广告智能投放工具oCPM 计费方式演进

news2024/9/24 7:17:14

广告计费方式概览

在互联网发展的二十年里,互联网广告的计费方式从 CPT(时间)开始,总共发生了三次较大的迭代进化,大致分为 CPM(曝光)、CPC(点击)和 oCPM(目标)三个,其中 CPT(时间)存在周期较短。而 CPA(转化)会导致头部广告平台收益受损,因此并未成为行业主流。

CPT:按时间来计费(Cost Per Time)。互联网广告最开始的形态是类似电视广告,会让广告主按时间长度去买断一个展示位置的广告。这种模式存在的周期很短,占比也很小,很大原因在于售卖不充分,所以很快演化到了下面的 CPM 模式。

CPM:按千次曝光计费(Cost Per Mille)。在这种模式下,广告平台可从浏览器的 Cookie 信息中,获取一部分用户的个人兴趣信息,而广告也可针对不同用户播放不同的内容。举一个例子,微博的开屏广告对外是按照 CPM 进行售卖的,针对男性用户可能会曝光运动广告,针对女性用户,可能会曝光美妆广告。

这种计费模式对广告主而言个性效果更佳,对广告平台而言,由于可参与购买的客户更多,所以广告溢价更高。正是 CPM 计费方式对用户数据的使用,使得互联网广告开始区别于电视广告。但是这种模式下客户依旧是大的品牌广告主,客户结构与电视广告并无明显差异。

CPC:按点击结算(Cost Per Click)。Google 于 2000 年率先在搜索引擎推出的广告计费模式,因此最开始也叫“关键词广告”。我们日常在使用百度或 Google 的时候,搜索结果页或者内容推荐页上会有几率展示客户投放的广告,比如我们在百度上搜索“知识付费”和“蛋糕”,广告就会在搜索结果页中插入展示。

对广告主而言,CPC 对比 CPM 最大的区别在于广告曝光本身不收费用,只有用户点击广告之后才会进行广告扣费。这种计费模式对中小广告主来说,广告效果更加可控,因此获得了大量中小广告主的青睐。在 oCPM 没有出来之前,CPC 一直是行业主流的计费模式。

oCPM:按效果优化,按曝光计费(optimized Cost Per Mille)。这个广告计费模式是由 Facebook 于 14 年率先在信息流场景推出的,抖音目前采用的就是这种计费模式。

oCPM 对比 CPC 最大的区别在于,对广告主而言进一步降低了风险,同时对广告平台也降低了风险。

为什么这么说呢?假设你开了一个饭店,打 CPC 广告就相当于给饭店引流,饭店进去了一堆人,但是不确定中间有多少人会点菜消费,因此对于广告主而言还是存在风险的。oCPM 计费方式可以让广告平台围绕客户的最终目标来引流,你明明白白告诉广告平台,我只愿意为最终消费的客户付费,对于作为广告主的你,风险大大降低。

oCPM 有意思的地方在于,虽然是按照客户的目标去优化广告效果,但也是按照曝光进行计费的,具体的产品机制下面会详细解释。正因为出价方式从点击深入到了目标,降低了广告主投放广告的风险,同样也提升了广告主投放广告的商业效率,因此在 oCPM 的出价模式下,广告主的数量对比 CPC 模式翻了好几倍。

CPM 模式分析

在实际决策过程中,作为广告主微软,它购买抖音的开屏广告,本质上是在购买用户曝光(M),作为广告主的一员,微软需要参与广告竞价,出价点是曝光(M)。微软打广告的核心目标是为了促进 Surface 电脑的销量。核心目标,就是考核点消费(P)。开屏广告按照 CPM 进行计费,站在广告平台的角度,计费点也是曝光(M)。在这种模式下出价点远离考核点,要经过点击、转化才能到自己的考核点,中间不确定因素多,这就导致了广告主决策成本高,因此只有大品牌相对可接受 CPM 模式。

CPC 模式分析

CPC 相较于 CPM,最大的变化就是计费点和出价点下移到了点击环节,本质是点击率预估环节由广告主转到了广告平台,因为平台更了解用户的使用习惯,也有更多的用户数据,预估点击率当然比广告主自己来得更容易。虽然只做了这一个调整,但实现了用户、广告主以及广告平台的三方共赢,这就是“激励相容”策略的完美实践。

