超成本 / 不起量 / 炸量:广告投放线上异常问题全景
从一个根本矛盾说起
广告投放线上排查最常遇到的两大主诉是超成本和不起量,其余几乎所有"异常"——炸量、空耗、爆量、成本飘移、学习期失败、跑偏人群、素材疲劳、赔付不触发、一键起量反噬——都可以还原为同一个矛盾:广告主设置的出价与目标,和系统依据 eCPM 排序后实际选中的流量,出现了不可接受的偏差。
这份偏差的来源在 OCPX 系统里只有三条:
- 预估模型偏差:
pCTR、pCVR给出的不是真实概率,而是预估概率,带有固有误差 - 竞价排序偏差:同一广告位上,系统依据
eCPM = pCTR × pCVR × bid × 1000排序挑选广告,任何一项输入失真都会让选中的流量向低质或高成本方向漂移 - 结算与归因偏差:扣费口径、转化回传、归因窗口、赔付阈值之间的任何错位,都会让广告主"账面看到的数据"和"系统里发生的事"对不上
上一篇《CPX / OCPX / eCPM:广告计费家族的演进版图》讲的是这套机制正常工作时怎么在广告主、媒体、系统三方之间分配风险。本篇的对象是反面:这套机制出问题时,会以哪些名字、哪些症状出现在工单里,对应的根因落在 pCTR、pCVR、bid、预算、定向、创意、归因哪一层,该怎么定位、怎么处置。
文章分三部分。第一部分给出一张异常问题总表,穷举主流广告平台公开文档里能见到的 20+ 种线上异常,并按四个维度切分。第二部分把四个最高频主诉(超成本、不起量、炸量、空耗)拆到 OCPX 机制层,讲清每个异常对应哪条公式里的哪个变量出了问题。第三部分是排查手册,给十类最常见问题各一张"定义-症状-根因-排查路径-处置动作"卡片。最后附一份速查卡和参考资料。
线上异常问题总表
一张总表:广告投放线上异常 22 种
下表覆盖广告主侧(投手、优化师)和平台侧(策略、算法、运维)都会在工单里看到的典型异常。按症状外观分组,不按根因分组——因为同一个外观症状往往对应多种根因,这也是这类问题排查起来最折磨的地方。
| 异常名称 | 别名 / 工单高频说法 | 核心症状 | 主要触发层 |
|---|---|---|---|
| 超成本 | 成本超 / 成本高 / 爆成本 / 跑成本 | 实际转化成本超出 target 的赔付触发线(巨量引擎 oCPM 为 1.2× 起,其他平台量级类似) | pCVR 高估、归因延迟、素材失准 |
| 欠成本 | 成本偏低 / 跑不到价 | 实际成本 ≪ target,广告主实际花的钱远低于出价 | 预算花不出去 + pCVR 低估 |
| 不起量 | 起不来量 / 跑不出去 / 没有曝光 | 计划开启后几小时累积曝光远低于预期量级 | eCPM 竞价排序过低 |
| 炸量 / 爆量 | 量太大 / 一下跑飞了 / 预算秒没 | 短时间内(分钟级)消耗远超预期,常伴随 pCVR 预估异常 | pCVR/pCTR 瞬时高估 |
| 跑量不均 | 跑量波动大 / 忽高忽低 | 日内消耗曲线呈锯齿状,难以稳定出量 | 冷启动未完成 + 竞价环境波动 |
| 预算不达 | 花不完预算 / 预算利用率低 | 全天消耗显著低于日预算上限 | 出价竞争力不足 + 定向过窄 |
| 学习期失败 | 学习期异常 / 过不了学习期 | 规定窗口内未累积到学习期所需的转化数,退出学习期后表现崩塌 | 累积转化样本不足、转化回传异常 |
| 冷启动失败 | 新计划起不来 / 新账户不跑量 | 新建计划连续 N 小时 0 曝光或 0 转化 | 历史数据不足导致 pCTR/pCVR 先验偏低 |
