[算法解读] 亚马逊论文｜调价见效未必调对：竞价里两个看不见的盲区- 大数跨境

首页

[算法解读] 亚马逊论文｜调价见效未必调对：竞价里两个看不见的盲区

从宇宙大爆炸到PPC

2026-10-30

来源｜亚马逊研究团队论文《Learning to Bid with AuctionGym》，AdKDD '22

作者 Olivier Jeunen、Sean Murphy、Ben Allison（Amazon, Edinburgh）。

开篇

十多年前做广告出价，逻辑很简单：你愿意承受多少成本，就报多少价。

当时主流是二价拍卖。比如你出价1.00，竞价成功，最后只需要按第二名的报价结算，假设对方是0.72，你就付0.72。报高了纯属浪费，报低了拿不到流量，如实出价就是最优选择。

但这套规则早就变了。现在绝大多数主流平台，都换成了一价拍卖：你报1.00，竞价拿下，就要实打实支付1.00。

旧的标准答案不再适用。出价变成一场权衡：既要尽量保证竞价能赢，又不想多花冤枉钱。这也是现在所有广告调价的底层难点。

亚马逊专门发过一篇论文，研究这套规则下该怎么出价，得出的结论并不乐观。

论文里提到两个关键点：

广告主看不到那些自己没有提交的出价对应的竞价结果。
而高手玩家，会持续跟着对手的出价动态调整策略。

把两点放在一起就能明白：单纯依靠历史数据去学习、评估出价，本身就很难跑通。不是你的判断或者调价思路有问题，而是用来分析的数据，本身就是残缺的。

这篇内容，主要聊三件事：这个数据缺口是怎么来的、为什么很难补上、以及我们实际可以怎么做。

一、调价其实一直在做两件事

在讲那个洞之前，先说清一件常被忽略的事：调价不是「选一个数字」。

它同时在做两件事。

一件是学，这次展示值多少钱、我该出多少；
另一件是评，我上次调对了没有、下次往哪调。

你每天说的「优化」，就是这两件事在循环：学一次、评一次、再学一次。而它们用的是同一份数据——你的后台报表。

问题就出在这。论文整篇在论证一件事：这份数据缺了一块，而缺的那块恰好是判断对错最需要的。

顺带说清它的立场，免得你误会。它算的是广告主自己的账：赢下这次展示的价值，减去你付的价格，剩下的就是你的剩余。

它研究你该出多少钱，不是平台该收多少钱。论文自己也承认：出价策略把剩余做到最大，会不可避免地让拍卖方收入下降。

对卖家来说，它现在还不能直接当工具用，连广告主预算都还没模拟进去。但它给了三样东西。

一个解释：你调不准，因为数据缺一块。
一套标签：把每次没调好的调价分成四类。
一个预期：调价效果有保质期。

二、两个「看不见」

第一个洞：你没出的那个价，结果永远不会出现。

举个例子：你出价1.00，拿下这次曝光，实际结算0.72。后台会清清楚楚记下这条记录：时间、花费、转化订单，一应俱全。但你当时心里考量过的另一个出价1.20，因为最终没有提交，对应的结果就不存在。不是数据丢了，也不是平台没保存——它从一开始就不会产生。

如果当时报1.20，能不能抢到更多曝光、单次成本又会变成多少？系统不知道，你也无从得知。报表只能还原你实实在在走过的路。至于旁边其他选择的那条路是什么结果，它看不见，也不可能看见。

论文里把这个叫做反事实问题。这点分量很重：这不只是数据量不足、样本太少，而是这部分结果根本就没有发生过。哪怕你把投放预算放大十倍，拉满三年的历史报表，这些缺失的信息依旧不会凭空出现。

落到卖家实操上，这件事很扎心：我们所有调价判断，都只能基于“我当初选了什么、发生了什么”。可我们永远无法知道，如果当初不这么选，结局会如何。但恰恰是后者，才是检验出价到底对不对的标尺。

第二个洞，会更加棘手：竞争对手会跟着你的出价动态调整。

你8月测试出来，这个关键词出价1.00性价比最好，等到9月沿用这套出价，却发现效果不对。原因很简单：竞价环境早就变了。变化的源头就是你自己。对手观测到你的出价动作，随之调整他们的策略；而对手的改动，又直接融进了你9月拿到的数据里。你8月摸索出来的最优出价，适配的是8月那一批对手的竞价行为。到了9月，对局环境早就换了模样。好比拿着8月的行情价，去谈9月的房子——市场早就被前面的买家带动，水涨船高了。