对广告主:买的是点击,而自己的核心目标是用户的消费。出价点进一步靠近考核点,大大降低了广告主预估收益的难度,广告主利益保障得到了提升。过往在 CPM 模式下,高估会导致广告主 ROI 降低,低估则量级受限。但是转移到 CPC 模式下,高估,广告主则会获利,低估,则只影响曝光量级但不影响 ROI,广告主风险大大降低。

对广告平台:不管低估还是高估都会影响平台收益,虽然广告平台需要承担点击率预估不准的风险,但是由于广告平台手握用户数据,对比广告主的经验预估准确太多,因此广告平台绝对有动力、有能力提升预估准确性。在风险有限的情况下,还可进一步扩大引入客户的规模,提升广告竞价的水位。

对用户:广告主有动力优化广告素材,为平台用户提供更高质量的广告内容,吸引用户点击,提升自己广告在众多广告的竞争力,变相提升了用户对平台的满意度。

CPA 模式分析

如果考虑更深一步,我们会很自然地思考,如果计费点和出价点继续下移,是否可以达到广告主、广告平台以及用户三方平衡呢?

该模式与 CPC 对比,虽然对广告主有利,但是对广告平台不利,会影响广告平台收益。主要有两个原因:

风险高:出价点越靠近广告主的考核点,广告平台需要预估的东西越来越多,承担的风险也越来越大。从过往单纯预估点击率,变为进一步在点击率的基础上预估转化率,难度大大增高。

薅羊毛:因为广告主的出价点和广告平台的计费点均在转化点上,而广告平台没有办法有效监督转化数据是否正确,这就导致广告主有动力作弊,薅平台羊毛。

CPA 模式对大的广告平台而言,期望风险已经超过了期望收益,并没有达到激励相容的目标。因此,该模式为小广告平台在初期为吸引客户采用的计费方式,虽然对客户有利,但并不为大的广告平台所采用。

oCPM 模式分析

Facebook 主张的 oCPM 之所以厉害,是因为它分离了计费点和出价点,创造性引入了“按效果优化、按曝光收入”的产品理念:出价点下移,技术侧解决了转化率预估困难的问题,帮助客户优化实际目标效果。计费点上移,解决了广告主薅羊毛的风险问题,最大化平台收益。既解决了 CPC 模式下考核目标偏差大的问题,又解决了 CPA 模式下被客户薅羊毛的问题。

对广告主:出价点进一步下移,进一步贴近客户考核点,降低了客户决策的成本和难点。往后客户只需要设定好出价目标,再做好广告素材,就可以让广告平台去帮助自己寻找想要的用户。

对广告平台:计费点上移,杜绝了计费点和出价点一致的作弊风险。原因在于如果广告主不回传或者少回传真实转化数据,数据建模无法完成,则会导致转化率预估偏低,广告拿量困难,如果广告主多回传广告数据,广告平台则会进行高估,费用也由客户自己承担。

此外,oCPM 模式下还会设计超成本赔付机制,核心是为了解决广告主投放信心问题。在广告投放初期,由于数据样本不稳定,必然会有所波动,但是该种波动对平台有利,对客户不利,因此都会通过超成本赔付机制约束自己,以此获得广告主信任。

可以看到,计费方式越往右,广告平台风险越大,而广告主的风险则越小,愿意参与广告投放的广告主也就越多,相应的就是广告主优化素材的动力和空间也越弱。计费方式越往左,广告平台风险越低,而广告主的风险则越高,愿意参与广告投放的广告则越少,相应的就是广告主优化素材的动力和空间也越强。

oCPM 打破了这个模式,既降低了广告主的风险,优化了商业效率,又降低了广告平台的风险,提升了商业收益。

为了帮助你更好地理解 oCPM 对商业效率的提升,还是以之前开饭店举例,我们假设你是一家饭店的老板,在一个偏僻的地方开了一个饭店,人流稀少,需要对外打广告给饭店引流,现在本地有四个广告平台供你选择:

A 平台,按照 CPM 模式进行收费,它可以在市中心的位置给你打广告,它会预估这个位置一天会有多少的曝光,按照曝光跟你进行收费,并不能保证有多少客户会进入你的餐厅消费。

B 平台,按照 CPC 模式进行收费,它可以给你的餐厅引流客户,并按每进入一个人收一次费用,但是他并不能保障进来的客户有多少人会真实在餐厅产生消费。

C 平台,按照 CPA 模式进行收费,它也可以给你的餐厅引流客户,并承诺只有客户有消费才会向你收取费用,但是 C 平台可以覆盖的客户有限,一天只能够给你导入几个客户,没有办法满足餐厅的翻台率要求。

