北美市场先进工具对中国搜索营销管理员的借鉴意义

　　北美市场先进工具对中国搜索营销管理员的借鉴意义

　　我们常说的 SEM 包括 SEO 和狭义的 SEM（付费搜索）。虽然两者的广告展示形式非常相似，都是通过广告投放和排名来实现的，但在操作上却有着巨大的差异。对于SEOer来说，一两个高手打天下是很常见的，SEO服务商那么多。相对而言，狭义扫描电镜在技术上是一个复杂得多的系统，不是一两个聪明的大脑就能搞定的。吞噬该领域大部分广告消费的是一批批不断进化的自动优化工具及其背后的庞大团队。

　　自动优化的概念在国内还比较陌生，但在北美市场，自动优化已经成为大中型客户SEM管理的主要手段。另一方面，虽然自动优化在过去的四五年里经历了几次演进，但还远远不够完善，关于自动优化的基础理论还存在一些争议。其实，从品牌词的讨论中，我们可以看出SEM优化的范围非常广泛。由于变量太多，优化过程中往往会引入相当程度的模糊判断。总的来说，我认为不会有任何一种自动优化工具可以完全取代人类的角色。尤其是当前的中国搜索营销市场，无论从平台、代理机构还是广告主来看，都还很不成熟。自动优化对许多广告商来说仍然是一种奢侈品。但是，工欲善其事，必先利其器。了解北美市场的先进工具，对于中国搜索营销的管理者来说，应该具有相当的参考价值。

　　首先，我们需要明确自动优化的概念。市场上的自动优化产品主要来自两个方向：一是传统的监控数据服务商或网络分析服务商（点击后管理）开始进入搜索营销管理（点击前管理）市场；另一个方向是独立的搜索引擎竞价服务商，即CPC竞价管理的服务商。该领域的两个主要产品是自动投标管理工具。

　　SEM广告包括四个部分：1、网站； 2、关键词； 3、广告； 4、招投标。为什么自动竞价产品成为当前市场的主流？让我们从 AD RANK 的角度考虑这个问题。广告排名=QS*最大每次点击费用。 QS 代表质量得分，是一个黑匣子。这部分优化因素很多，没有简单的规则可循。事实上，对于一个准备充分的广告活动来说，一旦投放广告并建立了QS，就很难做出改进。大多数广告商的 QS 改进周期长而短。调整报价已成为SEM日常管理的主要手段。

　　目前北美市场的技术服务商往往强调他们的自动优化是一个系统的解决方案，但到目前为止，上述两个方向的产品各有优缺点，还没有一个真正成熟的系统自动优化产品。 当然，在*敏*感*词*充裕的搜索营销市场，技术和商业策略的进步是惊人的。在过去的一年里，所谓的端到端自动优化产品已经成为市场的一个强劲趋势。这样的跨平台系统优化产品还不是真正意义上的全自动，但足以构成巨大的挑战。自动化系统优化是大势所趋。在这个竞争激烈的市场上，没有霸主，即使是目前最领先的服务商，一旦不遵循这种形式，一两年内可能会落入尘埃。

　　CPC 出价自动优化只是优化过程的一部分，但如前所述，这是帐户效果最直接的部分。可以毫不夸张地说，CPC出价管理可以决定一个搜索营销计划的盈亏。同时，CPC管理往往占据了人工优化的主要时间和精力，尤其是对于大中型客户。几千个关键词价格管理可能就足以让搜索营销管理员无暇顾及。以每次点击费用出价管理作为自动优化的起点是合理的。

　　市场上现有的 CPC 竞价自动优化产品一般都是通过 API 来获取广告发布商的点击数据，并结合监控提供的转化数据进行 CPC 优化调整。主要有两种调整方式：

　　A.规则优化

　　如果关键词的出价调整是按照“追涨杀跌”的原则进行的，只需将原创数据和调整规则（Rule）输入模型，电脑可以立即给出调整值。这就是所谓的基于规则的优化（Rule Based Approach）。自动优化的初始阶段就是基于这种优化，现在仍然是一种非常活跃和主流的自动优化方法。北美市场上的大多数自动优化产品都是基于规则的。尤其是数据监控服务商提供的自动竞价产品大多属于此类。比较有名的有ATLAS Search、Omniture SearchCenter、Web Trends、Dart Search等，Did-It、Acquisio、Clickable等独立服务商也是基于规则优化的。中国用户最熟悉的可能是Google Adwords Conversion Optimizer，因为这是市面上唯一真正免费的自动优化工具（效果不是很理想）。

