sem搜索引擎营销的主要实现方法有哪些

SEM的服务主要有4种方式：

一、 竞价排名，顾名思义就是网站付费后才能被搜索引擎收录，付费越高者排名越靠前；竞价排名服务，是由客户为自己的网页购买关键字排名，按点击计费的一种服务。客户可以通过调整每次点击付费价格，控制自己在特定关键字搜索结果中的排名；并可以通过设定不同的关键词捕捉到不同类型的的目标访问者。

而在国内最流行的点击付费搜索引擎有百度，雅虎和Google。值得一提的是即使是做了PPC (Pay Per Click,按照点击收费）付费广告和竞价排名，最好也应该对网站进行搜索引擎优化设计，并将网站登录到各大免费的搜索引擎中。

二、 购买关键词广告，即在搜索结果页面显示广告内容，实现高级定位投放，用户可以根据需要更换关键词，相当于在不同页面轮换投放广告；

三、 搜索引擎优化（SEO），就是通过对网站优化设计，使得网站在搜索结果中靠前。 搜索引擎优化(SEO)又包括网站内容优化、关键词优化、外部链接优化、内部链接优化、代码优化、图片优化、搜索引擎登录等.

四、 PPC（ Pay Per call，按照有效通话收费 ），比如：“TMTW来电付费”，就是根据有效电话的数量进行收费。购买竞价广告也被称做PPC

目前，SEM正处于发展阶段，它将成为今后专业网站乃至电子商务发展的必经之路。

SEO是属于SEM的一部分，SEM包含了SEO。

SEO和SEM的区别

SEO和SEM最主要的是最终目标的不同：

SEO主要是为了关键词的排名、网站的流量、网站的结构、搜索引擎中页面收录的数据；

SEM是通过SEO技术基础上扩展为搜索引擎中所带来的商业价值，策划有效的网络营销方案，包括一系列的网站运营策略分析，并进行实施，营销效果进行检测。

SEM概念的升级和拓展

随着搜索引擎算法和服务方式（专业图片、视频搜索引擎出现），搜索引擎搜索的内容不断增加，拿 Google来说，有图片，视频，博客，资讯等等，所以针对搜索引擎所做的营销活动，也应该相应增加内容。过去讲到搜索引擎营销，指得就是竞价拍名和SEO。现在，SEM应该增加更多的内容，例如：

1. SEO服务，即搜索引擎优化，目前的SEO服务主要是网页SEO。帮助做到网页搜索时排名靠前，获取自然排名和流量。以后，同样要把图片SEO、视频SEO也纳入到SEO服务的范畴中。不过视频营销应该涉及更多新的内容。搜索引擎提供的地图和导航访问，也可以考虑如何进行搜索引擎优化。

2. 竞价排名广告管理：关键词筛选；广告组分配；广告词创意；竞价过程优化（rule-based, not rule-based）；广告效果分析优化（keywords, campaign，creative每个环节都可以做调整，比如campaign分组可以按照产品分组，按长期/短期广告分组）。当然竞价排名的跟踪，欺诈点击的检测等都设计更多的方面。

3. 视频营销，目前专业的视频搜索引擎出现了，国内有比如openv.com ,国外有blinkx，而且Google，baidu等也开始作专门的视频搜索，而且早就推出了视频Adwords广告，百度TV联盟等，所以怎么把视频做好，怎么把视频做到搜索结果排名靠前，这是比较新的领域，当然还涉及视频文件的处理，播放等等。

4. 社区营销。社区随着facebook, myspace的崛起和招风，成为了2007年的年底话题，相应的社区的营销也应该开始了，而专业的企业社区，比如linkedIN, 人际关系社区Ning等提供了更有效的舞台。在搜索结果页面开始出现社区内容时，我们就应该开始社区营销了。当然，搜索引擎也开始做自己的社区，比如百度知道，Google天涯；做社区的广告，比如Google之于Myspace，微软之于facebook。

5. 新闻营销。百度有新闻搜索，Google也有了资讯，那么我们是不是应该让自己的企业也和大家经常在新闻搜索结果中见面呢？我想也是应该的。这就涉及更多线下的事件营销和网上新闻的结合。

R的功能很强大，各种包很多。但就是因为包太多，造成了很大的麻烦。不可避免的，可以做结构方程模型的包也不少，例如：sem、psych、OpenMx，lavaan等。我选择了lavaan包。原因：语法简介易懂，上手快，支持非正态、连续数据，可以处理缺失值。

lavaan包是由比利时根特大学的Yves Rosseel开发的。lavaan的命名来自于 latent variable analysis，由每个单词的前两个字母组成，la-va-an——lavaan。

