在数字广告畛域，OCPM 是指 “Optimized Cost per Mille”，即每千次展现优化老本。它是 Facebook 广告平台中的一种出价策略，旨在通过机器学习算法主动优化广告出价，从而实现最佳广告成果和最低的老本。
在 OCPM 出价策略下，广告主能够设定一个最高出价，并指定一个指标成绩，例如广告的点击量或转化率。广告平台将依据这个指标成绩主动调整出价，并在竞价中抉择最佳的机会进行投放，以最大水平地实现目标成绩并升高广告老本。
在这个过程中，OCPM 应用了大量的机器学习算法，例如基于深度学习的神经网络，以及相干的数据分析和预测技术。它通过剖析广告竞价的历史数据和实时数据，主动学习出最佳的出价策略，并在实时竞价中进行调整和优化，以获得最佳的广告成果和老本效益。
总之，OCPM 是一种基于机器学习的智能出价策略，能够帮忙广告主最大水平地实现广告指标，并在广告竞价中降低成本。
上面是一个简略的 OCPM 计算的例子：
假如一个广告主在 Facebook 广告平台上投放广告，其设定了一个指标成绩是每取得 10 次点击，须要破费不超过 10 美元。此外，该广告主还设置了一个最高出价为 1 美元。
Facebook 广告平台将主动进行竞价，并在竞价中抉择最佳的机会进行投放，以最大水平地实现目标成绩并升高广告老本。如果广告主的广告取得了 100 次展现，并且实现了 10 次点击，那么它的 OCPM 计算如下：
总成本 = 100 次展现 × 均匀出价
均匀出价 = 理论破费 ÷ 理论取得的点击量
假如理论破费为 10 美元，理论取得的点击量为 10 次，则均匀出价为：
均匀出价 = 10 美元 ÷ 10 次 = 1 美元 / 次
因而，总成本为：
总成本 = 100 次展现 × 1 美元 / 次 = 100 美元
因为总成本不超过广告主的估算限度，该广告主的 OCPM 合乎预期指标，并且能够持续应用该出价策略来投放广告。如果广告主的估算限度不能满足，或者广告成果不佳，那么它能够调整出价或者指标成绩，以实现更好的广告成果和老本效益。