　　基于规则的自动优化技术门槛较低，因为判断（即规则制定）是人工选择的，每个产品的优劣主要体现在规则制定原则和实际应用。本质上，这更像是一个大型决策树系统。规则优化后的竞价产品成本可以相对较低，在SEM市场上可以占据一席之地。即便是这种相对简单的产品，也能让搜索营销管理员从繁重简单的劳动中解放出时间和精力，投入到需要更模糊判断的方向上，比如开发新的广告内容、新的关键词探探等等另一方面，这种优化仍然严重依赖搜索营销管理员的人工判断。

　　B.组合优化

　　因为大中型客户关键词的数量往往比较多，所以不同的关键词的表*敏*感*词*融市场的产品表现，于是有人将*敏*感*词*最初使用的投资组合模型引入到搜索营销管理中，通过一系列的产品组合来降低风险，增加收益。这种方法称为基于投资组合的方法。

　　我们来看一个例子：我们同时在一个账户中有两个关键词。 关键词1 首先可以获得15个注册，单位注册费用为2元。如果你是第二名，你可以获得10个注册，单位注册费用为1元。 关键词2 首先可以获得20个报名，单位报名费用为2.5元；如果你是第二名，你可以获得10个注册，单位注册费用为2元。假设每次注册价值2元，我们该怎么办？

　　如果使用基于规则的优化。很简单，关键词1 被推到了第一位，获得了 15 个注册。 关键词2只能保持第二名，获得10个注册。此时平均单位注册费用为2元，符合要求，总注册人数为25人。

　　如果使用基于组合的优化。 关键词1 排在第二位，关键词2 排在第一位。此时关键词1的注册费用为1元，关键词2的注册费用为2.5元，共30个注册。平均单位注册为（2.5*20+1*10）/30=2元，仍满足要求。

　　基于投资组合优化，我们以相同的单位注册成本获得了 5 个额外的注册。这是投资组合优化的优势。怎么打个不准确的比喻，这就是“田忌赛马”。

　　在这个例子中组合优化的概念很直观，但在实际操作中要复杂得多。如果客户拥有数千、数万甚至数十万的关键词，如何在关键词组合中选择最佳的CPC组合以获得当前市场环境下的最佳综合性能，这不是简单的四算术可以解决是的，但是一个自我进化的预测决策系统。

　　投资组合优化的来源，投资组合模型，是运筹学的典型应用（没错，就是二战中产生的运筹学）。同样，组合优化本身也是运筹学的典型应用。其类别包括统计和概率、数学建模、模拟、优化、算法和数据挖掘。和数据仓库（Data Mining and Data Warehousing）。简单的说，投资组合优化就是通过采集现有账户的表现数据，在模型中模拟所有关键词各个层次的表现，并通过规则和算法的发展，从海量的可能性中筛选出一个数学模型找出可能产生最佳效果的组合，并付诸实践，通过实现效果的数据采集进入下一步的模拟优化，从而实现不断螺旋上升的优化。

　　由于组合优化的复杂性，使用该模型的自动优化产品较少。最著名的当然是Efficient Frontier，它是此类产品的鼻祖，全球最大的独立SEM代理服务商，也是唯一进入中国市场的自动优化产品服务商。紧随英孚脚步的还有在国内也颇有名气的SearchIgnite/360i。在竞争力方面，近两年马林软件和Kenshoo如雨后春笋般涌现。这两个offer都是完整的自动优化解决方案，包括自动竞价产品，而且都是自助产品，所以收费明显低于EF或360i。在我个人看来，搜索营销市场的大部分是中小客户，所以Marin或Kenshoo的想法会逐渐成为主流。 EF服务过的客户包括eBay和亚马逊。这些巨人已经离开了。迟早，Expedia 和微软也会离开。当SEM的规模足够大时，真的没有理由外包这个业务，收益太大了。因此，英孚和360i也必须开发适应中小客户的自助产品。而所有自动优化工具的真正对手是谷歌......