论文的说法是：这种反应效应，光靠历史数据不足以捕捉。

两个洞叠加在一起，困境就很清晰了：学习出价学不准，因为缺少那些没有发生的出价结果；评估效果评不准，因为你的调价行为本身，已经改变了竞价环境。

我们日常口中的复盘，说到底，只能看见“调整出价之后发生了什么”。它回答不了最关键的问题：假如我不做这次调整，又会是什么局面。说白了，你手里的报表，仅仅是你已经走过的那条路；其余备选路径的数据，从始至终都不会生成。

你手上的报表 = 你走过的那条路；旁边那几条从来没被生成过

三、为什么这两个洞补不上

上一节我们聊了两个洞，这一节来说说：为什么这两个洞根本补不上。

可以把每一次广告曝光想象成打靶。靶子就是一次曝光机会，你打出的那一枪，就是提交的出价；打中靶子，代表竞价获胜、广告成功展示，你付出的成本就是CPC。

一轮射击结束之后，靶场只会反馈你有没有打中、花了多少钱。那些你扣扳机前犹豫过、最终没有打出的子弹，对应的位置一片空白——这就是第一个洞。

而更棘手的一点是：靶子会跟着你的枪口移动。你打得越准，它躲得越快。昨天反复打磨出来的手感，到今天，面对的已经是另一个位置的靶子。这就是第二个洞。

它不只是数据少了一块那么简单，而是缺失的这一块一直在变形。你每调一次价，竞价环境就跟着变一分；变化后的环境，又会变成你下一次判断的依据。

这也是为什么调价学来学去，始终稳不住。本质原因很直白：你打的不是固定靶。

这里记住一个核心结论就够了：目前所有用来估算「没发生过的出价结果」的办法，都藏着同一个默认前提——对手不会因为你的操作而调整。

但论文直接点明，这个假设放到真实投放里并不成立，原话分量很重：不可救药地有偏。

靶纸空白的位置是「你没出的价」，靶子还会跟着你的枪口移动

四、三条路都堵了，只剩造一个靶场

看清这两个洞之后，大家自然会问：有没有办法绕过去？论文逐一推翻了三条看似可行的路子。

第一条，靠复盘历史数据，用过往记录倒推：

当初如果换一个出价，结果会如何。这条路有两个硬伤。

首先是古德哈特定律：任何可观测到的统计规律，一旦拿来当成调控指标，规律本身就很容易失效。你依靠数据算出一套出价策略，再用这套策略指导投放动作；而你的动作，又会改变后续数据的生成逻辑。到头来，好不容易推算出来的规律，下一轮就不再管用。还有一个更底层的矛盾：所有反事实估算，都默认对手不会变动。而上一节我们已经讲过，这个前提在真实竞价里站不住脚。
第二条，直接在真实市场里做实验。

听着最靠谱，代价却高得吓人，论文列出了三重成本。

新策略先要打磨到能上线投产的工程标准；A/B测试起码要跑上好几天，数据才有统计价值。最让人头疼的是：主动去测试一套明知道不是最优的方案，相当于拿真实生意主动亏钱。 “道理上我知道该测，但实在不敢测。”这句话，很多做广告投放的人应该都深有体会。
第三条，等着别人把现成答案送上门。

这点论文没有提到，是我补充的。行业里没人有义务公开自己踩过的坑、沉淀出来的有效打法。

三条路全都走不通，最后剩下唯一方向：搭建一块可以自由试错的模拟场。想测试多少次都行，就算试错失败，也不会产生真实花费。

日志有偏、线上太贵，论文用三个理由否掉了两条路

五、靶场里怎么练，和实验证明的三件事

论文自己就搭建了这么一个模拟环境，而且已经开源，名字叫 AuctionGym。

整套模拟循环一共五步：曝光机会产生 → 推送给一众竞价广告主 → 各方分别选定广告、给出出价 → 平台判定竞价赢家并结算费用 → 赢家拿到曝光，有机会产生转化。

重点看最后一步：转化数据只有竞价成功的人才能看见；输掉竞价的人，永远不知道自己本来可能拿到什么结果。这正是前面说到的两个洞，在模拟环境里原样复刻了出来。

这套循环还有一处贴近真实投放的细节：要累积多轮竞价才算一次迭代，出价方必须等上一批结果返回之后，才能更新策略。这就是延迟批量反馈。放到现实里很好理解：我们不可能刚调完出价，马上就能看到这次调整的全部效果。

AuctionGym 支持模拟一价拍卖、二价拍卖、硬底价、软底价，这几种竞价模式都附带了可运行代码。但论文也坦诚列出了它的三大局限：无法模拟广告主预算、多物品拍卖、学习型拍卖机制。

