SEM 自動化管理工具大起底

文章目錄

• A.規則最佳化
• B.組合最佳化

轉自： http://semwatch.org/2010/01/sem-autobidding-tools/

 

作者： Gaoge 日期： 一月 7, 2010 分類：

付費搜尋SEM · 18條評論

我們常說的 SEM 包含了
SEO 和狹義 SEM （付費搜尋）兩個部分。儘管這兩者的廣告展示形式非常類似，都是通過廣告投放和排名來實現的，操作上卻存在巨大差異。對於 SEOer 來說，一兩個牛人打天下是很常見的，SEO 服務商更是多如牛毛。相對來說，狹義 SEM 在技術上是一個遠為複雜的系統，不是一兩個聰明腦袋所能搞定的。在這個領域中吞噬了大部分廣告消費的是一批批不斷進化的自動最佳化工具及其背後的龐大團隊。

自動最佳化這個概念在國內還相對陌生，但在北美市場，自動最佳化已經成為大中型客戶進行  SEM  管理的主要手段。另一方面，儘管在過去四五年中，自動最佳化已經經曆了幾次進化，但還遠未臻完善，關於自動最佳化的基礎理論也還存在一些爭論。實際上，從品牌詞一文的討論中，我們可以看到
SEM 最佳化有著很寬廣的範疇。由於變數太多，最佳化過程常常引入相當程度的模糊判斷。總的來說，我不認為會有任何一種自動最佳化工具可以充分取代人工的作用。尤其現階段的中國搜尋營銷市場還很不成熟，從平台、代理商、廣告商的角度來說都是如此，自動最佳化對相當多的廣告客戶來說還是一種奢侈。但是，工欲善其事，必先利其器。瞭解一下北美市場上的先進工具對中國的搜尋營銷管理員應該有相當的借鑒意義。

首先需要釐清自動最佳化的概念。市場上的自動最佳化產品主要來自兩個方向：一是傳統的監測資料服務商或者網頁分析服務商（點擊後管理）開始進入搜尋營銷管理（點擊前管理）市場；另一方向是獨立的搜尋引擎競價服務商，也就是 CPC 競價管理的服務商。該領域中這兩者的主打產品都是自動競價管理工具。

SEM 廣告投放包括了四個部分：1，網站；2，關鍵詞；3，廣告；4，出價。為什麼自動競價產品成為目前市場的主流呢？讓我們從 AD RANK 角度來考慮這個問題。AD RANK=QS*MAX CPC。QS 即品質得分，是一個黑盒子，這部分最佳化因素很多，沒有簡單的規則可以遵循。實際上，對於一個準備嚴謹的廣告系列來說，一旦廣告投放下去，QS 建立起來，再要進行改進是有一定難度的。大部分廣告客戶的 QS 改進周期長，幅度小。而出價的調整就成為 SEM 日常管理的主要手段。

現在北美市場的技術服務商往往強調自己自動最佳化是一個系統的解決方案，但到目前為止，來自前述兩個方向的產品各具優劣，還沒有出現一個真正成熟的系統自動最佳化產品。當然，在搜尋營銷這個現金充足的市場中，技術和商業策略的進步非常驚人。近一年間，所謂端到端的自動最佳化產品已經成為市場上的強勁潮流，這類跨平台的系統最佳化的產品仍然不是真正意義上的全自動，卻已經足以形成巨大挑戰。系統自動最佳化是大勢所趨。這個高度競爭的市場中沒有霸主，即使是目前最領先的服務商，一旦沒有跟住形式，也可能在一兩年之間跌落塵埃。

CPC 競價自動最佳化僅僅是最佳化環節中的一個組成部分，但之前討論過，這是對賬戶表現影響最直接的一個部分。不誇張地說，CPC 競價管理可以決定一個搜尋營銷計劃的盈虧。同時，CPC 管理常常佔據手工最佳化的主要時間精力，尤其是對於大中客戶而言，幾千個關鍵詞的價格管理可能就足以讓搜尋營銷管理員無暇他顧了。以 CPC 競價管理作為自動最佳化的切入點是合理的。

市場上現有的 CPC 競價自動最佳化產品一般都使用 API 從廣告發布商處抓取點擊資料，結合監測提供的轉化資料，來進行 CPC 最佳化調整。調整主要分兩種方式：

A.規則最佳化

如果以“追漲殺跌”為原則來執行關鍵詞的競價調整，只需要把未經處理資料和調整規則（Rule）輸入模型，電腦就可以立刻給出調整值，這就是所謂的基於規則的最佳化（Rule Based Approach）。自動最佳化的最初階段以這種最佳化為主體，目前也還是很活躍很主流的一種自動最佳化手段。北美市場上大部分自動最佳化產品都是基於規則的。尤其是那些資料監測服務商提供的自動競價產品多屬此類。比較有名的有 ATLAS Search、 Omniture SearchCenter、Web Trends、Dart Search等等，獨立服務商比如
Did-It、 Acquisio、 Clickable 也是基於規則最佳化的。對中國使用者來說最知名的一個可能是  Google Adwords Conversion Optimizer ，因為這是市面上唯一一個真正免費的自動最佳化工具（效果不甚理想）。

