全景金字塔

广告行业所有 CP* 和 oCP* 术语摆在一起，只做一件事：回答「广告主每一块钱应该在什么触发条件下花出去」这一个问题。不同缩写对应不同的触发条件（展示、点击、注册、下单、安装、停留），触发条件越靠近真实交易，媒体承担的风险越大、单价越高。前缀 o-（Optimized）是在原有计费条款之上套一层由机器学习驱动的智能出价，让系统替广告主去挑"最可能转化"的流量。而 eCPM 既不是计费方式，也不是出价方式，它是在广告系统排序那一刻，把所有出价方式折算回同一个量纲（每千次曝光的期望收入）的通用货币。公式 eCPM = pCTR × pCVR × bid × 1000 是今天所有主流广告拍卖的共同底层。

这一家族要解决的根本矛盾只有一个：广告主想按真实效果付费以锁定 ROI，媒体想按可控的曝光供给收费以锁定收入，两边都不愿意单独承担数据噪声、作弊和归因延迟带来的不确定性。广告计费从 1990 年代的 GD 合约一路演进到今天的 OCPX 自动出价，本质是在一次又一次地重新分配这份不确定性：谁承担风险、谁掌握数据、谁负责校准、谁来兜底。

本文做三件事。第一，穷举 CP* 家族的所有成员，给每个术语一个权威出处。第二，把 eCPM 的三种口径一次讲清楚，连带讲透 GSP 拍卖和 2019 年 Google 切回一价的那次重大转向。第三，按照 GD → CPM → CPC → CPA/CPS → oCPX → 全自动出价的时间轴，还原这套体系是怎么一步一步长成今天的样子。

CP* 家族的全景图

一张总表：18 种计费方式

CP* 的意思是 Cost Per X——广告主每一块钱对应一个确定的触发动作。截至 2026 年仍在被主流平台使用、或在历史文献中留下痕迹的成员如下，按触发深度从浅到深排列：

缩写 英文全称 中文译名 触发动作 风险承担 典型平台
CPM Cost Per Mille 每千次曝光成本 广告被展示 1000 次 广告主 品牌展示、门户、Facebook/腾讯/Meta
CPT Cost Per Time 每时段成本（包时段） 广告位独占指定时间段 广告主 抖音开屏、门户首页包天
CPD Cost Per Day / Cost Per Download 每天 / 每次下载成本 包天 / 用户下载 App 广告主（包天）/ 媒体（下载） 门户 / Google Play
CPC Cost Per Click 每次点击成本 用户点击 双方共担 搜索广告（Google AdWords、百度凤巢）、信息流
CPV Cost Per View 每次观看成本 用户观看视频（通常 ≥30 秒或完成率达标） 双方共担 YouTube TrueView、视频信息流
CPCV Cost Per Completed View 每次完整观看成本 完整看完视频广告 媒体偏多 YouTube、OTT 长视频
CPE Cost Per Engagement 每次互动成本 点赞、评论、转发、上滑等主动互动 双方共担 微博、Instagram、富媒体广告
CPF Cost Per Follower 每次关注成本 用户关注账号 媒体偏多 Twitter Follow Ads、账号涨粉
CPUV Cost Per Unique Visitor 每独立访客成本 触达一个去重后的 UV 广告主偏多 早期网站广告，今已罕见
CPL Cost Per Lead 每条线索成本 用户留下表单、手机、邮箱等线索 媒体 B2B、教育、金融、房产
CPI Cost Per Install 每次安装成本 用户安装完成 媒体 移动应用推广、Google UAC、Meta App Install
CPR Cost Per Registration / Response / Result 每次注册 / 响应 / 结果成本 用户完成注册或触发指定 result 媒体 会员注册、Meta Ads 通用指标
CPO Cost Per Order 每张订单成本 用户提交订单（不一定完成付款） 媒体 电商、外卖
CPA Cost Per Action / Acquisition 每次行动 / 获客成本 用户完成指定深度转化动作 媒体 Google tCPA、联盟营销
CPS Cost Per Sale 每次销售成本 用户完成付款成交 媒体 阿里妈妈淘宝客、Amazon Affiliate
CPP Cost Per Purchase / Point / Phone Call 每次购买 / 每收视点 / 每次来电成本 含义随语境而定 看含义 电商 / 传统电视 GRP / 呼叫营销
CPH Cost Per Hour 每小时成本 广告位独占 1 小时 广告主 YouTube Masthead、植入时长
CPM 衍生：eCPM effective CPM 有效千次曝光（收益） 不是计费方式，是把各种计费折算到千次曝光量纲的通用尺 — 媒体与广告系统共用

