Outbrain 出價策略詳解:半自動、最大化轉換與 CPC 上限
Outbrain 的出價分為三層:手動 CPC、轉換出價策略(三種模式)和互動出價策略。本文將說明每種策略的運作方式,以及哪一種適合您帳戶的數據量。

Outbrain 的出價分為三個層級:手動每次點擊成本,由您自行設定硬性上限;轉換出價策略,它會針對每個發布商版位和受眾群體,朝著轉換目標自動調整出價;以及互動出價策略,它針對站內行為進行優化,而非硬性的轉換事件。大多數擁有真實轉換量的帳戶最終會使用 CBS,但理解這三者及其各自的適用時機,正是區分能夠擴展的帳戶與那些從頭到尾都困在手動出價直至關閉的帳戶的關鍵。
這一切都在 Outbrain 的自助式 Amplify 儀表板下運作,此處描述的機制無論您的帳戶仍顯示為 Outbrain 還是在 2025 年合併後已更名為 Teads,都同樣適用。要全面了解廣告競價本身在出價策略介入之前如何對廣告進行排名,請參閱我們的 Outbrain 運作方式指南。
手動 CPC:新帳戶的起點#
手動 CPC 出價意味著您設定一個最高每次點擊成本,Outbrain 的競價系統會根據該出價結合預測的互動率來決定您的廣告是否贏得版位。這是最不複雜的選項,並且恰好適用於一種情境:一個全新的帳戶或沒有任何轉換歷史記錄的廣告活動。
手動出價在此有意義的原因並非其表現更好(一旦您擁有數據,它幾乎從未表現更好),而是 Outbrain 的自動化出價需要轉換量來進行訓練。在沒有任何歷史轉換記錄的情況下直接啟動自動化策略,會讓演算法無從學習,並且它通常會在摸索模式的同時進行低效的花費。在新廣告活動的最初一到兩週內,密切關注並按版位調整的手動 CPC,可以建立自動化出價隨後據以優化的轉換歷史記錄。
一個實用的手動 CPC 工作流程:
- 將初始出價設定在您所見報告中,針對您的垂直領域和地理層級的中間值,而非最低或最高值。
- 讓廣告活動運行足夠長的時間,以產生具有統計意義的每個發布商版位的點擊數,而不僅僅是整體點擊數。
- 審查版位層級的表現,並削減或降低在轉換信號不佳的版位上的出價,即使整體 CPC 看起來可以接受。
- 一旦您擁有足夠的轉換量(確切的門檻因帳戶和垂直領域而異;請查閱該廣告聯播網當前的官方文件以獲取指引),即可遷移到轉換出價策略。
轉換出價策略:擴展帳戶的預設選擇#
CBS 透過像素攝取您的第一方轉換數據,並自動調整每個發布商版位和受眾細分的出價,以達到設定的目標。它有三種運作模式:
| 模式 | 功能 | 適用時機 |
|---|---|---|
| 目標 CPA | 捍衛您設定的特定每次獲客成本數字 | 您知道您的損益平衡 CPA,並希望演算法守住這條線 |
| 全自動 | 在您的預算範圍內最大化轉換量,沒有硬性的 CPA 上限 | 您有預算空間並希望獲得最大轉換量,願意接受一些 CPA 波動 |
| 半自動 | 將預算推向轉換率最高的版位和受眾,同時您保留手動覆寫控制權 | 您想要自動化的效率,但尚未準備好交出完全控制權 |
半自動是大多數媒體買家在脫離手動出價時首先選擇的模式,因為它在讓演算法承擔版位層級重新分配的繁重工作(這項工作在手動處理數十個發布商版位時既繁瑣又緩慢)的同時,保留了人為控制。目標 CPA 適合那些擁有明確、已知損益平衡數字,且守住 CPA 線比最大化原始轉換量更重要的帳戶。全自動則適合追求規模擴展,並能接受一定 CPA 波動以換取更高總轉換數量的帳戶。
所有三種 CBS 模式都有一個誠實的局限性:它們需要大量數據。轉換量稀少且不穩定的帳戶會發現 CBS 的表現不如手動出價,因為演算法會不斷從雜訊而非穩定信號中重新學習。如果您的每日轉換數是個位數,請預期在 CBS 發揮其價值之前,會經歷更長、更不穩定的學習期。
