電商平臺廣告算法解析

電商平臺的廣告算法，雖各公司有所差異，但部分本質(zhì)相通。個人認為阿里技術團隊19年寫的cpc優(yōu)化算法論文很值得一讀。

這里嘗試用人話講解該論文中與電商賣家相關的內(nèi)容，著實有些麻煩。論文雖為阿里技術團隊所寫，但在峰會上只摘取了通用于所有電商平臺的核心思想，即如何最大化利益的策略。

平臺優(yōu)化廣告的依據(jù)

論文提到平臺優(yōu)化賣家廣告的策略，是在ROI和流量質(zhì)量前提下，最大化賣家的GMV，因為這最符合平臺利益。

As a typical case, this paper sets ROI and gaining quality traffic as the advertisers’ demand, and GMV as the platform ecology index, which along with platform revenue are optimized by adjusting the advertisers’ bids.

最大化賣家GMV是基于穩(wěn)定的預期ROI，其公式如下。

參數(shù)說明：

這個公式很直觀，體現(xiàn)了平臺內(nèi)每天發(fā)生的廣告事件。眾多用戶點擊廣告，他們對商品的預期CVR不同，商品的預期PPB也不同，最終導致不同的預期ROI。

ROI決定了平臺的自動調(diào)價功能

上述公式不能單獨運作，它只是一個店鋪中一個廣告a的預期ROI。平臺有了預期ROI后，就有了穩(wěn)定ROI的公式。

b-*_a就是自動調(diào)整的出價bid，平臺調(diào)整的價錢符合上述公式，就能避免ROI下降。

重要的是，這個公式基于平臺計算用戶對商品的預期CVR（即p函數(shù)）。若CVR數(shù)值在一定統(tǒng)計范圍內(nèi)正確，公式才正確，否則錯誤。一般電商平臺會融合深度學習提高p函數(shù)準確率，錯誤概率應在統(tǒng)計學范圍內(nèi)可接受。

該公式中需注意，分母是一段時間內(nèi)所有用戶的預期轉(zhuǎn)化率CVR，分子是廣告展現(xiàn)給特定一個用戶時的預估CVR。

平臺的算法并不一定能長期優(yōu)化你的廣告ROI/Acos

很多賣家說不清為何隨著時間推移，廣告的ROI或Acos表現(xiàn)越來越好。核心原因是p函數(shù)使用了深度學習技術，隨著時間增加，p函數(shù)針對廣告會有越來越好的CVR預測模型。

即使p函數(shù)不隨時間優(yōu)化，廣告系統(tǒng)也會篩選廣告候選人，如淘寶的o Search Node (SN) Server，亞馬遜體系中雖名稱未知，但原理相同，即不可能向用戶展現(xiàn)所有廣告，需計算用戶對產(chǎn)品的預測喜愛程度，數(shù)學上最好的體現(xiàn)就是E[CVR]（即原文中的E[p(c|u,a)]）。

然而，這并非必然，很多產(chǎn)品的ROI/Acos不會隨長時間廣告明顯下降。原因在于優(yōu)化p函數(shù)需考慮用戶畫像，產(chǎn)品特征不明顯或設計太獨特，平臺難捕捉合理人物畫像，p函數(shù)會越來越畸形，失去區(qū)分優(yōu)質(zhì)流量和劣質(zhì)流量的功能。

產(chǎn)品差異化，也要滿足大部分人的需求

一直鼓勵差異化，但很多賣家的差異化脫離了大部分人的需求。在電商環(huán)境中，小部分人的需求市場太小。不過，這種說法較人文，需講究科學。

在廣告算法中，過度差異化的產(chǎn)品，即過于小眾的產(chǎn)品，廣告難捕捉準確人群。部分運營認為可依賴關鍵字定向，但小眾產(chǎn)品的關鍵字搜索量難以想象，投放廣告時多依賴廣泛匹配等自動匹配算法，這又回到人群定向和p函數(shù)范疇。上文講過，產(chǎn)品款式特殊，p函數(shù)很難訓練準確，反而會越來越變形。

如果產(chǎn)品差異化嚴重且只適合小眾人群，推薦選擇獨立站。

產(chǎn)品調(diào)整的策略更加明確

如果一個產(chǎn)品在一定周期內(nèi)，ACOS/ROAS沒有下降，大概率在推薦過程中未得到系統(tǒng)優(yōu)化，即產(chǎn)品人群特征不明顯。此時運營要審視產(chǎn)品是否為大眾款。

若產(chǎn)品不是大眾款，需判斷l(xiāng)isting是否有問題，因為小眾款式需listing上的關鍵字協(xié)助系統(tǒng)持續(xù)優(yōu)化p函數(shù)。

若產(chǎn)品是大眾款，問題可能出在款式/圖片上。運營可選擇放棄或趁早換圖。因為面對大眾款式，p函數(shù)的持續(xù)優(yōu)化能力值得信任，其應能提升計算預測CVR的能力。產(chǎn)品Acos未隨時間下降，可能是圖片或評論區(qū)評分等小因素阻礙了轉(zhuǎn)化，所以要重新審視同行及自身圖片和review的對比。

