最近组内在做oCPC、转化追踪的项目，总结下，作为自己的学习笔记。
1.什么是oCPC？
聊oCPC之前，先看看CPC。CPC，cost per click，即每次点击付费。按点击付费是互联网广告最常见的一种计费方式，即当一条广告被用户点击后，广告平台就会从广告主的账户中，扣除一次点击的费用。
除此之外，业内常见的计费方式还有：
从CPT到CPS，对广告主而言，越来越接近他的生意；而对广告平台和媒体来说，承担的风险也越来越高。
oCPC，optimized CPC，优化了的CPC。优化了什么？显而易见，肯定是向CPA方向的优化。为什么要优化？先来看看CPC模式下的情况：
广告平台的收入=曝光量*点击率*CPC出价。
曝光量在短期内是不变；CPC出价是由广告主设定的，广告平台不能对其作修改；因此广告平台可调整的就只有点击率CTR了，即最大化广告点击概率。
那么问题来了，广告平台带来的这些点击，能否为广告主带来更多的转化收益，能否持续平稳的带来转化收益，就是广告主最关心的问题了。
从广告平台的长远利益和生态看，广告平台也不能不正视广告主的转化收益。那为什么不直接执行CPA甚至CPS的模式呢？答案是做不到，也不愿意做。
为什么做不到？广告在点击之后进入了广告主的网站中，用户在广告主网站里产生的后续操作，只会记录在广告主的系统中。广告平台一是追踪不到这些的行为，二是转化也与广告主网站的设计有很大的关系，不是广告平台的责任。
为什么不想做？很显然，收入是广告平台最大的追逐目标，CPA要比CPC承担的风险更高。当然，有些广告平台是可以支持到CPS，例如阿里系。
所以，CPC和CPA的折中之后，oCPC诞生了，广告平台以转化作为优化目标，而计费方式依旧使用CPC点击扣费。对比CPC模式下，广告平台是以Click作为优化目标。
一句话介绍oCPC的原理：如果发现某个用户对广告的转化概率高，广告平台可以适当提高出价，使得广告主更有机会抢到该用户的曝光机会；如果转化概率低，则需要调低出价。
从上面看出，oCPC有两个核心的技术问题：转化率预估和动态出价。
2. 转化率预估pCVR：
pCVR，预估每次广告点击后，是否发生转化的概率。
与CTR预估最大的区别是样本集的构造，CVR正样本是点击且发生转化的样本，负样本是点击后没有转化的样本。需要注意的是，点击后没有转化，并一定是真的没有转化，也可能是转化行为还没有采集到，例如APP激活可能会晚于下载两天以上。另外，转化数据的稀疏性也是训练的挑战。除此之外，还需要考虑比CTR更多的特征，例如广告落地页的标题、网页结构等。
模型选择上，GDBT+FTRL比较常用。
模型效果评价：AUC，从排序角度来评价；Calibration，衡量模型整体准确率；RIG，相对信息增益，值越大，说明模型准确性越高。
3. 动态出价 SmartBid：
动态出价，在广告主设定的基础出价上，根据预估出的pCVR和当时的竞价环境，动态的调整出价，进而优化广告排序结果。以达到：广告主转化成本不会升高，广告平台收益最大化。具体实现上，一般分为两步：
1）根据pCVR、广告主历史的转化数据，确定出价调整区间的上下边界。
2）在出价区间内，迭代产生最终的出价，该出价可以最大化平台eCPM的收益。
在pCVR转化率预估节中，提到转化样本数据的构造。这里就涉及到两个话题，转化跟踪和转化归因。
4.转化追踪Conversion Tracking
转化跟踪：前文也提过，广告平台并没有广告主的转化数据，因此需要进行追踪，即Conversion Tracking。常见的Tracking机制有两种，代码嵌入和服务端对接。
代码嵌入：即广告平台提供代码片段，广告主将其嵌入到转化发生的业务代码中。例如：移动端的SDK嵌入，H5端的JS嵌入。
服务端对接有两种方案，核心端区别在于数据的流向和转化归因由哪一方完成。方案一广告平台会泄漏所有的点击数据，而且广告主系统的技术要求会更高；方案二广告主会泄漏所有的转化数据，包括非广告的转化。
5.转化归因Attribution Analysis
转化归因，即把一次转化行为归纳到某次广告点击之上。常见的归因模型有：
最后一次模型：即认为转化100%是由最后一次广告点击带来的
第一次模型：即认为转化100%是由第一次广告点击带来
平均模型：即转化之前的多次广告点击，享有平等地价值。
可变权重模型：即多次广告点击之间的权重各不相同，例如按时间衰减等。
最后，用一张结构图来总结以上，并扩展下上下游。
最下层是转化数据追踪，NB如小米这样可以拿到一些系统级数据，否则都需要跟广告主建立数据交换机制。（移动建站作为广告平台为广告主提供的落地页服务，可以收集一些转化数据。）
中层则是转化数据的处理和归因。
最上面是数据的应用层，或用于oCPC优化投放，或用于广告计划预算的调整，或用于lookalike进一步扩大投放。
5.数据交换Data Exchange
以上可以看出，oCPC的关键点在于转化数据的追踪和交换，而且不能是采样的数据，必须是全量数据。而数据的交换，是互联网广告行业最为敏感的事情了。
广告主、广告平台都不愿意把数据提供给对方，更不用说是转化数据了。存在问题就有解决方案，常见的方法是引入“公立”的第三方公司来完成，即广告主把转化数据交给第三方，广告平台把曝光点击广告数据也交给第三方，由第三方进行管理和归因。但第三方是否真正的公立，就只有它们的名誉来做担保。
说到底，数据交换其实只干一件事，即查询我的ID是否在你的集合里，但我又不想让你知道我查询了哪些ID，你也不想让我知道你有多少ID。（注：ID可以理解为一个用户、一件物品、一个事件等）。
在这个简化的数学模型下，BloomFilter似乎是个合适的数据结构，它可以隐藏掉双方的数据规模和ID细节，又能方便双方作交集的查找，并不会泄漏差集的部分。
业界也有不少企业在探索区块链的方案，拭目以待。
6. 总结我的观点
1、oCPC是广告平台向广告主的妥协
2、转化追踪也是广告主向广告平台的妥协
3、全量、透明、可靠、互信的数据交换机制，才是王道。
