在OCPC存在進入二階的明確門檻時，經(jīng)?？吹揭环N說法：低預算別嘗試OCPC。

　　誠然對于低預算和成本要求極其嚴格的項目來說，OCPC模式下CPC不可控制，CPC動輒飆到幾十甚至上百，而且嚴格的轉化量要求對于低預算與流量池有限的項目更是難以實現(xiàn)，這兩點勸退了大部分人。

　　從OCPC產品的演變看，從低門檻到0門檻再到現(xiàn)在的徹底取消一階，百度產品的優(yōu)化方向一直是針對這部分達不到二階門檻的用戶。

　　隨著百度對OCPC模型功能的優(yōu)化，其流量挖掘與成本控制的能力也在不斷提升。

　　對于流量池有限的廣告主，成熟的OCPC模型可以在有限的人群內，最高效的獲取客源，與競爭對手拉開差距。因此我建議之前被門檻勸退的伙伴們，可以重新嘗試百度的OCPC功能。

　　而對于流量池與預算均充裕的用戶來說，OCPC給廣告主們帶來的優(yōu)化，可以總結為三個方向：

　　1.更大的流量池

　　2.更精準及時的賬戶調整

　　3.更穩(wěn)定的量級與成本

　　因此OCPC可以說是必選項。

　　在建立OCPC投放包時，有四個重要的設置，選擇更合適的設置方式才能跑出量級大且穩(wěn)定的OCPC投放包：

　　第一個是投放包生效范圍設置。

　　雖然轉化量級越大，OCPC投放包學習成功的概率與后續(xù)的穩(wěn)定性會越高，但是盲目的堆積計劃是不可取的。

　　一般在計劃數(shù)超過3時，OCPC模型只會優(yōu)化轉化數(shù)最多的1-2條計劃。即使依靠高轉化計劃帶動多條低轉化計劃進入學習成功階段，也很難實現(xiàn)低轉化計劃的起量。

　　另外，OCPC本質上是一個不斷積累數(shù)據(jù)的模型，如果投放包內的計劃除了成本相近外，人群、地域等均不匹配，反而會影響其精準度，導致跑不出優(yōu)質的OCPC投放包。

　　第二個是出價模式與出價設置。

　　可選的三種出價模式分別為增量模式、目標轉化成本與放量模式。

　　增量模式可以看作早期eCPC的改版，通過百度的數(shù)次產品優(yōu)化簡化了選擇人群與賦予出價系數(shù)的功能。增強模式可以看作以最大化消費為目標，忽略成本快速消耗預算的模式。

　　不建議選擇這兩種方式的最重要原因是，對成本無法實現(xiàn)較精準的控制。

　　SEM作為效果廣告，最重要的是在合適的成本下獲取盡可能多的量級，而拋開成本談轉化，顯然是荒謬的。

　　而目標轉化成本模式則是在量級與成本間進行平衡，在可控成本下保證最大化的量級，所以更建議選擇目標成本轉化。

　　目標轉化成本模式的出價，不建議建包初期就進行嚴格的限制，可以在標準值上浮10-20%來盡可能的獲取轉化量，積累模型數(shù)據(jù)，在模型順利通過學習期后，再下調出價到標準值，實現(xiàn)量與成本的平衡。

　　第三點是數(shù)據(jù)來源與目標轉化。

　　數(shù)據(jù)來源往往是被忽略的部分，除了基木魚頁面外，大部分人選擇的是操作較為簡單的JS布碼或咨詢工具授權。

　　對于非應用類推廣且有技術支持的團隊，更建議大家選擇線索API對接。與咨詢工具授權和JS布碼相比，API數(shù)據(jù)準確度高，丟數(shù)據(jù)現(xiàn)象極少，更不會因為咨詢工具的改版或變動而受到影響。

　　API對接回傳的原理是把轉化類型與帶有bd_vid的落地頁url回傳給百度，百度通過bd_vid解析出具體的點擊操作，轉化類型則是由廣告主端進行判斷，這也給目標轉化的選擇提供了更好的解決方案。

　　目標轉化可以理解為給廣告主需要的用戶統(tǒng)一的行為標簽，以職業(yè)教育行業(yè)為例，常見的目標轉化為一句話咨詢、三句話咨詢或留線索。

　　其中一句話或三句話咨詢的層級過淺，難以精準的篩選用戶。而留線索的量級低，且收到索取話術的影響大，也不適合作為OCPC投放包的直接轉化目標。

　　通過線索API對接可以實現(xiàn)對轉化類型的自定義，比如只回傳學歷達標或年齡達標的用戶，從而提升OCPC模型人群的精準度。

　　最后一點是深度轉化設置。

　　不建議在建立OCPC投放包開始就選擇深度優(yōu)化，更精準的人群選擇也意味著更小的目標人群，對OCPC模型而言，學習期定向過窄，即使通過學習期也很難起量?？梢赃x擇在OCPC包學習成功后3-5天，轉化量與成本均趨于穩(wěn)定時，再酌情選擇。

　　對于深度轉化的出價模式，選擇雙出價的情況相當于對OCPC投放包的成本進行二次限制，從目標轉化到深度轉化的轉化率如果不是長期穩(wěn)定的數(shù)值，建議選擇自動優(yōu)化，否則會對目標轉化的量級造成限制。而對于轉化路徑成熟穩(wěn)定的行業(yè)，則可以選擇雙出價來獲得更好的成本控制效果。

　　做好以上四點設置，相當于為OCPC模型打下堅實的基礎，后續(xù)才能更好的調整模型度過學習期，提供更多更精準的流量。