四个分类维度

同一张表从四个维度切，能看出整个家族的内部结构。

维度一：按触发深度（营销漏斗）

  • 曝光层：CPM、CPT、CPD（按天）、CPH——只要广告出现就计费
  • 互动层：CPC、CPV、CPCV、CPE、CPF、CPUV——需要用户主动发生轻度交互
  • 转化层：CPL、CPI、CPD（按下载）、CPR——需要用户完成低门槛转化
  • 交易层：CPA、CPS、CPO、CPP（按购买）——需要用户完成有商业价值的深度转化

维度二：按风险分配

广告投放的根本不确定性来自三件事：流量到底值不值这个价（供给侧噪声）、用户会不会真的转化（需求侧噪声）、转化数据能不能被归因（测量噪声）。不同计费方式就是这三类不确定性在买卖双方之间的分配协议。

  • 广告主承担高风险：CPM、CPT、CPD-day、CPH。广告主交钱买"可能性"，不管转化如何
  • 双方共担：CPC、CPV、CPE、CPF。需要用户主动交互才计费，但仍不保证转化
  • 媒体承担高风险：CPL、CPI、CPR、CPA、CPS、CPO。只有真实转化才能结算，媒体必须对流量质量负责

这里有一条隐藏规律：触发越深，媒体承担的风险越大，对应的单价也越高。CPM 可能只要几块钱千次，CPS 可能是成交额的 10%–50%，CPL 在教育和金融行业能到几百元一条。这不是定价随意，而是风险溢价。

维度三：按产品生命周期

营销漏斗 Awareness → Consideration → Conversion → Transaction 的四段路径，几乎和计费方式一一对应：

  • Awareness（认知）：CPM、CPT——品牌要的是曝光量和注意力
  • Consideration（考虑）：CPC、CPV、CPE、CPF——品牌要的是兴趣信号
  • Conversion（转化）：CPL、CPI、CPR——效果广告主要的是低门槛转化
  • Transaction（交易）：CPA、CPS、CPO、CPP-purchase——电商与直营广告主要的是真金白银

维度四：按主流程度

2026 年仍占据绝大多数市场份额的核心计费方式有 8 种：CPM、CPC、CPA、CPS、CPL、CPI、CPV、CPE。其余大多数是特定行业的 niche（CPT 门户包天、CPH YouTube Masthead、CPF 社交涨粉）或已被替代的历史形态（CPUV 基本被 CPM 吸收、CPR 基本被 CPA 吞并）。

一词多义的坑

同一个缩写在不同语境下经常指完全不同的东西，读文档时不区分清楚会直接读错。

  • CPD：在移动广告语境里是 Cost Per Download（每次下载），在门户/信息流广告语境里是 Cost Per Day（包天）。两者风险方向完全相反。
  • CPT：在数字广告里是 Cost Per Time（按时段），在英国电视广告传统里是 Cost Per Thousand（等同于 CPM）。
  • CPP：至少有三种含义——Cost Per Purchase（电商）、Cost Per Point（电视 GRP）、Cost Per Phone Call（呼叫营销）。
  • CPR：至少有三种含义——Cost Per Response（早期直邮）、Cost Per Registration（注册）、Cost Per Result（Meta Ads 通用术语）。
  • CPA 与 CPS 的界线：广义的 CPA 包含 CPS（销售本身就是一种 action），但在效果广告行话里，CPA 常默认指注册、下单、激活这类"非付款"行动，CPS 单独留给真正的"付款成交"。

读任何一份广告平台文档之前，先确认这些缩写在当前产品线下被如何定义，是第一步。

eCPM 不是计费方式，是一把通用尺

三种口径

eCPM 的字面含义是 effective Cost Per Mille——有效千次曝光成本/收益。在不同语境下它对应完全不同的公式，混用会导致非常严重的沟通错位。