| 成本飘移 | 成本漂了 / 慢慢变贵 | 计划运行若干天后,转化成本逐日缓慢上升 | 素材/人群衰减、校准随时间漂移 |
| 跑偏人群 | 人群不精准 / 跑到薅羊毛用户了 | 转化率正常但 LTV/付费率极低,疑似低质用户池 | pCVR 校准到错误的深层目标 |
| 素材疲劳 | 素材衰退 / 老素材不行了 | 同一创意 CTR/CVR 随曝光累积单调下降 | 用户重复曝光导致 CTR 真实下降 |
| ROI 塌陷 | ROI 崩了 / 投产比掉了 | 转化成本未变,但后端付费率、复购率、GMV 塌陷 | 深层转化未回传 / 双出价失衡 |
| 归因丢失 | 转化数据回传不上 / 数据对不上 | 广告主侧转化数 ≫ 平台侧回传数,导致系统"以为没转化" | SDK 埋点、回传窗口、归因模式错位 |
| 归因冲突 | 跨渠道抢归因 / 多归因重复计 | 同一转化被多个渠道同时归因,结算口径冲突 | last-click / view-through / MMP 口径不一致 |
| 空耗 | 花了钱没转化 / 有展有点没量 | 有大量曝光和点击,但零深度转化 | pCVR 全盘失真 / 落地页转化链路坏 |
| 假量 / 流量作弊 | 机刷 / 异常流量 / 点击墙 | CTR 畸高但后端转化率为零,IP/设备分布异常 | 黑产伪造曝光/点击 |
| 账户降权 | 账户被限流 / 跑不动了 | 所有计划同时出量下降,无明显调整动作 | 违规扣分、信用分下降、风控拦截 |
| 赔付不触发 | 超成本了但不赔 | 实际成本超 target,但系统判定不符合赔付条件 | 学习期未完成 / 转化数不足 / 广告主主动修改出价 |
| 双出价失衡 | 深层转化跑不出 / 浅层太多深层太少 | 浅层目标(如表单)达标,深层目标(如有效线索)远低于预期 | 深层 pCVR 数据稀疏、两个 target 比例失调 |
| 一键起量反噬 | 起量后成本暴涨 / 起量完就废了 | 启用"一键起量"后短时间放量正常,结束后成本显著超过原 target | 起量期放宽了成本约束,学习到的是高成本流量分布 |
| 定向交叉冲突 | 定向越加越没量 | 多层定向(年龄+地域+兴趣+人群包)叠加后可用流量池过小 | 定向交集流量小于冷启动阈值 |
| 创意审核拒绝 | 素材被拒 / 过审失败 | 计划长时间无曝光,后台显示创意审核未通过 | 违禁词、版权、资质不符 |
四个分类维度
同一张表从四个维度切,能看出整个异常家族的内部结构。
维度一:按偏差方向
把 22 种异常按"广告主花得比预期多还是少"这一条轴排开:
- 花得比预期多:超成本、炸量、爆量、成本飘移、ROI 塌陷、空耗、假量、一键起量反噬
- 花得比预期少(或花不出去):欠成本、不起量、预算不达、冷启动失败、定向交叉冲突、创意审核拒绝、账户降权
- 量对但质不对:跑偏人群、双出价失衡、素材疲劳、跑量不均
- 数据本身对不上:归因丢失、归因冲突、学习期失败、赔付不触发
"花得多"和"花得少"是一对镜像,很多时候同一个根因在不同阶段会先表现为一个方向,再翻转到另一个方向(例如 pCVR 高估先表现为炸量、随后校准回来又表现为欠成本)。
维度二:按责任归属
这条维度在复盘会上决定"谁写故障报告"。
- 广告主侧(可自查自愈):定向交叉冲突、创意审核拒绝、素材疲劳、一键起量反噬(主动点击了起量按钮)、归因丢失的一部分(广告主 SDK/回传接口故障)
- 平台策略/算法侧:超成本、炸量、空耗、跑偏人群、成本飘移、冷启动失败、学习期失败、双出价失衡、预算不达
- 平台风控/运维侧:账户降权、假量、归因冲突的一部分(平台回传服务故障)
