信息流广告在当下已经成为了一种非常主流且有效的获取新用户的方式，它最大特点就是有大数据支持，依托用户的画像数据、行为数据及消费偏好，结合算法，在合适的场景给合适的用户推送合适的内容，整个过程即提升了用户的体验，又提高了广告主的投放效率。

本文将用最精简的篇幅，最朴素的方式，介绍信息流广告中最精华的 “程序化广告” 中的出价部分。

一、互联网广告投放过程

展示（Impressions）-> 点击（click）-> 激活（activate）-> 付费（Sales）

互联网广告主要涉及到两个主体：投放平台和广告主

投放平台提供广告位及流量，收取广告费；广告主提供广告素材并付费，收获曝光及用户

整个模式中分别存在：竞价点、计费点、出价点、考核点四个关键节点

在这套系统中，投放平台及广告主为了最大化自身利润，将投放过程中的计费节点放在整个过程中的不同位置，形成了CPM、CPC、CPA等不同模式

二、传统投放模式

<1> CPM（Cost Per Mile）

按广告展现次数来收费，因为每次展现费用很小，约定乘以1000，即千次广告展现的费用。因为是按曝光，即在m节点计费，故称为CPM模式

CPM模式中，广告主根据曝光量出价，AdX根据不同DSP平台的m报价进行竞价，最终流量平台也按照真实的广告曝光量进行收费。

<2> CPC（Cost Per Click）

按广告点击次数来收费，因为广告点击费用通常较大，故不用乘1000。因为是按点击，即在c节点计费，所以称为CPC模式

而在CPC模式中，我们希望根据广告的实际点击次数，而非曝光次数进行收费，则将出价点及计费点都放在了c环节，但是为了方便不同计费模式共同竞价，我们在竞价时还是会将CPC的出价折算成CPM的费用来参与竞价。

转换方式为：CPM = CPC x p(m -> c) x 1000

<3> eCPM（estimated cost per ）

如果广告主A的广告CPC出价为0.3元，B的一条广告CPC为0.4元，这时候投放平台并不会直接投放CPC出价更高的广告主B的广告，因为两个广告的点击率可能不同，影响平台最终收益

这时候投放平台通常会用点击率预估模型，即从m到c的概率p(m->c)，预估每个广告的点击率（CTR）。

eCPM = CTR x CPC x 1000（需要乘以1000是因为CPM是1000次展现的价格）

分别计算两条广告的eCPM

假设广告主A的点击率CTRA预估为0.03，广告主B的广告CTR_B为0.02

eCPM_A = 0.03 x 0.3 x 1000 = 9元

eCPM_B = 0.02 x 0.4 x 1000 = 8元

根据eCPM排序，最终推送广告主A的广告

⚠️注意：这里虽然按照eCPM对推送顺序进行排序，但最终收费还是按照CPC来计费。同时，如果广告没有被用户点击，则投放平台不收广告主的钱。

三、智能投放模式：oCPX（optimized cost per X）

<1> 什么是智能投放模式

互联网广告的收费模式主要有CPT/CPM/CPC/CPA/CPS等模式，不同的计费模式对应广告平台和广告主来说具有不同的利益博弈。比如说，CPM计费（cost per mille，千次展示费用），是一种按照展示即收费的广告计费模式，展示了就收费，而不用管广告的点击率和转化效果，对于平台来说，风险是比较小的，这种计费方式常见于品牌广告，但是广告主的效果就得不到有效的保证了，在效果广告的场景下就很难行得通了。

传统的计费方式中也有针对点击率优化的策略如eCPM，但是，广告主要的不仅仅是点击率，而是实实在在的转化，于是，就有了oCPM，即以转化效果为目的的展示广告的计费模型，转化效果可以是“点击”、“下单”、“应用的下载”、“主页点赞”等等,而实际的收费则是按照展示收费。

由此衍生了其他类似oCPC等计费方式，其实也是这样的一种广告计费类型和策略。这种计费方式，既兼顾了广告平台的利益，也兼顾了广告主的转化目标，达到了一种利益的新平衡。

<2> 智能投放模式特点

1.按CPX计费

如oCPC按点击计费；oCPM按曝光计费；由于转化率是由历史数据进行预估，故可能存在实际未产生转化的情况，此情况下也会扣费。

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。一般分两个阶段：

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。

<3> oCPM及oCPC计算机制

oCPM约定最终的衡量目标是激活activate，同时需要最大化或保证投放的ROI，故在oCPM中，需要几个概率将曝光数据与ROI建立联系：

P(m->c)：曝光-点击概率

p(c->a)：点击-激活概率

激活后我们就可以通过使用该客户的LTV(life time value)来衡量本次投放的收益，并反推出最大的广告出价价格。

同时为了使得投放更加智能，引入智能调控因子及二阶价格调控，尽可能的做到流量控制。高转化率流量则出高价竞争，以更高概率拿到流量；低转化率流量则出价低、扣费低，避免预算浪费。

故oCPM的计算模式为：

广告系统的实时出价 = 转化价值 x 智能调控因子

广告系统的实时出价 = 预估eCPM = bid_price（你设置的转化出价）* pCTR（点击率预估）* pCVR（从点击到转化的比例预估）* 智能调控因子

• 其中一阶段投放主要是为了拿到历史数据，以便模型计算pCTR及pCVR
• 智能调控因子则控制本次出价的最大值、最小值，以便控制均匀购买流量

<3> 调价机制

所有出价都是根据转化情况，系统自动优化的出价方式。一般分两个阶段，第一阶段为数据收集阶段，按照正常的CPC、CPM出价，第二阶段根据转化流量自动浮动出价。

举个例子：

假设你定向了5类访客，分别为：1类访客、2类访客、3类访客、4类访客、5类访客。

CPC的出价方式为平均出价。无论哪类定向方式的转化数据很好，出价都是一样的。

但若是OCPC出价方式，便会根据不同的转化效果，智能变化出价。比如定向1给你带来10个转化，定向2给你带来1个转化，那系统会根据定向1的标签帮你找到类似人群，并提供这部分的出价；且降低无转化定向2的出价。

非智能出价，像CPM、CPC等，它们是平均出价，不论哪类定向转化更好，出价都一样。所以，它更考验我们对定向的能力。

智能出价，像OCPM、OCPC、CPA等，它们的出价更有针对性，共分两个阶段。前期第一阶段是精准投放，得到一定定向方式的转化数据后，进入第二阶段，开始放宽定向，并适时更新创意。

当然也可以在第一阶段时，就宽泛投放，只通过一定的创意来筛选流量，这样可以更快速地向第二阶段转化。但这样也会有相应的弊端，由于前期需要对转化数据进行测试，所以成本会比较高。

<4> oCPM与CPM有什么区别

oCPM与CPM最大的不同在与谁来预测点击率p(c->a)。在CPC中，广告主会根据经验来给一个广告素材赋予固定的CPC值，而oCPC则会结合用户信息与广告内容，为每个用户预测一个针对该广告的点击率。

<5> 价格换算公式

从m->c->a->s的过程中，每个行为A的价格，等于后续行为B的价格乘以行为A到行为B的比率。例如

CPM = p（m->c）x CPC x 1000

CPC = p（c->a）x CPA