Display and Video 360 (DV360) 自定义出价终极指南

自 2019 年以来，我一直在使用 DV360 Custom Bidding 产品。当时，它只是一个测试版，但最近几天，该产品有了巨大的发展。当我开始阅读自定义竞价的概念时，看到这个产品对程序化社区的改变是多么有趣。构建自定义算法的能力是一个巨大的机会，可以在您的活动目标和业务目标之间建立更好的联系！

这将是一个广泛的职位，所以要振作起来！根据您对 DV360 自定义出价产品的专业知识水平，您可以决定要在哪个部分花费最多的时间。那里有一些技术文档，但我没有看到任何广泛或实用的内容。因此，我决定将一些东西（希望有用）放在一起。

概括

什么是自定义出价？
自定义出价如何运作？
主要的聚合函数和脚本结构是什么？
实际用例和脚本模板（有真实例子）
1. 加权转化（Floodlight）
2. 加权转化（Google Analytics 360 目标）
3. 自定义 Floodlight 变量
4. 销售 Floodlight 收入
如何创建算法并为 DV360 内的营销活动分配脚本？
设置 DV360 实验以测试自定义出价算法的最佳方法是什么？
如何正确衡量和报告自定义出价算法的成功？
与 Lachezar (Lacho) 合作

What is a custom bid?

自定义出价是 DV360 中基于结果的购买功能，允许广告商编写自定义脚本，根据特定标准定义一次展示的价值。您可能熟悉 DV360 中的标准出价策略（例如“最大化点击次数”、“最大化转化次数”等）。它们是由 Google 创建的预设算法，经过编程，可以对更有可能为您带来点击、转化或可见展示的展示出价更高。

但是，使用自定义出价，您可以超越单个操作并创建多层出价。例如，您可以为渠道中的每个转化分配不同的权重，或者根据自定义变量或谷歌分析目标中收到的值进行不同的出价。换句话说，您可以微调和强化您的出价策略到最小的细节！因此，实现尽可能高的 ROAS 并更接近您的实际业务目标。

自定义出价如何运作？

自定义出价背后的神奇之处在于，您将自己对业务的洞察与 Google 的机器学习算法相结合，该算法使用 40 多种信号来评估展示。当然，有三个关键步骤概括了整个过程（不用担心我们稍后会分解每个步骤）：

首先，确保您的广告系列目标与您的业务目标保持一致。例如，如果您想针对网站上的特定操作进行优化（例如，您提供的服务中最昂贵的一层），但没有足够的数量并且不得不选择漏斗上部代理指标，自定义出价可以解决这个问题。因此，在决定 KPI 时，不要因为转换量或单个接触点而限制自己。想想你的生意。
在 DV360 中创建一个算法并为其分配一个脚本。该脚本将包含您的所有规则和条件，这些规则和条件基本上会告诉 DV360 一次展示对您的价值。
一旦算法被激活，DV360 就会开始根据您的脚本对展示进行评分。学习阶段可能会持续几天，当算法准备就绪时，您可以将其作为出价策略分配给您的广告系列。请记住，自定义出价算法需要 30 天的数据窗口。

主要的聚合函数和脚本结构是什么？

在深入研究实际示例之前，您会注意到有一些函数经常重复。大多数自定义投标脚本的基础是三个核心功能（除非您正在执行自定义变量）：

sum_aggregate – 根据您有多少标准，此函数会将分数相加，如果它们都返回 true。
max_aggregate – 在这种情况下，该函数将仅对具有最高分数或分配权重的标准返回 true。
first_match_aggregate – 这是一个不太常见的函数，但返回数组中第一个返回 true 的条件的分配值。

脚本的一般结构也如下所示：

return aggregate_function([  ([criteria_a, criteria_b], score),   #you have to select what criteria is true and assign a score to it.   ([criteria_a], score)   #you repeat the same for your second criteria and assign it a different score. This will allow you to provide context for your algorithm on the range of difference between criteria 1 and 2.  ])

实际用例和脚本模板（有真实例子）

在接下来的几个小节中，我们将探讨您可以在自定义出价中使用的不同类型的算法。我已尽力将可用的技术文档翻译成带有真实示例的更实用的指南。

加权转化（Floodlight）

自定义出价功能的强大用例之一称为“加权转化”，它允许广告商针对不同的转化活动进行优化。此外，您可以在点击后和查看后之间拆分转换，并为每个转换分配不同的权重。让我们付诸实践。

假设您是一家 CPG 公司，在您的网站上提供产品样品。为了让用户获得样品，您需要填写一个包含三个步骤的表单，“开始”、“完成”和“批准”（如果这是一个新用户，之前没有尝试过）。此外，您的研究团队与您分享了一个见解，即所有来自点击后转化的用户都立即购买了您的产品。而来自查看后转换的用户收到了样品，但很少购买实际产品。

第一步是将转化分为“点击”和“非点击”（查看后）。您可以通过潜在地更加强调“点击”转换来替换weight_1和weight_2。

return max_aggregate([      ([click, total_conversion_count(Floodlight_ID_1, model_id)>0], weight_1),     ([not click, total_conversion_count(Floodlight_ID_1, model_id)>0], weight_2),  ])

在此基础上，使用max_aggragate函数很重要，因此该算法只能对得分最高的转换进行评分。为什么？如果您有任何类型的类似漏斗的应用程序，“已批准”用户也是“开始”和“完成”，因此您要为 Google 做出区分。这就是自定义出价如此强大的原因！

return max_aggregate([      ([click, total_conversion_count(Floodlight_ID_1, model_id)>0], 4),     ([not click, total_conversion_count(Floodlight_ID_1, model_id)>0], 2),      ([click, total_conversion_count(Floodlight_ID_2, model_id)>0], 12),     ([not click, total_conversion_count(Floodlight_ID_2, model_id)>0], 6),      ([click, total_conversion_count(Floodlight_ID_3, model_id)>0], 36),     ([not click, total_conversion_count(Floodlight_ID_3, model_id)>0], 18) ])

作为旁注，您可以暂时将model_id设置为 0。稍后我们将探讨原因。

加权转化（Google Analytics 360 目标）

在 DV360 中针对 Google Analytics 目标进行优化长期以来一直是备受期待的功能，现在已成为现实。即使认为该功能在 2020 年推出，我也不认为它获得了应有的受欢迎程度。对我来说，这是一件大事