這里講解一下電商平臺的廣告算法，雖然每個公司的廣告算法會有一定的差異，但是有部分本質是想通的。而我個人認為最值得去閱讀的是阿里技術團隊19年寫的cpc優化算法論文。

！提示！下文是我嘗試用人話來講解這篇論文中與電商賣家的相關點。因為嘗試用人話，所以真的，很麻煩。另外論文雖然是阿里技術團隊所寫的，但是在峰會上我至摘取了一個通用于所有電商平臺的部分，那就是核心思想，如何最大化利益的策略。

平臺優化廣告的依據

在這篇論文中有提及到平臺優化賣家廣告中的策略，那就是在ROI和流量質量為前提下，最大化賣家的GMV。因為GMV最大化是最符合平臺利益的。

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.

在最大化賣家GMV，是基于一個穩定的預期ROI的，而這個是基于下述公式的。

參數說明：

1. roi_a: 特定廣告（稱為a）的預期ROI。
2. 分子上的v_a：PPB（Paid Per Buy），預期客單價。
3. 分子上的sum_u of n_u · p(c|u, a)：sum就是那個像z一樣的符號，象征著統計學的總和。而sum_u，就是用戶的總和。n_u就是用戶在一個時間段內點擊廣告的次數。p就是一個函數，接受u和a作為輸入。u就是用戶數據，a就是廣告的整體數據，所以p(c|u, a)就是預估的用戶u針對這個廣告a的轉化率c。所以 sum_u of n_u · p(c|u, a) 就是一段時間內所有看到廣告的用戶的點擊總數乘以該用戶的支付轉化率。
4. 分母上的b_a：廣告a的競價bid。
5. 分母上的sum_u of n_u：一段時間內看到廣告的所有用戶的總共點擊次數。
6. 分子上的E_u[p(c|u, a)]：在綜合考慮完所有用戶的數據后，所得的預期用戶轉化率c。

這個公式已經算是非常直觀的了，幾乎可以說沒有深刻的思想。它只是體現出來一系列平臺內每天都在發生的廣告事件。有很多用戶會點擊廣告，而這些用戶對商品的預期cvr也各不相同，每個商品的預期PPB也不同，最終會有不同的預期ROI。

！提示！下面開始講依據。但是要提醒各位，這篇文章是還沒寫完的。我需要投入更多的時間去寫。但是工作量實在是太大了，已經是007了，我會盡快再完善。

ROI決定了平臺的自動調價功能

上述公式，是不能單獨運作的。因為它只是象征著一個店鋪的其中一個廣告a的預期ROI。一旦平臺有了一個預期的ROI，那么它就有了一個穩定ROI的公式，如下。

b-*_a就是自動調整的出價bid，所以平臺只要所調整的價錢，符合上述公式，就可以避免你的ROI下降。

這里有一個很重要的事情，這個公式是基于平臺計算這個用戶對你的商品的的預期CVR（也就是p函數）。如果這個CVR數值在一定的統計范圍內是正確的，那么當然上述公式會是正確的，否則是錯誤的。一般電商平臺都早已融合深度學習來提高這個p函數的準確率。換種說法，錯誤的概率，應該是在統計學范圍內可被接受。

這個公式中另外一個需要注意的是，分母中的是一段時間內的所有用戶的預期轉化率CVR。而分子是，你的廣告展現給特定一個用戶的時候的預估CVR。

平臺的算法并不一定能長期優化你的廣告ROI/Acos

有很多賣家是不能從數學和算法上講清楚，為什么ROI隨著時間增加，廣告的ROI或者Acos表現得越來越好。目前我在行業內沒有見到過一個。這其中的核心是，因為p函數是應該使用了深度學習的技術，而隨著時間的增加，p函數針對你的廣告會有一個越來越好的CVR預測模型。

！提示！即使p函數不會隨著時間優化，在廣告系統中，都會有篩選廣告候選人的一步。在淘寶系統中，他們稱其為o Search Node (SN) Server。而這個在亞馬遜體系中暫未知是什么命名。但是原理是需要一致的，那就是，不可能展現所有廣告給單獨一個用戶，因為沒有這么多廣告位。所以需要計算出這個用戶對你的產品的預測喜愛程度。在數學里面，最好的體現就是E[CVR]，也就是原文中的 E[p(c|u,a)]