连预算变量都没有加入，足以说明它本质是研究工具，不是拿来直接用的自动调价插件。这点一定要先跟卖家讲明白，别以为装个代码包，隔天就能实现全自动调价。

模拟靶场搭好了，那该怎么在里面练习出价？论文给出了三种思路。

第一种，先搭建模型再决策，论文称之为基于价值的方法，也叫直接法。

先训练模型，判断每一次曝光机会到底值多少钱；面对每一次流量，直接选择预估收益最高的出价。好比先把射击手册背熟，再举枪瞄准。它的优势是稳定，但会带着固定偏差。一旦底层模型本身就有问题，每一枪都会往同一个方向偏；同时它不会主动去尝试新的出价。放到卖家的日常投放里，就是一套固定调价逻辑：ACoS高于阈值就降价，低于阈值就加价。执行起来稳稳当当，可如果这套规则本身不对，你就会持续、稳定地做错。
第二种，依托真实投放的样本比例计算，论文叫基于策略的方法，依靠重要性采样实现。

用历史真实数据，按照新旧两种出价策略的概率差做加权计算，理论上可以抵消偏差。它的特点刚好和第一种相反：理论上更准，但波动很大。有些在旧策略里很少出现、但转化不错的出价，会被赋予过高权重。一个偶然的极端情况，就足以带偏整体判断。对应卖家场景：只拿短短3天的数据做决策，某天碰巧爆了一单大订单，就判定这个关键词潜力极强。数据本身不假，但推导出来的结论是错的。
第三种，把前两种方案结合在一起，也就是双稳健方法：

用模型结果作为基准，再通过采样权重去修正模型自带的误差。理论上只要模型、权重二者之中有一个是靠谱的，估算结果就能做到无偏。不过论文特意补充了一句：这不代表落地到业务里就一定能拿到更好的效果。很多算法论文里亮眼的“理论保证”，落到真实生意里，效果都会打折扣。

整套流程就是：流量机会出现、分配竞价、各方出价、判定赢家、曝光转化；多轮竞价结束后，才会收到一批反馈。

这次实验的设置是：每一轮从6个出价方里选出2人参与竞价，每个出价方持有12条广告；一共跑了5组随机种子，输出95%置信区间，累计完成超3700万场模拟拍卖，测试了36000套出价策略。

实验核心调整的变量，是策略更新频率，放到实操里，就是我们多久重新核算一轮出价。一共测了三档：2000轮、5000轮、10000轮，还有一组拉长到20000轮对照。

这个变量很戳日常投放的痛点：更新太频繁，等于跟着随机噪声追涨杀跌；更新太慢，靶子早就挪位置了，你还对着旧目标开枪。

实验得出三个核心结论：

第一种“背手册”的基于价值法，收敛速度最快，但最终只会卡在次优解。动作很稳，却带着固定偏差——稳，从来不等于准。
第二种纯基于策略的方法，方差大到难以驾驭。它需要巨量的学习步数才有可能追上第一种方案；而且波动不定的出价选择，会持续污染后续用来训练的数据，越学越偏。
第三种双稳健的组合方案，两边优势都拿到了：收益剩余更高，波动远小于第二种，ROAS和出价过高的问题都能持续优化。

图表里还有一处值得留意：第二种方法跑到大约100万次拍卖之后，出价太高带来的损失（后悔值）降下来了，但出价太低的损失反而小幅上涨。压低出价，确实能避免报高亏钱，代价就是容易出价保守、拿不到流量。这里藏着一个没有标准答案的取舍：你更害怕多花钱，还是更害怕丢曝光？

论文没法替你做这个选择，最终怎么权衡，完全取决于你自己的利润结构。

低方差高偏差、高方差、双稳健

六、四类后悔：把「没调好」拆成四个问题

前面一直在拆解出价这件事为什么难做，这一节落到实处：我们该怎么办。

论文把出价失误分成四类后悔，每一类对应的调整动作完全不一样。这也是整篇内容里，对卖家最有落地价值的部分。

很多人看到调价效果不好，只会笼统一句“没调好”，本质是把四种问题混在了一起，自然找不到真正要改的地方。

分配后悔：预算放错了关键词，钱投在了不该投的地方。
估计后悔：对流量价值判断出错，底层估算本身就带着偏差。
出价过高后悔：报价抬太高，拿下流量的时候多花了冤枉钱。
出价过低后悔：报价太保守，本该拿到的曝光和订单白白流失。