- 归属模糊(常见扯皮点):欠成本、ROI 塌陷、赔付不触发——这三种在工单里最容易在广告主和平台之间反复踢皮球
维度三:按发生阶段
- 冷启动期(前 24–48 小时 / 学习期累积转化数达标之前):冷启动失败、学习期失败、不起量、创意审核拒绝、定向交叉冲突
- 稳定期(学习期完成之后):超成本、欠成本、炸量、空耗、跑偏人群、双出价失衡
- 衰退期(计划运行若干天后):素材疲劳、成本飘移、ROI 塌陷
- 贯穿全周期:归因丢失、归因冲突、假量、账户降权、赔付不触发
维度四:按修复路径
- 改出价能解决:欠成本、不起量(部分)、预算不达
- 改定向/创意能解决:定向交叉冲突、素材疲劳、创意审核拒绝、跑偏人群(部分)
- 等系统自愈:冷启动失败、学习期失败(继续积累转化)、成本飘移早期
- 必须联系平台:账户降权、假量、赔付不触发、归因冲突、平台侧 pCVR 校准失效导致的系统性超成本
- 必须改回传/接入:归因丢失、ROI 塌陷(深层未回传)
在广告投放的一线作业手册里,「先动出价 → 再动定向 → 再动创意 → 实在不行提工单」是一条经验法则。维度四的排序大致对应了这条法则。
把主诉拆到机制层
超成本:pCVR 被高估
超成本是工单里出现频率最高的一类异常。它的定义是实际转化成本 > target_CPA × 赔付阈值,巨量引擎 oCPM 的触发线是超出目标 20% 及以上(即 1.2× 起),腾讯广告等平台量级类似,不同平台不同产品线的具体数字以官方赔付文档为准。
把 oCPM 的排序公式拆开看就清楚了:
超成本的结构性根因几乎只有一个:pCTR 或 pCVR 被系统高估。假设真实 pCVR = 0.01,模型给出 pCVR = 0.02,系统以为这次曝光的期望收益是实际的 2 倍,于是把这次曝光排到了很靠前的位置,花了曝光费、花了点击费,最终没发生(那么多)转化。广告主账面上看到的就是「扣得很快,但转化数没跟上」。
高估的触发因素有六种,按工单里出现频率排序:
- 学习期数据稀疏:新计划累积转化数还没达到学习期阈值时(Google Smart Bidding 官方给出的量级是 ~50 个转化),pCVR 本质上是对人群先验的猜测,方差大。这类超成本通常会在学习期完成后自愈,也是赔付政策保护的主区间
- 素材/人群漂移:计划运行若干天后,曝光人群分布偏离了训练样本,模型还在用旧分布预估,pCVR 出现系统性偏差。典型表现是「前三天很稳,第四天开始慢慢超」——这条线也被称为成本飘移
- 转化回传延迟:广告主回传转化的 API 挂了、延迟了、丢包了。系统看到「曝光了没转化」,更新模型时把 pCVR 往下调;而真实世界里转化其实发生了,只是没回传。等到回传恢复、数据一次性涌入,系统发现前段时间其实有大量转化,此时计划的实际成本账面上会出现一次瞬时塌陷,随后被校准拉回
- 深层目标稀疏:双出价模式下,深层目标(有效线索、付费、次留)本身就很稀疏,模型对深层 pCVR 的估计方差极大,最容易被高估到失控
- 点击归因窗口不匹配:平台按点击后 7 天归因、广告主按点击后 1 天归因,落差区间内的转化在广告主视角下"没发生",实际成本看起来就高
- 黑产/假量污染训练数据:伪造的点击拉高了 pCTR 历史均值,真实流量上的 pCTR 被"以假乱真"的样本带偏
要区分到底是哪一种,核心是看学习期状态 + 看后端回传链路 + 看素材时长。前两者在平台后台可以直接看到,第三者看创意创建时间和累计曝光。
不起量:eCPM 排不到前面
不起量的定义是计划开启后累积曝光 < 最低起量阈值,各家平台阈值不同但量级都在数百到数千曝光。
