新模型目前仅在Allegro.pl平台的广告活动中可用。这条适用范围需要先放在最前面：捷克、斯洛伐克、匈牙利三个站点的广告活动不在本次更新范围内，做多站点的卖家在对比数据时，需要把波兰站和另外三站分开看，不能把波兰站的算法效果当成全站点的效果。
我们做出的更改
本次更新覆盖两类广告活动：动态CPC（按点击付费）和Ads Express（快速广告）。两类活动共用同一套AI模型，但它们在卖家侧的操作方式不同。动态CPC是一种出价策略，卖家设定总预算和活动规则，算法按成交概率实时调整每次点击的费用；Ads Express是一条更简化的广告创建路径，卖家把商品放进去、设定预算，系统自动完成投放配置。两类活动被同一个模型覆盖，意味着无论卖家走哪条路径，出价决策的底层逻辑都换成了新版本。
动态CPC是什么
动态CPC是Allegro Ads广告活动中的一种自动出价策略。启用该功能后，您只需设定总预算和活动规则，无需为每个商品手动调整出价。算法将根据成交概率实时调整每次点击费用，仅在广告带来最高购买概率的场景中提高出价，从而优化投放效率。
这套机制的关键变化，是控制权从“单品出价”转移到了“预算和规则”。传统的手动出价，卖家对每个商品设定一个点击价格，这个价格在活动期间保持不变，算法只负责在预算范围内花出去；动态CPC把“每一次点击值多少钱”的判断交给了算法，卖家控制的是“总共花多少”和“在什么条件下花”。这个转移对卖家的操作习惯有直接影响：过去盯的是“这个商品的出价要不要调”，现在盯的是“总预算够不够算法探索、活动规则设得宽不宽”。预算设得过低，算法没有足够的样本来判断哪些场景的成交概率高，调优期会被拉长；规则设得过窄，算法可选的投放场景有限，优化的空间被压缩。
算法“按成交概率实时调整”这个动作，落到数据层面是“每一次展示机会的预估转化率乘以预估客单价，再和点击成本做比较”。预估转化率高的场景，算法愿意出更高的点击价格；预估转化率低的场景，算法压低出价甚至不参与竞价。卖家看到的“每次点击费用在变”，背后是“算法对每个场景的成交概率在做实时判断”。
这意味着什么
在广告于指定时间和地点展示后，新模型能提供更可靠的转化预期信息。这将确保您的预算精准投放于能带来最佳成交机会的特定广告场景中，提升整体投放效能。
“更可靠的转化预期”这句话，落到卖家的操作上，意味着两件事。第一，算法对“这个点击会不会带来订单”的判断，比旧版本更准，预算被浪费在“点了但不买”的流量上的比例下降。第二，算法对“哪些场景值得加价”的识别更细，过去可能被统一对待的展示位置、时段、人群，现在会被拆开评估，高概率场景拿到的预算份额上升。对卖家而言，这两件事的效果不是“点击变便宜了”，是“同样的预算买到的订单变多了”，衡量指标应该从“CPC”转向“单笔订单的广告成本”。
我们如何得知新算法更优
在正式更新广告活动算法前，我们对其进行了全面测试。测试数据显示，使用该模型使推广商品的转化率提升了高达17%。
17%这个数字需要按“测试条件”来读。它是测试环境下的结果，测试的样本、类目、预算规模、素材质量，决定了这个数字的适用范围。一个类目竞争密度低、素材质量高的账户，拿到的提升可能接近这个数；一个类目竞争密度高、素材还在测试期的账户，拿到的提升可能低于这个数，甚至在前两周看不到明显变化。把这个数字当成“更新之后业绩会自动涨17%”的预期，容易在调优期做出错误的判断，比如“效果没起来就频繁改预算、改规则”，而频繁改动恰恰会打断算法的学习过程。
您现在可以做什么
已有用户：如果您正在使用此类活动，无需执行任何操作。系统已自动完成更新，您当前使用的即为优化后的版本。
自动更新意味着卖家侧没有“选择加入或退出”的动作，但有一件事值得做：在更新前后各留一份数据基线。更新前两周的“花费、点击、转化、单笔订单广告成本”四项，和更新后两周的同样四项做对比，才能判断“这个账户拿到的是不是那17%”。没有基线，更新后的数据变化会被归因到“旺季流量变了”“素材换了”等其他变量上，算法本身的效果反而看不清。
新用户：如果您尚未创建使用动态CPC的活动，现在是尝试的好时机。您只需设置一次活动，算法便会持续监控状况并自动调整出价。
新用户入场，建议先用小预算跑一个测试活动，而不是把主力预算一次性压进去。小预算的作用是“让算法在有限的样本里先跑出方向”，测试活动的商品选择，优先选“已经有稳定转化、评价基础厚”的SKU，这类商品的历史数据多，算法对“成交概率”的预估更准，调优期更短。把新品放进测试活动，算法的预估缺少历史数据支撑，前期的波动会更大。
注意事项
如果您刚开始启用动态CPC，初期效果可能略有波动。在前几天，算法会收集数据并进行自我调优。通常仅需7至10天，您便会观察到明显的效果提升。
7到10天的调优期，卖家侧需要守住三条纪律。第一，不要在这个窗口里频繁改动预算和规则，每一次改动都会让算法重新进入学习状态，调优期被拉长。第二，把观察指标从“单日CPA”换成“滚动七天的CPA”，单日数据的波动在调优期是正常的，滚动七天的数据才能反映趋势。第三，调优期结束后做一次判断：如果七天滚动CPA降到了可接受区间，维持当前设置继续跑；如果仍然高于可接受区间，先检查“预算是否过低、规则是否过窄、商品的历史转化数据是否足够”，再决定是调设置还是换商品，而不是直接判定“这个算法不行”。
对于历史数据薄弱的商品，调优期可能长于7到10天。一个新上架、销量个位数的SKU，算法能参考的成交样本少，预估的置信度低，前两周的波动幅度会大于成熟商品。这类商品更适合放在“手动出价”或“Ads Express”里先跑出一批数据，等积累了一定销量和转化记录之后，再切到动态CPC，让算法在一个有数据支撑的起点上开始学习。