對 ocpc 做優(yōu)化，是智能投放之路上必須且大概率會長期面對的一個挑戰(zhàn)。
1. 非零和博弈
以百度搜索oCPC為例，盡管它還遠稱不上一個成熟的智能投放產(chǎn)品，但卻讓我們看到：通過AI優(yōu)化復(fù)雜廣告轉(zhuǎn)化效果的未來。
搜索oCPC的工作原理是錨定CPA（每次行動成本）來調(diào)整每次的點擊出價， 從而使 CPM（千人展現(xiàn)成本）最大化的過程。
大家發(fā)現(xiàn)了嗎？機器學(xué)習(xí)的最終目標(biāo)是平臺的CPM最大化，即展示收益的最大化，而不是單個廣告的CPA更劃算。但也不必悲觀，因為這是一個非零和博弈，技術(shù)的升級讓投放的盤子更大了，同時廣告主也能從中受益。其產(chǎn)生的原始動機固然是平臺可以增加收益，但采取的手段是正面的——平臺通過AI模型的投入提升其流量的轉(zhuǎn)化價值。

這也同時揭露了一個事實：一個oCPC計劃好不好，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的那個最優(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)化量之間找到一個平衡點CPA。如下圖，我畫了個均衡圖來解釋這里面的邏輯，希望幫助大家理解。
X軸是計劃的轉(zhuǎn)化成本，Y軸是計劃的轉(zhuǎn)化量，遞增的曲線代表「投放價格曲線」，出價越高，競爭力越強，轉(zhuǎn)化量會提升（非線性）；遞減的曲線代表「業(yè)務(wù)成本曲線」，因為考慮到規(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圖的邏輯。
這樣，我們的優(yōu)化場景就只有以下2種：
(1) CPA在最優(yōu)點右側(cè)
CPA偏高，需想辦法降低，同時大概率會犧牲一些量。我們從拆解CPA開始分析，公式如下。
開啟ocpc后，廣告主的CPC會因為流量更精準而升高，同時，CVR因為分配到了轉(zhuǎn)化更好的受眾也會變高——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，人為可以干預(yù)的點是：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，是否準確
c.提升展現(xiàn)量-關(guān)鍵詞優(yōu)化
d.提高點擊率-創(chuàng)意優(yōu)化
e.提高轉(zhuǎn)化率-著陸頁優(yōu)化
(2) CPA在最佳點左側(cè)
這時候CPA看起來很低，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20%，一點兒點兒嘗試。
此外，還可以通過外部提升轉(zhuǎn)化量的方法。我們可以根據(jù)下面的「流量問題歸因圖」標(biāo)記出流量少的外部主要誘因，逐個擊破。
a.預(yù)算不足
重新預(yù)估消費，如果是因為預(yù)算少所致，可以重新分配量給ocpc計劃。
b.因展現(xiàn)量低導(dǎo)致的消耗困難
i. 增加關(guān)鍵詞，建議手動或使用主流AI拓詞工具，增加人群曝光可選范圍，不建議開啟智能拓詞，很容易進來垃圾詞匯。
ii. 匹配模式單一，可以適當(dāng)放寬匹配精準度。
c. 因CTR低導(dǎo)致的消耗困難
i. 提高CTR（點擊率）
創(chuàng)意優(yōu)化、配置更齊全的高級創(chuàng)意、信息陣列、多圖樣式、動態(tài)標(biāo)題，結(jié)合細分業(yè)務(wù)和人群，個性化設(shè)置創(chuàng)意。進一步提高轉(zhuǎn)化率，做著陸頁優(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）