在美國做數位行銷，尤其是跑程序化廣告這一塊，大家最常討論的就是出價策略--要設多少、要怎麼用機器學習、要怎麼設頻次上限。這些東西當然重要，但有一個很少人願意拿出來談的問題，正悄悄把你預算裡的一大筆錢送給別人：那就是在第二價格拍賣（Second-Price Auction）裡，廣告主因為害怕輸掉，反而讓自己多付了好幾倍的錢。這種現象在經濟學裡叫「贏者的詛咒」（Winner’s Curse），但在我們這個圈子，幾乎沒有人認真討論過。
你可能覺得自己很懂競價，但讓我舉個簡單的例子：假設你評估一個曝光機會對你來說值 1 美元。你的競爭對手出價 0.8 美元。按照第二價格拍賣的規則，你只需要付 0.81 美元就能贏。但問題是，大多數廣告主會想：「萬一對手其實出 1.2 美元呢？」於是你就設了 1.5 美元。結果你贏了，也付了第二高的 0.8 美元加上 0.01 變成 0.81 美元--聽起來很划算對吧？但實際上，你原本可以只出 0.85 美元就贏的，卻因為恐懼而把出價拉高到 1.5 美元。雖然最後你只付了 0.81 美元，但你的出價決策已經被「怕輸」的心態扭曲了，而且這種扭曲會累積成巨大的浪費。
更可怕的是，DSP 的儀表板通常只告訴你勝率、CPM、轉換率，卻不會告訴你「你在多少比例的拍賣中多付了錢」。我手上有個客戶，他們用一個主流平台跑 RTB 長達兩年，從來沒想過這個問題。直到我們把競價日誌拿出來分析，才發現他們在將近三成的拍賣中，出價比實際需要的第二高價高出 2.5 倍以上。換句話說，他們每花 4 塊錢預算，就有 1 塊是白白送給平台的--不是因為平台騙他們，而是因為他們自己不懂怎麼玩這個遊戲。
為什麼我們會不自覺地多花錢？
這個問題不只是數學問題，更是心理問題。當我們看到儀表板上的「勝率」數字往上跳的時候，大腦會分泌多巴胺，給我們一種「我在贏」的滿足感。這種滿足感讓我們不自覺地調高出價，只為了看到更多綠色標記。但我們很少被提醒：勝率高不等於 ROI 高。如果你贏得每一場拍賣的成本都高於預期價值，那你贏得越多，虧得越慘。
還有一個很少被討論的誤區：頻次上限其實可能讓你更浪費。很多廣告主會設定每個用戶一天只看 3 次廣告，但他們忽略了--如果你用高出價去搶曝光，你會更快地把那 3 次用完，然後用戶就再也看不到你的廣告了。但你支付的成本卻因為高出價而變得非常高。結果就是：同樣是 3 次曝光，你用高出價搶到的成本可能比低出價高出 50% 以上，但對用戶來說，他看到的廣告次數一樣。這筆溢價完全沒有任何回報。
另外還有一個系統性的偏誤：DSP 的演算法會根據歷史數據來判斷用戶價值。如果你的帳戶過去經常對某個類型的用戶出高價，系統就會把這類用戶標記為「高價值」，然後在未來對類似用戶的拍賣中提高建議出價。這就形成了一個自我實現的預言--你越出高價，系統越告訴你要出更高價。到最後，你可能為了一個價值只值 0.5 美元的用戶，支付了 2 美元。這就是贏者的詛咒在演算法時代的變形。
四個可以立刻上手的修正策略
一、用「價值下限出價法」取代「最高願付出價法」
多數廣告主的出價邏輯是：「這個用戶對我值多少錢，我就出多少。」但這個邏輯在第二價格拍賣裡是錯的。你應該反過來想：我只想付「足夠贏過第二高價」的錢，而不是「我心中最貴的價格」。要做到這一點，你需要先知道對手的出價分布。
具體做法：
- 從你的 DSP 匯出至少 30 天的競價日誌，欄位要包含「你的出價」和「實際支付價格」。
- 用「實際支付價格 - 0.01」反推第二高出價（這不是百分之百精確，但足夠接近）。
- 計算你的出價與第二高出價的比率。如果這個比率平均超過 1.5，代表你平均每次競價都多付了至少 50% 的溢價空間。
- 接下來，建立一個簡單的機器學習模型（或至少用歷史數據算加權平均），預測每個類別的展示機會大概需要多少錢才能贏得前 80% 的拍賣。然後把你的出價設在這個預測值乘以 1.1 到 1.2 之間，而不是設在你心中最高的那個數字。
