大数据成为趋势，有没有应用于城市招商方面的数字展示平台呢？

中国大数据的十大商业应用 在未来的几十年里，大数据都将会是一个重要都话题。大数据影响着每一个人，并在可以预见的未来继续影响着。大数据冲击着许多主要行业，包括零售业、金融行业、医疗行业等，大数据也在彻底地改变着我们的生活。现在我们就来看看大数据给中国带来的十商业应用场景，未来大数据产业将会是一个万亿市场。 1、智慧城市 如今，世界超过一半的人口生活在城市里，到2050年这一数字会增长到75%。政府需要利用一些技术手段来管理好城市，使城市里的资源得到良好配置。既不出现由于资源配置不平衡而导致的效率低下以及骚乱，又要避免不必要的资源浪费而导致的财政支出过大。大数据作为其中的一项技术可以有效帮助政府实现资源科学配置，精细化运营城市，打造智慧城市。 城市的道路交通，完全可以利用GPS数据和摄像头数据来进行规划，包括道路红绿灯时间间隔和关联控制，包括直行和左右转弯车道的规划、单行道的设置。利用大数据技术实施的城市交通智能规划，至少能够提高30%左右的道路运输能力，并能够降低交通事故率。在美国，政府依据某一路段的交通事故信息来增设信号灯，降低了50%以上的交通事故率。机场的航班起降依靠大数据将会提高航班管理的效率，航空公司利用大数据可以提高上座率，降低运行成本。铁路利用大数据可以有效安排客运和货运列车，提高效率、降低成本。 城市公共交通规划、教育资源配置、医疗资源配置、商业中心建设、房地产规划、产业规划、城市建设等都可以借助于大数据技术进行良好规划和动态调整。 大数据技术可以了解经济发展情况，各产业发展情况，消费支出和产品销售情况，依据分析结果，科学地制定宏观政策，平衡各产业发展，避免产能过剩，有效利用自然资源和社会资源，提高社会生产效率。大数据技术也能帮助政府进行支出管理，透明合理的财政支出将有利于提高公信力和监督财政支出。大数据及大数据技术带给政府的不仅仅是效率提升、科学决策、精细管理，更重要的是数据治国、科学管理的意识改变，未来大数据将会从各个方面来帮助政府实施高效和精细化管理，具有极大的想象空间。 2、金融行业 大数据在金融行业应用范围较广，典型的案例有花旗银行利用IBM沃森电脑为财富管理客户推荐产品，美国银行利用客户点击数据集为客户提供特色服务。中国金融行业大数据应用开展的较早，但都是以解决大数据效率问题为主，很多金融行业建立了大数据平台，对金融行业的交易数据进行采集和处理。 金融行业过去的大数据应用以分析自身财务数据为主，以提供动态财务报表为主，以风险管理为主。在大数据价值变现方面，开展的不够深入，这同金融行业每年上万亿的净利润相比是不匹配的。现在已经有一些银行和证券开始和移动互联网公司合作，一起进行大数据价值变现，其中招商银行、平安集团、兴业银行、国信证券、海通证券和TalkingData在移动大数据精准营销、获客、用户体验等方面进行了不少的尝试，大数据价值变现效果还不错，大数据正在帮助金融行业进行价值变现。大数据在金融行业的应用可以总结为以下五个方面： （1）精准营销：依据客户消费习惯、地理位置、消费时间进行推荐 （2）风险管控：依据客户消费和现金流提供信用评级或融资支持，利用客户社交行为记录实施信用卡反欺诈 （3）决策支持：利用抉策树技术进抵押贷款管理，利用数据分析报告实施产业信贷风险控制 （4）效率提升：利用金融行业全局数据了解业务运营薄弱点，利用大数据技术加快内部数据处理速度 （5）产品设计：利用大数据计算技术为财富客户推荐产品，利用客户行为数据设计满足客户需求的金融产品 3、医疗行业 医疗行业拥有大量病例、病理报告、医疗方案、药物报告等。如果这些数据进行整理和分析，将会极大地帮助医生和病人。在未来，借助于大数据平台我们可以收集疾病的基本特征、病例和治疗方案，建立针对疾病的数据库，帮助医生进行疾病诊断。 如果未来基因技术发展成熟，可以根据病人的基因序列特点进行分类，建立医疗行业的病人分类数据库。在医生诊断病人时可以参考病人的疾病特征、化验报告和检测报告，参考疾病数据库来快速帮助病人确诊。在制定治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制定出适合病人的治疗方案，帮助更多人及时进行治疗。同时这些数据也有利于医药行业开发出更加有效的药物和医疗器械。 医疗行业的数据应用一直在进行，但是数据没有打通，都是孤岛数据，没有办法起大规模应用。