PLTV和事件优化有什么不同吗

如题，最近谷歌培训上有提到预测付费事件的技术，意味着广告平台走入PLTV阶段也成为现实可行的了，和朋友聊到这个和事件优化的区别，请注意以下是个人的理解和思考，不代表官方技术介绍，不保证想法完全无误。

我们先我们先捋一捋基础知识，关于1.0，2.0和2.5在优化逻辑上的区别。

1.0希望实现的目标是安装，在设置好合理的安装事件后，安装事件将会作为唯一事件目标进行出价和学习，竞价系统在这种状态下对于广告主出价的目标是单一的且不需要参考产品内安装行为以外任何因素的。

而2.0的出价目标虽然是安装，但是会让你选择获取到更多的事件信号，获取到的事件信号用来辅助筛选安装目标，多了一步对安装用户发生某事件的概率分析，对于更加可能实现目标的安装用户会优先进行展示。

2.5优化的是付费事件不是安装，纯安装的广告会对安装事件进行算法分析，2.5的出价和优化都是事件。这时候广告的学习系统脱离了广告主对纯安装的要求，会直接对事件层级进行算法分析（例如回归算法，概率算法等处理）。基础竞价也会随着事件学习难度和不同事件的转化频率发生变化。这里就会有我们经常遇到的安装目标广告阶段没有遇到的一个常见问题即系列学习不成功的情况，并不是说谷歌随机让它学习不成功的，而是每个产品的内部转化效率不同，大多数情况下是这个事件学习的基础门槛和不同事件的转化频率的问题导致的。

如果只是要安装，谷歌对用户的学习要求是首次打开就可以，不需要对应用内事件进行过多处理，但变为了事件目标以后，产品内事件的种类和频率会影响事件触发的次数；通常一个系列的学习，都是给的事件信号越多越容易学习成功，当事件难度过大或者发生次数太少，回传的信号本来就不多，事件学习自然无法成功。理解了这种类型的优化本质，再对2.5系列进行细节分析处理能有效避免学习失败。

不恰当的例子就是，1.0是两个人一对一的相亲面谈，看中就能在一起；2.0是带了一个小参谋去相亲，参谋会给你意见会偷偷给你发信号，但是你两能不能行还看两人自己；2.5就相当于爸妈带着子女去相亲，爸妈帮忙选的人，你看中了还需要爸妈也同样看得顺眼，这是硬性要求，看不顺眼也会影响后续的家庭相处，如果有个难搞定的父母，有成果的概率自然会比亲和的父母要低一些。

扯远了，话题拎回来，总之，2.5和1.0的最明显的区别则是谷歌系统在竞价和学习时的目标是安装事件还是比安装更深的应用内事件。而2.0更像是介于2.5和1.0之间进阶事件学习的初期版本，竞价目标和学习上会有一点点的不同，当然并不是说2.0没有用处，对于有些类型产品还是非常适合的，这里就不多做展开。

以上都是旧知识，也是广告从安装优化转到应用内事件优化的系统学习逻辑转变，如今到预测生命周期（PLTV）预测事件环节，我的理解是，上面的相亲故事中除了父母看对眼之外还直接带了一个非常厉害的算命先生，通过相亲面谈告诉你如果和这个人在一起是否会幸福有结果，结果好的就更容易在一起。

预测事件模型的算法逻辑是运用GA4F的数据来训练付费用户模型，除了对安装和事件进行学习处理，还会对产品内未来发生这个事件的概率进行预测竞价。在竞价中是否对用户行为具有预测性这一点也是区别于事件优化的地方。

具体的预测方法推测是利用收集到的付费事件和付费金额去预测之后的可能带来的价值，比如说拿到前面几天的用户付费数据，去预测之后的ROAS 7（官方目前有讲是预测到7，后面可能会更久也说不定），并对用户所对应的生命周期价值进行分层，对于和预测数据中比较高价值的那批用户进行优先展示和数据学习。

我觉得PLTV和3.0都是直接做付费优化，PLTV这个产品功能的区别在于预测性：3.0对用户的付费事件进行了概率和模拟分析，从而影响到竞价，而PLTV不仅仅是对受众和事件的分析，还会结合应用内用户行为对未来几天的付费也进行了模型训练和算法分析。预测事件可以同时运用在2.5和3.0的优化上。

目前个人尝试只是接通了数据和创建并对接成功预测事件，具体作用到Campaign的效果还在学习和观察中，欢迎更多的小伙伴尝试并讨论。

现在大数据学习预测这类技术已经有相对成熟的工具或者算法，而谷歌能将这一算法用于广告学习上，从我这个没有接触过技术专业的人来讲，感觉已经是一个不小的突破和创新了，这也是我个人比较喜欢研究谷歌投放的原因，至少从广告层面来说，能一直看到新的东西新的技术，能更好的对自己的广告数据负责，而且受众看到的广告精准度更高，用户的感受也会更好，是一个创造双赢局面的互联网广告发展方向。

下拉推荐菜单可查看更多精彩内容↓