但是這不是必然的，這也是為什么有很多產品的ROI/Acos并不能隨著長時間的廣告有明顯的下降。但這是為什么？核心思想就是在優化p函數的過程中，是需要考慮到用戶畫像的。一個產品如果它的特征不夠明顯，或者是說，如果是太獨特的設計，那么平臺很難捕捉得到一個合理的人物畫像，那么長期久很難提供一個越來越準確的p函數。相反，這個p函數會越來越畸形，最終變成一個完全不準確的函數，而它也失去了它原來的功能，那就是區分開優質流量和劣質流量。

產品差異化，也要滿足大部分人的需求

這句話是我不想說的，因為我們都一直在鼓勵差異化，但是很多賣家的差異化，直接就逃離了大部分人的需求。小部分人的需求在電商環境中，仍然是蛋糕太小的。但是上述這種說法，仍然過于人文，而我們需要講究科學。

在廣告算法中，過度差異化的產品，也就是過于小眾的產品，會讓廣告難以捕捉到準確的人群。部分運營會說，可以依賴關鍵字的定向，但是既然你是一個差異化且小眾的產品，那么就很難想象你這個關鍵字到底有多少的搜索量了。所以這類商品的投放廣告的時候，都是需要大量依賴廣泛匹配等類似的自動匹配算法。一旦涉及到這類匹配，也就又回到了人群定向和p函數的這個范疇。而上文有講解過，如果產品款式特殊，p函數將很難被訓練成準確的樣子，相反，一般只會越來越變形。

如果產品真的差異化很嚴重，并且只適合小眾人群，我還是推薦獨立站會更合適。

產品調整的策略更加明確

如果一個產品在一定周期內，ACOS/ROAS 沒有下降，則這個產品大概率是在推薦的過程中，沒有得到系統的優化。也就是說，你這個產品人群特征并不明顯。這個時候作為運營，你必須要回頭看一下，這個產品，是不是大眾款。

如果你的產品不是大眾款，那么你需要判斷你的產品是不是listing寫得有問題，因為既然已經是小眾款式了，你很需要listing上的關鍵字去協助系統持續性優化p函數。

如果你的產品是大眾款，那么問題幾乎可以說是在款式/圖片上。這個時候作為運營，你要不選擇放棄本個產品，要不選擇趁早換圖。這是為什么呢？因為面對大眾款式，p函數的持續優化能力是值得信任的，至少這個p函數應該是能持續性提升自己計算預測CVR的能力。但是你的產品的Acos并沒有能隨著時間下降，這是因為你的產品雖然看上去是大眾款，實際上有一些小因素阻礙了它的轉化。這些小因素可能是圖片，也可能是評論區的評分。所以如果你確定是大眾款式并且Acos沒有隨著時間下降，那么你應該重新審視下同行和你的圖片和review的對比。

！提示！這里所說的Acos隨著時間下降的意思，并不是說你的Aco一定會從80%將至10%。而可能是80%降至65%。不同類目競爭壓力不同，下限固然也不同。

平臺廣告vs流媒體廣告

在峰會上講解這個公式的時候，提出了一個重要的問題，那就是facebook廣告為什么這么難。為什么大多數賣家投放facebook廣告的時候，往往ROI都非常難看。因為Facebook廣告的優化方向是和平臺電商不一樣的。一般Youtube，Facebook，還有國內的抖音這類流媒體，都是以優化CTR為主的。他們沒有辦法像平臺電商那樣子用GMV最大化作為策略，因為他們缺乏CVR數據。

站外廣告大多數以優化CTR為主

正如上面所說的，站外流量渠道因為缺乏了CVR數據，所以很難用最大化GMV，穩定ROI的策略來幫助商家優化廣告。大多數時候只能用最大化CTR，最大化預估頁面逗留時間，來實現廣告優化的目的。

有些人就會分析，Facebook和Tiktok都有Pixel，Google也有analytics可以跟蹤站內銷售，所以他們也能通過最大化GMV來進行廣告優化策略。我個人是持堅決否定的立場的，因為無論是pixel和analytics都無法真正意義上100%跟蹤正確，一旦數據丟失就會極大的影響廣告算法的判斷，最終只會得到一個畸形的GMV優化策略。以目前互聯網的形態，只有優化CTR是最合理的。