具体怎么用？

每次调价复盘的时候，先给这次的问题打上对应的标签。如果是出价过高，你缺的是克制抬价、及时压价的纪律；如果是出价过低，就要警惕持续降价正在不断吃掉你的流量。如果是分配后悔，问题根本不在出价数字，而是预算在各个关键词之间的分配不合理；如果是估计后悔，说明从最开始对这次流量价值的判断就歪了。

这四类的边界很清晰：前两类，调整的是预算怎么分配；后两类，调整的才是出价高低。一旦方向判断错了，越是使劲调，偏差就越大。

把「没调好」拆成四类，对应四种完全不同的动作

七、你自己账户里能做的四件事

这一部分是我们落地转化的思路，不属于论文原文。

先讲一句实在话：论文里这套算法，普通人很难直接跑起来。AuctionGym需要你从零搭建一整套竞价模拟环境，里面的实验配置，和你亚马逊后台账户本来就不是一回事。

但这不代表论文对我们没用，我们要的不是复现算法，而是它指明的行动方向。

第一点，主动去创造那些「你没有出过的出价」。

同一个商品、同样的搜索意向，搭建两套结构一致的投放计划，用不同出价策略同步跑足够久，再拿来对比。其中一组数据大概率会跑得不好。但这条表现偏弱的计划，恰恰是你花钱换来的、最稀缺的信息——它就是原本不可能自动生成的对照组。很多卖家第一反应都是关掉差的计划，这点刚好反直觉：在这里，那条跑得不好的计划，才是帮你看清真相的答案。

第二点，调价之前先留存数据快照。

把调价前7天的花费、订单、ACoS、CPC全部记录下来；调整完成之后，固定在第7天、第14天分别复盘核对。重点是一定要在调价前存档。事后凭着印象补的数据不算数。这件事看着简单，却最容易偷懒，而一旦偷懒，后面所有的效果判断都会失真。

第三点，给每一次调价打上对应的后悔标签，用上一节说的四类标准持续记录。

连续记录8到10次，你就能看清自己的调价问题集中在哪一类。如果十次里面有六次都是出价过高，本质问题就是你缺少果断压价的定力；大部分记录都是出价过低，则说明一味降价，正在持续损失你的流量。

第四点，不要盯着单一指标做优化。

只拿一个指标当目标，你越盯着它优化，这个指标就越容易失真、失去参考价值。每次调价复盘，至少同步跟踪花费、订单量、ACoS，同时记下曝光和点击。有时候你看着ACoS变好看，其实只是单量缩水了；单量下滑和成本优化，在ACoS报表上看起来可以完全一样。

存快照、设定固定回看节点、给调价打上后悔标签。

最后再划清边界。

论文本身也写明了三处局限：它没有模拟广告主预算、不支持多物品拍卖，也没有纳入学习型拍卖机制。

缺少预算约束，就意味着这套模拟里不存在“预算不够花”的困境。可预算吃紧，恰恰是卖家日常投放里最核心的现实枷锁。

守住两条纪律：

第一，所有实验数据都来自仿真环境，不等于你真实账户里就能跑出同等收益，如果拿它当收益保证，就是曲解了原文。

第二，前面分享的四条落地动作，都只是近似的实操办法，目的是把论文的思路转化成日常习惯，并不是论文本身得出的结论。

总结

竞价优化走到最后，困住大家的从来不是操作技巧，而是信息本身。

一价拍卖把曾经那个标准答案彻底取消，出价变成一场猜测；猜不准的根源，就是我们前面聊的两个洞：你没提交过的出价不会产生结果，而且对手会跟着你的出价持续调整。

评估，甚至比学习出价更难。历史数据可以用来摸索出价，但没法帮你准确判断对错——因为我们在用数据复盘时，总会下意识假定对手保持不变。

论文给出的思路，是搭建模拟靶场做测试，实测里双稳健方案综合表现最好。但也要清楚它的局限：它只是理论上可以做到无偏，并不代表落到你的账户里就一定能拿到更好的结果。

对卖家而言，整篇内容最值钱的其实是两个副产品：把调价失误拆成四类后悔的复盘框架，以及认清一个现实——调价的效果是有保质期的。

落到今天可以马上动手的三件小事：

调价前留存数据快照；
提前定好第7天、第14天两个复盘节点；
复盘的时候，给这次调价打上对应的后悔标签。

但有一点值得思考：如果连目标ACoS都定不合理，AI调价再精准，又能帮你解决多少问题？

工具可以替你执行，却不能替你决定哪些流量值得争取、哪些预算应该收回来。这些判断，才是真正影响广告利润和增长的关键。