有哪些不错的 SEO，SEM 入门书籍推荐

最推荐的是搜索引擎官方的文档《Google搜索质量评分指南：2016中文版》和《百度搜索引擎网页质量白皮书》。

除此之外还有：

1、秋叶大叔《移动社交时代的互动搜索营销》

2、百度认证系列丛书《百度推广 搜索营销新视角》

3、百度认证系列丛书《点金时刻：搜索营销实战思维解读》

4、艾奇SEM的《400000字SEM电子书.pdf》

5、《Google 广告高阶优化（第3版）》

6、《Google 广告优化与工具》

7、《流量的秘密：Google Analytics网站分析与优化技巧（第3版）》

8、《这就是搜索引擎：核心技术详解》

9、《自制搜索引擎 》

大都以百度推广为主，各方资源、案例、经验都围绕着百度竞价，不过只要了解百度竞价原理、操作思路，其他渠道的竞价也一贯而通了。

除了学习书籍上的内容，也需要配合大数据情报分析来进行市场投放。

1. 岳鹏飞《SEM长尾搜索营销策略解密》

推荐理由：长尾理论，虽诞生已久且在各行各业有着深入应用，但是，它目前还未被SEM从业者们重视起来。大多数人对于长尾理论的了解，仍旧停留在“耳熟能详”却“熟视无睹”的状态。

实际上，长尾理论完全可以发挥出超乎想象的作用，这在其他行业已经实现，而在SEM行业才刚刚崭露头角，还有更大的价值等待我们去发现。

而岳鹏飞老师这本《SEM长尾搜索营销策略解密》，恰好能帮助SEMer们开拓一种全新的思维模式，发掘搜索引擎营销的蓝海。

2. 谢松杰《网站说服力——营销型网站策划》

推荐理由：超过90%的传统企业在互联网转型种开展网络营销失败的原因，都出在网站上。

网站营销是一项工程，而绝非“做个网站，花钱推广”这么简单。从互联网商业模式设计到网站建设和推广，再到咨询、获取线索和订单，再到数据统计和分析，最后是运营管理等等，环环相扣，有机协作才能取得好成绩。

在这个生态系统中，成败的关键因素就是网站，而谢松杰老师的《网站说服力——营销型网站策划》一书，则是其在15年从业生涯中，亲自参与的数十个项目的经验成果和总结，非常的精彩，值得大家学习。

3. 谢松杰《着陆页：获取网络订单的关键》

如果你正在或将会投放网络广告，“受众明确”、“内容相关”、“简洁高效”、“用户体验”、“竞争调研”、“商业模式”等着陆页的几个基本要素，你能做到几个？

本书是从人类决策行为研究的基础上，发展了一套系统的着陆页策划与设计理论。从“宏观”和“微观”上对着陆页的整体框架和局部细节做了深入的讨论，环环相扣，一气呵成。

正如谢松杰老师所言：“你可以没有网站，但至少应该有一个能挣钱的着陆页”。能挣钱就是为什么推荐本书的理由，希望对你有所帮助。

4. 曲海佳《互联网DSP广告揭秘 精准投放与高效转化之道》

推荐理由：在移动互联网爆发的今天，流量的严重倾斜已是不争的事实，SEM一家独大的时代已经一去不复返，与信息流和DSP一道，形成了掎角之势。

对于互联网广告从业者来说，学会DSP和信息流的投放技巧，是大势所趋。而曲海佳老师这本书，能够带你去那面了解市场主流的DSP广告及投放方案、定向的设置、精准人群的定位、数据的监控，以及优化调整的策略。

从根本上解决DSP无从下手、效果无法考量的问题。

5. 秋叶大叔操刀《移动社交时代的互动搜索营销》

推荐理由：《移动社交时代的互动搜索营销》，本书通俗易懂，跳出搜索引擎局限，告诉读者如何利用互联网找到客户的思维。本书涉及到全网搜索营销，不单单讲述竞价排名，还涉及淘宝直通车，新浪微博搜索等。

同时结合不同行业的实际应用案例解读，生动传达怎样正确地利用搜索引擎，深入浅出地介绍了企业开展搜索营销的关键。本书贴近企业，适合各行业各互联网公司各层级别的员工阅读。前版为秋叶大叔

2011 年著的《榨干百度谷歌：搜索引擎广告大赢家》。

6. 百度认证系列丛书《百度推广 搜索营销新视角》

推荐理由：本书由百度营销研究院专家团编著，主要用于百度 SEM 社会认证人员考试学习的材料。涉及到的知识点基础也很全面，每个章节解读一个知识点，涉及百度各产品线，知识点阐述通俗易懂。