口径一：媒体结算口径（回看视角）

eCPM=广告总收入总曝光次数×1000eCPM = \frac{\text{广告总收入}}{\text{总曝光次数}} \times 1000

这是 Google AdMob、Meta Audience Network 官方文档里给出的定义。它是事后统计指标，用来把 CPC 广告、CPA 广告、CPV 广告全部折算成「每千次曝光赚多少钱」的可比口径，方便媒体横向比较不同需求渠道的变现效率。

口径二：广告系统排序口径（实时视角）

eCPM=pCTR×pCVR×bid⏟期望每次曝光收入×1000eCPM = \underbrace{pCTR \times pCVR \times bid}_{\text{期望每次曝光收入}} \times 1000

这是 OCPX 下的竞价排序分。在每一次广告请求到来时，广告系统对候选广告逐一计算这个 eCPM，按从高到低排序，决定给谁曝光。bid 的含义依出价方式不同：

  • oCPM：bid = target_CPA（广告主出的目标转化价），eCPM 全公式 pCTR × pCVR × target_CPA × 1000
  • oCPC：bid = target_CPC（目标点击价），eCPM = pCTR × target_CPC × 1000
  • CPC：bid 是广告主手工设的 CPC 出价，eCPM = pCTR × bid × 1000
  • CPM：bid 就是 CPM 出价，eCPM 直接 = bid（免去预估）

同一个广告位同一次竞价里，oCPM、CPC、CPM 广告会被统一折算成 eCPM 同台排序。这就是为什么 eCPM 被称为广告系统的「通用货币」。

口径三：广告主视角的效率指标

某些效果广告主会把自己投放得到的实际 eCPM（总消耗 / 总曝光 × 1000）作为效率 KPI，用来比较不同渠道、不同素材、不同定向组合。口径三的公式和口径一相同，只是屁股坐在了广告主这边。

三种口径共享同一个数学形式（收入/收益 ÷ 曝光 × 1000），但实时排序口径里的「收益」是预估值（pCTR × pCVR × bid），结算口径里的「收入」是实际值（真实发生的消耗）。把预估和实际搞混会得到错误的结论。广告主看到自己的实际 eCPM 比出价对应的 target 低，通常说明平台在竞价时保守估计了流量价值，并不意味着系统在坑钱。

排序口径的数学直觉

为什么是 pCTR × pCVR × bid × 1000 这个形式？一步一步推：

  1. 广告主的期望是每次完成一次深度转化（比如安装、注册、下单）付 target_CPA（这就是 bid）
  2. 给定一次点击，用户完成转化的概率是 pCVR，所以这次点击的期望价值 = pCVR × target_CPA
  3. 给定一次曝光，用户发生点击的概率是 pCTR，所以这次曝光的期望价值 = pCTR × pCVR × target_CPA
  4. 乘以 1000 换算成千次曝光，就得到 pCTR × pCVR × target_CPA × 1000

这个 eCPM 代表的是系统从这条广告这次曝光里期望能为媒体赚到的钱。系统用期望收入排序，天然就最大化了媒体的长期收入。广告主出 target_CPA，实际扣费按 CPM（oCPM）或 CPC（oCPC）结算。O 前缀的核心设计正是优化目标和结算口径的分离。

这里有一个容易被忽略的细节：pCTR 和 pCVR 都是模型预估值，不是真实值。模型有偏差，预估就有偏差，排序就有偏差，广告主的成本就会跑偏。OCPX 系统里最关键的工程问题由此引出：校准。

与 CPM / RPM / ARPU 的区分

这四个词在真实工作场景里天天被混用，但口径差异其实很清晰。

术语 视角 分子 分母 典型用途
CPM 广告主 广告主花的钱 曝光次数 计费方式本身
eCPM 通用 期望/实际收益 曝光次数 跨计费方式的可比尺、竞价排序分
RPM 媒体（发布方） 总收入（广告+其他） PV 页面浏览量 AdSense、新闻站发布方的页面级变现效率
ARPU 媒体/产品 总收入 用户数 用户生命周期价值，不是单次曝光维度

最容易混的是 eCPM 和 RPM。两者分子都是「赚的钱」、都乘 1000，但分母不同：eCPM 的分母是广告位曝光次数，RPM 的分母是页面浏览量（PV）。一个页面上有 3 个广告位，每次 PV 会产生 3 次曝光；如果三个广告位每个的 eCPM 都是 10 美元，那么这个页面的 RPM 差不多是 30 美元。媒体策划通常看 RPM（页面值多少钱），广告 Ops 通常看 eCPM（广告位值多少钱）。