超成本和不起量是 eCPM 公式的一对镜像:超成本是 eCPM 被高估、排得过靠前;不起量是 eCPM 被低估、排不到竞价靠前位置。
导致 eCPM 不够高的五种路径:
- 出价(
bid/target_CPA)定得太低。这是最常见的原因。投手按行业均价的下限出价,而该广告位当下竞争者出价普遍在均价偏上 - pCTR/pCVR 被低估。冷启动期新计划没有历史样本,模型先验保守;或者素材本身点击率低(比如标题不够吸睛、首帧不抓人)
- 定向过窄。用户池小,导致系统在可用流量里挑不到「
pCTR × pCVR够高」的那部分流量,平均 eCPM 上不去 - 转化目标过深。直接出价"付费"目标,pCVR 天然比"点击""表单"低一到两个数量级,eCPM 跟着掉
- 创意审核未通过。整个计划没有进入竞价池,从曝光侧看就是 0 量
欠成本和预算不达是不起量的连带症状。欠成本是「出价高于平台愿意买单的 eCPM」,所以系统按较低的实际竞得价扣费,广告主的平均 CPA 落在 target 之下;预算不达是不起量在时间维度上的积分——整天都跑不出量,日预算自然花不完。
实务上有一个粗糙但有效的判断:如果调高 20%–30% 出价后量立刻起来,那是出价竞争力问题;如果调出价没用,调定向(放宽地域或年龄)就起来,那是定向过窄;两种都没用但换个素材就起来,那是 pCTR 本身不行;都没用而且新建计划复现不了,才去怀疑冷启动模型先验或审核问题。
炸量:短时间内的预估瞬时高估
炸量(爆量)是超成本的一种特殊子类——分钟级消耗远超预期。和一般的超成本相比,炸量的特征是"突然":前 10 分钟还正常,后 10 分钟消耗翻 5 倍,一不留神当天预算瞬间打满。
结构上炸量有三种成因:
- 瞬时 pCTR/pCVR 高估:模型在某一小段时间内对某类流量的预估出现系统偏差,比如凌晨的低竞争环境里某个素材突然被预估为高 CTR,eCPM 排到极高位置,短时间吞下大量优质流量
- 预算分配策略(pacing)失效:平台的平滑消耗算法在某些情况下会让出瞬时出价限制,允许短时间高强度消耗。一键起量、放量模式、加速投放开关打开时都可能触发
- 竞争对手撤量:同广告位的主要竞争者突然暂停计划,市场上能竞得该位置的 eCPM 门槛下降,自己原本排在第二第三的计划一下子变成稳拿第一,放量速度和消耗速度都被动跳升
炸量最棘手的地方在于事后发现往往已经钱花完了。平台的兜底机制包括:预算日上限、小时预算、成本上限(max_CPA)、一键暂停触发阈值。广告主侧的常见防炸策略是「日预算 ≤ 可接受最大亏损」「关掉加速投放」「关掉一键起量」「对新素材先用小预算灰度一天」。
空耗:pCVR 全盘失真或转化链路断裂
空耗是极端版本的超成本:不是成本偏高,而是根本没有转化。有曝光、有点击、但深度转化几乎为零。
空耗只有两种可能:
- pCVR 全盘失真:系统预估这批流量 pCVR 很高,结果实际 pCVR 接近零。排序把最便宜的低质流量买回来,曝光和点击都有(因为 pCTR 并没有错),转化没了
- 转化链路坏了:用户其实在转化,但链路断掉了——落地页加载失败、注册接口挂了、支付通道异常、SDK 不回传、归因窗口外
前者是算法问题、后者是工程问题。区分的最快路径是让一个真实用户走一遍完整转化路径,看平台侧是否收到回传。能收到,就是算法问题;收不到,回传链路找问题。
归因丢失与 ROI 塌陷:数据口径错位
OCPX 的所有自动出价都依赖一个假设:转化数据及时、准确、完整地回传到平台。这个假设一旦破坏,整个系统会以非常隐蔽的方式崩塌。
归因丢失的典型症状是广告主侧看到的转化数远高于平台侧统计。常见原因:
- SDK 版本过旧:归因 SDK(MMP:AppsFlyer、Adjust、热云等)版本低于平台当前要求,部分事件协议不兼容
- 回传超时:转化发生到回传的时间超过平台的归因窗口(通常 1–7 天),平台认为"没归到任何广告上"
- 回传字段缺失:click_id、imp_id、device_id 缺失或格式错误,平台无法匹配
- 跨端归因失败:用户在 A 端看广告在 B 端转化,没有统一的 user_id 串联
ROI 塌陷是归因丢失在后端链路上的体现。前端转化(注册、表单、下单)能正常回传,但深层转化(付费、次留、复购)没有回传或大规模延迟回传。表现是前端 CPA 稳定,但 ROAS、LTV、付费率系统性下滑。
赔付不触发也和这条线相关。平台赔付的前置条件一般包括四层:成本超出比例达到触发阈值(巨量引擎是超目标成本 20% 及以上,腾讯类似)、累计转化数达到最低样本量(腾讯明确要求 ≥ 6 个)、广告主在赔付周期内未修改关键字段(出价、定向、优化目标、转化事件、创意)、转化回传正常。广告主看到「我超成本了呀凭什么不赔」时,大部分是这四层里缺了一层。具体阈值以各平台官方文档为准,本文参考资料列了巨量学和腾讯营销帮助中心的入口。
排查手册:十类高频问题的处置卡片
每张卡片的结构是:定义 → 症状 → 根因排查路径 → 处置动作。顺序按工单出现频率编排。
卡片 1:超成本
- 定义:实际转化成本超出目标成本的赔付阈值(巨量引擎 oCPM 的触发条件是超出 20% 及以上;腾讯等平台量级类似),并持续一段时间
- 症状:账户消耗正常,但深度转化数不足,单次转化成本显著高于出价
- 根因排查路径:
- 查学习期状态。未出学习期 → 耐心等,这是冷启动期的正常波动,走赔付
- 查转化回传链路。后台的「转化回传监控」里回传成功率异常下跌或时延拉长 → 回传问题,修回传
- 查素材创建时间。创意上线时间较长、曝光已达一定累积 → 素材疲劳或人群漂移,换素材
- 查深层目标占比。用了双出价且深层目标稀疏 → 深层 pCVR 方差过大,放宽深层 target 或暂停深层
- 查同期大盘 eCPM。大盘 eCPM 上涨 → 行业竞争加剧,不是系统问题
- 处置动作:优先走平台赔付政策;素材疲劳换素材;回传问题修接口;确认是系统性 pCVR 高估再提工单
卡片 2:不起量
- 定义:计划开启后 N 小时(一般 2–4 小时)累积曝光 < 平台最低起量阈值
- 症状:消耗极少甚至为零,后台显示"预估曝光"或"系统正在学习"
- 根因排查路径:
- 查审核状态。创意未过审 → 等审或改创意
- 对比同广告位竞品出价。自己出价低于行业中位数 → 抬出价
- 查定向交集流量。后台的"预估覆盖人数"< 冷启动阈值 → 放宽定向
- 查计划目标深度。直接出"付费"或"次留"这类深层目标 → 先用浅层目标起量,稳定后再切深层
- 查账户状态。近期有违规扣分 → 风控限流,等冷却或申诉
- 处置动作:阶梯式调整——先抬 20% 出价,再放宽一层定向,再换素材,最后检查账户健康度
卡片 3:炸量
- 定义:分钟级消耗速率显著超出日常均值,短时间内消耗占日预算比例过高(具体阈值按广告主自己的投放节奏和历史基线来定,没有行业统一标准)
- 症状:预算在短时间内被大量消耗,转化数可能正常也可能严重偏离
- 根因排查路径:
- 看是否开了"加速投放"或"一键起量"或"放量模式" → 关掉
- 看日预算上限是否设置。未设或设置过高 → 补上小时预算和日预算
- 查当时竞争对手状态。主要竞对下线 → 市场结构变化,接受或压回出价