为什么说它简单呢? 主要是因为它的lavaan model syntax，如果你会R的回归分析，那它对你来说再简单不过了。

一、语法简介

语法一：f3~f1+f2（路径模型）

结构方程模型的路径部分可以看作是一个回归方程。而在R中，回归方程可以表示为y~ax1+bx2+c，“~”的左边的因变量，右边是自变量，“+”把多个自变量组合在一起。那么把y看作是内生潜变量，把x看作是外生潜变量，略去截距，就构成了lavaan model syntax的语法一。

语法二：f1 =~ item1 + item2 + item3（测量模型）

"=~"的左边是潜变量，右边是观测变量，整句理解为潜变量f1由观测变量item1、item2和item3表现。

语法三：item1 ~~ item1 , item1 ~~ item2

"~~"的两边相同，表示该变量的方差，不同的话表示两者的协方差

语法四：f1 ~ 1

表示截距

此外还有其它高阶的语法，详见lavaan的help文档，一般的结构方程建模分析用不到，就不再列出。

二、模型的三种表示方法

以验证性因子分析举例说明，对于如下图所示的模型：

方法一：最简化描述

只需指定最基本的要素即可，其他的由函数自动实现，对模型的控制力度最弱。只使用于函数cfa()和sem()

model<-'visual=~x1+x2+x3 textual=~x4+x5+x6 speed=~x7+x8+x9' fit <- cfa(model, data = HolzingerSwineford1939)

需要注意的是，这种指定模型的方式在进行拟合时，会默认指定潜变量的第一个测量变量的因子载荷为1，如果要指定潜变量的方差为1，可以：

model.bis <- 'visual =~ NA*x1 + x2 + x3 textual =~ NA*x4 + x5 + x6 speed =~ NA*x7 + x8 + x9 visual ~~ 1*visual textual ~~ 1*textual speed ~~ 1*speed'

方法二：完全描述

需要指定所有的要素，对模型控制力最强，适用于lavaan()函数，适合高阶使用者

model.full<- ' visual =~ 1*x1 + x2 +x3 textual =~ 1*x4 + x5 + x6 speed =~ 1*x7 + x8 +x9 x1 ~~ x1 x2 ~~ x2 x3 ~~ x3 x4 ~~ x4 x5 ~~ x5 x6 ~~ x6 x7 ~~ x7 x8 ~~ x8 x9 ~~ x9 visual ~~ visual textual ~~ textual speed ~~ speed visual ~~ textual +speed textual ~~ speed' fit <- lavaan(model.full, data = HolzingerSwineford1939)

方法三：不完全描述

最简化和完全描述的混合版，在拟合时增加 auto.* 参数，适用于lavaan()函数

model.mixed<- '# latent variables visual =~ 1*x1 + x2 +x3 textual =~ 1*x4 + x5 + x6 speed =~ 1*x7 + x8 +x9 # factor covariances visual ~~ textual + speed textual ~~ speed' fit <- lavaan(model.mixed, data = HolzingerSwineford1939, auto.var = TRUE)

可以设定的参数详见help帮助文档

PS:可以在lavaan()函数里设置参数mimic="Mplus"获得与Mplus在数值和外观上相似的结果，设置mimic="EQS",输出与EQS在数值上相似的结果

三、拟合结果的查看

查看拟合结果的最简单方法是用summary()函数，例如

summary(fit, fit.measures=TRUE)

但summary()只适合展示结果，parameterEstimates()会返回一个数据框，方便进一步的处理

parameterEstimates(fit,ci=FALSE,standardized = TRUE)

获得大于10的修正指数

MI<- modificationindices(fit) subset(MI,mi>10)

此外，还有其他的展示拟合结果的函数，功能还是蛮强大的

四、结构方程模型

（1）设定模型

model<- ' # measurement model ind60 =~ x1 + x2 +x3 dem60 =~ y1 + y2 + y3 + y4 dem65 =~ y5 + y6 + y7 + y8 # regressions dem60 ~ ind60 dem65 ~ ind60 + dem60 # redisual covariances y1 ~~ y5 y2 ~~ y4 +y6 y3 ~~ y7 y4 ~~ y8 y6 ~~ y8'

