一、SEM的重心之一，就是关键词的选择，而SEM选词最重要的原则就是要精准。这里说的精准，不仅仅是像SEO选词那样，只要选的词与网站业务有关，然后有一定搜索量，就OK。因为对于SEM来说，最终目的是要让用户掏银子，特别是竞价排名这块，点击一次就要付一次钱。所以SEM选词的精准要比SEO更深入和具体，简单的说，在SEO选词标准的基础上还要再增加两个条件：
1、搜索该词的人，有明确的消费需求与实力。
2、搜索该词的人，容易被转化成我们的用户。
二、SEM中引导页的设计
其实他们选的词中，一小部分词也是比较精准的。但是转换率也非常差，这是为什么呢？答案就是在引导页上下的功夫不足。首先和大家解释一下什么是引导页，引导页就是用户搜索一个词后，点击进去所看到的页面(也叫落地页)。在SEM中，将用户吸引到页面中，只是完成了第一步。而能不能让用户产生消费，则要看引导页能不能打动用户。这就好像传统营销方式中的会议营销，把用户拉到会场，只是第一步。具体能让多少用户签单，则要看讲师的功力了。一个成功的引导页，应该围绕用户行为及特点设计，至少应该符合四个要求：
1、能够给用户足够的信任感。
2、提供的内容是对用户有帮助的。
3、能够解答用户心中潜在的问题。
4、能够促使用户留下信息或与我们取得联系。
三、SEM中的数据监测与优化
实际上，该公司的网络推广工作，也不是一点效果没有。因为通过网络推广，每个月都会有报名的学员，只是效果不理想，并且成交量在不断下降。但是效果从何而来，他们说不清楚，只是大概猜测在门户发布的新闻稿起了作用。至于为什么成交量下降，就更说不明白了。
其实对于SEM来说，数据的监测与优化工作，才是最重要的一步。没有科学而完善的监测体系，那就好像盲人摸象，或者是闭着眼睛上战场。而像流量统计系统，也只能算做初级的数据监测。SEM工作想做好，还需要建立更细致、更科学的数据监测体系才行。比如说竞价排名这块，我们就要对关键词的点击数、总消费数、注册数、单笔订单额、订单数、订单转化率、注册CPA、ROI等数据进行监测。引导页这块，除了进行常规的流量监测外，还需要增加对咨询量与转换率方面的监测。
一旦这套体系建立起来，那就很容易发现问题和解决问题。比如说如果某关键词效果不理想，我们很容易就能从数据中分析出是因为词选的不靠谱，还是创意写的不吸引人，或者是引导页上下的功夫不足。
而且在有了数据的基础上，我们才可以进一步的进行渠道优化，使我们的推广工作达到事半功倍的效果。比如说对于竞价排名来说，我们就可以通过改进广告创意的方式，来监测不同创意之间的效果变化，继而找到最佳的创意组合。也可以通过改进引导页设计的方式，观察不同引导页之间的差异，找到最符合用户需求和心理的引导页设计等。
其实应该说是最大似然法和最小二乘法的区别吧。采用OLS的回归分析方法存在几方面的限制：
（1）不允许有多个因变量或输出变量
（2）中间变量不能包含在与预测因子一样的单一模型中
（3）预测因子假设为没有测量误差
（4）预测因子间的多重共线性会妨碍结果解释
（5）结构方程模型不受这些方面的限制
SEM的优点：
（1）SEM程序同时提供总体模型检验和独立参数估计检验；
（2）回归系数，均值和方差同时被比较，即使多个组间交叉；
（3）验证性因子分析模型能净化误差，使得潜变量间的关联估计较少地被测量误差污染；
（4）拟合非标准模型的能力，包括灵活处理追踪数据，带自相关误差结构的数据库（时间序列分析），和带非正态分布变量和缺失数据的数据库。
构方程模型最为显著的两个特点是：
（1）评价多维的和相互关联的关系；
（2）能够发现这些关系中没有察觉到的概念关系，而且能够在评价的过程中解释测量误差。
1、最小二乘法的典型应用是求解一套x和y的成对数据对应的曲线（或者直线）方程。
其思想是：设y和x之间的关系可以用一个公式在表示，但其系数为待定系数。然后，将各个点的实测数据与计算求得的数据相减，得到“误差”或者不符值（有正有负，但其平方都是正的），将这些不符值的平方相加，得到总的“误差”。通过调整公式中的各个系数，使得误差平方和最小，那么就确定了y和x之间的方程的最好结果。求解最小二乘问题的过程中没有提及概率问题。
2、而极大似然估计值，是用于概率领域的一种方法，和最小二乘法是两个领域的。这种方法是应用求极大值的方法，让某一个公式求导值为0，再根据情况判断该极值是否是合乎要求。极大似然估计法可以用于正态分布中 μ, σ2的极大似然估计。极大似然估计法就是要选取类似的数值作为参数的估计值，使所选取的样本在被选的总体中出现的可能性为最大。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）