O 前缀：智能出价的历史与机制

Facebook 2012 年那一刀

OCPX 这一代出价方式的起点是 Facebook 的 optimized CPM（oCPM），大约 2012 年推向市场。Facebook 在 2012 年上半年做了影响深远的广告架构改造，oCPM 是其中最核心的产品动作。

oCPM 想解决的是一个非常具体的痛点：广告主想要的是转化，但不得不按曝光或点击出价。传统 CPM 下广告主买的是曝光，曝光了但没转化钱就白花。传统 CPC 下广告主买的是点击，点击到转化还隔着一层鸿沟，素材诱导性越强点击成本越低、真实转化越差。广告主真正想要的表达是「我只在乎每次购物车下单出多少钱，其余交给系统」。

Facebook 给出的交易方案是：广告主设一个转化目标（比如「每次安装最多出 5 美元」），系统在后台对每一次曝光机会预估 pCTR × pCVR × 目标转化价，按这个期望收益排序选广告。结算仍然按 CPM 走。广告主得到的是期望的转化成本控制，媒体得到的是稳定的千次曝光收入。风险从广告主的「曝光是否转化」这一端，被转移到了系统的「pCTR/pCVR 预估是否准确」这一端。

OCPX 这套体系最关键的那一步跨越是：优化目标（广告主侧）和结算口径（媒体侧）被解耦。

中国四大平台的 2017-2018 跟进

国内的跟进集中在 2017–2018 两年：

  • 腾讯广告（原广点通）oCPA：2017 年上线。腾讯广告官网回顾里明确写着"2017 年，oCPA 功能上线，Marketing RPI 正式开放"，同期推出成本保障政策
  • 百度凤巢 OCPC：2017 年。这条线的主导者鲁鹏俊在后续访谈里提到，2017 年他在凤巢推出 OCPC，最初只是为了冲击"百度最高奖"；2017Q4 百度财报里披露凤巢首次部署强化学习以支持 OCPC 精细化优化；2018 年百度官方宣布把 OCPC 推广到更多行业
  • 今日头条/巨量引擎 oCPC → oCPM：2018 年。业界报道显示，2018 年初头条上线 oCPC，年内升级到 oCPM；2018 年底游戏行业已普遍从 oCPC 切换到头条 oCPM
  • 阿里妈妈智能出价：2018 年随 Uni Desk 代理商工作台集成上线

整体看，中国互联网广告的 OCPX 化比 Facebook 晚了 5–6 年，这个时间差符合海外技术扩散的普遍节奏。真正让这一套在国内普及的两个条件：一是深度学习模型在 2015–2016 年前后进入工业级应用，pCTR/pCVR 预估的精度迈过了可用门槛；二是移动信息流广告（头条、广点通、百度 Feed）在 2016–2017 年同时爆发，给了新机制足够大的流量样本去训练和校准。

oCPC / oCPM / oCPA 的机制差异

O 前缀的三兄弟经常被混用，但它们在出价口径、结算口径、风险承担方这三条上差异明显。

维度 oCPC oCPM oCPA
广告主出价口径 CPC 出价 目标转化价（target CPA） 目标转化价（target CPA）
系统结算口径 按点击扣费 按千次曝光扣费 按转化扣费
优化目标 转化 转化 转化
广告主风险 点击到转化这段仍自担 出价预估偏差 几乎零风险（出转化价，按转化扣）
媒体/平台风险 中 中 高（转化率预估失准直接亏损）
作弊难度 中（伪造点击相对容易） 较高 最高（需伪造完整转化链路）
曝光量可控性 较好 最好 最差
国内主流度 过渡形态 主流 较少

三者的排序公式都落回同一个 eCPM 量纲：

  • oCPM 下：eCPM = pCTR × pCVR × target_CPA × 1000，结算按曝光，扣费等于系统对这次曝光的期望出价
  • oCPC 下：eCPM = pCTR × target_CPC × 1000，结算按点击，扣费是点击时的 target_CPC（或 GSP 下一位价）
  • oCPA 下：eCPM = pCTR × pCVR × target_CPA × 1000，结算按转化，只有真实发生转化时才扣 target_CPA