　　我经常遇到有人问我在工作中使用了哪些自动化工具，或者我认为哪些工具更好。单看这两个概念的术语，显然组合优化听起来更高级。词算法在SEM领域的真正用途，除了搜索引擎，都是组合优化。事实上，从市场份额来看，规则优化仍然是市场的主流。很简单，并非所有广告商都需要最复杂的算法。组合优化通过大量数据的积累实现自我进化，这对于中小客户来说可能是一个短板。如果客户规模小，关键词比较简单，那么组合方式可能不会比规则优化更高效。因此，我对这类问题的回答通常是：只要产品在市场上销售了两年以上，就是好的，差的产品不可能在如此激烈的竞争中存活下来。 SEM营销效果好坏，归根结底不是自动化产品是否足够好，而是产品是否满足广告主的需求，搜索营销管理员能否用好。

　　自动优化逐渐成为北美搜索营销管理中CPC管理的重要手段，与北美搜索营销市场的成熟度有着密切的关系。搜索营销投资在整个营销中占比较高，市场竞争激烈，用户搜索行为相对成熟，搜索营销平台和技术手段较为先进。这一切使得搜索营销的日常管理变得更加复杂、工作量更大、难度更大，自动优化的普及成为必然趋势。自动优化是否适合当前的中国市场？我觉得经过这两年的快速增长，至少某些行业的一些大客户对自动优化有现实的、有意义的需求。一方面，国内搜索营销的激烈竞争有时甚至超过北美；另一方面，客户对搜索营销的理解越来越具体和深入。实践证明，合适的自动优化产品在国内市场可以发挥巨大的作用。无论是简单的自动上报系统、初级的规则优化系统，还是最复杂的组合优化系统，都有很大的应用空间。

　　无论是北美还是中国，衡量自动优化产品的基本原则都是一样的：

　　产品是由供应商开发的吗？只有掌握产品的人才真正了解产品的全部潜力和价值；产品背后是否有复杂的数学思维？虽然运筹学的应用需要经过专业训练的数学家，但目前领先的优化产品背后基本上都有一群最优秀的数学家。规则优化的规则组织至关重要。如何对不同的数据进行加权，以及如何为不同的决策选择最佳的，也需要数学支持。谷歌首席经济学家哈尔瓦里安表示，营销是下一个金融，这是营销的量化趋势。该产品是否具有足够详细的预测能力？考虑到自动优化是模拟结果的选择，关键词/广告级别的模拟预测是基本要素。这是区分规则优化和组合优化的一种手段，因为基于规则的自动优化通常不需要大量的模拟。有没有学习能力。大闭环学习方式是保证产品不断适应环境、不断优化的基础。模型的前瞻和后视能力是否可以根据需要调整历史参考区间，从容应对剧烈的市场变化。

　　这些是一个好的自动优化产品应该具备的。对于中国市场来说，这款产品显然需要具备支持国内搜索平台的能力，以及产品供应商对国内客户和市场环境的了解。中国的搜索市场本身还在不断发展，其表*敏*感*词*投入，验证真实广告的效果并不断修正。因为整个市场都会对模型的大闭环修正产生巨大的影响。

　　这些评估基于自动优化产品本身。事实上，自动优化产品的前提是客户对营销管理的认知和需求。需要摒弃的是自动优化可以取代我们在搜索营销管理中的想法。即使是具有自学习能力的自动优化工具也必须在正确的环境中工作。国内搜索营销市场的相对落后首先表现在广告主上。如果客户不知道搜索营销该问什么，手动优化和自动优化的区别就毫无意义。

　　以组合优化为例，我们只需要稍微调整一下方向，结果就会完全不同。例如，我们不再追求最大注册数量，而是追求最大利润。这样，根本不需要使用组合优化的方法，只需要关注每个关键词的利润率就可以了。赚一分也是赚，亏一分也是亏。当边际利润和边际成本达到平衡时，利润达到最高点。在实践中，相当多的客户应该追求最大的利润，但最终的结果往往是一个ROI指标。为什么会这样？如果客户不能有效地回答这个问题，说明他们至少在这个阶段不需要自动优化。

　　退一步说，再好的自动优化产品，也只是机器上的输入输出而已。机器有机器擅长的事情：海量数据的计算，算法规则的执行，这些都是人力无法企及的（或者成本高的让人无法接受）。但是机器死了，人还活着。搜索营销管理员的人工干预是任何自动优化产品都无法替代的：设定有效目标、制定规则和策略、应对特殊变化。不同行业、不同层次的客户可能会有不同的账户表现，每个客户的环境和目标也不同，所以没有“最好”的自动优化产品。无论是通过自动优化还是手动优化，只有在思路清晰的搜索营销管理员的高效运作下，才能始终获得最佳性能。

　　本文首发于SEM Watch，转载请注明出处。欢迎大家留言或留言（talk[at]）