這個方法最大的好處是：你不再憑感覺出價，而是參考真實的市場行情。價格會跟著競爭環境走，而不會因為你怕輸而一路墊高。
二、建立你自己的「後悔指數」
DSP 不會幫你算這個，但你可以自己寫一個報表。後悔指數的公式很簡單：（實際支付價格 - 該曝光的真實價值）÷ 真實價值。真實價值可以用歷史轉換率乘以平均訂單金額來粗估。當這個指數超過 0.3（也就是多付了 30%）的時候，代表你正在經歷贏者的詛咒。
為什麼是 0.3？ 因為根據我處理過的幾個美國客戶資料，只要能把指數壓到 0.3 以下，ROAS 平均可以提升 40% 到 60%。超過 0.3 的時候，浪費的幅度通常已經大到無法用轉換率補回來。
你可以把這個指數加入你的每週報告，甚至設定自動規則：如果某個 Campaign 的後悔指數連續三天超過 0.3，就自動調降最高出價 15%。這比人工盯盤快多了。
三、主動做「如果⋯⋯會怎樣」的模擬
大多數 DSP 有歷史模擬功能，但很少人真的去用。你可以把過去一週的真實出價數據拿出來，然後在系統裡跑一個對照組：把出價統一調降 20%，看看勝率會掉多少、成本會省多少。通常你會發現，勝率只掉了 5% 到 10%，但 CPM 卻可以降 20% 到 30%。這代表你原本花的錢有很大一部分是白花的。
我曾經幫一家做寵物用品的電商品牌做過這個測試。他們的 CPM 原本是 11.5 美元，勝率 26%。我們把出價調降 25% 之後，勝率降到 21%，但 CPM 一口氣掉到 7.8 美元。因為曝光次數雖然少了一點，但因為每次成本大幅降低，整體轉換數反而增加了 12%。這個結果讓他們從此不再執著於高勝率。
四、把頻次和出價脫鉤
前面說過，用高價搶頻次是非常不划算的。你可以設計一個「遞減出價」規則：同一個用戶第一次曝光出全價，第二次出七折，第三次出四折。這樣即使你後面的曝光沒搶到，你也省下了預算。如果 DSP 不支援這種邏輯，至少要做到一件事：一旦用戶達到你設定的頻次上限，就立刻在系統裡排除他，不要再參與任何關於他的競價。不要在到達上限後還繼續用高價去搶--很多人就是因為這樣白白浪費了 20% 的預算。
一個真實的案例：從多付 40% 到 ROAS 翻倍
我有個客戶是美國中西部的一家 D2C 保健食品品牌，年營收大概 5000 萬美元。他們用一個常見的 DSP 跑了兩年 RTB，平均 CPM 8.5 美元，轉換率 2.1%，ROAS 大概 3.8 倍。聽起來還行，對吧？但當我們把他們的競價日誌挖出來分析之後，發現了一個驚人的事實：在 28% 的拍賣中，他們的出價是實際第二高出價的 2.5 倍以上。也就是說，他們每花 4 塊錢，就有 1 塊是因為「怕輸」而多付的。
我們導入上面幾種方法--主要是價值下限出價法和遞減頻次--之後，CPM 降到 5.2 美元，轉換率反而微幅上升到 2.3%，ROAS 一口氣跳升到 5.9 倍。他們沒多花一毛錢廣告預算，只是換了一套出價邏輯，就多賺了超過 50% 的營收。這個案例讓我深信：程序化廣告最大的優化空間，不在於受眾或素材，而在於競價策略本身。
結論：你究竟想贏，還是想賺錢？
每次拍賣只有 100 毫秒，在這種速度下，人類的直覺根本跟不上。我們很容易被勝率的數字吸引，卻忽略了那些隱藏在背後的超額成本。贏者的詛咒不是因為你不夠專業，而是因為這個市場的設計本身就隱藏了陷阱。下一次當你的 DSP 顯示「勝率 85%」的時候，請你停下來問自己一個問題：如果我少贏 10% 的拍賣，但省下 30% 的成本，我的 ROAS 會更高還是更低？答案很可能是更高。
真正厲害的數位行銷專家，不是那些贏得最多拍賣的人，而是那些在最需要的時候才出手、且永遠不付超過價值的人。從今天開始，重新檢視你的出價邏輯吧--你的預算值得更好的對待。