在 Criteo 广告投放体系中,出价方式直接影响广告效果与ROI表现。当前主要有两种出价模式:
自动出价(Automated Bidding / Predictive Bidding)
手动出价(Manual Bidding)
两者在策略逻辑、操作复杂度以及效果表现上存在明显差异。
自动出价基于机器学习算法,对每一次广告展示机会进行实时评估,包括:
用户转化概率(CVR)
订单价值(AOV)
用户行为数据(浏览、加购、购买)
系统根据预测结果自动计算最优出价。
实时动态调整出价
无需人工干预
持续优化ROI
基于大数据与AI模型
提高转化率
优化广告成本
节省人力成本
适应市场变化
对数据依赖较高
初期需要学习期
控制权较弱(不可精细调价)
广告主自行设置出价策略,例如:
固定CPC/CPM
按渠道或国家设置不同出价
手动调整预算与竞价
人工控制出价
可自定义策略
灵活调整
控制权强
适合测试阶段
可针对特定市场精细优化
需要持续人工优化
难以应对实时变化
效率低于自动出价
容易出现出价不合理
| 维度 | 自动出价 | 手动出价 |
|---|---|---|
| 出价方式 | 系统自动计算 | 人工设置 |
| 优化能力 | AI实时优化 | 人工调整 |
| 数据利用 | 多维度数据 | 有限数据 |
| 操作难度 | 低 | 高 |
| ROI表现 | 更稳定 | 波动较大 |
| 灵活性 | 中等 | 高 |
| 适用阶段 | 成长期 / 放量期 | 测试期 / 精细运营 |
数据量较大(有稳定转化)
已完成基础埋点(OneTag + 转化事件)
希望提升ROI与规模
多国家、多SKU运营
新账户(数据不足)
测试新市场或新产品
特定活动(短期促销)
需要严格控制预算
先用手动出价测试数据
确认转化路径是否正常
切换自动出价
让系统学习用户行为
完全使用自动出价
结合ROI目标优化
自动出价为主
局部手动调整(如重点市场)
实际需要学习期
人工难以匹配实时竞价环境
数据越多,效果越好
会影响系统学习效果
自动出价与手动出价并非对立关系,而是不同阶段的策略工具:
自动出价:提升效率与规模
手动出价:增强控制与测试能力
对于跨境电商而言,最佳策略通常是:
“前期手动测试 + 后期自动放量”
通过合理组合两种出价方式,可以在控制风险的同时,实现广告效果最大化。