yù)算設(shè)置好后，盯緊消費(fèi)，但不要頻繁調(diào)，快到承受極限的時(shí)候再通過(guò)調(diào)節(jié)時(shí)段等方式來(lái)平衡。

（2）基礎(chǔ)定向遲干預(yù)

很多投放人員會(huì)設(shè)置很多二級(jí)定向，受經(jīng)驗(yàn)和慣性驅(qū)使。但實(shí)際跑下來(lái)的效果卻發(fā)現(xiàn)，剛開(kāi)始還是通投最好，這樣可以獲得足夠大的曝光量。等效果出來(lái)了，有一定數(shù)據(jù)積累，再逐步縮小定向，這個(gè)時(shí)候行業(yè)、業(yè)務(wù)經(jīng)驗(yàn)就可以發(fā)揮其作用了。

（3）出價(jià)只在探索最優(yōu)CPA階段才干預(yù)

這部分已經(jīng)在本文Part1里詳細(xì)介紹，回想一下「尋找最優(yōu)CPA」曲線圖，出現(xiàn)明顯的偏左、偏右特征時(shí)，需要人工干預(yù)。

（4）創(chuàng)意強(qiáng)干預(yù)，但優(yōu)化穩(wěn)定后少干預(yù)

如果前期把創(chuàng)意素材準(zhǔn)備足，系統(tǒng)學(xué)習(xí)可以分辨出差異，各種不同的配圖、標(biāo)題、落地頁(yè)，會(huì)讓系統(tǒng)的學(xué)習(xí)結(jié)果更有效，自動(dòng)優(yōu)化的時(shí)候更有依據(jù)。但已經(jīng)完成學(xué)習(xí)階段，就減少大幅改廣告創(chuàng)意的情況，減少對(duì)模型的干擾。

（5）最終效果不好時(shí)，要做強(qiáng)干預(yù)

賬戶效果不好再考慮上新，如果賬戶效果好，最好不要做上新調(diào)整。因?yàn)樯闲聲?huì)影響到原有計(jì)劃，損失跑得好的計(jì)劃，得不償失。另外，新計(jì)劃要和原有計(jì)劃有所差別，價(jià)格、圖片、標(biāo)題，直到落地頁(yè)，最好都能有所區(qū)別。

（6）落地頁(yè)隨時(shí)要做強(qiáng)干預(yù)

其實(shí)，現(xiàn)在大部分品牌企業(yè)都對(duì)頁(yè)面很講究，因?yàn)槁涞仨?yè)承載的是轉(zhuǎn)化——推廣中最應(yīng)該被重視的一環(huán)。落地頁(yè)改版和更換是投放策劃的常態(tài)，但還很少有企業(yè)能做到科學(xué)改版、高頻優(yōu)化、有效分析，落地頁(yè)優(yōu)化環(huán)節(jié)目前是在智能領(lǐng)域相對(duì)落后的一環(huán)，這也是為什么靈蹊要在此點(diǎn)發(fā)力，因?yàn)槠髽I(yè)缺乏有利工具的加持。

搜索oCPC的紅利期已經(jīng)過(guò)去，隨著越來(lái)越多的行業(yè)加入，效果不穩(wěn)定的情況只會(huì)增加，不會(huì)減少。此時(shí)的突破點(diǎn)，會(huì)后置到落地頁(yè)的轉(zhuǎn)化能力（承接能力）上。

平臺(tái)的智能性提升，可以識(shí)別不同客戶的轉(zhuǎn)化意愿。但精準(zhǔn)度并不能降低競(jìng)爭(zhēng)度，當(dāng)流量資源搶奪激烈時(shí)，昂貴的價(jià)格始終是繞不過(guò)的坎兒，投放的優(yōu)化空間會(huì)越來(lái)越受限。這時(shí)，競(jìng)爭(zhēng)的主戰(zhàn)場(chǎng)就會(huì)發(fā)生后置，ROI的控制能力被壓縮到從落地頁(yè)開(kāi)始的每個(gè)承接細(xì)環(huán)。

不僅如此，落地頁(yè)是屬于廣告主的，如果廣告主可以對(duì)頁(yè)面的智能化進(jìn)行自主控制，完全可以將頁(yè)面的轉(zhuǎn)化能力通過(guò)動(dòng)態(tài)化功能做大幅提升，將低轉(zhuǎn)化意愿人群（平臺(tái)判定）的實(shí)際轉(zhuǎn)化率升高。換言之，低價(jià)買到的流量也有機(jī)會(huì)獲得還不錯(cuò)的轉(zhuǎn)化率了！

這里面涉及到廣告主容易忽略的一個(gè)地方——拓量能力的積累。其實(shí)，這塊兒是可以間接積累數(shù)據(jù)資產(chǎn)的。

以目前百度搜索ocpc為例，拓量的模式主要分為三種類別：保守?cái)U(kuò)量、均衡擴(kuò)量、積極擴(kuò)量。

投放的時(shí)候，可以建立不同的計(jì)劃，采用不同的拓量模式，對(duì)接不同的落地頁(yè)。通過(guò)完善的轉(zhuǎn)化優(yōu)化/分析工具，幫助企業(yè)積累屬于自己的分群識(shí)別能力，從而對(duì)不同價(jià)格/屬性的流量探索出一套屬于自己的ROI算法。這樣的操作，不僅可以摸索出業(yè)務(wù)的拓量規(guī)律，更可以結(jié)合落地頁(yè)的承接環(huán)節(jié)，進(jìn)行人群的細(xì)分匹配和數(shù)據(jù)積累，從而讓轉(zhuǎn)化承接的能力更硬核。

當(dāng)然，對(duì)于ocpc可能的新突破點(diǎn)，我們都還需要做很多的功課。但讓我們很自豪的一點(diǎn)，優(yōu)化邏輯已經(jīng)基本梳理明白，也有第一批用戶愿意和我們一起、從落地頁(yè)開(kāi)始、一步一步地突破。