自从Facebook引入oCPM出价以来，国内的头条广告、微信广点通、百度信息流都陆续推出了自己的oCPX出价，oCPX出价已经成为主流广告投放平台的标配。
CPM：Cost Per Mille，每千次曝光成本，即按照曝光次数出价，如微信朋友圈视频形式广告在上海就按照￥180一千次曝光扣费，不管你是否点击了广告。这在短期内显然是最有利于媒体的，因为它不用care本次曝光是否有效；但是为什么说是短期？很简单，广告主又不是傻子，若发现广告后续转化一直很差，势必会减少在该媒体的投放。CPC：Cost Per Click，按照点击出价，如果广告只有曝光没有点击，就不扣费；看似比较公平，但是广告主需要大量的测试，才能找到最优的投放方法，其实还是有一部分点击是浪费的，这对于媒体也是损失。于是oCPX模式就应运而生，它能帮助广告主优化更深层次的转化行为，同时提升有效点击，提高媒体受益。
这段时间在网上找到一篇淘宝的关于oCPC论文，逻辑很清晰，在这里简单转述一下。
文章细节很多，没兴趣看的同学只要关注以下几点：
本次预估的点击率*转化率与历史平均的点击率*转化率的比值，决定了系统出价调整的系数；淘宝的论文中，广告保证eCPM最大和各方利益总和最大。先定义：
出价：广告主原始出价为b0，算法调整后的出价为b1（也就是我们经常说的：“系统会自动调整出价”）；预估转化价值p=pCTR*pCVR*v；v代表平均每次购买带来的价值，可以假定是常数；pCTR表示预估的广告点击率，pCVR表示预估的转化率（如转化行为可以定义为“购买”）；历史转化价值h=hCTR*hCVR*v；hCTR代表历史广告点击率，hCVR代表历史点击后转化率；淘宝实践中，hCVR是用过去一段时间的竞品广告数据（估计是解决冷启动的问题，如果账户已经积累了转化数据，肯定会用广告主自己的数据），利用pCVR预估模型进行计算，去掉最高&最低10%取均值得到的。为了简化说明，做两个假设：
假设广告主的目标是保证（或者提高）ROI；单个点击ROI = （pCTR * pCVR * v）/ b0；b0是该广告出价，比如广告带来的购买GMV除以该广告的投放费用，即得到该广告的ROI（为了简化计算方式，假定广告主出价即等于广告点击费用，即不考虑广义次高价的逻辑，广义次高价GSP机制可以参考此前的的文章）要维持或者提升ROI，那么只需要保证 b1/b0 ≤ p/h。
b1代表算法优化后的出价；举个例子，假设本次曝光，预计能带来1.5倍的转化价值，那么只要优化后的出价/广告主出价小于等于1.5倍，那么整体的ROI是不会下降的；反之，若预估转化价值低于历史均值，那么降低出价；由于b0、p和h都已知，那么只需计算b1，满足该约束即可。
