作为全球领先的 Commerce Media 平台，Criteo 通过其独有的 AI 引擎和用户行为数据网络，帮助广告主在合适的时间、合适的用户面前，以最优价格赢得广告曝光。本文将带你全面了解 Criteo Predictive Bidding 的工作原理、优势和实际应用场景。

一、什么是 Predictive Bidding？

Predictive Bidding（预测性竞价）是 Criteo 的核心算法系统，它通过机器学习模型，对每一次广告展示机会进行实时预测，并动态出价。

它会预测：

• 当前这个用户是否会点击广告？
• 是否可能产生转化？
• 转化价值有多高？

根据这些预测结果，系统会决定是否出价，以及出价金额是多少。这一过程完全自动化、毫秒级完成。

二、工作原理：三层预测模型

Criteo 的竞价系统建立在三层预测基础上：

1. 点击概率预测（Click-Through Rate, CTR）

系统首先判断用户看到广告后点击的可能性。

2. 转化概率预测（Conversion Rate, CVR）

接着，预测用户点击广告后是否会产生转化（如购买、注册、下载等）。

3. 转化价值预测（Predicted Revenue）

最后，基于历史订单数据、商品信息、用户行为等预测转化后带来的实际收入。

最终出价依据公式：

> 出价 = 预测转化概率 × 预测转化价值 × 出价因子（Bid Multiplier）

这种方式保证系统只在最有可能带来价值的广告机会上出价，并避免无效花费。

三、主要优势

效果导向：出价完全基于转化预期与收益预估，提升 ROAS

节省成本：避免对低转化人群过度出价，提升预算利用率

全自动优化：无需人工频繁调整，系统自动学习优化出价策略

实时学习机制：模型基于实时行为数据持续迭代，越用越聪明

四、广告主的控制权与灵活度

虽然是系统自动出价，但广告主仍然拥有控制权，可以通过以下方式参与优化：

• 设置目标 ROAS / CPA：让系统根据目标投产比自动调节出价。
• 调整出价因子（Bid Modifier）：针对设备、地域、人群等设定溢价或折扣。
• 广告素材 A/B 测试：提供不同版本素材供系统测试最佳效果。

五、典型应用场景

动态重定向广告（Retargeting）：系统根据用户浏览行为预测购买意图，精准追投

潜客获取（Prospecting）：对相似人群预测其转化潜力，自动控制出价风险

应用安装推广：结合用户设备、行为、转化路径等自动出价，控制每次下载成本

六、与传统竞价的对比

七、真实案例参考（来源：Criteo Success Stories）

【案例：Showroomprive（欧洲时尚电商）】

使用 Predictive Bidding 后，其 ROAS 提升超过 +45%，平均每次购买成本下降 30%。

成功实现个性化出价，同时保持高覆盖率与精准性。