未来需要将这些数据统一收集起来，纳入统一的大数据平台，为人类健康造福。政府是推动这一趋势的重要动力，未来市场将会超过几千亿元。 4、农牧业 农产品不容易保存，合理种植和养殖农产品对农民非常重要。借助于大数据提供的消费能力和趋势报告，政府将为农牧业生产进行合理引导，依据需求进行生产，避免产能过剩，造成不必要的资源和社会财富浪费。大数据技术可以帮助政府实现农业的精细化管理，实现科学决策。在数据驱动下，结合无人机技术，农民可以采集农产品生长信息，病虫害信息。 农业生产面临的危险因素很多，但这些危险因素很大程度上可以通过除草剂、杀菌剂、杀虫剂等技术产品进行消除。天气成了影响农业非常大的决定因素。过去的天气预报仅仅能提供当地的降雨量，但农民更关心有多少水分可以留在他们的土地上，这些是受降雨量和土质来决定的。Climate公司利用政府开放的气象站的数据和土地数据建立了模型，他们可以告诉农民可以在哪些土地上耕种，哪些土地今天需要喷雾并完成耕种，哪些正处于生长期的土地需要施肥，哪些土地需要5天后才可以耕种，大数据技术可以帮助农业创造巨大的商业价值。 5、零售行业 零售行业比较有名气的大数据案例就是沃尔玛的啤酒和尿布的故事，以及Target通过向年轻女孩寄送尿布广告而告知其父亲，女孩怀孕的故事。 零售行业可以通过客户购买记录，了解客户关联产品购买喜好，将相关的产品放到一起增加来增加产品销售额，例如将洗衣服相关的化工产品例如洗衣粉、消毒液、衣领净等放到一起进行销售。根据客户相关产品购买记录而重新摆放的货物将会给零售企业增加30%以上的产品销售额。 零售行业还可以记录客户购买习惯，将一些日常需要的必备生活用品，在客户即将用完之前，通过精准广告的方式提醒客户进行购买。或者定期通过网上商城进行送货，既帮助客户解决了问题，又提高了客户体验。 电商行业的巨头天猫和京东，已经通过客户的购买习惯，将客户日常需要的商品例如尿不湿，卫生纸，衣服等商品依据客户购买习惯事先进行准备。当客户刚刚下单，商品就会在24小时内或者30分钟内送到客户门口，提高了客户体验，让客户连后悔等时间都没有。 利用大数据的技术，零售行业将至少会提高30%左右的销售额，并提高客户购买体验。 6、大数据技术产业 进入移动互联网之后，非结构化数据和结构化数据呈指数方式增长。现在人类社会每两年产生的数据将超过人类历史过去所有数据之和。进入到2015年，人类社会所有的数据之和有望突破5泽B（5ZB），这些数据如何存储和处理将会成为很大的问题。 这些大数据为大数据技术产业提供了巨大的商业机会。据估计全世界在大数据采集、存储、处理、清晰、分析所产生的商业机会将会超过2000亿美金，包括政府和企业在大数据计算和存储，数据挖掘和处理等方面等投资。中国2014年大数据产业产值已经超过了千亿人民币，本届贵阳大数据博览会就吸引了400多家厂商来参展，充分说明大数据产业的未来的商业价值巨大。 未来中国的大数据产业将会呈几何级数增长，在5年之内，中国的大数据产业将会形成万亿规模的市场。不仅仅是大数据技术产品的市场，也将是大数据商业价值变现的市场。大数据将会在企业的精准营销、决策分析、风险管理、产品设计、运营优化等领域发挥重大的作用。 大数据技术产业将会解决大数据存储和处理的问题，大数据服务公司将利用自身的数据将解决大数据价值变现问题，其所带来的市场规模将会超过千亿人民币。中国目前拥有大数据，并提供大数据价值变现服务的公司除了我们众所周知的BAT和移动运营商之外，360、小米、京东、TalkingData、九次方等都会成为大数据价值变现市场的有力参与者，市场足够大，期望他们将市场做大，帮助所有企业实现大数据价值变现。 7、物流行业 中国的物流产业规模大概有5万亿左右，其中公里物流市场大概有3万亿左右。物流行业的整体净利润从过去的30%以上降低到了20%左右，并且下降的趋势明显。物流行业很多的运力浪费在返程空载、重复运输、小规模运输等方面。中国市场最大等物流公司所占的市场份额不到1%。因此资源需要整合，运送效率需要提高。 物流行业借助于大数据，可以建立全国物流网络，了解各个节点的运货需求和运力，合理配置资源，降低货车的返程空载率，降低超载率，减少重复路线运输，降低小规模运输比例。通过大数据技术，及时了解各个路线货物运送需求，同时建立基于地理位置和产业链的物流港口，实现货物和运力的实时配比，提高物流行业的运输效率。