为什么国内主推 oCPM 而不是 oCPA

oCPA 是"真正按效果付费"——广告主出转化价，系统也按转化扣费，逻辑上最干净。但国内大厂最终主推的是 oCPM 而不是 oCPA，原因有四层：

一是风险分配。oCPA 下，pCVR 预估偏差的成本全部由平台承担：如果系统高估了转化率，把广告推给了不转化的用户，那些曝光和点击都是平台自己吃掉的成本。oCPM 把这个风险分摊给广告主——广告主仍然按曝光付费，但系统承诺"按你的 target_CPA 优化"，平台收入稳定。

二是作弊成本。oCPA 下，每一次转化数据都直接决定扣费金额，黑产有极强的动机去伪造点击→注册→付费的完整链路。oCPM 按曝光扣费，伪造转化只能影响后续优化方向而不直接扣平台的钱，风控压力小得多。

三是曝光量可控性。oCPM 下广告主可以大致预测"预算 × 1000 / oCPM 出价"的曝光量，投放节奏可控；oCPA 下曝光量完全取决于系统当下对 pCVR 的预估，广告主难以预测投放节奏，容易出现"钱花不出去"或"爆量超预算"的极端情况。

四是与 GSP 拍卖机制的兼容性。GSP 对同一量纲的 eCPM 做排序和定价天然契合，oCPM 的 pCTR × pCVR × target_CPA × 1000 可以无缝进入 GSP 框架。oCPA 需要一套更复杂的机制设计来处理"竞得但不转化"的空档。

oCPM 本质上是一份三方风险分配协议：优化目标对齐广告主，结算口径保护平台，作弊空间被压缩到最小。国内主流平台（腾讯、字节、百度、快手、阿里）最终都把 oCPM 做成主打出价方式，原因都在这四层里。

oCPM 之后又出现了双出价的演进形态：广告主同时设置浅层转化（表单提交）和深层转化（有效线索）两个目标价，平台在保证深层转化成本的前提下优先放量，兼顾数据量与 ROI。

成本保障与 pCTR/pCVR 校准

OCPX 的技术基石是 pCTR 和 pCVR 的精准预估，而这两个数字都是机器学习模型的输出，天然有偏差。偏差会直接传导成广告主的成本偏差：

  • 模型高估 pCTR/pCVR：系统以为这次曝光很值钱，排到前面给了它。结果转化没发生，广告主实际花的钱比预期的 target_CPA 高——成本超标
  • 模型低估 pCTR/pCVR：系统觉得这次曝光价值不高，排到后面没给曝光。结果广告主的优质流量被错过——失去转化机会

工业界的解决方案叫校准（calibration）：在 pCTR 模型输出的原始概率之后接一个简单模型（常用 Platt Scaling 逻辑回归、Isotonic Regression 单调回归），把模型输出的概率分布校正到与真实世界观测频率对齐。判断一个 OCPX 系统是否工业级，看的不是底层模型多复杂，而是校准做得多稳。模型预测 pCTR=0.01 的那批曝光，真实点击率是否真的落在 [0.009, 0.011] 的窄区间里，这是校准能力的终极考核。

为了让广告主敢用 OCPX，各大平台推出了成本保障（成本赔付）政策：新计划冷启动阶段，如果实际转化成本超过 target 的某个倍数（头条是 20%，即超成本 ≥1.2 × target 就开始赔付，腾讯类似），平台按规则赔付广告主超出部分。赔付机制在商业上兜底了冷启动数据不足导致的成本波动，在技术上倒逼平台把 pCTR/pCVR 的校准做准。赔付金额直接进平台损益表，校准差一点，财报就难看。

拍卖机制：GSP 的黄金二十年与 2019 年的一价转向

GSP 是怎么来的

搜索广告的竞价定价机制，最早是 1998 年 GoTo.com（后来的 Overture，再后来的 Yahoo! Search Marketing）发明的一价拍卖：广告主按关键词出价，出价最高的排第一，点击按自己的出价扣费。一价拍卖有一个众所周知的病症叫出价震荡。当前第一名没必要出比第二名高很多，于是第一名会把价格降到"刚好比第二名高一分"。第二名一看位置丢了就再往上加价，第一名再跟着调。整个市场变成一场机器人互相试探的循环。