- 查是否被异常流量打中。CTR 畸高 → 提工单排查假量
- 处置动作:立即暂停 → 查历史分钟级曲线 → 设紧日预算和成本上限再恢复 → 后续按小预算灰度
卡片 4:空耗
- 定义:有正常的曝光和点击,但深度转化数为零或接近零
- 症状:CTR 可能正常甚至偏高,但 CVR 接近 0,账面消耗持续增长
- 根因排查路径:
- 真人走一遍完整转化路径,看平台是否收到回传。收不到 → 回传链路问题,修接入
- 收到了但转化数据不对 → 归因字段(click_id / device_id)匹配问题
- 链路完全正常 → pCVR 模型失准,提工单;同时立即暂停止损
- 处置动作:优先止损(暂停计划),再排查回传链路,最后走工单
卡片 5:跑偏人群
- 定义:浅层转化数达标,但后端付费率、留存率、LTV 显著低于同类计划的历史基线
- 症状:账面 CPA 合格,但真实商业价值很低;常见于被"薅羊毛用户"定向包覆盖的场景
- 根因排查路径:
- 查定向里是否有过于宽泛的"相似人群包" → 包内低价值用户占比过高
- 查 pCVR 优化目标是否过浅(比如只优化"注册"而不是"付费") → 目标深度不够,系统优化到错误的人群
- 查素材本身是否具备"筛人"属性——诱导性过强的素材会拉来大量低意向点击用户
- 处置动作:切换到更深层的转化目标;剔除低价值人群包;收紧创意诱导性
卡片 6:素材疲劳
- 定义:同一创意 CTR/CVR 随曝光累积单调下降,下降速度和绝对幅度随行业、平台、素材形式不同
- 症状:素材上线初期跑得很好,数天后消耗减少、CPA 上升
- 根因排查路径:
- 查该创意的曝光累积和同一用户的重复曝光频率。重复曝光过密 → 典型疲劳
- 查素材月龄。信息流场景里,素材的有效生命周期通常以天到周计,长寿命素材是例外而不是常态
- 处置动作:轮换素材;利用平台的"素材自动优选"工具;保留一个核心长效素材做 baseline,其余月度级别迭代
卡片 7:归因丢失
- 定义:平台侧回传转化数显著少于广告主实际转化数(差异可观察、持续存在,不是单日偶发)
- 症状:广告主 CRM 里有转化,平台后台没有;或归因维度无法下钻
- 根因排查路径:
- 查 SDK 版本。MMP(AppsFlyer / Adjust / 热云)版本过旧 → 升级
- 查回传时延。超出平台归因窗口(通常 1 / 3 / 7 天)→ 压缩回传时延
- 查回传字段。抓一条未归因转化,对照字段清单(click_id / imp_id / device_id / event_time)逐一检查
- 查跨端场景。用户在 Web 看广告 App 转化 → 需要跨端归因配置
- 处置动作:升 SDK;建立回传监控看板(成功率、时延、字段完整度);跨端场景提前配好 ID 映射
卡片 8:学习期失败 / 冷启动失败
- 定义:计划开启后在规定时间内未达到学习期所需累积转化数(Google Smart Bidding 官方披露的量级是 ~50 个转化或 3 个转化周期;巨量引擎、腾讯广告未公开精确阈值,数据驱动,需要一段稳定投放期来校准)
- 症状:计划停留在"学习中"或直接退出学习,随后出量崩塌
- 根因排查路径:
- 查是否频繁修改计划。学习期内改出价、改定向、改创意、改优化目标都会重置学习期 → 稳定投放至少 24–48 小时
- 查预算是否太小。日预算不足以支撑所需转化数 × target_CPA → 一般经验值是日预算至少设到 target 的几十倍
- 查转化目标深度。深层目标(付费)在冷启动期很难快速累积样本 → 先用浅层目标过学习期,稳定后再切深层