借助于大数据技术对物流行业进行的优化资源配置，至少可以增加物流行业10％左右的收入，其市场价值将在5000亿左右。 8、房地产业 中国房地产业发展的高峰已经过去，其面临的挑战逐渐增加，房地产业正从过去的粗放发展方式转向精细运营方式，房地产企业在拍卖土地、住房地产开发规划、商业地产规划方面也将会谨慎进行。 借助于大数据，特别是移动大数据技术。房地产业可以了解开发土地所在范围常驻人口数量、流动人口数量、消费能力、消费特点、年龄阶段、人口特征等重要信息。这些信息将会帮助房地商在商业地产开发、商户招商、房屋类型、小区规模进行科学规划。利用大数据技术，房地产行业将会降低房地产开发前的规划风险，合理制定房价，合理制定开发规模，合理进行商业规划。大数据技术可以降低土地价格过高，实际购房需求过低的风险。已经有房地产公司将大数据技术应用于用户画像、土地规划、商业地产开发等领域，并取得了良好的效果。 9、制造业 制造业过去面临生产过剩的压力，很多产品包括家电、纺织产品、钢材、水泥、电解铝等都没有按照市场实际需要生产，造成了资源的极大浪费。利用电商数据、移动互联网数据、零售数据，我们可以了解未来产品市场都需求，合理规划产品生产，避免生产过剩。 例如依据用户在电商搜索产品的数据以及物流数据，可以推测出家电产品和纺织产品未来的实际需求量，厂家将依据这些数据来进行生产，避免生产过剩。移动互联网的位置信息可以帮助了解当地人口进出的趋势，避免生产过多的钢材和水泥。 大数据技术还可以根据社交数据和购买数据来了解客户需求，帮助厂商进行产品开发，设计和生产出满足客户需要的产品。 10、互联网广告业 2014年中国互联网广告市场迎来发展高峰，市场规模预计达到1500亿元左右，较2013年增长56.5%。数字广告越来越受到广告主的重视，其未来市场规模越来越大。2014年美国的互联网广告市场规模接近500亿美元，参考中国的人口消费能力，其市场规模会很快达到2000亿人民币左右。 过去到广告投放都是以好的广告渠道＋广播式投放为主，广告主将广告交给广告公司，由广告公司安排投放，其中SEM广告市场最大，其他的广告投放方式也是以页面展示为主，大多是广播式广告投放。广播式投放的弊端是投入资金大，没有针对目标客户，面对所有客户进行展示，广告的转化率较低，并存在数字广告营销陷阱等问题。 大数据技术可以将客户在互联网上的行为记录下来，对客户的行为进行分析，打上标签并进行用户画像。特别是进入移动互联网时代之后，客户主要的访问方式转向了智能手机和平台电脑，移动互联网的数据包含了个人的位置信息，其360度用户画像更加接近真实人群。360度用户画像可以帮助广告主进行精准营销，广告公司可以依据用户画像的信息，将广告直接投放到用户的移动设备，通过用户经常使用的APP进行广告投放，其广告的转化可以大幅度提高。利用移动互联网大数据技术进行的精准营销将会提高十倍以上的客户转化率，广告行业的程序化购买正在逐步替代广播式广告投放。大数据技术将帮助广告主和广告公司直接将广告投放给目标用户，其将会降低广告投入，提高广告的转化率。 目前影响大数据产业发展主要有两个大问题，一个是大数据应用场景，一个是大数据隐私保护问题。 大数据商业价值的应用场景，大数据公司和企业正在寻找，目前在移动互联网的精准营销和获客、360度用户画像、房地产开发和规划、互联网金融的风险管理、金融行业的供应链金融，个人征信等方面已经取得了进步，拥有了很多经典案例。 但在有关大数据隐私保护以及大数据应用过程中个人信息保护方面还停滞不前，大家都在摸石头过河，不知道哪些事情可以做，哪些事情不可以做。国家在大数据隐私保护方面正在进行立法，估计不久的将来，大数据服务公司和企业将会了解大数据隐私保护方面的具体要求。在没有明确有关大数据隐私保护法规前，我们可以参考国外的隐私法，严格遵守国际上通用的个人隐私保护法，在实施大数据价值变现的过程中，充分保护所有相关方的个人利益。 最后纵观人类历史，在任何领域，如果我们可以拿到数据进行分析，我们就会取得进步。如果我们拿不到数据，无法进行分析，我们注定要落后。我们过去因数据不足导致的错误远远好过那些根本不用数据的错误，因此我们需要掌握大数据这个武器，利用好它，帮助人类社会加速进化，帮助企业实现大数据的价值变现。 以上是小编为大家分享的关于中国大数据的十大商业应用的相关内容，更多信息可以关注环球青藤分享更多干货

