① 广告主需求
早期的营销广告大多数都是采取的点击付费，但是每一个点击不一定能带来询盘，于是在这个基础上，诞生了Optimized Cost Per Click ( OCPC )，以优化转化目标为优化目的。
② 优化方案
第一，广告主对点击出价，但不同的点击其实价值是不一样的，按统一的出价很不合理。
第二，广告主有时不单单只想拿更多点击，而是点击之后的转化价值，比如说下单/加粉/关注，这些诉求也是希望优化到的。
做过信息流的同学都知道，广告排序依赖的分数叫ecpm，以ocpc为例，其计算公式是 ecpm=org_bid（广告主的原始出价）*pctr（这条流量的预估点击率）
有的点击背后是能够形成高转化的，有的点击背后是不能形成一毛钱转化的，因此不同的点击背后价值就不一样，相应的出价也不一样。
于是就需要对原始出价做一个调整，把它变成一个叫做optimized_bid，那么optimized_bid就是在广告主的原始出价org_bid的基础上去乘一个因子，这个因子是pValue/baseValue。
pValue就是在单条流量上，我们利用系统里面的机器学习模型，实通过模型感知到的信息去评估出单条流量的价值。它放在分子这个位置，说明pValue如果高，流量价值高，可以往上调一点价格。如果pvalue低，那么这条流量价值低，可以往低调一点价格。这就起到了调控的作用。
pValue是需要有一个锚定点的,锚定点就底下的baseValue，基础值是基于历史的数据去评估流量的平均价值，比如它过去所有这些流量的平均的转化率是多少。
.CPM模式：eCPM=CPM出价
.CPC模式：eCPM=预估ctr*目标点击出价*
.oCPM/oCPC模式：eCPM=预估ctr*预估cvr*目标转化出价*
.计费规则：
展现计费=下一位eCPM+.
点击计费=下一位eCPM/自己的预估ctr+.