互動出價策略:無 Cookie 的備用方案#
EBS 針對從您的分析工具中提取的站內互動信號(如頁面停留時間、滾動深度、每次工作階段瀏覽頁數)進行優化,而不是針對購買或潛在客戶表單提交等硬性轉換事件。這是為了一個特定的缺口而存在的:轉換量不足以訓練 CBS 的帳戶,或者實際轉換發生在站外或存在長時間延遲的銷售漏斗(例如,潛在客戶在幾天後才被致電並成交)。
當您擁有真實的轉換數據時,EBS 不能替代 CBS;請將其視為早期廣告活動或轉換量稀少帳戶的過渡策略,並計劃在您的像素累積足夠的購買或潛在客戶事件,使得切換到 CBS 具有價值時進行遷移。
出價上限與版位層級手動覆寫#
即使在自動化出價模式下,大多數帳戶仍保留一些值得積極使用的手動控制項:
- 版位層級出價上限。 如果某個特定的發布商版位在消耗預算卻沒有轉換,請手動對其設定上限或排除,而不是等待演算法自行降低其優先級,後者可能比您願意等待的時間更長。
- 裝置層級調整。 桌面裝置和行動裝置對於同一個廣告提案的轉換率通常存在顯著差異;即使在自動化出價下也需關注這種差異。
- 在支援的情況下使用時段設定。 有些帳戶會發現轉換率在一天中的不同時段有所變化,值得圍繞此調整出價上限,特別是對於需要呼叫中心或線上客服成交的廣告提案。
這些手動控制桿是經驗豐富的買家讓自動化出價保持誠實的方式。CBS 會朝著您設定的目標進行優化,但它是在您設定的任何目標受眾和版位池內進行優化;一個糟糕的版位池會產生更差的結果,無論底層的出價演算法有多好。
出價策略選擇如何影響您的有效 CPC#
您選擇的出價模式直接影響您實際支付的每次點擊成本。手動 CPC 為您提供了一個硬性上限,但沒有關於哪些版位或受眾值得支付更高價格的智慧。任何模式下的 CBS 通常會推高特定高轉換版位的有效 CPC(因為它已了解到這些點擊價值更高),同時降低其他版位的 CPC,這可能使您的混合平均 CPC 看起來與手動出價相似,儘管底層的分配方式要聰明得多。這就是為什麼混合 CPC 基準(我們在 原生廣告 CPC 基準研究 中涵蓋的那種)在判斷您的出價策略是否真正有效方面,所能告訴您的資訊少於版位層級數據。
透過即時廣告素材數據研究出價行為#
當您能看到市場上實際存活的廣告時,出價策略決策會變得更容易。一個在付費 Outbrain 版位上持續數週的廣告素材,是強有力的證據,表明無論其背後是手動出價還是 CBS,都運作良好,足以維持花費。截至 2026 年 6 月,OpenAdLibrary 的索引包含 108,573 個即時 Outbrain 廣告素材,每個都標記了觀察到的運行時長,因此您可以將新廣告活動的目標 CPA 與您所在垂直領域中經過驗證、長期運行的廣告素材所能維持的水平進行直覺對比。/spy/outbrain 工具允許您按垂直領域篩選,以便在您承諾某個出價策略和數字之前,建立這種認知。
常見的出價策略錯誤#
- 過早切換到 CBS,在沒有足夠轉換量來訓練它之前就切換,然後在演算法表現不如手動出價時責怪它。
- 出於謹慎,將目標 CPA 設定在實際損益平衡點以下,這會使演算法無法贏得可競價的拍賣,從而抑制轉換量,而不是保護利潤率。
- 因為混合數字看起來不錯而忽略版位層級數據。 健康的整體 CPA 可能隱藏了少數版位在默默虧損,而其他版位在支撐整個帳戶。
- 在初始設定後從不重新審視出價策略。 一個在十八個月前啟動時採用手動出價且從未遷移到 CBS 的帳戶,很可能正在損失效率,特別是如果轉換量在此期間已經增長到足以正確訓練演算法的話。