1997年9月，创业狂人Bill Gross创立了搜索引擎公司GoTo，后更名为Overture。9个月后，Overture开始 在搜索结果页面上呈现商业广告 ，广告主只在搜索引擎用户点击其广告的时候才需要向Overture付费，因此这种广告形式被称为 Pay-Per-Click 。隔年，Overture在NASDAQ成功上市；2003年，被雅虎收购。

雅虎最终放弃了自己的搜索业务， 但Overture所创立的商业模式，仍在被当今几乎所有主流搜索引擎使用。 从Google Adwords到百度竞价，它们实现搜索流量变现的基本商业逻辑皆可溯源至Overture。顺便八卦一句，Bill Gross不但自己是个创业狂，还在1996年建立了一间专门孵化创业公司的公司idealab，孵出了一连串金光闪闪的名字。

Pay-Per-Click的出现，称得上是互联网广告乃至整个广告行业的一个里程碑式的变化。广告主不再因为在某个广告位“ 展示 ”了自己的广告而支付费用，而是因为潜在消费者对其广告产生兴趣而进行的“ 点击 ”广告的行为付费。

换句话说， 广告主不再需要为对自己的产品或服务不感兴趣的人支付费用 ，John Wanamaker所提出的广告行业之“哥德巴赫猜想”——“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半”——向着解决的方向迈出了关键性的一步。由于这种广告形式密切依存于搜索引擎，因此现在人们一般称它为搜索引擎营销(Search Engine Marketing，简称 SEM )。

