第一节：ocpc机器学习系统: 

百度的ocpc是一种机器学习系统。它是以转化目标为优化目的的点击出价。

在这里不需要关注点击多少，展示多少，而以投入产出比为衡量标准的。它可以提高单次点击的价值和精准性。最终目标是以目标转化为核心标准的

衡量标准是，更少的点击，更高的投入产出比为衡量标准的。

 

机器学习出价分为两个投放阶段，第一个阶段一定要有数据积累，第二个阶段是智能投放。系统是根据用户的行为特征进行记录，记住过往的数据。如果以前是花费1000元得到10个询盘，那么系统作为记录特征，那么接下来。800元会比消费1000元的结果会好很多。那么这个10个询盘是经过一段时间数据跑出来之后，才得到的结果。

机器学习呢，跟之前cpa的不同之处是，是在每次点击的基础上增加了一个目标每次转化。

从广告点击到广告主最终ROI，广告主对于漏斗路径上各个节点转化目标的价值出价

获得多少展现目标值出多少钱。获得多少点击目标值出多少钱。获取每个转化目标是多少钱。 各个节点都有一个价值金额出价可以设置的。获得了1000次点击，有500次是不精准的，有水分的。过滤，否词，排除，无效等等。现在虽然获得了500次点击，但是单次点击价值更高，更加精准。

Ocpc为什么会被推出。

因为社交属性变强，人们更多的利用碎片化时间去获取知识，人们的耐性变得越来越差。

第二节：搜索广告现状及趋势

针对互联网的发展趋势现状，我们所对应的广告发展方向转变为：

我们需要的是直接转化。进来的每个客户，第一时间看到我们所展现的产品，进行直接询盘。精准触达，优势定位。

原始的模型是展示、点击、转化；层层递进，漏斗模型。之前的互联网现状是这样的。先进入页面，然后客服咨询。现在我们的要求是直接转化，客户点击我们，直接提交表单，发询盘，打电话。做到精准触达，已经没有多余的钱去测试，机器模型运行好之后，漏斗模型逐渐变为圆柱形模型。

每个细节都需要做到极致，每一层漏斗都会流失掉一部分客户，那么绝对理想的模型是一个圆柱体，从上到下，一点儿也不丢失，但是在现实中是不可能的。就比谁的漏斗模型逼近圆柱形。谁转化就更加好一些。就能在市场中发挥自己的竞争力。

第三节：百度统计转化设置的目的

统计转化次数，转化数据呈现。

 

转化目标设置方法： 

转化数据收集呈现：

添加目标转化设置有什么好处？

第一：就是能提高整个账户的转化数量，虽然这个数量是虚的。但是有助于系统给你评分，可以增加账户的质量。

第二，尽管这数据是虚的，但是一定程度上也能间接验证我们某一个网页页面的咨询按钮或者某一个位置的事件转化数量值。

OCPC不是扩量产品：

机器学习的核心是提升转化量，帮广告主达成KPI，不是扩量产品。不带动其基本面的增长，不能以单个元素去衡量。

第四节：关键词意图分析

我们就需要知道对不同类的关键词背后隐藏的动机是什么？只有我们了解了这个动机之后，我们才能更好的写创意，才能更好的做出一个匹配关键词的专题页或者是网站，所以关键词它代表的是人，我们要分析这些人的去那么分析人就是分析这些关键词。

关键词举例 ：

第五节：关键词出价技巧：

匹配方式越精确，价格越高。匹配方式越宽泛，价格越低。