SEM推广有哪些数据指标

说到SEM推广，相信大家对账户结构是有一定程度了解的。下面通过一个张简单的结构图来看一下SEM推广会涉及到哪些数据指标呢？

1.关键词

关键词也可以称作是用户搜索词。用户通过把自己在脑海中构建出来的相关词输入搜索框，然后点击搜索，寻找自己需要的内容的一个过程，即用户完成了一次相关搜索。那么在这个过程

中，SEMER要做的工作就是如何选取跟用户匹配度较高的关键词，以及关注用户搜索词。

2.创意

创意是指网民搜索触发您的推广结果时，展现在网民面前的推广内容，包括标题、描述，以及访问URL和显示URL。

3.展现、排名、关键词质量度

这个目前对于SEMER来说，可以操作的空间很小。就是出价，出价，出价……

4.点击

点击就是用户在搜索结果列表页，根据自己比较满意的标题和描述，点击进入网站

5.点击价格

点击价格是指您为网民的点击访问所支付的实际推广费用。竞争对手较多的关键词出价会相对较高。

点击价格=下一名的最高出价x 下一句的质量度÷关键词质量度+0.01

上述都是一些基础的数据指标，下面给大家介绍一下高阶数据指标。

1.转化

网站访问用户完成你所期待的网站行为

2.转化成本

转化成本=投入资金/转化个数

3.投资回报率

投资回报率（ROI）是竞价帐户的投入产出比，用于衡量帐户投放是否盈利。

上述每一个数据指标，均能发映出推广的效果。SEMER的任务就是关注这些数据，找到问题并解决问题，实现利益的最大化。

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。

sem首先要具备账户搭建的能力、添加关键词、写创意、对账户进行分类等。

其次需要具备数据分析能力，当看到账户的消费、转化报告后，知道哪些关键词应该怎么样去进行优化，到底是要是拓流、还是要否词、修改匹配模式等等

知道从各个维度去进行账户的优化，计划、单元、关键词、创意层级，以及时段、地域等方面

---