oppo广告的算法逻辑基础到进阶

一、oppo广告播放链路介绍

OPPO广告推广基本能原理：一条一条广告要获得曝光，在广告侧会经过以下几部分的过滤，胜出后再进入媒体侧过滤环节。

1.常见过滤项汇总

（1）竞争力过滤：广告截断、算法精排截断等因根据预估eCPM截选Top n条广告进入算法，排名靠后会被过滤——通过常规提高ECPM方式 优化（提价、优化素材） 。

（2）投放规则设置过滤：RTA挑量、定向、时段设置过滤；预算预下线 过滤，对于预算和余额不足的账户，会预下线广告——可通过放宽 定向、保持账户充足预算优化 。

（3）App广告去重：App内部的广告互相去重，保留预估ECPM高的Topn条进入下一环节 。

（4）相似素材去重：针对同一次请求返回多个广告的情况（广告≥2）， 进行相似素材去重—— 优化素材。

二、oppo广告的OCPX，Nobid，Costcap实现的基本原理

1.ocpx出价矩阵

根据考核项自行选择对应出价方式，每个出价方式优化目标单一；单出价以转化出价目标优化，双出价以深度转化目标优化为主。

2.oppo广告的Nobid出价原理

（1）Nobid是一款只需要设置预算，不需要设置出价的产品。

（2）可均匀地在排期内消耗掉全部预算，同时尽可能拿到最大转化数。

核心优势；

（1）解决起量难题，同时获取最大转化。

适用场景；

（1）冷启动困难场景（如新账户、新素材等）

（2）快速拿量场景（如大促活动、首发、老产品扩量等）

（3）深度转化场景（深度转化量稀疏，难以获量）

（4）稳定获量场景（广告生命周期延长，保证稳定获量）

投放建议

（1）新建计划的初始期建议【少量计划+低预算】探索，若预算设置过大， 容易超成本。

（2）跑量期预算调整幅度在±30%以内且1天内调整次数不超过2次，频繁/ 大幅调整预算+立即暂停计划都会影响模型学习，进而影响成本和获量。

（3）若想要提高跑量能力，可提高计划预。

3.Costcap出价原理

产品介绍；

（1）最优成本：是一款需要表达预算和出价的产品，产品目标是在成本和预算约束下，获取 最大转化数 。

（2）在一定预算内，系统以更低的出价相对均匀花完预算，实际成本低于出价  。

（3）当预算超过一定阈值，系统会在不超过出价的前提下尽量消耗预算，实际成本趋近于出价。

核心优势；

（1）在成本不超出价的同时获取更多转化下，获取最大转化数。

（2）追求更低的成本、稳定地跑量 。

（3）预算有限想要拿到更多转化。

（4）平衡成本与其他出价模式搭配使用。

投放建议；

（1）不要频繁修改账户预算/计划预算/出价/排期/启动/关停（一天内尽量不大于2 次），容易导致成本波动或预算花不完。

（2）不要过度关注实时成本，请关注全天成本，因为实时成本受多重因素影响，而全 天的成本可在策略作用下尽量达成目标。

三、进阶版算法能力—后效扰动、助攻归因实现基本原理

基本原理；

（1）广告主将归因到OPPO设备商全渠道的转化回传给OPPO，建立助攻模型，辅助优化客户oCPX转化目标事件，优化跑量能力。

（2）如客户投放激活模型，考核激活成本，当前出价已经到考核极限无法再提价，但客户可以回传OPPO设备商除直投外所有三方渠道转化数据，算法会优化pCVR，提高跑量能力。

实现方式；

（1）助攻模型：算法基于回传的OPPO设备上三方渠道转化数据训练助攻模型，用于补充样本数据辅助OCPX转化模型跑量。

（2）算法助攻模型会针对客户专属1vs1建模。

核心优势；

（1）最优目标：成本持平，消耗提升15%。

数据回传要求；

（1）三方数据量级要求与客户产品在OPPO投放场景自有转化量有关，不同转化量级有不同三方数据门槛，具体要求可咨询客户运营。

优秀案例；

（1）某快应用小说产品常规投放获客质量能得到保障，但数据稀疏，跑量困难。客户回传外部样本接入助攻模型后，跑量能力增加80%+、转化成本未上涨。

四、后效扰动实验原理

基本原理；

OPPO广告投放现有oCPX类型，考核更深度的目标时，可以基于深度行为回传相应用户质量分/关键行为/付费流水，优化深度目标。

实现方式；

（1）PKAM建模：基于回传的深度行为进行应用/行业维度PKAM建模，优化后效——需要单独建模，且可用三方渠道数据。

（2）自动优化：算法基于回传的深度行为训练预估模型，算法找人时增加后效特征预估——不需要单独建模，仅需回传OPPO渠道数据。

核心优势

（1）最优目标；浅层成本波动＜5%，深层目标ROI+10%。

数据传回要求

（1）OPPO设备上所有转化数据均可回传：无论是OPPO广告转化的数据、还是其他渠道投放转化的OPPO设备信息，均可用于建模。

（2）针对OPPO转化的数据，必须提供转化归因的adid，用于匹配用户特征等信息。

（3）最佳转化数据期限为近一年：一年内归因有效，历史数据可用于补充。

（4）数据不要做去重：同一用户的多次行为说明有更高的意愿，不需要去重/保留最高分等筛选。

（5）量级要求：近一年后端转化累计样本量>6w（各行业链路数据差异有一定浮动空间，具体可咨询客户运营）。

已支持的行业扰动类型

（1）质量型；当用户的转化行为有梯度时（如：付费金额，授信金额），广告主可按照平台标准对转化用户的ROI打分并回传，模型学习质量分特征并产出扰动系数，优化目标为转化的平均质量分。

（2）关键行为；当广告投放的oCPX类型无法覆盖更后端链路时（如：注册→添加企微），广告主可补充回传后端关键行为，该行为的选择需与ROI正相关，优化目标为关键行为转化率。

（3）付费流水；投放付费、注册、激活等转化类型，每当用户付费时，回传相应转化外，同时回传每次付费流水（付费用户数→付费流水）；模型学习用户付费意愿，预估用户付费LTV1，优化投放类型的付费LTV1。

某社交客户测试应用付费-LTV1出价扰动后，ROI增幅9%，浅层转化成本微增2%。

以上就是关于oppo广告推广的算法基础和进阶，希望帮助到您。如果有想要在oppo广告开户的老板可以联系【巨宣网络】，电话是400-960-2809欢迎致电咨询。