首先，建立一个新的业务是为了解决现有的痛点问题，而ocpc业务主要解决的是广告主的成本波动问题。如果系统里有不少对成本控制要求高的广告主，可以考虑做ocpc。
基本上这个建立过程分几期逐步迭代，每一期测试效果良好再往下一期进行。
初期不用拘泥于优化细节，先跑通整个流程再说，之后再逐步优化。
第一期
算法先做个cvr模型，线下线上先看看auc正不正常，然后线上可以用Enhanced CPC(ecpc)的形式做ab看看转化率是否上涨，论文可以参考《Optimized Cost per Click in Taobao Display Advertising》，虽然淘宝把它叫ocpc，实际实现的还是Enhanced CPC的形式。
简单说说ecpc，同是优化广告主成本，ecpc和ocpc的区别主要在于ecpc不需要广告主给出成本出价。这里给出其中一种形式，
式中的cvr是历史广告主转化率的统计值。简单理解就是当本次预估cvr大于广告主历史统计cvr，就调高出价，反之调低出价。
具体的原理推导细节可以参考《oCPC实践录 | 成本优化策略之eCPC(2)》，本文不再赘述。
第二期
让运营拉几个广告主做测试，给定他们的目标转化成本，后台配置“广告主-成本出价”白名单形式做线上ocpc的效果测试。
这个时候不是ABTest，指标主要关注广告主转化率是否上升和转化成本是否下降。同时也可以开两组完全一样的测试组，一组配置成本出价跑ocpc，一组跑cpc看看ocpc各数据指标是否正向。
第三期
在投放后台开放功能，邀请广告主测试，分一二阶段。一阶段还是cpc出价积累转化数据，达到门槛后进二阶段上PID智能出价以及cvr校准，指标主要关注二阶段成本控制情况。这一时期，基本上就在调参，处理各种bad case细节了。
第四期
功能正式上线，设置自动赔付，定业务数据指标。建立监控体系，比如成本稳定性、赔付率、功能使用率、消耗占比、广告主ltv等等。可能这时还要出一下同广告主下ocpc计划与cpc计划的数据指标对比来证明ocpc效果优于cpc。
后续优化点
到此为止，基本上一个ocpc业务就建立完成能用了。这之后就是模型、机制策略、指标体系的细分、优化以及迭代。比如说是否取消一阶段，投放方式分保量、保成本，离线优化增加仿真测试环节等等。
总结一下ocpc业务中的算法优化点，竞价排序最终都是转化成ecpm排序的，所以由ocpc中ecpm计算公式
可以分别优化公式中的每个变量。
其中是流量控制系数，可以搭配投放方式来调整，该项非必须。
、
分为模型与校准两个方面优化预估准确率。
模型和校准又分别可以细化，比如模型按广告位或者行业维度划分，校准按模型整体校准和广告细粒度校准划分等。
负责优化成本，展开公式
可以看出优化点就是PID控制算法中的偏差函数与响应函数的选取，采样时间、延迟时间、Kp、Ki等各种参数的整定等。
至此，如何从0开始建立ocpc业务以及业务中的算法优化点基本介绍完毕。这其中有很多细节，后续文章会继续深入介绍这些细节。
精彩预告:
-
ocpc智能出价PID控制中的偏差与响应函数
-
智能出价PID控制中不同偏差函数特性对比
-
ocpc一阶段机制
-
ocpc行业模型详解
-
延迟模型在ocpc中的应用
-
ctr校准与cvr校准
-
ocpc自动扩量技术
-
如何从0开始建立ocpc业务
-
ocpc中的深度转化模式
-
ocpc智能出价离线仿真模块
-
评价ocpc效果的指标
-
ocpc中的赔付机制
-
ocpc中的流量控制
……
网友评论