一背景

广告主总是期望自己的出价随着流量的质量进行改变，但是由于技术的限制， 传统的方法只是根据特定人群以及广告位设定一个固定的出价， 这是一种比较粗粒度的方式。然而广告主一直在追寻一种更细的粒度来匹配出价和流量质量。当前固定出价有俩个不足之处，首先固定的出价不能有效的与流量的质量匹配，其次传统的方法通过最大化ecpm，来追求短期的商业收益，但是在这个过程中没有对一些中间指标进行优化，比如GMV。

为了解决传统方法的问题， 淘宝提出了OCPC(optimized cost per click)方法。通俗的说，就是在每次用户请求，根据当前的流量质量动态调整广告主的出价，以最大化广告主，平台以及用户三方利益。

二 OCPC

2.1 目标

确定了OCPC这种根据流量质量动态调整出价的方式来解决问题，但是这种方法的具体优化目标是什么？ 在该论文中，该方法是在roi不降或者增加的前提下，提高GMV指标。

                                                                                 (1)

上述(1)表示的是单一一次点击roi的计算方法， c代表convert，u代表user， a代表被点击的ad， 代表广告a的客单价即用户的付款金额。代表一用户对被点击的广告的转化率。

                          (2)

上述公式(2)为广告a整体roi的计算公式，表示一用户在一段时间内的点击次数。

出价优化的边界：当出价优化满足 将阻止roi的下降。

(1) 当时，表示当前流量质量好，需要提高出价

(2)当 时，表示当前流量质量差，需要降低出价

表示的一个阈值，优化的出价区间

2.2 排序

按照2.1中找到的规律进行调整出价，应该就可以让广告主得到更优的流量和更高的roi。但是由于出价的改变，按照ecpm排序公式排的序也会随之改变，这样的改变就不能保证以上指标的提升。所以想要在ecpm排序的原理基础上，也能获得找到最优的出价来报持2.1中各指标的优化。主要是找到了一种贪心算法的方法。

算法的伪代码

上述算法即保持在ecpm排序的基础上，最大化，表示在ecpm排完序后，最大化第k个的。有不同的表示。

代表交易额GMV，代表平衡GMV和平台收益。

例子

(1) 首先按照进行排序

(2) 按照排完序后的顺序查找, 大于所有剩余广告的, 在该例子中，找到序列为1的广告

(3) 找到目标广告后，需要对剩余的广告进行更新。因为三号广告位的为11.7大于11.2， 所以要将其更新为11.2，  = 11.2 /0.06 = 1.86

(4) 第二个选择的是三号广告位，因为二号广告位的7.5 小于三号广告位9, 所以选择的是三号广告位。

三总结

在本篇文章中，主要讲的是希望动态调整用户的出价，这样符合广告主需求的方式，来提高广告平台的收益，并且保证了广告主的利益。该种方式主要是通过cvr的分布来调整出价。其他公司也有OCPC方面的探索，可以借鉴：https://mp.weixin.qq.com/s/JxSGYCA_6p_ui0nPYqQixw