适合 2 年以内的 SEM 从业人员阅读。唯一不足的地方就是由于 SEM 行业产品更新迭代较快，部分知识点陈旧。虽然这样，很多营销知识理论还是值得学习的。

7. 百度认证系列丛书《点金时刻：搜索营销实战思维解读》

推荐理由：本书同样由百度营销研究院专家团队完成。本书主要以论文的形式阐述各类知识，以实践经验为基础，不脱离实际，紧跟企业全新需求，从整体策略到细节执行，帮助读者快速解百度推广的核心内容。适合 1 年以上从业人员阅读。8、广告数据定量分析推荐理由：本书不仅讲解了一位优秀广告优化师需要掌握的统计学知识和数据分析知识，而且还分享了快速学习这些知识的方法。 从业务角度总结了移动广告、SEM、信息流广告、应用商店广告等多种形态广告数据的分析方法，以及效果优化技巧。

https://www.sohu.com/a/386218186_698752

目前，空间计量经济学研究包括以下四个感兴趣的领域：

计量经济模型中空间效应的确定； 合并了空间影响的模型的估计；空间效应存在的说明、检验和诊断；空间预测。

空间计量经济学模型有多种类型（Anselin，et al. 2004）。 首先介绍纳入了空间效应（空间相关和空间差异）、适用于截面数据的空间常系数回归模型，包括空间滞后模型（Spatial Lag Model，SLM）与空间误差模型（Spatial Error Model，SEM）两种，以及空间变系数回归模型——地理加权回归模型（Geographical Weighted Regression，GWR）。适用于时间序列和截面数据合成的空间面板数据计量经济学模型将在以后予以介绍。

空间滞后模型（Spatial Lag Model，SLM）主要是探讨各变量在一地区是否有扩散现象（溢出效应）。其模型表达式为：参数 反映了自变量对因变量的影响，空间滞后因变量 是一内生变量，反映了空间距离对区域行为的作用。区域行为受到文化环境及与空间距离有关的迁移成本的影响，具有很强的地域性（Anselin et al.，1996）。由于SLM模型与时间序列中自回归模型相类似，因此SLM也被称作空间自回归模型（Spatial Autoregressive Model，SAR）。

空间误差模型（Spatial Error Model，SEM）存在于扰动误差项之中的空间依赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度。由于SEM模型与时间序列中的序列相关问题类似，也被称为空间自相关模型（Spatial Autocorrelation Model，SAC）。

估计技术：鉴于空间回归模型由于自变量的内生性，对于上述两种模型的估计如果仍采用OLS，系数估计值会有偏或者无效，需要通过IV、ML或GLS、GMM等其他方法来进行估计。Anselin（1988）建议采用极大似然法估计空间滞后模型（SLM）和空间误差模型（SEM）的参数。

空间自相关检验与SLM、SEM的选择：判断地区间创新产出行为的空间相关性是否存在，以及SLM和SEM那个模型更恰当，一般可通过包括Moran’s I检验、两个拉格朗日乘数（Lagrange Multiplier）形式LMERR、LMLAG及其稳健（Robust）的R-LMERR、R-LMLAG）等形式来实现。由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性，有必要构建一种判别准则，以决定哪种空间模型更加符合客观实际。Anselin和Florax（1995）提出了如下判别准则：如果在空间依赖性的检验中发现LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间滞后模型；相反，如果LMERR比LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显著，则可以断定空间误差模型是恰当的模型。

除了拟合优度R2检验以外，常用的检验准则还有：自然对数似然函数值（Log likelihood，LogL）、似然比率（Likelihood Ratio，LR）、赤池信息准则（Akaike information criterion，AIC）、施瓦茨准则（Schwartz criterion，SC）。对数似然值越大，AIC和SC值越小，模型拟合效果越好。这几个指标也用来比较OLS估计的经典线性回归模型和SLM、SEM，似然值的自然对数最大的模型最好。

空间变系数回归模型及估计：就目前国内外的研究来看，大多直接假定横截面单元是同质的，即地区或企业之间没有差异。传统的OLS只是对参数进行“平均”或“全域”估计，不能反映参数在不同空间的空间非稳定性（吴玉鸣，李建霞，2006；苏方林，2007）。 当用横截面数据建立计量经济学模型时，由于这种数据在空间上表现出的复杂性、自相关性和变异性，使得解释变量对被解释变量的影响在不同区域之间可能是不同的，假定区域之间的经济行为在空间上具有异质性的差异可能更加符合现实。空间变系数回归模型（Spatial Varying-Coefficient Regression Model）中的地理加权回归模型（Geographical Weighted Regression，GWR）是一种解决这种问题的有效方法。 、空间计量主要命令

spmat 生成空间权重矩阵

spatwmat 用于定义空间权重矩阵

spatgsa 用于全局空间自相关检验

gsa表示global spatial autocorrelation

spatlsa 进行局部空间自相关检验

lsa表示local spatial autocorrelation

spatcorr 考察空间自相关指标对距离临界值d的依赖性

spatdiag 针对ols回归结果，考察是否存在空间效应

spatreg 估计空间滞后与空间误差模型

空间面板主要命令为：help xsmle

Spatial Autoregressive (SAR) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sar) [SAR_options]

Spatial Durbin (SDM) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sdm) [SDM_options]

Spatial Autocorrelation (SAC) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) emat(name) model(sac) [SAC_options]

Spatial Error (SEM) model

xsmle depvar [indepvars] [if] [in] [weight] , emat(name) model(sem) [SEM_options]

Generalized Spatial Panel Random Effects (GSPRE) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(gspre) [emat(name) GSPRE_options]

---