（2）模型拟合

fit <- sem(model, data = PoliticalDemocracy) summary(fit, standardized = TRUE)

（3）给回归系数设置标签

给回归系数设定标签在做有约束条件的结构方程模型时会很有用。当两个参数具有相同的标签时，会被视为同一个，只计算一次。

model.equal <- '# measurement model ind60 =~ x1 + x2 + x3 + dem60 =~ y1 + d1*y2 + d2*y3 + d3*y4 dem65 =~ y5 + d1*y6 + d2*y7 + d3*y8 # regressions dem60 ~ ind60 dem65 ~ ind60 + dem60 # residual covariances y1 ~~ y5 y2 ~~ y4 + y6 y3 ~~ y7 y4 ~~ y8 y6 ~~ y8'

（4）多组比较

anova(fit, fit.equal)

anova()会计算出卡方差异检验

（5）拟合系数

lavaan包可以高度定制化的计算出你想要的拟合指标值，例如，我想计算出卡方、自由度、p值、CFI、NFI、IFI、RMSEA、EVCI的值

fitMeasures(fit,c("chisq","df","pvalue","cfi","nfi","ifi","rmsea","EVCI"))

（6）多组结构方程

在拟合函数里面设置 group参数即可实现，同样的可以设置group.equal参数引入等式限制

五、作图

Amos以作图化操作见长，目前版本的Mplus也可以实现作图，那R语言呢，自然也是可以的，只不过是另一个包——semPlot，其中的semPaths()函数。

简单介绍一下semPaths()中的主要函数

semPaths(object, what = "paths", whatLabels, layout = "tree", ……）

（1）object：是拟合的对象，就是上文中的“fit”

（2）what：设定图中线的属性， 默认为paths,图中所有的线都为灰色，不显示参数估计值；

semPaths(fit)

若what设定为est、par，则展示估计值，并将线的颜色、粗细、透明度根据参数估计值的大小和显著性做出改变

semPaths(fit,what = "est")

若设置为stand、std，则展示标准参数估计

semPaths(fit,what = "stand")

若设置为eq、cons，则与默认path相同，如果有限制等式，被限制的相同参数会打上相同的颜色；

（3）whatLabels：设定图中线的标签

name、label、path、diagram:将边名作为展示的标签

est、par:参数估计值作为边的标签

stand、std:标准参数估计值作为边的标签

eq、cons：参数号作为标签，0表示固定参数，被限制相同的参数编号相同

no、omit、hide、invisible：隐藏标签

（4）layout:布局

主要有树状和环状两种布局，每种布局又分别有两种风格。

默认为“tree”,树状的第二种风格如下图，比第一种看起来舒服都了

semPaths(fit,layout = "tree2")

第一种环状

semPaths(fit,layout = "circle")

额，都揉成一团了！

试试第二种风格

semPaths(fit,layout = "circle2")

还好一点。如果把Rstudio默认的图片尺寸设计好，作图效果会更棒。

还有一种叫spring的布局，春OR泉？

semPaths(fit,layout = "spring")

看起来跟环状的很像。

详细内容可以阅读以下文献，以及相应的help文档：

[1]Rosseel Y. lavaan: An R package for structural equation modeling[J]. Journal of Statistical Software, 2012, 48(2): 1-36.

sem的意思是：

1、abbr. 扫描式电子显微镜（scanning electron microscope）；标准电子组件（Standard Electronic Modules）

2、n. (Sem)（泰、柬）森（人名）；(Sem)（西、挪）塞姆（人名）

【读音】英 [,es i: 'em]

【短语】

1、SEM Analysis 扫描电镜分析 扫描电子显微镜分析 sem分析

2、sem image sem图像 sem图

3、sem break 空白时间

4、sem valor 无用

5、SEM WATCH 搜索引擎营销观察

6、TSINGHUA SEM 理学院 清华经管学院 清华大学经济管理学院 大学经济管理学院

扩展资料

sem的近义词

seminar

【读音】英 [ˈsemɪnɑː(r)]  美 [ˈsemɪnɑːr]

【意思】n. 讨论会，研讨班

【短语】

1、seminar course 研究学程 专题研究科目 研究科目

2、Olympic Seminar 奥运主题讲座

3、Advanced seminar 高级研讨会

4、Basic Seminar 突破性领导力基础课程 基本课程 真善美讲座

5、Business Seminar 商务研讨会

6、Joint Seminar 双边学术研讨会

---