在SEM广告出现之后，互联网广告的创新层出不穷，有些主打更加精美华丽的表现形式(如富媒体广告)，有些则致力于更加精准地定位到潜在消费者(如各种RTB广告系统)，但SEM广告仍然是一种非常重要的互联网广告形式，在国内市场上的收入占比接近40%。

SEM在将近20年的发展历程中，有过多次具体实现方式上的演变。这些变化所围绕的一个重要主题是， 当有多个广告主同时购买一个广告的时候，哪个广告主的广告应当排在前面 ？在早期，搜索引擎曾采用过单纯由广告主的出价决定其广告位置的方式。这一排序方法的弊端非常明显：它很容易导致好的广告位甚至是全部广告位都被广告费用支付能力和支付意愿都足够高的广告主所垄断的情况。

这样一来，搜索引擎的广告收入虽然有可能在短期内得到快速增长，但从长期来看，会将支付能力不高或者广告投放策略相对保守的广告主屏蔽在市场之外，从而缩小整个潜在市场的规模；同时，消费者也可能因为无法找到高质量的产品和服务而流失，使得市场规模进一步缩水。因此，各搜索引擎陆续推出了影响排名的权重因素。

权重因素的计算方式和命名随搜索引擎和时间推移而不同。以百度为例，它在2009年首次推出了自己的权重因素，并将其命名为“ 质量度 ”。质量度从低到高有一星至三星三个水平，是百度综合各种因素做出的对于广告质量的评价。2013年，三星分级的质量度被调整为0~10分的质量得分。

当有多个广告主购买同一个广告的时候，搜索引擎对每个广告主按照公式(1)计算出排名指数，然后按照排名指数从高到低排序，排名指数最高的广告主获得第一个广告位，以此类推。

在这一机制下， 权重得分高的广告主可以以更低的价格拿到更好的广告展现位置 ，从而搜索引擎实现了将广告主的竞争焦点从出价转移到提升权重得分上的目的。

权重的具体计算方式只有搜索引擎公司负责商业产品的核心团队了解，但是各公司都会公布可以提升权重的指导性原则，并且这些原则之间有很高的相似性，基本都以提升广告文案的吸引力、积累良好的投放数据等为主。

在决定了广告主的排列顺序之后，搜索引擎还需要决定的另一个重要问题是， 一旦用户点击了某一广告，搜索引擎应向相关的广告主收取多少费用 ？一个直观的选择是，按照广告主的出价收费。但各大搜索引擎多按类似于如下公式(2)的方式确定点击价格。为了便于说明，这里借用了百度对于权重的命名。公式中的“当前排名”与“下一名”均指根据公式(1)计算出来的广告排名。

根据公式(2)，广告主实际支付的价格与自己的出价无关，反而在很大程度上受到排名指数紧随其后的竞争对手出价的制约；不过，结合公式(1)、(2)可以知道，它一定不会高于广告主自己的出价。这意味着，如果某广告主提供的广告质量度相对对手更高，那么他不但能够以较低的价格得到更好的排名，而且实际支付的点击价格还会比自己的出价(广告主愿意为这个广告支付的费用)更低；他在质量度上的相对优势越明显，就能节省越多的广告预算。搜索引擎通过这一机制，实现了 进一步激励广告主提供高质量广告的目的 。

以上就是搜索流量变现的基本商业逻辑，接下来我们简单了解一下，想要在搜索引擎上投放广告的广告主具体需要进行哪些工作。为了说明便利，这部分仍以百度为例，这些内容在各主要搜索引擎上会有诸多细微的差别，但主干部分非常相似。

实现搜索流量的变现需要广告主、搜索引擎和用户三方共同完成，缺一不可。广告主一方，首先要在想投放广告的搜索引擎上开立一个 推广账户 ，并预存一部分费用。

然后他就要做出两个最关键的决策，购买哪些广告以及确定自己愿意为每一个广告支付的费用。

由于用户是通过提交搜索词的方式来使用搜索引擎的，因此广告主购买的广告也是以词为单位的，称为“ 关键词 ”，一个关键词就是一条广告；为了得到更多的展现和点击机会， 关键词应当尽可能贴近用户的提交搜索词的习惯 。