D 平台,按照 oCPM 模式进行收费,它跟 A 平台一样,也是按照曝光收费,不同之处在于它的技术能力非常厉害,可以精准计算出看过你们餐厅的用户有多少会进入餐厅消费,间接可以达到 C 平台的效果,并且可以跟你承诺如果收了广告费后客户没有进入餐厅消费,则进行赔付。且 D 平台用户规模足够大,可以满足你翻台率的要求。

在广告预算有限的情况下,我们自然会优先选择 C 和 D,尽量把 C 用满,但是 C 流量有限,所以还需以 D 为主。oCPM 之所以伟大,则在于其创造性的引入了“按效果优化、按展示 / 点击收入”的产品理念,既优化了客户广告效果,提升了商业效率,又保障了广告平台的收入,达到了广告主风险低以及广告平台风险低的双赢情况。

总结

oCPM 为代表的智能投放工具相当于广告投放领域的“自动驾驶”工具,这个工具大大降低了广告主投放广告的门槛和风险,让中小广告主不用担心买广告会亏,也不用学习太多广告专业的知识,大幅度提升了广告投放的效率。

本文参考:极客 曹雄峰《商业思维案例笔记》侵删

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1606677.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

工作流JBPM操作API删除流程部署流程

文章目录 8.3 删除流程定义8.3.1 按照id删除(有关联信息会抛异常)8.3.2 按照id删除(会删除关联信息)8.3.3 按照key删除 8.4 获取部署时的文件资源8.4.1 获取部署时的文件资源方式18.4.2 获取部署时的文件资源方式2 8.3 删除流程定义 删除流程定义可以按照id和key删除。 8.3.1…

#LLM入门|RAG#3.5_基于文档的问答

大语言模型(LLM)构建的问答系统,通过整合用户文档,提供个性化和专业化回答。系统可检索内部文档或产品说明书,结合语言模型生成精准答案。 这种方法让语言模型利用外部文档专业信息,显著提升回答的质量和适…

计算机系统基础知识总结

一、计算机系统概述 计算系统可以分为硬件和软件两部分。硬件主要有中央处理器、存储器、输入和输出设备组成;软件由系统软件和应用软件组成。 冯诺依曼计算机体系:将硬件划分为:输入、输出、运算器、存储器、控制器五部分。 中央处理器&…

【计算机毕业设计】学习平台功能介绍——后附源码

🎉**欢迎来到我的技术世界!**🎉 📘 博主小档案: 一名来自世界500强的资深程序媛,毕业于国内知名985高校。 🔧 技术专长: 在深度学习任务中展现出卓越的能力,包括但不限于…

工作流JBPM操作API办理任务流程变量

文章目录 8.7 办理任务8.7.1 办理个人任务8.7.2 办理个人组任务 8.8 驳回任务8.9 流程变量8.9.2 设置流程变量8.9.3 获取流程变量 8.7 办理任务 8.7.1 办理个人任务 办理前数据表中: 办理任务: // 办理个人任务 Test public void comPeletePersonTas…

荣誉 | 人大金仓获评轨交行业“智慧运维优秀应用案例”

4月12日至13日,2024(第八届)中国城市轨道交通智慧运维大会在成都顺利举行。会上,人大金仓以其在轨交行业的卓越贡献和创新实践,获评“智慧运维优秀应用案例”。公司副总裁梁红凤出席大会并发表了题为“打造世界一流的数…

K8s: 关于Kubernetes中的Pod的创建,实现原理,Job调度pod以及pod网络

Pod 概述 Pod 是最小部署的单元,Pod里面是由一个或多个容器组成,也就是一组容器的集合一个pod中的容器是共享网络命名空间,每个Pod包含一个或多个紧密相关的用户业务容器Pod 是 k8s 系统中可以创建和管理的最小单元是资源对象模型中由用户创…

[开发日志系列]PDF图书在线系统20240415

20240414 Step1: 创建基础vueelment项目框架[耗时: 1h25min(8:45-10:10)] 检查node > 升级至最新 (考虑到时间问题,没有使用npm命令行执行,而是觉得删除重新下载最新版本) > > 配置vue3框架 ​ 取名:Online PDF Book System 遇到的报错: 第一报错: npm ERR! …

Visual Studio调试C/C++指南

1. 前言 Visual Studio(VS)是微软开发的一款集成开发环境(IDE)软件,支持C/C、C#、VB、Python等开发语言,开发桌面、Web等应用程序。VS功能极其强大,使用极其便利,用户数量最多,被誉为"宇宙…