！提示！我下面將會使用Facebook作為示范繼續講解。Facebook具備很好的代表性，他們擁有龐大的人群，成熟的廣告系統，世界一流的廣告優化算法，而且同時備受中國大陸賣家的喜愛。

像Facebook這類公司也知道單純的預測CTR也是特別不可行的，因為它怎么知道用戶對哪些廣告會有CTR呢？Facebook很依賴使用用戶的隱私信息，用于增強廣告的準確度，因為他們的算法里，擁有用戶的隱私參數。這也是為什么，在2020年12月的時候，Facebook對蘋果IOS14修改了IDFA隱私條款表示非常不滿，真實原因很明顯是因為蘋果的設備IDFA會直接影響facebook的廣告準確度和效果跟蹤，進而影響了facebook的盈利。

值得強調的是，對于平臺電商來說，這類煩惱將會少一些。因為平臺電商掌握了用戶的所有購物數據，也就相當于，他們不需要去猜測用戶買過什么，而且可以直接使用例如Collaborative filtering這類算法進行好物推薦。

而且平臺電商還具備搜索功能，大多數用戶需要購物的時候直接搜索關鍵字即可，然后就正式進入到上述的廣告系統中和CVR預測的流程。這些都是Facebook等流媒體不具備的。

這也是為什么Facebook的廣告是以最大化CTR為最終目的，因為這是一種無奈之舉。在這種模型下，虛假廣告由于CTR爆表，往往會獲得facebook等流媒體廣告系統的青睞。因為，這些CTR爆表的虛假廣告，系統對他們的預測模型會錯判，誤認為這產品真的是人見人愛。最終就有了現在的facebook的爆款模式了。

Q：Facebook Pixel能不能合理跟蹤CVR

A：可以跟蹤，但是數據并不完整。換種說法，在廣告優化的過程中，具備參考價值，但不能作為絕對依據。

精品模式 + Facebook何去何從

爆款模式由于離譜的虛假廣告，所以稱霸facebook已經至少5～7年了。精品模式的賣家想要在Facebook這類流媒體中存活下來，理論上來說是可能的，現實是，你需要做對很多件事情。

第一件事情就是，你需要明確你的方向，是出單還是品牌。

我在峰會中，已經詳解過為什么CPM曝光廣告被大多數賣家低估，也講解了如何結合CPM和CPC一起打才會有效果。而這個CPM我在峰會上只是強調了Youtube的視頻廣告。但是Facebook的CPM廣告也是可以考慮的。所以當你打算做精品賣家并且想要結合Facebook進行發展的時候，你需要想明白，到底是要投放CPM還是投放CPC。

記住，如果你一開始就投放CPC，很有可能你永遠都不可能賺到錢。因為你的CPC的ROI將會永遠是虧損的，當然除非你的產品和廣告創意非常牛逼。

！提示！我這里溫馨提示一些賣家，上面說的你如果做精品，直接投放cpc，虧損的概率很大，這是基于你的產品仍然是正常賣家的水平。如果你的產品是真的超級好，廣告創意圖或者視頻真的超級棒，那么當然，你的cpc賺錢也是可能的。但是你需要客觀審視下自己的產品。

如果你投放CPM，會讓你的產品在某個特定人群（這個人群是你自己所設置的人群特征控制的）中變得知名。大概要多少曝光才足夠呢？不同類目當然不同，但是硬是給一個數字，那就是100萬的曝光至少。然后后續你會發現，你的網站的自然流量會慢慢多起來，以及你的其它cpc廣告的ROI也會逐步攀升。

所以你需要做出一個選擇，你是花費時間在產品和廣告創意上，然后直接做cpc廣告。還是說，花費資金燒CPM廣告去銷售一個大眾產品，然后再配合cpc和自然流量出單。

但是在目前惡劣的競爭環境下，你需要做的，恐怕是優秀的產品+cpm打造品牌+自然流量/cpc廣告進行轉化，這恐怕是唯一一條路。

盲目的在Facebook投放CPC這類以轉化計算效果的廣告只會讓你的精品之路走向死胡同，因為你的競爭對手很有可能都是一些夸張的廣告，虛假的產品。

---未完持續---

（來源：牛津小馬哥） 

以上內容屬作者個人觀點，不代表雨果跨境立場！本文經原作者授權轉載，轉載需經原作者授權同意。

（來源：牛津小馬哥）