选定了关键词之后，广告主还要为这些广告决定出价、落地页和匹配方式等设置。

出价在之前已有描述，“ 落地页 ”是指用户点击广告后会进入的页面；这个页面来自于广告主的网站，应该与关键词足够匹配，否则用户即使点击了广告也会因为无法取得想要的信息而离开。比如，关键词“英语口语培训价格”对应的落地页，不应只介绍培训班的上课时间。

“ 匹配模式 ”则是在告诉搜索引擎，当用户的搜索词和一个广告主购买的关键词相似度达到什么程度的时候，才考虑展现该广告主的广告；比如在搜索“英语口语培训”时，由于匹配模式的不同，用户有可能会看到“英语口语培训”、“口语培训”、“英语外教”、“全外教教学”等关键词对应的广告。

用户的搜索习惯千差万别，这就决定了一个有效的SEM账户中会包含非常多的关键词。

这些关键词有些彼此含义非常相似，比如品牌的全称和简称、各种型号的同一产品的名称等。为了提高广告的投放效率，搜索引擎要求广告主将关键词按照相似性进行分组；百度要求的分组结构是两层的，相似关键词组成“ 单元 ”、相似单元再合并为“ 计划 ”。

组内的关键词很相似，因此可以为每一组关键词撰写通用的广告语，称为“ 创意 ”；而且组的数量相对于关键词的数量要小得多，创意与组关联使得广告主有精力对其进行精雕细琢，写出高质量的广告语。这是搜索引擎引导广告主提升广告质量的又一个手段。

对于一组关键词，广告主还可以设置它们的 投放时间 (例如只在工作日下午3点到5点投放)和 投放地域 (例如只在一线城市和省会城市投放)；在投放时间之外或投放地域之外进行搜索的用户，无法看到该广告主的广告。

至此，广告主的广告就有可能在搜索引擎上被用户看到和点击了。

图1  投放搜索引擎广告的实现

用户在搜索引擎进行搜索的时候，搜索引擎会先根据搜索词找到所有符合投放条件的关键词广告，按照公式(1)、(2)选择可以被用户看到的广告并计算出它们的点击价格，再将这些广告与非付费内容一起呈现给用户；用户看到广告后，可能会点击其中一部分引发其进一步阅览兴趣的广告，此时搜索引擎按照计算好的点击价格从用户预付的广告费用中扣除掉这次点击对应的费用。

SEM广告相关的基本行为到这里就结束了，搜索引擎会为广告主提供如下表1所示的数据报表以衡量投放效果。

表中的“ 展现 ”指一条关键词广告被呈现在搜索结果页上的次数；“ 点击 ”指用户点击该广告的次数；“ 消费 ”指广告主因这些点击向搜索引擎支付的合计费用；“ 平均排名 ”是关键词各次展现时排名的平均数，因为每个广告主预算以及他们在关键词推广时段等设定上的差异，同一关键词每次展现的排名可能是不同的，所以广告每次展现时的排名虽然是整数，但平均排名则可能是小数。

CPC和CTR是衍生指标：“ CPC ”是cost per click的缩写，通过消费除以点击得到，代表广告主平均为每次点击支付的费用；“ CTR ”是click through rate的缩写，通过点击除以展现得到，表示用户对展现出来的广告表现出兴趣的可能性大小。

搜索引擎一般以天为最细粒度提供数据，除了关键词级别之外，还按照账户级别、计划级别、单元级别、创意级别提供。广告主可以通过这些数据，了解自己的费用投放情况，并且根据它来优化自己的广告投放。比如，对于那些消费和CPC都很高(消耗资源多)、CTR很低(用户兴趣低)、平均排名非常靠前(出价相对于市场总体水平来说偏高)的关键词，可以考虑适当降低它们的出价(减少资源投放)或者尝试修改创意(尝试通过提升广告吸引力来提升质量度)。

