作為全球領先的 Commerce Media 平臺，Criteo 通過其獨有的 AI 引擎和用戶行為數(shù)據(jù)網(wǎng)絡，幫助廣告主在合適的時間、合適的用戶面前，以最優(yōu)價格贏得廣告曝光。本文將帶你全面了解 Criteo Predictive Bidding 的工作原理、優(yōu)勢和實際應用場景。
一、什么是 Predictive Bidding？
Predictive Bidding（預測性競價）是 Criteo 的核心算法系統(tǒng)，它通過機器學習模型，對每一次廣告展示機會進行實時預測，并動態(tài)出價。
它會預測：
- 當前這個用戶是否會點擊廣告？
- 是否可能產(chǎn)生轉(zhuǎn)化？
- 轉(zhuǎn)化價值有多高？
根據(jù)這些預測結(jié)果，系統(tǒng)會決定是否出價，以及出價金額是多少。這一過程完全自動化、毫秒級完成。
二、工作原理：三層預測模型
Criteo 的競價系統(tǒng)建立在三層預測基礎上：
1. 點擊概率預測（Click-Through Rate, CTR）
系統(tǒng)首先判斷用戶看到廣告后點擊的可能性。
2. 轉(zhuǎn)化概率預測（Conversion Rate, CVR）
接著，預測用戶點擊廣告后是否會產(chǎn)生轉(zhuǎn)化（如購買、注冊、下載等）。
3. 轉(zhuǎn)化價值預測（Predicted Revenue）
最后，基于歷史訂單數(shù)據(jù)、商品信息、用戶行為等預測轉(zhuǎn)化后帶來的實際收入。
最終出價依據(jù)公式：
> 出價 = 預測轉(zhuǎn)化概率 × 預測轉(zhuǎn)化價值 × 出價因子（Bid Multiplier）
這種方式保證系統(tǒng)只在最有可能帶來價值的廣告機會上出價，并避免無效花費。
三、主要優(yōu)勢
效果導向：出價完全基于轉(zhuǎn)化預期與收益預估，提升 ROAS
節(jié)省成本：避免對低轉(zhuǎn)化人群過度出價，提升預算利用率
全自動優(yōu)化：無需人工頻繁調(diào)整，系統(tǒng)自動學習優(yōu)化出價策略
實時學習機制：模型基于實時行為數(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)自動出價，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：
- 設置目標 ROAS / CPA：讓系統(tǒng)根據(jù)目標投產(chǎn)比自動調(diào)節(jié)出價。
- 調(diào)整出價因子（Bid Modifier）：針對設備、地域、人群等設定溢價或折扣。
- 廣告素材 A/B 測試：提供不同版本素材供系統(tǒng)測試最佳效果。
五、典型應用場景
動態(tài)重定向廣告（Retargeting）：系統(tǒng)根據(jù)用戶瀏覽行為預測購買意圖，精準追投
潛客獲取（Prospecting）：對相似人群預測其轉(zhuǎn)化潛力，自動控制出價風險
應用安裝推廣：結(jié)合用戶設備、行為、轉(zhuǎn)化路徑等自動出價，控制每次下載成本
六、與傳統(tǒng)競價的對比
|
比較維度 |
傳統(tǒng)人工競價 |
Criteo Predictive Bidding |
|
出價方式 |
人工設定固定出價 |
系統(tǒng)根據(jù)實時預測動態(tài)出價 |
|
數(shù)據(jù)參考 |
依賴經(jīng)驗或靜態(tài)歷史數(shù)據(jù) |
基于實時行為與 AI 模型 |
|
調(diào)整頻率 |
需人工持續(xù)監(jiān)控 |
系統(tǒng)自動優(yōu)化、持續(xù)學習 |
|
效率與成本 |
易浪費預算 |
更高 ROI、更優(yōu)預算分配 |
七、真實案例參考（來源：Criteo Success Stories）
【案例：Showroomprive（歐洲時尚電商）】
使用 Predictive Bidding 后，其 ROAS 提升超過 +45%，平均每次購買成本下降 30%。
成功實現(xiàn)個性化出價，同時保持高覆蓋率與精準性。
