OCPC，即目标转化成本出价，由系统预测每个用户每次搜索的转化概率，实时竞价。

OCPC虽然更智能更精准，但是很多广告主都遇上了效果不稳定的问题，数据一天好一天坏，投放oCPC变成了一道玄学题。

本期我们为广告主提供四大OCPC优化方向，打破“玄学”枷锁，帮助大家用好OCPC，高效达成拓量提效目标。

优化方向一：保证流量供应

在OCPC投放中，除了广告主设置的目标转化成本外，系统模型预估的转化率，将直接决定广告的出价竞争力。

如果账户近期流量少、转化行为稀疏，系统便无法准确预估流量的转化价值，广告投放效果将处于不稳定状态。

因此，保证充裕的流量供应非常重要。

广告主无需担心成本升高、无效线索增多等问题，OCPC会对流量挑肥拣瘦，自动去除低转化预期流量，帮你竞得最合适的客户。

想要增强流量，优先从定向出发。

在关键词的选择上，尽可能使用较宽泛、流量较大的关键词，精简计划与单元层级否词。

在自动出价下，关键词匹配依然有效，建议使用宽泛的智能匹配和短语匹配。同时推荐打开自动定向，覆盖较为全面的流量，让OCPC模型为你找寻潜在用户，把控投放ROI。

广告主也可以通过历史投放数据及目标消费者调研，找到值得抢量的优质人群、时段、地域进行加投，加强广告曝光。

优化方向二：提升广告转化

OCPC解决了流量采买环节，但流量转化环节，还得靠人工来优化。

广告转化率是决定系统是否持续放量的核心要素，转化率低就意味着没量。

建议从创意及落地页两个层面进行优化，创意简明精炼、通顺易懂、直击重点，核心突出产品优势，使用通配符锁定目标客户眼球。

推荐开启动态创意，提交多样化高质量图文视频内容和创意组件，提升广告展现和转化效率。

同时关注关键词-创意-落地页的相关性，确保落地页访问顺畅、视觉体验良好，全方位呈现信息内容，避免落地页质量不佳导致流量受限。

转化组件(表单、咨询、电话等)的设置必不可少，在内容模块之间穿插，抓住用户心理，直接实现转化。

优化方向三：配合出价模型

OCPC相比于人工出价，投放思路有所不同。OCPC无需时刻调整账户，建议多观察，少操作，做好以下三项关键点，充分配合智能出价模型：

01 充分接入转化信号

由浅入深全面回传转化数据，保证回传稳定，避免因数据通路不稳定导致自动出价无法正确工作。

02 减少干预频率

调整幅度小，渐进变化，以便模型平稳适应。流量构成变化剧烈会造成出价模型进入混乱而重新学习，导致投放效果不稳。

03 拉长时间衡量效果

 

投放OCPC时，平均点击价格不再作为主要关注点，重点关注线索成本与线索量。

当流量和投放设置有变化时，自动出价模型一般需要2~3天适应，短期和少量的波动不必恐慌。

在核算成本时，最少核算3-5天，拉长周期综合判断更准确。

优化方向四：善用新功能

OCPC智能模型解决了广告成本控制难题，但是转化目标设置不合理，账户便无法达成转化量目标。

广告主可以使用多目标出价、深浅双出价，提高广告投放效能。

多目标出价

广告主可以设置超过一个转化类型作为目标转化，并指定统一的目标转化成本出价。 

一旦账户设置“多目标出价”，意味确认设置在目标转化中所有类型的转化事件，带来的价值是基本一样的。

智能出价模型会在广告竞价中，无差别地争取这个集合中的所有目标转化量，在其他维度相同的情况下，起量概率更高。

、

使用多目标出价，需要注意两点：

① 确保目标转化中所有类型的转化事件，带来的价值是完全一致的。

比如线索收集场景下，“表单提交成功”和“电话接通”的业务含义接近，系统会争取尽可能多的两种转化行为总量。

② 多转化事件类型，必须具备非常相似的业务价值并且不能太重复。

比如将“电话拨通”和”服务购买成功”同时作为目标转化，这两个的转化价值完全不同，必然导致竞价效果紊乱，ROI下滑。

广告主在设置时可以关注系统提示，避免设置不合理的多目标转化。

深浅双出价

广告主可以在指定目标转化类型的同时，指定一个深度优化的目标转化类型。

系统会首先优化目标转化事件，随着数据的积累和条件成熟，进而对深度优化中设置的转化类型进行优化。

由于用户的转化行为是一个由浅及深的过程，通常浅层的转化量较多，深层的转化量较少。若直接将数据稀疏的转化事件作为目标转化投放，容易导致智能出价模型难以学习成功，成本不稳定。

因此有经验的优化师会使用“深浅双出价”，用浅层目标优化平稳引导，稳健地抵达深层出价。

双出价效果虽好，但是在设置的时候，需严格遵循由浅至深原则，有序设置转化目标。

将靠前的转化事件设为“目标转化”，相对靠后的转化事件设为“深度目标转化”，比如设置“有效咨询”为【目标转化】、设置“留线索”为【深度目标转化】。

OCPC出价，是帮助广告主控本扩量的一大利器。

想要投好OCPC，关键是配合模型，将精力放在如何提高转化率的问题上，逐步养成模型对用户深层转化预期的精准识别, 提高广告投放效能。