SEM的主要用途是什么

SEM的主要用途是：

1、带来更多的点击与关注；

2、带来更多的商业机会；

3、树立行业品牌；

4、增加网站广度；

5、提升品牌知名度；

6、增加网站曝光度；

7、根据关键词，通过创意和描述提供相关介绍。

SEM：英文为Search Engine Marketing ，中文为搜索引擎营销。通常简称为SEM。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。在介绍搜索引擎策略时，一般认为，搜索引擎优化设计主要目标有2个层次：被搜索引擎收录、在搜索结果中排名。

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。在介绍搜索引擎策略时，一般认为，搜索引擎优化设计主要目标有2个层次：被搜索引擎收录、在搜索结果中排名靠前。这已经是常识问题，简单来说SEM所做的就是以最小的投入在搜索引擎中获最大的访问量并产生商业价值。多数网络营销人员和专业服务商对搜索引擎的目标设定也基本处于这个水平。但从实际情况来看，仅仅做到被搜索引擎收录并且在搜索结果中排名靠前还很不够，因为取得这样的效果实际上并不一定能增加用户的点击率，更不能保证将访问者转化为顾客或者潜在顾客，因此只能说是搜索引擎营销策略中两个最基本的目标。

SEM 的方法包括搜索引擎优化(SEO)、付费排名、以及付费收录。

SEM是Search Engine Marketing的缩写，中文意思是搜索引擎营销。SEM是一种新的网络营销形式。SEM所做的就是全面而有效的利用搜索引擎来进行网络营销和推广。SEM追求最高的性价比，以最小的投入，在搜索引擎中获最大的访问量并产生商业价值。

现在随着互联网的深入生活，方便人们的生活，例如现在大家都普遍使用的B2C网站，还有网上缴费等等，很多都运用了SEM。 SEM可以在搜索引擎中进行品牌的维护，将品牌的负面信息尽可能少的呈现在搜索用户面前，可以预防竞争对手在网络上恶意的诬陷。

同时可以在进行正面和商业信息的推广，进而达到品牌推广的目标。 目标层次原理 搜索引擎营销可分为四个层次，可分别简单描述为：存在层、表现层、关注层和转化层。 第一层是搜索引擎营销的存在层，其目标是在主要的搜索引擎/分类目录中获得被收录的机会，这是搜索引擎营销的基础之一，第二个基础是通过竞价排名方式出现在搜索引擎中，离开这两个层次，搜索引擎营销的其他目标也就不可能实现。

搜索引擎登录包括免费登录、付费登录、搜索引擎关键词广告等形式。存在层的含义就是让网站中尽可能多的网页获得被搜索引擎收录（而不仅仅是网站首页），也就是为增加网页的搜索引擎可见性。 第二层的目标则是在被搜索引擎收录的基础上尽可能获得好的排名，即在搜索结果中有良好的表现，因而可称为表现层。

因为用户关心的只是搜索结果中靠前的少量内容，如果利用主要的关键词检索时网站在搜索结果中的排名靠后，那么还有必要利用关键词广告、竞价广告等形式作为补充手段来实现这一目标。同样，如果在分类目录中的位置不理想，则需要同时考虑在分类目录中利用付费等方式获得排名靠前。

第三层的目标则直接表现为网站访问量指标方面，也就是通过搜索结果点击率的增加来达到提高网站访问量的目的。由于只有受到用户关注，经过用户选择后的信息才可能被点击，因此可称为关注层。从搜索引擎的实际情况来看，仅仅做到被搜索引擎收录并且在搜索结果中排名靠前是不够的，这样并不一定能增加用户的点击率，更不能保证将访问者转化为顾客。

要通过搜索引擎营销实现访问量增加的目标，则需要从整体上进行网站优化设计，并充分利用关键词广告等有价值的搜索引擎营销专业服务。 第四层的目标，即通过访问量的增加转化为企业最终实现收益的提高，可称为转化层。

转化层是前面三个目标层次的进一步提升，是各种搜索引擎方法所实现效果的集中体现，但并不是搜索引擎营销的直接效果。从各种搜索引擎策略到产生收益，期间的中间效果表现为网站访问量的增加，网站的收益是由访问量转化所形成的，从访问量转化为收益则是由网站的功能、服务、产品等多种因素共同作用而决定的。

因此，第四个目标在搜索引擎营销中属于战略层次的目标。其他三个层次的目标则属于策略范畴，具有可操作性和可控制性的特征，实现这些基本目标是搜索引擎营销的主要任务。目前搜索营销，逐步被人们认识和运用。

    结构方程模型(SEM)包括连续潜变量之间的回归模型(Bollen, 1989Browne &Arminger, 1995Joreskog &Sorbom, 1979)。也就是说，这些潜变量是连续的。这里需要注意的是：1. 潜变量(latent variables)是与观察变量(Observed variables)相对的，可通过数据分析观察；2. 观察变量可以是连续的(continuous)、删失的(censored)、二进制的(binary)、有序的(ordinal)、无序的(nominal)、计数的(counts)，或者是这些类别的组合形式。

    SEM有两个部分：一个测量模型(measurement model)和一个结构模型(structural model)。

     测量模型 相当于一个多元回归模型(multivariate regression model)，用于描述一组可观察的因变量和一组连续潜变量之间的关系。在此，这一组可观察的因变量被称为因子指标(factor indicators)，这一组连续潜变量被称为因子(factors)。

    如何描述它们之间的关系？可以通过以下方式：

1. 若因子指标是连续的，用线性回归方程(linear regression equations)；

2. 若因子指标是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若因子指标是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若因子指标是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若因子指标是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

     结构模型 则在一个多元回归方程中描述了三种变量关系：

1. 因子之间的关系；

2. 观察变量之间的关系；

3. 因子和不作为因子指标的观察变量之间的关系。

    同样，这些变量有不同的种类，所以要根据它们的类别来选择合适的方程进行分析：

1. 若因子为因变量，及可观察的因变量是连续的，用线性回归方程(linear regression equations)；

2. 若可观察的因变量是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若可观察的因变量是二进制的或者是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若可观察的因变量是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若可观察的因变量是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

    在回归中，有序的类别变量可通过建立比例优势(proportional odds)模型进行说明；最大似然估计和加权最小二乘估计(maximum likelihood and weighted least squares estimators)都是可用的。

    以下特殊功能也可以通过SEM实现：

1. 单个或多组分析(Single or multiple group analysis)；

2. 缺失值(Missing data)；

3. 复杂的调查数据(Complex survey data)；

4. 使用最大似然估计分析潜变量的交互和非线性因子(Latent variable interactions and non-linear factor analysis using maximum likelihood)；

5. 随机斜率(Random slopes)；

6. 限制线性和非线性参数(Linear and non-linear parameter constraints)；

7. 包括特定路径的间接作用(Indirect effects including specific paths)；

8. 对所有输出结果的类型进行最大似然估计(Maximum likelihood estimation for all outcome types)；

9. bootstrap标准误差和置信区间(Bootstrap standard errors and confidence intervals)；

10. 相等参数的Wald卡方检验(Wald chi-square test of parameter equalities)。

    以上功能也适用于CFA和MIMIC。

---