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。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)