- 处置动作:锁定计划字段不动;拉高日预算;浅层目标起步;必要时用"一键起量"加速
卡片 9:双出价失衡
- 定义:浅层目标达标(表单量够),但深层目标(有效线索、付费)远低于预期
- 症状:浅层 CPA 正常,深层 CPA 暴涨或干脆跑不出
- 根因排查路径:
- 查浅层和深层 target 的比例。浅层过松、深层过紧 → 系统只优化到浅层
- 查深层转化日均样本量。样本稀疏(每日深层转化寥寥几个)→ 深层 pCVR 无法稳定预估
- 查浅层到深层的漏斗转化率。漏斗底部转化率过低 → 双出价模式可能不适合,改回单深层出价或换优化目标
- 处置动作:调整两个 target 的比例;累积深层样本;漏斗太深时放弃双出价
卡片 10:赔付不触发
- 定义:广告主账面实际成本超出目标成本,但系统判定不符合赔付条件
- 症状:工单提交后平台回复"不符合赔付条件"
- 根因排查路径(以巨量引擎 oCPM 自动赔付规则和腾讯广告 oCPA 成本保障政策为例,不同平台具体阈值以官方文档为准):
- 超成本比例未达赔付门槛。巨量引擎要求转化成本超出目标成本 20% 及以上才触发赔付;腾讯要求成本超出目标 20% 以上且累计转化数 ≥ 6 个
- 学习期或赔付周期外。巨量引擎赔付时间范围为计划首次投放之后的 3 个自然日内;超出周期后按正常投放计费
- 广告主在保障期内修改过关键字段(出价、定向、优化目标、转化事件、创意)→ 触发免责
- 累计转化数未达最低样本量(腾讯 ≥ 6 个,巨量引擎等平台也有类似样本下限)→ 不赔
- 转化回传异常(成功率低、时延超窗)→ 平台侧数据不准,不赔
- 处置动作:学习期内不动关键字段;回传链路做日常监控;每次修改前在工单里备注,保留证据链
演进视角:异常问题的历史变化
广告投放的线上异常问题不是一成不变的,它的问题形态随计费模式演进而变化:
- CPM/CPT 时代(1995–2005):主要异常是曝光未达量和流量作弊(曝光造假)。不存在超成本/炸量概念,因为结算按曝光走,预算上限就是成本上限
- CPC/GSP 时代(2002–2012):出现**点击作弊(click fraud)**大规模爆发。对应的排查工具主要是 IP/行为指纹识别。没有"学习期""赔付"概念
- CPA/CPS 联盟时代(2005–2012):主要异常是转化作弊(刷单、虚假注册),以及归因冲突(多家联盟抢同一单销售)。这一阶段行业出现了 MMP(移动归因平台)这个品类
- oCPX 时代(2012–2019):
pCTR、pCVR预估成为核心,所有「超成本 / 不起量 / 炸量 / 空耗」这一族问题才正式进入工单词汇表。学习期、成本保障、赔付政策都是这个时代的产物 - 全自动出价时代(2019 年至今):Google Smart Bidding、阿里妈妈 AIGB(生成式出价,2023 年公开)、巨量引擎全域推广、腾讯广告 ADQ 把出价、定向、创意组合都交给系统,广告主侧可以手动调的旋钮变少。对应地,跑偏人群、双出价失衡、一键起量反噬这类「系统替广告主做错了决策」的异常成为新的高频主诉
这条演进线有一个共同规律:广告主放出越多的控制权,系统承担越多的风险,对应的异常就越靠近"信任系统失灵"这一层。早期异常是曝光造假(平台没把买到的东西真交付),中期是转化不足(交付的流量不创造成交),今天是跑偏人群、双出价失衡(系统替广告主做了广告主自己不会做的决定)。
排查工具也跟着换了几代:日志级监控 → 分渠道归因看板 → pCTR/pCVR 校准指标 → 深度转化漏斗 → 因果推断归因。
实务速查卡
问题一:收到「成本高」工单,第一步做什么?
