百度OCPC算法主要依托海量数据积累+AI模型预测，分三步完成高转化时段流量的识别：‌

1. 多维度数据采集建模

首先OCPC会全面采集不同时段的多维度用户&投放数据，包括：

用户侧：不同时段搜索用户的‌行为数据（搜索词、点击、浏览时长）、人群属性（地域/年龄/设备/兴趣标签）、转化历史记录‌

投放侧：账户不同时段的曝光、点击率、转化率、转化成本、ROI等核心指标，为后续模型训练提供基础数据。

2. DNN深度学习模型训练

基于采集到的海量数据，OCPC使用‌DNN深度神经网络模型‌进行深度学习，挖掘用户行为和转化之间的非线性关系，最终训练出可预估单条流量转化概率的模型。简单来说，模型会学习到“工作日9点-11点搜索XX关键词的用户，转化概率比凌晨高3倍”这类规律。

3. 实时动态预测识别

每一次用户搜索发起时，OCPC算法都会基于训练好的模型，实时完成三个判断动作：

根据当前搜索的时间节点，结合用户画像、搜索上下文，预测这条流量的转化概率

对比广告主设置的目标转化成本，判断是否值得抢占这条流量

自动调整出价——对高转化概率的时段流量提高出价抢量，对低转化概率的时段流量降低出价控费，全程无需人工干预

此外，模型还会持续迭代：每天都会基于新产生的转化数据更新模型，识别准确度会随着数据积累越来越高，一般进入OCPC第二阶段1-2周后，识别效果就能趋于稳定。