SEM团队的建设主要根据你现有的项目需求搭建,还要只当配备美工,要有前端和后台的支持,针对活动或者专题来做
望采纳
搜索引擎营销的正确方法
搜索引擎营销的基本思想是让用户发现信息,并通过(搜索引擎)搜索点击进入网站/网页进一步了解他所需要的信息。下面是我整理的做好搜索引擎营销的正确方法。希望对你有帮助!
方法步骤
第一步:了解产品/服务针对哪些用户群体 [例如:25~35岁的男性群体规模在50~100人贸易行业的企业]
第二步:了解目标群体的搜索习惯 [目标群体习惯使用什么关键词搜索目标产品?]
第三步:目标群体经常会访问哪些类型的网站
第四步:分析目标用户最关注产品的`哪些特性 [影响用户购买的主要特性,例如品牌、价格、性能、可扩展性、服务优势等等]
第五步:竞价广告账户及广告组规划 [创建谷歌及百度的广告系列及广告组需要考虑管理的便捷,及广告文案与广告组下关键词相关性]
第六步:相关关键词的选择[我们可以借助谷歌关键词分析工具,及百度竞价后台的关键词分析工具,这些工具都是根据用户搜索数据为基础的,具有很高的参考价值]
第七步:撰写有吸引力的广告文案
第八步:内容网络广告投放
第九步:目标广告页面的设计
第十步:基于KPI广告效果转换评估
分解工作
1、 SEM团队构成:
核心搜索团队:相对于选择的SEM工作范围而灵活变化。
外围搜索团队:组织的现成团队,如技术开发团队、内容编辑团队、竞价管理团队。
2、 SEM营销任务构成以及任务实施方法:
选择搜索引擎营销策略—核心团队决定
确定目标搜索引擎—核心团队决定—区域性搜索除外(不同国家、不同地区差异)
做关键词计划—核心团队决定
管理竞价—竞价管理团队决定
优化内容—内容编辑团队执行
开发技术—技术开发团队
确定标准—核心团队确定基本标准、外围团队调整完善
选择搜索营销工具—核心团队决定
报告评测标准的结果—核心搜索团队。
选择方法
1、 选择外部SEM服务商,还是自己组建SEM团队
考虑因素:
公司文化-是否能说服主管选择SEM服务商
预算—是否能请的起外部SEM公司
专业技能—核心搜索团队成员自身工作技能
时间—SEM启动到产生效果的时间价值
质量—是否能够带来很好的销售效果。
2、 如何确定一个适合自己的SEM服务商:
制定自身对SEM服务的要求
自然搜索经验
付费搜索经验
搜索策略
关键词计划
技术专业性
业务可靠性。
面谈和确定SEM供应商:
面谈前,制定SEM服务商专业能力评分卡
关注SEM服务前的网站审计
关注SEM服务商的站点评估和执行策划书
关注SEM服务公司工作的灵活程度
关注SEM公司提供的客户服务团队—成员雇佣时间、岗位级别。
3、 独立实施搜索营销计划机会与潜在风险
存在机会:工作方法由内到外,根据组织的实际情况,准确的确定SEM营销任务优先级
通过内部培训员工,可以组建一个强大、有忠诚度的SEM营销内部团队
潜在风险:专业人员寻找存在难度,内部团队关键员工流失,执行出效果时间。
规划成本
1、 自然搜索优化成本
总成本=产品线数量*单一产品线需要优化网页单个网页优化成本。
2 、付费搜索成本
总成本=关键字系列*每个关键字系列关键字数量*关键字实际消耗(价格)。
3 、人员成本
总成本=管理人员成本+自然搜索引擎人员成本+付费搜索人员成本。
SEM简单介绍,以下资料来源
因果关系:SEM一般用于建立因果关系模型,但是本身却并不能阐明模型的因果关系。
一般应用于:测量错误、错漏的数据、中介模型(mediation model)、差异分析。
历史:SEM 包括了 回归分析,路径分析(wright, 1921),验证性因子分析(confirmatory factor analysis)(Joreskog, 1969).
SEM也被称为 协方差结构模型(covariance structure modelling),协方差结构分析和因果模型。
因果关系:
究竟哪一个是“真的”? 在被假设的因果变量中其实有一个完整的因果链。
举一个简单的例子: 吃糖果导致蛀牙。这里涉及2个变量,“吃糖果”和“蛀牙”,前者是因,后者是果。 如果上一个因果关系成立,那将会形成一个因果机制,也许会出现这样的结构:
3. 这时还有可能出现更多的潜在变量:
这里我又举另外一个例子,回归模型
在这里,回归模型并不能很好的描述出因果次序,而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。
我们在举另外一个例子“路径分析”
路径分析能让我们用于条件模型(conditional relationships),上图中的模型是一种调解型模型或者中介模型,在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。
在这里我们总结一下:
回归分析简单的说就是:X真的影响Y 吗?
路径分析:为什么/如何 X 会影响Y? 是通过其他潜在变量Z 来达到的吗?例子:刷牙(X)减少蛀牙(Y)通过减少细菌的方法(Z)。------测量和测试中介变量(例如上图中的Z变量)可以帮助评估因果假设。
在这里要提一下因素模型(factor model)
在这个模型当中,各个变量有可能由于受到未被观察到的变量所影响,变得相互有内在的联系,一般来说那些变量都很复杂、混乱,而且很多变量是不能直接被观察到的。
举个例子:“保龄球俱乐部的会员卡”和“本地报纸阅读”,是被观察到的变量,而“社会资产”则是未被观察到的变量。另一个例子:“房屋立法”和“异族通婚”是被观察到的变量,而“种族偏见”是未被观察到的变量。
相互关系并不完全由被观察到的变量的因果关系所导致,而是由于那些潜在的变量而导致。
这些被观察到变量(y1--y4)也有可能由一个潜在的变量(F)所影响。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)