一、OPPO 广告中 oCPX 的定义与优势
1. oCPX 的定义
oCPX 乃是一种以转化成本的优化为目标,依据单个流量的点击率和转化率来进行智能且动态的出价调整的工具。其能够助力广告主有效地把控 OPPO 广告投放的转化成本,提升投放效率,最终实现既定目标。
2. 优势
(1)直达投放目标
对于注重转化效果的广告主而言,CPM 和 CPC 难以让他们表达出真实的目标,而 oCPX 则能够直接触及投放目标。
(2)系统智能计算
精准预测每一次请求的转化价值,基于算法模型实现智能出价,进而提高投放效率。
二、各 oCPX 类型所支持的推广类型及场景
OPPO 广告 推广目标 |
投放场景 |
OS 激活 |
回传激活 |
应用内付费 |
回传注册 |
回传注册 – 应用内付费 |
回传注册 – 应用内付费率 |
回传激活 – 回传次留 |
应用推广 – 应用 |
全流量 |
√ |
√ |
√ |
√ |
× |
√ |
√ |
展示优选 |
√ |
√ |
√ |
√ |
× |
√ |
√ |
|
信息流 |
√ |
√ |
√ |
√ |
√ |
√ |
√ |
|
联盟 |
√ |
√ |
√ |
√ |
× |
√ |
√ |
|
投放场景 |
回传激活 – 回传次留率 |
回传激活 – 长留自定义 |
应用付费次数 |
应用内授信 |
应用关键行为 |
回传注册 – 应用内授信 |
回传注册 – 应用内下单 |
|
全流量 |
√ |
√ |
× |
√ |
× |
× |
× |
|
展示优选 |
√ |
√ |
√ |
√ |
× |
× |
× |
|
信息流 |
√ |
√ |
× |
√ |
√ |
√ |
√ |
|
联盟 |
√ |
√ |
× |
× |
× |
× |
× |
|
应用推广 – IAP 游戏 |
投放场景 |
游戏注册 |
游戏付费 |
游戏注册 – 游戏付费 |
游戏注册 – 付费 ROI1 |
游戏付费 – 付费 ROI1 |
游戏注册 – 游戏每次付费 |
游戏每次付费 |
全流量 |
× |
× |
× |
× |
× |
× |
× |
|
展示优选 |
√ |
√ |
√ |
√ |
√ |
√ |
√ |
|
信息流 |
√ |
√ |
√ |
√ |
√ |
× |
× |
|
联盟 |
√ |
√ |
√ |
√ |
√ |
× |
× |
|
应用推广 – IAA 游戏 |
投放场景 |
游戏关键行为 |
OS 激活 – 变现 ROI1 |
OS 激活 – 变现 ROI7 |
变现 ROI14 |
游戏预约 |
× |
× |
全流量 |
× |
× |
× |
× |
× |
× |
× |
|
展示优选 |
× |
× |
× |
√ |
× |
× |
× |
|
信息流 |
√ |
× |
× |
× |
√ |
× |
× |
|
联盟 |
√ |
√ |
√ |
× |
× |
× |
× |
推广目标 |
投放场景 |
Deeplink 拉活 |
Deeplink 拉活 – 应用内下单 (DP) |
Deeplink 拉活 – 回传次留 (DP) |
Deeplink 拉活 – 回传留存率 (DP 拉活) |
应用内下单 (DP) |
回传激活 |
网页推广 – DP 链接 |
全流量 |
√ |
√ |
√ |
√ |
√ |
√ |
展示优选 |
× |
× |
× |
× |
× |
× |
|
信息流 |
√ |
√ |
√ |
√ |
√ |
√ |
|
联盟 |
√ |
√ |
√ |
√ |
√ |
√ |
|
推广目标 |
投放场景 |
表单提交 |
快应用关键行为 |
快应用/小程序付费 |
快应用加桌 |
微信小游戏注册 |
微信小游戏注册 – 微信小游戏付费 |
网页推广 |
信息流 |
√ |
× |
× |
× |
× |
× |
联盟 |
√ |
× |
× |
× |
× |
× |
|
快应用推广 |
信息流 |
× |
√ |
√ |
√ |
× |
× |
联盟 |
× |
√ |
× |
× |
× |
× |
|
小程序推广 |
信息流 |
× |
× |
√ |
× |
× |
× |
联盟 |
× |
× |
× |
√ |
× |
× |
三、重点 oCPX 类型 – 回传激活 – 次留 与 回传激活 – 次留率
倘若对次留率有着严格的考核标准,建议选择回传激活 – 次留率模型进行投放。
1. 相同点
支持场景:均支持全流量、展示优选、信息流以及联盟。
算法预估:都对次留率进行预估。
投放端表达:都表达激活出价和次留出价。
2. 不同点
优化目标/系统保障对象:成本与率。
效果预期:次留模型的次留成本相对更低,然而对率的保障约束相对较弱,当次留成本固定,而激活成本降低时,次留率会下降。次留率模型对率有着强有力的约束,次留率和成本都更高。
策略控制:次留率模型会默认通过舍弃低次留的流量来保障次留率,而次留模型需要单独开通此能力;次留模型支持 LT7。
四、重点 oCPX 类型 – 回传激活 – 次留 + 自动优化 LT7
目的:在回传激活 – 次留的基础之上,系统通过精准预估用户 7 日内的留存天数,找出高 LT7 留存用户,协助广告主自动优化长留存(LT7)。
支持场景:展示优选、联盟。
要求:App 历史积累 10 个以上的次留量,并连续 14 天回传次留、3 留、4 留、5 留、6 留、7 留。
客户投放效果:
投放效果\投放场景 |
客户 A:展示优选(使用 LT7 vs 未使用 LT7) |
客户 B:联盟场景(使用 LT7 vs 未使用 LT7) |
暂无评论内容