为何今日流量出现下滑？读完此文你便能知晓！-精准获客

01、广告平台的核心追求

流量销售准则：CPM居首者获选

广告平台收益 = 广告曝光总数 * 每次曝光获益 = 广告曝光总数 * 千次曝光获益 / 1000 = 曝光量 * CPM / 1000。

（CPM，cost per mille，千次曝光获益）

我们明白，广告曝光量由广告平台能够且愿意商业化的流量决定。像朋友圈这类用户基数相对稳固的平台，除去特殊节日，通常情况下流量不会有显著变动。虽说优量汇承接的是第三方APP流量，会随用户情况有所波动，但一般变化幅度不大。

所以，那个常见问题，“我今日消耗降低了，大盘流量是否有变化？”实际上，消耗下降不能归咎于流量。倘若自己账户的消耗出现较大幅度的下跌，还远未到考虑流量波动的程度。

那么，在流量不会有大幅波动的前提下，我们可知平台若要实现收益最大化，其流量的销售逻辑必定是CPM最高者取胜，所谓的竞争力指的正是CPM值。

02、广告主与广告平台的职责

广告主提高CPM；广告平台精准选定CPM最高值

那么，基于此逻辑。

广告主的任务，是提升CPM以获取流量，有责任和动力去探寻适宜的创意、优化落地页面（微信是否采用小程序）、甚至变更sku。

广告平台的任务，则是准确筛选出CPM的最高值。

这需要广告平台完成两件事。其一，需要构建一套统一的排序规范，表单、加粉、APP等属于不同的标的，该如何进行统一比较；其二，尽可能精确地预估，数十万乃至上百万的广告在某个人身上的eCPM值（e为estimated的首字母，意为预估），经过激烈竞争后选出最高者并展示广告。

03、广告主：提升CPM的途径

提升CTR、CVR、CPA

对于广告主的任务而言，提升CPM的路径究竟是什么呢？

我们需要对CPM进行拆解。

CPM = 1000 * CTR * CPC ——CPM与点击率、点击均价的关系

CPC = CVR * CPA ——点击均价与转化率、转化成本的关系

CPM = 1000 * CTR * CVR * CPA ——CPM与点击率、转化率、转化成本的关系

那么对广告主来说，提升CPM，无非就是尽力提高ctr、cvr以及cpa出价，这是很直白的道理；

信息流广告的重要公式仅有这三个，就算忘记了其他事情，也不能忘记它们！

附：具体的推导公式如下

04、广告平台的首要任务：

确立所有标的的统一竞争排序标准

以eCPM统一标的

对于广告平台的任务而言，首要之事，如何达成统一的竞争排序标准呢？

“不同的投放标的，如表单、加粉、APP，它们是否在同一个人群池子里竞争呢？出价和转化率各不相同，又该如何进行比较呢？”

依据CPM = 1000 * CTR * CVR * CPA，相应的eCPM = CPA * eCVR * eCTR * 1000，只要知晓了eCVR、eCTR以及CPA出价，就能够在eCPM维度上进行统一比较了。

从这张图能够看出，面对同一批A人群，针对不同的标的都有相应的eCPM值，很容易得知投放广告2表单标的的eCPM最高，从而胜出。

*当然，在实际的广告系统中，eCPM最高者胜出后，系统并非直接按照第一名的eCPM收费（一价收费），而是依据第二名的eCPM收费（二价收费）。为何如此呢？可在视频号搜索“信息流运营王学长”了解。为了便于下文讨论，此处均以第一名的eCPM收费（一价收费）为例。

那么，eCPM与CPM之间的关系是什么呢？eCPM是广告未曝光前的预估CPM值，实际曝光后便可得知真实的CPM值。因此，广告平台的使命便是使eCPM趋近于广告主的真实CPM值。

在此需要强调，平台无法改变广告主的真实CPM值，除了广告主自身！那种“只要成本达成，预算不限，帮我花完”的言论，怎么说呢…以后还是放在心里吧。

05、广告平台的第二重任务：

精确预估eCTR、eCVR

表单、加粉、APP等在同一流量池竞争

对于广告平台的任务来说，第二件事，如何精确地预估eCTR、eCVR呢？

预估是通过机器学习建模来实现的。

一直提及模型学习，它看不见也摸不着，那它究竟是什么模样呢。

模型可以抽象为一个函数 f（用户特征，广告特征，上下文特征），输入用户信息、广告信息、上下文信息后，便能输出用户的预估转化率。

详细的用户特征：

人口学属性：自然属性、教育状况、工作状态、婚恋状况、消费状态等

地理属性：地点、工作地点、居住地点、家乡、到访地点等

行为&兴趣爱好&意向

再营销属性：公众号关注、App安装、对广告是否感兴趣等

详细的广告特征：

广告基本属性：行业、广告主、商品类型、优化目标、出价、计费类型等

广告数据：广告历史曝光点击转化数据等

素材相关：文案、创意类型、素材指纹等

商品相关：商品维度的曝光点击转化数据等

详细的上下文特征

流量和广告位相关：广告位属性

环境相关：设备特征、联网方式、浏览内容特征等

需要注意的是，模型是动态更新的，这是因为不断有新的“输入 – 预估 – 真实比较”，广告模型函数每隔几小时就会更新一次。

例如，第一条样本，用户A在朋友圈点击了一条男装广告，模型预估eCVR为3%。实际已转化，所以模型会收到正反馈结果；经过学习迭代后，模型下一次更新后对于相似的用户在朋友圈点击这条男装广告，预估的eCVR可能会高于3%；