2002 年 2 月，Google 在 AdWords Select 里引入了广义第二价拍卖（Generalized Second-Price Auction，GSP）：出价最高者胜出，但只需按第二高的出价 + 最小增量结算。Yahoo/Overture 随后也切换到了 GSP。这套机制让广告主没有动机去反复试探，因为最终付的钱与自己的出价无关（只和下一位有关），震荡消失。

GSP 的经典学术分析来自 Edelman、Ostrovsky 与 Schwarz 的 Internet Advertising and the Generalized Second-Price Auction，发表于 American Economic Review 2007 年 1 月号（vol. 97, no. 1, pp. 242-259）。这篇论文指出一个容易误解的事实：GSP 不等于 VCG（Vickrey-Clarke-Groves），也不是严格的 truthful auction。在多广告位场景下，真实出价并不是 GSP 的纳什均衡策略。但 GSP 在工程实现上远比 VCG 简单，在实际中表现稳定，这是 Google 当年选它而不是选 VCG 的关键原因。

三种拍卖机制的对照

机制 胜者支付 激励兼容 抗合谋 实现复杂度 典型应用
一价（First-Price） 自己的出价 弱（需要 bid shading 策略） 一般 低 Google Ad Manager（2019 后）、Header Bidding、程序化交易所
GSP（广义二价） 下一位的出价 + 最小增量 近似真实（但非严格 truthful） 较强 中 Google Search Ads、微软 Bing Ads、多数 SSP 历史默认
VCG 自己给其他竞拍者造成的"福利损失" 严格真实（dominant strategy） 强 高 Facebook 广告拍卖、部分组合拍卖、学术研究为主

三种机制配合 eCPM 排序时，公式都是先按 eCPM 从高到低排，区别只在扣费环节。

2019 年 Google Ad Manager 切回一价

GSP 当了 17 年的行业标配，2019 年 Google 做了一次重要的反转：把 Google Ad Manager（展示广告）从 GSP 切回了一价。

时间线（来源：Google 官方公告 + 美国司法部在反垄断诉讼中披露的 Google 内部文件 PTX1096）：

  • 2019 年 3 月 6 日：Google 公开宣布将切换 Google Ad Manager 为"统一一价拍卖"（Unified First-Price Auction）
  • 2019 年 6 月：切换正式启动
  • 2019 年 9 月：切换完成，同时退役了 Last Look 等第二价时代的产品特性

切换原因主要有三条。一是 Header Bidding 的生态压力：2017 年前后 Header Bidding 兴起，SSP 们在头部竞价里默认走一价，而 Google Ad Manager 内部还是二价，两种机制并存导致跨生态的出价难以公平比较，publisher 反映"Google 总是在占便宜"。二是结构透明度：GSP 下底价（floor price）可以被 publisher 隐性操纵影响成交价，一价拍卖让这一套策略失效。三是对齐市场：所有主要 SSP 的默认机制都是一价，Google 跟着切是顺应市场趋势。

切换的覆盖范围要看清楚：这次切换只覆盖 Google Ad Manager（GAM），即展示广告侧；Google Search Ads 至今仍沿用 GSP 体系。两套产品在底层是分离的，所以 2019 年的这次切换不能简单说成"Google 全线切一价"。国内大厂的展示广告拍卖机制大致也在同一时间段（2019–2021）跟着从 GSP 逐步切回一价或向 VCG 靠拢，具体路径各平台不同。

一价拍卖回来之后，bid shading（出价下调）也跟着回来。广告主在 DSP 里训练模型估算"在这次竞价中刚好能赢的最低出价是多少"，再按这个值提交。bid shading 本身催生了一批专门做出价优化的 DSP 产品和论文（KDD 2021 开始有多篇），这是一条独立的演进线。

三十年演进版图

互联网广告计费方式的演进大致分为六个阶段：

graph LR
    A[1990s<br/>GD 保量合约] --> B[1995-2000<br/>CPM 展示品牌]
    B --> C[1998-2002<br/>CPC 搜索广告<br/>GoTo/Overture 一价<br/>Google AdWords 2002 GSP]
    C --> D[2005-2012<br/>CPA/CPS 联盟营销<br/>效果深化]
    D --> E[2012-2018<br/>oCPX 智能出价<br/>Facebook 2012<br/>国内 2017-2018]
    E --> F[2019-至今<br/>全自动出价<br/>Smart Bidding / AIGB<br/>一价回潮]