先看学习期状态。学习期内的成本波动是设计上的允许区间,走赔付政策即可,不要在学习期内反复调价否则重置学习期。学习期外的超成本按「回传 → 素材 → 深层目标 → 大盘 eCPM」顺序排查。
问题二:「不起量」和「欠成本」是不是同一个问题?
是一体两面。不起量是「想花花不出去」(曝光不够),欠成本是「花出去的部分均价低于出价」(实际竞得价 ≪ 出价)。两者都指向同一个机制层诊断:eCPM 竞争力不够。修复方案也一样:抬出价、放定向、换素材、过学习期。
问题三:「空耗」应该先改算法还是先改工程?
先改工程。让一个真人走完整转化路径,确认平台能收到正确的回传。收不到就是工程问题,这类工程问题在空耗工单里占比很高,成本远低于算法侧排查。收得到才去怀疑 pCVR 失真这类算法问题。
问题四:什么时候应该关「一键起量」?
始终默认关闭,只在短期需要冲量且能承受 2–3 倍正常 CPA 的场景下开启。起量结束后 48 小时内要盯紧:一键起量的后遗症(反噬)通常不在起量当时,而在结束后几天,模型学到的是"放宽成本约束下的流量分布",需要时间才能重新收敛到原 target。
问题五:双出价和单出价怎么选?
单出价更稳、数据更好积累。双出价适用于浅层到深层漏斗转化率较高、且深层日均转化样本稳定的场景,这时系统有足够的深层样本校准 pCVR。数据稀疏或漏斗过深的场景,单出价更安全——把优化目标直接设到广告主真正关心的那一层,而不是指望系统在双出价约束下自己推理出来。
问题六:「跑偏人群」能靠系统自己校准吗?
不能。系统只会优化你告诉它的目标。如果目标是「注册」,系统会优化到注册成本最低的人群,而这部分人群的付费率可能恰恰最低。跑偏人群几乎只能靠把优化目标往后推一层(注册 → 付费 → 次留)来解决。
参考资料
平台官方文档:赔付政策与学习期
- 巨量学:oCPM 自动赔付规则
- 巨量学:投放管家冷启动期赔付政策
- 腾讯营销帮助中心:成本保障政策(推广目标:销售线索收集)
- 腾讯云开发者社区:腾讯广告 oCPA 成本保障政策说明
- 腾讯广告开发者文档:微信流量 oCPC/oCPM 深度转化优化广告介绍
- 百度推广:深度解析 oCPC
- Google Ads Help: About Target CPA bidding
- Google Ads Help: About Smart Bidding
- Google Ads Help: Duration of the learning period for campaigns and what affects it
归因与 MMP
- AppsFlyer: AppsFlyer attribution model
- Adjust: Adjust’s attribution methods
- Adjust: Attribution windows
- IAB Mobile Application Advertising Measurement Guidelines (IAB/MMA/MRC, 2015)
pCTR / pCVR 校准与 OCPX 机制
- Platt, J. (1999). Probabilistic Outputs for Support Vector Machines and Comparisons to Regularized Likelihood Methods.(校准的经典参考)
- McMahan, H. B. et al. (2013). “Ad Click Prediction: a View from the Trenches.” KDD 2013.
- He, X. et al. (2014). “Practical Lessons from Predicting Clicks on Ads at Facebook.” ADKDD’14.
- 阿里妈妈技术团队:Bidding 模型训练新范式:阿里妈妈生成式出价模型(AIGB)详解
- 刘鹏、王超,《计算广告:互联网商业变现的市场与技术》(第 3 版),人民邮电出版社,2022
流量作弊与反作弊
- IAB: MRC Invalid Traffic (IVT) Detection and Filtration Guidelines Addendum
- AppsFlyer: Protect360 anti-fraud guide
- AppsFlyer: Ad Fraud Protection Solution (Protect360)
相关博文
