在最大化流量價值的驅動下，廣告平臺為廣告主提供OCPC/OCPA（目標啟用成本出價、目標註冊成本出價和目標付費成本出價）這種投放方式幾成標配。OCPC/OCPA的核心邏輯在於打通廣告平臺的曝光，點選，下載以及廣告主後端的啟用，註冊及後續轉化的資料通路，從而得以實現對廣告投放的自動優化。
下圖是媒體廣告平臺典型OCPC流程：使用者在媒體上有點選廣告行為時，這個動作被記錄下來，上報到媒體伺服器，媒體伺服器會將這個點選事件同步給廣告主的監測伺服器，廣告主記錄下這個點選事件後，當對應的使用者發生廣告主想要的轉化行為（比如啟用，註冊或者報名等行為）時，廣告主就將這個轉化資訊回撥給媒體廣告平臺。據此媒體廣告平臺就可以通過對點選使用者和轉化使用者的比對，從而知道具備哪些特徵的使用者更容易轉化。這樣就可以在廣告曝光的時候，對具備這些特徵的人群進行重點定向，從而提升廣告效果。
你不應該讓OCPC/OCPA的資料長草
但OCPC/OCPA的資料絕不應用僅僅用於廣告平臺做投放優化，還可以通過對這些資料的分析，發現更多有助於改善廣告投放效果的真相。如果過去你或你的團隊還沒有就這些資料進行分析，那麼現在做還為時不晚。下面結合自己團隊在OCPC/OCPA資料分析方面的經驗給大家一些參考。
分析方向一：OCPC/OCPA可以讓你排除那些異常的點選欺詐裝置
大部分OCPC/OCPA平臺會上報使用者點選事件，這個點選事件一般包括使用者IMEI資訊，通過比對點選裝置IMEI和後續的轉化資料，你可以從中發現一些過去根本不會關注的問題。比如我們就曾在某媒體的點選上報資料中發現存在大量的無效點選裝置ID情況。
我們對這些裝置ID持續多天的點選事件和轉化行為進行監測後發現，有多達10-20%的點選上報裝置每天都在持續地點選我們的廣告，但卻無任何後續轉化行為。很明顯，這些裝置存在點選欺詐問題，這些裝置只能無端消耗你的廣告費用，卻不會帶來任何真實使用者。
我們把這些裝置統計出來並做成了人群包，在在媒體投放端進行了人群包排除後，效果明顯，成本和點選量下降了不少，轉化效果提升了幾個百分點，反覆點選廣告卻從不發生轉化行為的使用者裝置漸漸少了。
分析方向二：優化廣告投放定向
通過對比點選裝置和轉化裝置的畫像資料，我們還可以把點選-轉化率低的人群畫像進行排除，只定向高點選-轉化的人群。也可以通過這個指標去發現哪些素材/廣告計劃表現好或不佳，分析其原因並優化投放策略。
對點選裝置進行畫像分析的挑戰在於很多企業並不擁有對手機裝置打標籤，識別其人群畫像的能力。畢竟如果使用者只有點選行為，卻沒有轉化，很多企業就就很難了解其畫像資訊，這個時候就需要有第三方打標籤的服務去補全這個資訊。
分析方向三：識別應用商店“劫持”的情況
眾所周知，使用者在媒體上下載APK安裝包時，手機廠商自帶應用商店往往會彈出視窗提醒說，這個應用不安全，推薦你下載應用商店的官方安裝包。毫無疑問，大部分使用者在這種情況下都會選擇安裝應用商店推薦的包，而不是你放在媒體上投放的那個渠道包。這種情況下，就會導致資訊流等媒體的渠道包帶來的使用者數量被低估，同時也會高估商店的安裝數量。
OCPC/OCPA提供的點選裝置的資料，可以幫助我們在渠道包歸因的基礎上，通過點選上報緯度去歸因渠道資料。
那麼商店拐跑使用者帶來的影響有多大？我們根據資訊流媒體點選上報的裝置資訊，去跟蹤這些點選裝置ID最後安裝的渠道包發現，在安卓渠道中，有近50%的使用者安裝了應用商店的包，也就是說如果你用渠道包作為歸因，在安卓資訊流渠道，你可能會低估資料一半左右。
當然使用者也會存在多渠道點選的情況，比如使用者可能今天既在媒體A點選你的廣告，也可能在媒體B點選了你的廣告，但這個情況發生的概率畢竟比較小。比如上圖中其他媒體的渠道包數量為5%，我們視為這是一個可以接受的正常資料。
當然也可能存在有些無良資訊流廣告平臺通過撞庫的方式，惡意上報不屬於本身媒體使用者點選的情況。我們在iOS DSP渠道就曾發現過部分DSP渠道靠惡意捏造大量虛假點選裝置上報，騙取錢財的情況。資訊流上報的點選裝置ID是不是該資訊流本身帶來的可以通過進一步的資料分析去證實。比如看被商店拐走的使用者跟沒有被拐走的使用者行為差異是否非常顯著，點選上報事件是否明顯超乎尋常的高，點選到轉化的時間窗是否正常等等。
分析方向四：識別代理商/媒體混量
通過比對點選上報裝置和對應渠道包的轉化資料，還有機會抓到代理商/媒體為了讓成本看起來好看，而混入的一些沒有經過廣告平臺點選上報的裝置情況。如果存在大量的裝置未經點選上報，卻安裝貴司APP，那麼很大可能是你們這個渠道包被灰產拿去刷流量了。當然隨著對方越來越高明，這種明顯的差異應該會減少，但我們相信，目前還是會存在的。
關於OCPC/OCPA的資料，我們目前挖掘到的資訊就這麼一些，不知道業內各位大神，還從中發現了什麼好玩的情況？歡迎交流。