表1  搜索引擎向广告主提供的数据报告示例片段

细心的读者可能会发现，在介绍SEM基本商业逻辑的时候，我们描述的是用户每一个步骤的行为，而表1所提供的则是按天对每一个关键词广告进行汇总或平均的结果。

在前面的讨论中，我们曾经提到过，关键词每一次展现的排名、用户是否点击广告、具体扣除的费用都可能随时间变化而不同，我们是否有可能拿到这样更细粒度的数据来对投放做更精细的优化呢？

比如，表1中的广告主，假定他希望平均排名2.5的广告“鲜花速递”一直都能出现在第2个广告位上就好，那么根据表1提供的数据，他还需要继续提高自己的出价，一般来说他为这个广告支付的费用也会随之增加。

但是，如果他进一步知道，这条广告在下午3点到5点之间可以保持在每次展现都在第1名，但在晚上8点至11点却一般排在第3名之后，那么他就可以在下午3~5点适度降低出价、在晚上8~11点适度提高出价，在控制消费量基本不变甚至略有下降的前提下实现提升平均排名的目标。

遗憾的是，搜索引擎一般并不提供这样的数据。

此外，同样是通过点击SEM广告进入广告主网站的搜索引擎用户，他们对于广告主的价值也不一样。

举一个极端的例子，彼此存在竞争关系的广告主也可以通过互相点击对方的广告来达到消耗对手广告预算的目的，这就是所谓的 恶意点击 。

搜索引擎会对其进行过滤，但不能完全防止它的发生。对于一些竞争特别激烈的行业，只要有少数的漏网之鱼就会造成大量的预算浪费(例如在前几年礼品经济还非常盛行的时候，节庆前期应季礼品相关的关键词，其点击价格有时会高达四位数)。

即使不考虑恶意点击之类极端的情况，通过SEM广告进入广告主网站的用户在到达网站后的行为也有差异，有些完成了广告主希望看到的行为(比如进入电商网站后，进行了注册和下单支付)，有些则没有；广告主花费在前者身上的推广费用得到了回报而后者则没有。

由上可知，仅靠搜索引擎提供的表1数据只能对SEM投放进行粗线条的优化。一个补救的方式是，在自己的网站上部署 网站流量监测工具 。

网站流量监测工具会在用户访问广告主网站的时候记录他们的访问轨迹，以及注册、购买等关键行为。

大型搜索引擎为了进一步扩大自己的数据收集能力，一般也会提供免费的网站监测工具供广告主使用，比如google的GA和百度的百度统计。

这些通用型的免费工具比较适用于那些仅仅将互联网作为引入潜在消费者的一种工具、最终的成交和交付行为主要发生在线下、并且由于规模等原因所限暂时无力负担数据技术团队的广告主；比如在医疗美容、教育培训等行业，潜在消费者在网站上的行为终止于留下联系方式，后续的销售、到店、支付、交易、售后等行为都在线下进行。

但是对于电商、第三方支付、互联网金融等几乎所有成交和交付行为都发生在线上的广告主来说，还是应当从一开始就建立自己的技术团队和网站流量监测工具。

表2  网站流量监测工具记录的基本信息

如果广告主进行推广的搜索引擎是百度，还可以在关键词广告的落地页链接上部署百度提供的 URL通配符 参数，以获取更多的推广相关信息。

URL通配符是加在关键词落地页链接后的一串符合特定格式的字符串，能够在用户点击SEM广告进入广告主网站时，传递给广告主用户点击的是哪个关键词广告、当时排名的位置、该关键词的匹配模式等信息。

表2中“访问页面”里问号后面的字符串就是由URL通配符返回的结果，它告诉我们用户进入网站是通过点击了哪个关键词广告(keywordId=xxxxxxx)、这个广告当时展现在第几个广告位(adPosition=xxxx)。

