写公式

比如OCPC这个产品，商业产品的诉求是获得更多的收入。收入的公式是：收入=流量*CPM(千次流量曝光广告收入)。

那么提高收入的方法是提高流量和CPM，以提高CPM为例：

OCPC的eCPM的公式是：\( eCPM=1000CTR CVR*oBID eCPM\) 可以理解为近似等于CPM，因为会涉及到二价等专业术语，这里不展开。

那么提高eCPM，可以提高CTR、CVR、oBID来达成。

提高CTR

CTR就是广告的点击率，就是用户看到广告会点击的概率。这个就由用户对这条广告的兴趣意愿决定，因此设计到两点：用户兴趣和广告。

用户兴趣：可以通过对用户画像的机器学习得到，用户画像可以通过用户的基本信息和历史信息等获取，这里不展开。因此可以通过丰富用户画像、历史信息（含广告信息），提供机器学习的精准度。
广告：主要由标题和图片组成。因此可以通过优化标题和图片，主要由广告主完成，而平台则可以提供动态词包、图片优选、程序化创意（标题和图片动态组合）、DPA（针对多SKU）等方式提高广告的质量。
广告和用户兴趣：通过"定向"来关联。这里可以通过将广告定向到指定的用户画像来达成，比如定向到男/女（用户基本信息）、兴趣-投资（用户兴趣）、iOS（用户设备）、人群包（客户自己上传用户信息）等方式来达成，随着机器学习的强大，这些定向也在被逐渐弱化，因为机器学习就是找合适的人推荐合适的广告。

CVR就是广告的点击转化率，就是用户点击广告后，是否会发生下载/注册/购买等行为。这个就由用户对点击广告后，进入的页面是否感兴趣决定，因此涉及到两点：用户兴趣和落地页。

落地页：可以是广告主自己的落地页，也可以使用平台的落地页工具。强势的媒体（流量大质量好），会要求广告主使用平台的工具，因为可以更好的优化和把控制量（主要针对中小客户，能力弱）。

用户兴趣：这里指用户发生转化的兴趣，机器学习需要发生转化的数据，这些数据一般在广告主手里，媒体没有（除厂商外：系统能力），因此需要涉及到转化数据的打通链路等优化问题。

一个广告的转化出价，就是广告主愿意为一次转化出多少广告费。这个就涉及到引导并控制广告主出真实的价格，比如通过运营培训宣讲、包装案例、产品引导来达成；如果广告主出低的价格，会减少拿量等方式来优化。

广告的漏斗是：流量请求->用户意图挖掘->广告触发->竞价排名->广告返回->广告展现->广告点击->落地页点击->落地页转化...

那么可以优化的环节有：

这里不再展开，通过分析每个环节的漏斗，可以观察到每个环节的数据量级，从而找到可以优化的点。

比如竞价排名的广告少，是否可以通过更多的触发来达成，更多的触发依赖更多的广告，是否可以通过引入更多的广告主来达成......广告点击到落地页转化会发生用户流失，是否可以直接在广告种支持转化......

从而在流量、广告系统、广告主之间，全局深入思考。