SEM优化时要从哪几个方面入手？

1、账户层级：百度统计代码安装、转化追踪设置、热力图安装、推广管理更多设置、是否撞线、账户结构是否合理

2、计划层级：计划数量、计划种类、端口系数、时段、地域、预算、否词、动态创意开启、创意展现方式

3、单元层级：单元种类、附加电话、关键词分类、否词、单元比例系数

4、关键词层级：关键词数量、关键词匹配方式、关键词出价

5、创意层级：创意相关度和新颖度、创意点击率、创意样式多样化

当然，你也可以借助工具进行优化管理，现在九枝兰在SEM和信息流方面做的都不错。

现今，企业任何一个小环节营销不到位，都会影响到消费者的消费决策！

同时，消费者了解信息的渠道越来越多样化，作为消费参考的媒介越来越多，商家必须整合搜索引擎、门户、社会化媒体等资源，按目标选择并运作立体传播管道，选择有整合与运作能力的合作伙伴，通过资源优势互补，用数字化的方式掌控过程和结果，同时利用天拓专业工具topsem监测营销效果，最终才能实现营销效果的最大化！

sem搜索引擎营销还要做到精准，首先要做好产品、目标人群、以及目标市场分析，从竞争格局以及市场细分等维度出发把握好市场的变化，再结合行业的分析，制定差异化的营销策略，最终才能精准的定位目标人群！在确定好目标人群之后，再根据媒介覆盖受众的进行制定有针对性的营销推广路径：sem、seo、smm；进而确定目标策略、关键词策略、媒介策略、执行策略以及优化策略，从而使整合营销的效果得到很好的叠加！更详细的策略楼主可以参考下天拓科技搜索引擎整合精准营销方案！网

址：

http://www.teamtop.com/semzhyx/

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。

---