Python进阶编程 --- 3.闭包、装饰器、设计模式、多线程、网络编程、正则表达式、递归

文章目录 第三章:3.1 闭包3.2 装饰器语法糖写法 3.3 设计模式3.3.1 单例模式3.3.2 工厂模式 3.4 多线程3.4.1 进程、线程和并行执行3.4.2 多线程编程 3.5 网络编程3.5.1 Socket3.5.2 服务端开发3.5.3 客户端开发 3.6 正则表达式3.6.1 基础匹配3.6.2 元字符匹配单字符…

DevOps(八)Jenkins的Maven和Git插件

一、Maven简介 Maven是一个构建生命周期管理和理解工具,用于Java项目。它提供了标准化的构建流程,并简化了从项目编译到文档生成等各种构建方面的管理。 Maven是由Apache软件基金会开发和维护的一个流行的项目管理工具。它的设计目的是简化Java项目的构…

基于深度学习的光场超分辨率算法综述

摘要:光场图像分辨率低的原因之一是光场空间分辨率和角度分辨率之间存在相互制约。光场超分辨率技术旨在从低分辨率光场图像中重建出高分辨率光场图像。基于深度学习的光场超分辨率方法通过学习高、低分辨率光场图像之间的映射关系来提升图像的质量,突破…

三级等保安全解决方案——实施方案

实施方案设计 本方案将依照国家有关信息安全建设的一系列法规和政策,为电台建立体系完整、安全功能强健、系统性能优良的网络安全系统。以“统一规划、重点明确、合理建设、逐步强化”为基本指导原则。根据电台网络系统不同信息的重要性调整保护策略,不欠…

OpenHarmony网络组件-Mars

项目简介 Mars 是一个跨平台的网络组件,包括主要用于网络请求中的长连接,短连接,是基于 socket 层的解决方案,在网络调优方面有更好的可控性,暂不支持HTTP协议。 Mars 极大的方便了开发者的开发效率。 效果演示 编译…

【数学】推荐一种用尺规绘制正五边形,简单而又精确的作法

【说明】 正五边形的尺规作图方法很多,但大多比较繁琐,下面介绍一种作法,这种方法步骤少,简便易行。 【具体步骤】 1.作相互垂直的两条直线,交点为O; 2.以O为圆心作圆,交横线与AB两点&#…

死磕GMSSL通信-C/C++系列(一)

死磕GMSSL通信-C/C++系列(一) 最近再做国密通信的项目开发,以为国密也就简单的集成一个库就可以完事了,没想到能有这么多坑。遂写下文章,避免重复踩坑。以下国密通信的坑有以下场景 1、使用GMSSL guanzhi/GmSSL进行通信 2、使用加密套件SM2-WITH-SMS4-SM3 使用心得 ​…

团体程序设计天梯赛 往年关键真题 详细分析完整AC代码】L2-014 列车调度 STL L2-015 互评成绩 排序

【团体程序设计天梯赛 往年关键真题 详细分析&完整AC代码】搞懂了赛场上拿下就稳 【团体程序设计天梯赛 往年关键真题 25分题合集 详细分析&完整AC代码】(L2-001 - L2-024)搞懂了赛场上拿下就稳了 【团体程序设计天梯赛 往年关键真题 25分题合…

数据库--Sqlite3

1、思维导图 2sqlite3在linux中是实现数据的增删&#xff0c;改 #include<myhead.h> int main(int argc, const char *argv[]) { //1、定义一个数据库句柄指针 sqlite3* ppDb NULL; //2、创建或打开数据库 if(sqlite3_open("./mydb…

【OpenGL实践08】现代渲染管线在GLUT和Pygame和Qt.QOpenGLWidget上各自的实现代码

Qt.QOpenGLWidget进行现代渲染管线实验效果 一、说明 据说QOpenGLWidget是用来取代QGLWidget的继承者&#xff0c;我们试图将GLUT上的旧代码改成QOpenGLWidget&#xff0c;本以为差别不大&#xff0c;轻易搞定&#xff0c;经实践发现要付出极大努力才能完成。经多次实验发现G…

对比实验系列:Efficientdet环境配置及训练个人数据集

一、源码下载 可以通过下方链接下载Efficientdet源码 GitHub - zylo117/Yet-Another-EfficientDet-Pytorch: The pytorch re-implement of the official efficientdet with SOTA performance in real time and pretrained weights.The pytorch re-implement of the official …