第二条样本，用户B在XQ点击了一条手机广告，模型预估eCVR为4%。实际未转化，所以模型会收到负反馈结果；学习迭代之后，模型下一次对于相似的用户在信息流点击这条手机广告，预估的eCVR可能会低于4% ；

…

大家都清楚，数据样本积累得越多，预估就会越准确。所以，点击预估eCTR相对较为容易，与真实CTR的偏差较小；但转化预估eCVR由于仅为点击数的百分之几，与真实CVR的偏差较大，这对于广告平台来说是最大的挑战。

06、广告平台的第三项任务：

实施动态价格调整

成本过高时降低价格，成本过低时提高价格

只要是预估，就会存在偏差，进而导致成本产生波动。

高估（预估会转化，实际未转化），成本会升高；

低估（预估可能不会转化，实际有转化），成本会降低。

当成本不符合目标预期时，系统该如何进行调整呢？

这便是广告平台需要完成的第三件事：通过调价因子进行价格调整。

根据公式，eCPM = CPA * eCVR * eCTR * 1000，所谓调价就是依据实时成本来动态调整eCPM，主要通过在CPA这个环节设置调价因子，当成本过高时降低价格，成本过低时提高价格，以使广告的实际成本更接近目标转化成本。广告主的实时调价需求，也可通过调价因子的变化来实现。

但倘若两个小时过去了，成本依然偏高，且这条广告的量级较大，那就需要找媒体运营查看，调价因子是否正常运作，然后给予下一步的建议。

07、oCPX：信息流广告的璀璨之星

在博弈中，oCPX被历史所选择

相对准确的预估和实时调价能力，使oCPX出价方式在计算广告领域成为出价的主流。

细数当下历史中常见的出价方式，CPM、CPC出价无法解决广告主的成本问题；

CPA出价也无法解决媒体平台可能受损的问题。因为只有在收到广告主的转化数据后，媒体才能进行扣费，要是有人故意少传转化数据来占媒体便宜该怎么办？即便将数据完整地传递给媒体，媒体在预估转化率时，只要存在预估，就必定会有偏差，超出的成本由媒体全部承担，这对媒体而言是不公平的交易。

这也不行，那也不行。该如何是好？

此时，oCPX站出来对广告主和媒体平台表示。

这样吧，广告主依然按照CPA出价，媒体平台全力协助达成目标。但为避免媒体吃亏，我们提前约定好，虽然按照CPA出价，但计费按照点击或曝光来收取。这是什么意思呢，就是只要有点击，就会进行收费。对于广告主来说，反正媒体已经先收费了，少传数据还会影响竞争力，那自然会如实上报，这个机制有效规避了广告主作弊的问题。

那广告主可能会担心，钱收了，效果能得到保证吗？坦白讲，无法像CPA那样完全满足成本要求，但由于能够实现相对准确的预估和动态调价，不会像CPC或者CPM出价那样，成本完全无法控制，广告平台会尽力将成本偏差稳定在一个合理的波动范围内，例如优先拿量不超过30%，稳定拿量不超过20%。

这里需要补充一下，关于oCPX，百度、字节、腾讯等公司曾各自有自己的叫法，如oCPA、oCPC 、oCPM等，其本质是相同的，名称并不重要。现今业界基本会统一为oCPC 、oCPM这两种叫法，按照CPA出价，计费按照【点击收费】则称为oCPC，计费按照【曝光收费】则称为oCPM。选择哪种计费方式由广告平台决定，主要是基于收益稳定性的考虑，但总体上效果差异不会太大，因为点击收费和曝光收费是可以相互转化的。

举个例子，系统预估某广告在A人群上预估其中CPA出价 = 20，eCTR = 2%，eCVR = 5%。若按照oCPM计费，那么CPM = eCPM = 20元；若按照oCPC计费，根据公式CPC = CVR * CPA，那么CPC = 1元。

总结，信息流广告基础原理的七个关键知识如下：

1、从平台收益角度考虑，流量归属于CPM最高者；

2、广告主的任务是提升CPM，广告平台的任务是准确选出CPM最高值；

3、公式CPM = 1000 * CTR * CVR * CPA，为广告主提升CPM指明了方向；

4、eCPM为广告平台找到了统一所有标的竞争排序标准；

5、机器学习能够相对准确地预估eCTR、eCVR；

6、成本的波动可通过实时调价来进行校正；

7、准确的预估和调价使oCPX成为信息流广告的闪耀之星。

以上内容基本上涵盖了信息流广告的全部知识，甚至如果只保留一条的话，那就是

（e）CPM = CPA * （e）CVR * （e）CTR * 1000的公式了。

有了这个公式，优化师的核心操作就明确了：