广告有多种计费方式：CPM（展现）、CPC（点击）、CPA（行为）、CPS（分成）、CPD（时间），其中最常见的是CPM（多用于品牌类广告）和CPC（多用于效果类广告），媒体分别在展现和点击完成后收取广告费用，后续转化如何基本不再考虑范围内，基于此广告投放也形成一个现象：在创意的曝光和点击阶段表现都不错，但在后续的效果上表现很差，转化率低，这对于效果类广告主来讲很无奈，因为转化才主要目的，所以他们希望链条向后延伸，能保证转化效果，在这种需求的驱动下发展出了目标转化出价（OCPM/C）。下面我们展开聊一聊。
OCPM/OCPC：目标转化出价，广告主设定特定的转化目标及预估的价格，DSP系统按照转化数据模型优化。
广告主目标：在成本可控的情况下（按转化目标出价，计费折算为CPM/C），实现更好的转化效果。
转化的主要类别：APP下载类/H5销售线索类。
APP下载类的主要转化目标：安装-激活-注册-付费-活跃-留存；
H5销售线索类转化目标：表单提交-预约-在线咨询-电话沟通-注册-购买。
上述的各个目标，随着路径不断延伸，用户数量会持续减少，越到后面有效用户的价格越高，建议目标从前向后设置。
前提条件：广告主需要回传转化数据，平台可以追踪用户从创意曝光、点击到落地页再到最终转化的路径数据并形成闭环，用于建立数据模型。
操作方法：
平台建站：广告主用平台提供的工具建站，则不需要单独部署代码，平台的数据已经打通，实现回传；
广告主自有站点：在站点部署平台的监测代码（网页类JS/API，移动端SDK/API）。
整体业务流程的逻辑：广告主部署监测代码-回传转化数据-平台数据建模-广告主确定优化目标及价格-平台拟合预测数据-动态优化调整。在整个过程中，有几个方面比较重要：
数据建模：平台根据回传的用户数据，建在各步骤的转化模型，这个模型建立需要实际数据做支撑，而且前期的波动可能会比较大，在投放策略不变的情况下，投放数据累计越多，模型越成熟，预测越准确。
优化目标：转化目标（H5/APP类）+出价（系统建议出价），一般情况下，DSP平台会对接各类广告主，对各行业有数据积累，根据广告主的投放要求结合平台的流量情况，会给出建议出价，建议出价在阈值内，太低没有竞争力，曝光会受影响，太高成本会增加。
拟合预测：预估覆盖人群+智能出价，根据广告主的定向条件和出价平台会预估覆盖人群数、曝光数、点击数和转化数。出价方面在投放中采用两阶段出价：
第一阶段，机器学习阶段，广告主按照平均转化价格出价（历史转化价格）；
第二阶段，拟合预测模型已建立，按照系统计算的转化价格计算（广告主设置阈值，系统建议出价区间）。
注意事项：建模期间，投放策略不建议较大变动，保持稳定性，广告一般依据ECPM排序（ECPM=1000*CTR*CVR*转化出价），修改策略需要重新学习，主要注意以下几个点：定向人群设置（人群不同，标签不同，价格不同）、出价（直接影响竞价结果）、预算保持充足（预算不足平台防止超跑量，曝光会做限制）、创意（影响点击率）、落地页内容（影响后续转化）。
