CPC建议竞价，终于来了！

Aug 28, 2025 — XIYOUZHAOCI

在西柚推出后的 3 年多时间里，用户一直希望我们增加“CPC 建议竞价”这个数据。过去我们迟迟没有上线，是因为始终没找到让自己满意的算法；而我们对呈现的数据准确性要求很高，不愿意随便给个数就上线。最近，我们在算法上有了突破：6 月份拿出了 CVR（点击转化率） 数据——这正是 CPC 算法缺失的最后一环。

点击下方链接查看“点击转化率”数据解读。

3 年之后，CPC 建议竞价，终于来了。

本文将详细讲清楚四件事：

我们的 CPC 建议竞价是怎么来的
能否用后台的 CPC 来“验证”我们的建议值是否正确
为什么我们不用亚马逊接口的“建议竞价”
如何使用「CPC 建议竞价」数据

我们的 CPC 建议竞价是怎么来的

拍卖机制的理解

亚马逊广告竞价可近似理解为类似 Vickrey拍卖的“广义二价”拍卖机制。对于同一件标的，参与者越多，成交价格通常越高；与此同时，价格会受到标的的可感知价值约束。

举例：一件价值 10 元的标的，若有 10 人竞拍，成交价可能到 8 元；若有 50 人竞拍，可能到 9 元；随参与者增加而上升。但在理性人假设下，即便有 10 万人竞拍，价格只会趋近于 10 元。

由此可见，若要估算 CPC 出价，我们需要两件事：竞争者规模与广告位价值。

我们的可观测量和评估法则

1.竞争强度的可观测量

“有多少人在争夺同一关键词的广告位”，我们将其量化为竞争难度：主要考虑该关键词可供投放的广告位容量，以及参与竞争的 ASIN 规模与分布。在同一关键词下，参与广告的 ASIN 越多、越集中，竞争难度越高。

2.广告位价值的评估框架：短期 + 长期

广告位的“价值”，本质是短期价值 + 长期价值的综合评估。

🔴短期价值（通过该广告位带来的销售利润）

短期视角下，我们希望投放是可盈利或亏损可控的。可把目标表述为 CPA ＜销售利润。由于

CPA = CPC / CVR，
可推得 CPC ＜价格 × 毛利率 × CVR。

这里的“价格”按投放口径采用净价（例如：标价 ×（1−优惠券）− Deal 折扣），毛利率为单笔毛利 ÷ 净价，CVR采用我们校正后的全周期转化率口径。

这条不等式给出的是一个利润约束下的 CPC 出价上限：在既定的价格、毛利率、CVR 前提下，CPC 超过该上限会使 CPA 超过销售利润。

需要强调的是，这并非市场的出清价，而是从利润安全角度出发的天花板约束。实际建议值会在此基础上，结合竞争难度与稳定性约束，形成一个建议竞价。

一个直观例子：若净价 $30、毛利率 30%、CVR 5%，

则CPC 上限 = 30 × 0.30 × 0.05 = $0.45。

随后再结合该关键词的竞争难度（“市场有多挤”）来定位更贴近实战的建议竞价。

🔴长期价值（广告对自然面的带动）

简单说，长期价值就是“今天的投放，为明天的自然做铺垫”。在竞争激烈的类目里，很多卖家会在可控范围内接受一些短期高投入，换取自然排名逐步上升、曝光更稳定、自然成交慢慢变多。

我们不会用单一数字下结论，而是看一段时间内的综合迹象：排名是否在抬升、自然曝光与自然单是否在走稳、整体利润结构是否更健康。

只要在预设的观察窗口内，这些自然端的改善能明显抵消投放期的压力，这样的出价从长期看就是值得的。（具体口径与权重属于内部方法与商业机密，此处不展开。）

我们的算法综合考虑竞争难度、短期价值与长期价值，为每个关键词生成 CPC 建议竞价；该建议竞价反映了在群体竞争下该关键词的合理出价水平。

它并非后台报表里的 CPC 或接口“建议价”，而是在统一口径与稳健校正基础上给出的当前时点结构化点估计，可作为“高相关”前提下选词与预算分配的锚点，并随数据持续滚动更新。

能否用后台的 CPC 来“验证”我们的建议值是否正确

结论：不能。 后台报表里的 CPC 更多反映的是你的出价结果，而不是每个检索词在市场上的“应当成交价”。

看一个简单例子（见图 1）：

你用同一 CPC 出价 = $1.5，分别投放到 handheld fan、portable fan、usb fan 三个检索词。由于三者的竞争强度不同，你的 SP 广告最高能拿到的排名依次是 第 2、3、4 位。

这背后的机制很简单：系统会根据你的出价，帮你找到该出价所能获得的最高排名。当你不是第一名时，后台报表里的 CPC ≈ 你的出价；因此报表呈现的是“你愿意出的价格”，而不是这三个检索词各自的市场出清价。但从能拿到的最高排名已经能看出强弱差异——这三个词的市场价格层级应当是 handheld fan ＜ portable fan ＜ usb fan，只是后台的 CPC 看不出来。

为什么用后台 CPC 不能当“标准答案”：

视角受限：你能观测到的是自己账户的实际支付价格，看不到其他竞价者的出价与支付价，自然无法重建跨账户、跨时段的市场出清价。
口径混合与策略扰动：匹配类型、类目归属、版位加价/智能调价、预算节奏与投放时段等因素，会把不同影响混到你的报表里，CPC 更像是账户侧的结算结果，而非某个检索词在市场层面的统一价格。

因此，后台 CPC 用于账户结算与回溯很有价值，但不适合用来判定“建议 CPC 是否正确”。我们在内部采用多重一致性与稳健性校验来保证建议值的可解释性与稳定性（具体方法属商业机密，此处不展开）。

为什么我们不用亚马逊接口的“建议竞价”

亚马逊接口会给出关键词的建议竞价。对我们而言，直接使用确实是最简单的做法；一些友商也这么做。但我们观察到其中存在多处相互矛盾与口径不清的情况，因此选择自研。

见图 2：以 “folding fan” 为例，该词存在 7 个类别 × 3 种匹配类型 × 2 种竞价类型，合计 42 个建议竞价。在这些建议竞价里，我们能清楚看到：

最高价与最低价差异巨大（红框示例）：42 个建议竞价中，最高 10 美元、最低 0.35 美元，相差近 30 倍；
词组匹配与精准匹配出现反常倒挂（蓝框示例）：同一类别、同一竞价方式下，词组匹配 7.07 美元，而精准匹配仅 1.07 美元（约 6.6 倍差距）；
不同类别的结论相互抵触（绿框与蓝框对比）：某些类别是“词组 > 精准”，另一些类别却是“精准 > 词组”。

当一个关键词能给出 42 个建议竞价且内部矛盾频发，它的参考价值自然有限。这并不是说后台建议永远不对，而是其口径与场景未必与你的投放目标相匹配。

我们宁愿多花时间做统一口径、逻辑一致的自研算法，也不愿用看似省事但解释力弱的数据。毕竟，我们对自己有要求：给出的每一个数据，都要足够准确且有参考价值——哪怕因此被催了 3 年。