這里所說的Acos隨時間下降，并非一定會從80%降至10%，可能是80%降至65%，不同類目競爭壓力不同，下限也不同。

平臺廣告vs流媒體廣告

在峰會上講解公式時，提出一個重要問題，即為什么facebook廣告這么難，多數(shù)賣家投放facebook廣告時ROI難看。因為Facebook廣告的優(yōu)化方向與平臺電商不同，一般Youtube、Facebook和國內(nèi)的抖音這類流媒體以優(yōu)化CTR為主，它們無法像平臺電商那樣用GMV最大化作為策略，因為缺乏CVR數(shù)據(jù)。

站外廣告大多數(shù)以優(yōu)化CTR為主

站外流量渠道因缺乏CVR數(shù)據(jù)，很難用最大化GMV、穩(wěn)定ROI的策略優(yōu)化廣告，多采用最大化CTR、最大化預估頁面逗留時間來實現(xiàn)廣告優(yōu)化目的。

有人認為Facebook和Tiktok有Pixel，Google有analytics可跟蹤站內(nèi)銷售，能通過最大化GMV進行廣告優(yōu)化策略，我堅決否定。因為pixel和analytics無法100%正確跟蹤，數(shù)據(jù)丟失會極大影響廣告算法判斷，最終得到畸形的GMV優(yōu)化策略。以目前互聯(lián)網(wǎng)形態(tài)，優(yōu)化CTR最為合理。

Facebook具備代表性，擁有龐大人群、成熟廣告系統(tǒng)、一流廣告優(yōu)化算法，備受中國大陸賣家喜愛。

Facebook知道單純預測CTR不可行，依賴用戶隱私信息增強廣告準確度，其算法中有用戶隱私參數(shù)。所以在2020年12月，F(xiàn)acebook對蘋果IOS14修改IDFA隱私條款表示不滿，因為蘋果設備IDFA會影響facebook廣告準確度和效果跟蹤，進而影響盈利。

值得強調(diào)的是，平臺電商煩惱較少，因為掌握了用戶所有購物數(shù)據(jù)，可直接使用例如Collaborative filtering這類算法進行好物推薦。

而且平臺電商具備搜索功能，用戶購物時直接搜索關鍵字，進入廣告系統(tǒng)和CVR預測流程，這些是Facebook等流媒體不具備的。

這就是為什么Facebook廣告以最大化CTR為最終目的，在這種模型下，虛假廣告因CTR爆表往往獲得青睞，系統(tǒng)對其預測模型會錯判，誤認為產(chǎn)品人見人愛，形成了現(xiàn)在的facebook爆款模式。

Q：Facebook Pixel能不能合理跟蹤CVR

A：可以跟蹤，但數(shù)據(jù)不完整，在廣告優(yōu)化過程中具參考價值，但不能作為絕對依據(jù)。

精品模式 + Facebook何去何從

爆款模式因離譜的虛假廣告在facebook稱霸至少5 - 7年，精品模式的賣家想在Facebook這類流媒體中存活，需做對很多事。

第一件事情就是，你需要明確你的方向，是出單還是品牌。

在峰會中詳解過為什么CPM曝光廣告被多數(shù)賣家低估，以及如何結合CPM和CPC一起打才有效。峰會上強調(diào)了Youtube的視頻廣告，F(xiàn)acebook的CPM廣告也可考慮。做精品賣家并結合Facebook發(fā)展時，要想清楚投放CPM還是CPC。

記住，一開始就投放CPC，很可能永遠賺不到錢，因為CPC的ROI可能永遠虧損，除非產(chǎn)品和廣告創(chuàng)意非常出色。

這里溫馨提示賣家，做精品直接投放cpc虧損概率大，基于產(chǎn)品是正常賣家水平。若產(chǎn)品超級好，廣告創(chuàng)意圖或視頻很棒，cpc賺錢也有可能，但要客觀審視自己的產(chǎn)品。

投放CPM會讓產(chǎn)品在特定人群（由自己設置的人群特征控制）中知名，大概100萬曝光至少。后續(xù)會發(fā)現(xiàn)網(wǎng)站自然流量增多，其他cpc廣告的ROI也會逐步攀升。

所以要做出選擇，是花時間在產(chǎn)品和廣告創(chuàng)意上做cpc廣告，還是花資金燒CPM廣告銷售大眾產(chǎn)品，再配合cpc和自然流量出單。

在目前惡劣競爭環(huán)境下，可能優(yōu)秀的產(chǎn)品 + cpm打造品牌 + 自然流量/cpc廣告進行轉(zhuǎn)化是唯一出路。

盲目在Facebook投放CPC這類以轉(zhuǎn)化計算效果的廣告，會讓精品之路走向死胡同，因為競爭對手可能是夸張廣告和虛假產(chǎn)品。

---未完持續(xù)---

（來源：牛津小馬哥）

以上內(nèi)容屬作者個人觀點，不代表風口星跨境立場！本文經(jīng)原作者授權轉(zhuǎn)載，轉(zhuǎn)載需經(jīng)原作者授權同意。

（來源：牛津小馬哥）