作為全球領(lǐng)先的 Commerce Media 平臺(tái)，Criteo 通過其獨(dú)有的 AI 引擎和用戶行為數(shù)據(jù)網(wǎng)絡(luò)，幫助廣告主在合適的時(shí)間、合適的用戶面前，以最優(yōu)價(jià)格贏得廣告曝光。本文將帶你全面了解 Criteo Predictive Bidding 的工作原理、優(yōu)勢(shì)和實(shí)際應(yīng)用場(chǎng)景。
一、什么是 Predictive Bidding？
Predictive Bidding（預(yù)測(cè)性競(jìng)價(jià)）是 Criteo 的核心算法系統(tǒng)，它通過機(jī)器學(xué)習(xí)模型，對(duì)每一次廣告展示機(jī)會(huì)進(jìn)行實(shí)時(shí)預(yù)測(cè)，并動(dòng)態(tài)出價(jià)。
它會(huì)預(yù)測(cè)：
- 當(dāng)前這個(gè)用戶是否會(huì)點(diǎn)擊廣告？
- 是否可能產(chǎn)生轉(zhuǎn)化？
- 轉(zhuǎn)化價(jià)值有多高？
根據(jù)這些預(yù)測(cè)結(jié)果，系統(tǒng)會(huì)決定是否出價(jià)，以及出價(jià)金額是多少。這一過程完全自動(dòng)化、毫秒級(jí)完成。
二、工作原理：三層預(yù)測(cè)模型
Criteo 的競(jìng)價(jià)系統(tǒng)建立在三層預(yù)測(cè)基礎(chǔ)上：
1. 點(diǎn)擊概率預(yù)測(cè)（Click-Through Rate, CTR）
系統(tǒng)首先判斷用戶看到廣告后點(diǎn)擊的可能性。
2. 轉(zhuǎn)化概率預(yù)測(cè)（Conversion Rate, CVR）
接著，預(yù)測(cè)用戶點(diǎn)擊廣告后是否會(huì)產(chǎn)生轉(zhuǎn)化（如購(gòu)買、注冊(cè)、下載等）。
3. 轉(zhuǎn)化價(jià)值預(yù)測(cè)（Predicted Revenue）
最后，基于歷史訂單數(shù)據(jù)、商品信息、用戶行為等預(yù)測(cè)轉(zhuǎn)化后帶來的實(shí)際收入。
最終出價(jià)依據(jù)公式：
> 出價(jià) = 預(yù)測(cè)轉(zhuǎn)化概率 × 預(yù)測(cè)轉(zhuǎn)化價(jià)值 × 出價(jià)因子（Bid Multiplier）
這種方式保證系統(tǒng)只在最有可能帶來價(jià)值的廣告機(jī)會(huì)上出價(jià)，并避免無效花費(fèi)。
三、主要優(yōu)勢(shì)
效果導(dǎo)向：出價(jià)完全基于轉(zhuǎn)化預(yù)期與收益預(yù)估，提升 ROAS
節(jié)省成本：避免對(duì)低轉(zhuǎn)化人群過度出價(jià)，提升預(yù)算利用率
全自動(dòng)優(yōu)化：無需人工頻繁調(diào)整，系統(tǒng)自動(dòng)學(xué)習(xí)優(yōu)化出價(jià)策略
實(shí)時(shí)學(xué)習(xí)機(jī)制：模型基于實(shí)時(shí)行為數(shù)據(jù)持續(xù)迭代，越用越聰明
四、廣告主的控制權(quán)與靈活度
雖然是系統(tǒng)自動(dòng)出價(jià)，但廣告主仍然擁有控制權(quán)，可以通過以下方式參與優(yōu)化：
- 設(shè)置目標(biāo) ROAS / CPA：讓系統(tǒng)根據(jù)目標(biāo)投產(chǎn)比自動(dòng)調(diào)節(jié)出價(jià)。
- 調(diào)整出價(jià)因子（Bid Modifier）：針對(duì)設(shè)備、地域、人群等設(shè)定溢價(jià)或折扣。
- 廣告素材 A/B 測(cè)試：提供不同版本素材供系統(tǒng)測(cè)試最佳效果。
五、典型應(yīng)用場(chǎng)景
動(dòng)態(tài)重定向廣告（Retargeting）：系統(tǒng)根據(jù)用戶瀏覽行為預(yù)測(cè)購(gòu)買意圖，精準(zhǔn)追投
潛客獲?。≒rospecting）：對(duì)相似人群預(yù)測(cè)其轉(zhuǎn)化潛力，自動(dòng)控制出價(jià)風(fēng)險(xiǎn)
應(yīng)用安裝推廣：結(jié)合用戶設(shè)備、行為、轉(zhuǎn)化路徑等自動(dòng)出價(jià)，控制每次下載成本
六、與傳統(tǒng)競(jìng)價(jià)的對(duì)比
|
比較維度 |
傳統(tǒng)人工競(jìng)價(jià) |
Criteo Predictive Bidding |
|
出價(jià)方式 |
人工設(shè)定固定出價(jià) |
系統(tǒng)根據(jù)實(shí)時(shí)預(yù)測(cè)動(dòng)態(tài)出價(jià) |
|
數(shù)據(jù)參考 |
依賴經(jīng)驗(yàn)或靜態(tài)歷史數(shù)據(jù) |
基于實(shí)時(shí)行為與 AI 模型 |
|
調(diào)整頻率 |
需人工持續(xù)監(jiān)控 |
系統(tǒng)自動(dòng)優(yōu)化、持續(xù)學(xué)習(xí) |
|
效率與成本 |
易浪費(fèi)預(yù)算 |
更高 ROI、更優(yōu)預(yù)算分配 |
七、真實(shí)案例參考（來源：Criteo Success Stories）
【案例：Showroomprive（歐洲時(shí)尚電商）】
使用 Predictive Bidding 后，其 ROAS 提升超過 +45%，平均每次購(gòu)買成本下降 30%。
成功實(shí)現(xiàn)個(gè)性化出價(jià)，同時(shí)保持高覆蓋率與精準(zhǔn)性。