对于不提供类似URL通配符一类服务的搜索引擎，广告主可以在每个落地页链接上自行添加参数标明关键词，但操作起来相对麻烦一些而且一般来说无法获取关键词之外的信息。

网站流量监测工具和URL统配符一起应用，广告主就可以知道广告每一次被点击的时间、大致发生在哪个地方、广告展现在第几个位置等信息；同时访问者编号可以让广告主识别点击了广告的用户是马上离开了网站，还是继续访问了其他页面，以及有没有进行广告主所希望的目标行为(根据广告主业务模式的不同，这个行为也会不同，常见的比如注册、下单、咨询等)。

换句话说，广告主可以知道一个用户通过点击了某个关键词广告进入了自己的网站，结合关键词的CPC，就大致知道了获取这个用户的成本；通过网站流量监测工具，可以知道这个用户后续有没有达成目标行为，这就是用户带来的产出。

投入和产出合并在一起，广告主就可以在用户、关键词广告等各种级别上进行推广的投入产出分析，并通过投入产出分析来对SEM广告投放进行更加精细的优化。

这就是图1中几个红色方框所表述的内容， 它们发生在搜索引擎之外，但却是广告主精准评价自己的SEM广告投放效果所不可或缺的部分 。

举例来说，有了补充数据之后，表1将被扩充为表3。从中可以看到，“鲜花礼品”虽然单价略高，但 ROI (Return>有些时候，广告主希望用户达成的目标行为结果无法以金额来表示，比如，当广告主希望取得更多注册用户时，其目标行为就是完成注册流程、成为注册用户。在这种情况下，表3中最右侧的两列可以被替换成“转化数量”和“CPA”。

“ 转化数量 ”就是用户达成的广告主目标行为的次数，在这个例子里就是新增了多少注册用户；“ CPA ”通过消费除以转化数量得到，表示广告主获得每一个目标行为的平均成本，它是比CPC更好的单位成本衡量指标。

表3   搜索引擎与广告主自行监测数据的合并

总结：

1

本节主要为大家介绍SEM广告的基本商业逻辑，其中的两个关键问题是：

a) 多个广告主购买同一个广告时，谁可以排在前面？

b) 用户点击广告时，搜索引擎会向广告主收取多少费用？

2

SEM在精准衡量广告效果方面，迈出了里程碑式的一步。广告主想要提升自己SEM广告的优化效果，除了使用搜索引擎提供的数据外，最好进一步通过如下方式获取补充数据：

a) 部署网站流量监控工具：有免费工具，也可自行开发；对有技术能力者，推荐后者

b) 在关键词广告落地页链接中添加URL通配符(百度)或自行添加关键词标识(其他搜索引擎)

3

讲解了一些基本术语的含义：

Pay-per-Click、SEM；账户、计划、单元、关键词、创意、落地页、出价、匹配模式、投放地域、投放时间；质量度、排名指数；展现、点击、消费、CPC、CTR、ROI、转化数量、CPA；网站流量监控工具、URL通配符。

练习：

附件中提供了一份模拟的关键词级别SEM推广报表，请根据表中已有的数据计算衍生指标CPC、CTR、ROI，并尝试寻找可能的优化方向。

PS：附件中的计划、单元组织结构参考了常见的关键词分组策略，可供初步接触SEM实务的读者参考。

参考：

1、本文在介绍sem广告时，为便于理解，对其业务逻辑进行了适度地简化。需要了解更详细内容的读者，请查阅各搜索引擎提供的指南

2、关于URL统配符的详细信息，可参考帮助文档。【http://dev2.baidu.com/docs.do?product=2#page=URL_Tag#page=URL_Tag】

3、关于网站流量监测工具及相关的数据分析，可参考网站分析在中国等网站及博客。【http://www.chinawebanalytics.cn/】

4、Bill Gross和John Wanamaker都是富有传奇色彩的人，有兴趣的读者可自行八卦。

注：

本文中使用的所有数据皆在真实数据基础上进行过模糊化处理，保留了实际投放中会遇到的典型数据特征，但不可作为实际投放的参考。

---