每一步演进解决的是上一步留下的痛：

  • GD → CPM：GD 合约的包量报价颗粒度太粗，不同广告位难以横向比较。CPM 把「千次曝光」作为标准单位，让广告买卖第一次有了通用度量
  • CPM → CPC：CPM 下广告主为不确定的点击机会付费，在搜索广告场景里并不公平。Google 2000 年上线 AdWords 从 CPM 起步，2002 年切到 CPC + GSP，把「曝光到点击」这一段的风险还给了媒体
  • CPC → CPA/CPS：CPC 下广告主仍为「点击到转化」的不确定性买单。联盟营销（2000 年代中后期 Amazon Associates、ClickBank、CJ Affiliate）把风险继续推给媒体，按真实成交结算
  • CPA → oCPX：纯 CPA/CPS 的媒体侧风险过高、作弊泛滥，难以规模化。2012 年 Facebook oCPM 用「优化目标与结算口径分离」的设计让广告主享受 CPA 体验、媒体保留 CPM 收入稳定性，由机器学习承接 pCTR/pCVR 的预估
  • oCPX → 全自动：2018 年后 Google Smart Bidding、字节极速智投、阿里妈妈 AIGB、腾讯 AEM 陆续出现。广告主只设预算和 ROI 目标，系统全自动出价、定向、创意组合。这一代的关键词从 optimized 变成 autonomous

演进背后的驱动力有三条。一是数据归因工具的成熟（UTM、SDK 归因、归因窗口标准化）让深度转化可测。二是机器学习模型从 LR 到 DeepFM、DIN、MMoE 的迭代让 pCTR/pCVR 精度过关。三是流量供给端从桌面 PC 向移动信息流、短视频转移，给了新机制大样本训练空间。这三条缺一不可。

Google Smart Bidding 与国内 OCPX 的对应

海外的 Smart Bidding 和国内的 OCPX 走的是同一条路，产品名字不同而已。对照表：

Google Smart Bidding 国内对应 核心含义
Target CPA oCPA / oCPM（目标转化成本模式） 设目标转化成本，系统按此自动出价
Target ROAS oCPM + ROI 目标 / 超自动化 ROI 模式 设目标投资回报率，系统按此优化
Maximize Conversions oCPM 放量模式 / 极速模式 在预算内最大化转化量，不设成本上限
Enhanced CPC (eCPC) oCPC 手动 CPC 基础上系统自动上下浮动出价

Google Smart Bidding 的全面推广在 2016–2017 年，国内主流平台的对应产品在 2017–2018 年完成跟进，时间差一年左右。

实务速查卡

读文档、做 Excel、复盘数据时最常遇到的四个问题。

问题一：要不要按效果付费？

  • 预算充足、做品牌 → CPM / CPT
  • 要真实点击 → CPC / oCPC
  • 要真实转化 → oCPM（优先）/ oCPA（真要严格按效果）/ CPS（联盟场景）

问题二：拿到一个 eCPM 数字，它是什么意思？

先问口径。是媒体结算的事后 eCPM（总收入÷曝光×1000）、广告系统实时排序的 eCPM（pCTR×pCVR×bid×1000），还是广告主侧的效率指标。三个口径公式形式一致，但视角和用途不同，不区分清楚会把「看起来对」的分析做成错误结论。

问题三：OCPX 下成本为什么会超？

三种可能：pCTR/pCVR 校准没做准、冷启动期数据不足、素材或定向漂移导致转化率突降。前两种大平台的成本保障政策会兜底（头条 ≥1.2 × target 开始赔付，腾讯类似），第三种由广告主自己负责。

问题四：一价拍卖和 GSP 哪个出价策略更难？

一价更难。GSP 下真实出价基本就是最优策略；一价下需要 bid shading（出价下调）模型估算"刚好能赢的最低出价"。2019 年 Google Ad Manager 切回一价后，DSP 侧 bid shading 成了显学，字节穿山甲、阿里妈妈的需求侧产品都在这块重写过一次技术栈。

参考资料

权威定义

拍卖机制与经济学

Google Ad Manager 2019 切换一价

OCPX 历史

行业综述