基於規則的自動最佳化技術門檻相對較低，因為其中的判斷（即規則制定）是人工選擇的，各產品的優劣也主要體現在規則的制定原則和實際應用上。本質上，這更像一個大型的決策樹系統。規則最佳化的競價產品成本可以做到相對低廉，在 SEM 市場上上下通吃。即便是比較簡單的此類產品可以將搜尋營銷管理員的時間精力從繁重的簡單勞動中解放出來，投入到更需要模糊判斷的方向上去，比如新廣告內容開發，新關鍵詞發掘等等。但另一方面，這種最佳化仍然非常依賴搜尋營銷管理員的人工判斷。

B.組合最佳化

由於大中客戶的關鍵詞數量往往比較多，不同關鍵詞的表現差別也很大。有的關鍵詞收入高，但是高度競爭，成本也很高；有的關鍵詞可能不太有人搜尋，收入很低，但是幾乎沒有競爭，一旦轉化回報率很高。這種情況有點像金融市場中的產品表現，於是有人把原本用於華爾街的投資組合模型引入了搜尋營銷管理，透過一系列產品組合來降低風險，提高回報。這種方式被稱作基於組合的最佳化（Portfolio Based Approach）。

來看這樣一個例子：我們在某賬戶中同時擁有兩個關鍵詞。關鍵詞 1 在排名第一位可以獲得 15 個註冊，單位註冊成本為 2 元，如果排名在第二位，則可以獲得 10 個註冊，單位註冊成本為 1 元。關鍵詞 2 在排名第一位可以獲得 20 個註冊，單位註冊成本為 2.5 元；如果排名在第二位，可以獲得 10 個註冊，單位註冊成本為 2 元。假設每個註冊價值 2 元，我們應該怎麼做呢？

如果使用基於規則的最佳化。很簡單，關鍵詞 1 推到第一位，獲得 15 個註冊。關鍵詞 2 就只能保持在第二位，獲得 10 個註冊。這時候的平均單位註冊成本是 2 元，符合要求，總註冊為 25 個。

如果使用基於組合的最佳化。關鍵詞 1 放在第二位，關鍵詞 2 放在第一位，這時候關鍵詞 1 的註冊成本為 1 元，關鍵詞 2 的註冊成本為 2.5 元，一共獲得 30 個註冊。平均單位註冊則為（2.5*20+1*10）/30=2元，還是符合要求的。

基於組合的最佳化，我們在同樣的單位註冊成本下，獲得了額外的5個註冊，這就是組合最佳化的優勢。如何打一個不精確的比方，這是“田忌賽馬”。

組合最佳化的概念在這個例子中很直觀，但在現實操作中就要複雜得多。如果客戶擁有幾千、幾萬甚至幾十萬關鍵詞，如何在關鍵片語合中挑選最佳的 CPC 搭配以獲得當前市場環境中最佳的總體表現，這就不是簡單的四則運算可以解決的了，而是一個自我進化的預測決策系統。

組合最佳化的來源，投資組合模型，是典型的運籌學應用（對，就是二戰中產生的運籌學）。同樣組合最佳化本身也是一個典型的運籌學應用，它的範疇包括機率統計（Statistics and Probability）、數學建模（Mathmatical Modelling）、模擬（Simulation）、最佳化（Optimization）、規則演算法（Algorithums）、資料採礦和資料倉儲（Data Mining and Data Warehousing）。簡單地說，組合最佳化是通過對現有賬戶表現的資料收集，建立數學模型，對全部關鍵詞在各個層級上的表現在模型中進行模擬，並且通過制定的規則演算法，從海量的可能性中過濾出可能產生最佳效果的組合，並付諸實施，並通過對實施效果的資料擷取進入下一步的模擬最佳化，從而實現一個螺旋形上升的不斷最佳化。

由於組合最佳化的複雜性，使用這種模型的自動最佳化產品要少些。最有名的當然是 Efficient Frontier，這是此類產品的開山鼻祖，世界上最大的獨立 SEM 代理服務商，也是唯一一家已經進入中國市場的自動最佳化產品服務商。追隨 EF 腳步而來的是 SearchIgnite/360i， 在國內也有一定的知名度。從競爭力上來說，近兩年異軍突起的則是 Marin Software 和 Kenshoo。這兩家提供是包含自動競價產品的完整自動最佳化方案，並且都是自助型產品，收費因此明顯低於 EF 或者 360i。我個人的看法，搜尋營銷市場的大頭是中小型客戶，所以
Marin 或者 Kenshoo 的思路會逐漸成為主流。EF 曾經服務過的客戶有 eBay，有Amazon，這些巨無霸都已經離去了，Expedia 和微軟也遲早會離去。當 SEM 規模足夠大的時候，實在沒有理由把這個業務外包，利益太大了。所以 EF 和 360i 也必須開發自助型的產品來適應中小客戶。而所有自動最佳化工具真正的對手，是Google……

經常碰到有人問我在工作中使用什麼自動化工具，或者認為什麼工具更好。只看兩個概念的名詞解釋上，顯然組合最佳化聽起來要先進些。在 SEM 領域真正使用演算法這個詞的，除了搜尋引擎就是組合最佳化了。實際上，如果從市場佔有率來看，規則最佳化仍然是市場的主流。很簡單，並不是所有的廣告客戶都需要最複雜的演算法。組合最佳化通過大量資料積累來實現自我進化，對於中小型客戶來說可能反而是短處。如果客戶規模不大，關鍵詞相對單純，那麼組合方式未必比規則最佳化效率更高。所以，對於這類問題我的回答通常是：只要是在市面上賣了超過兩年的產品都是好的，不好的產品不可能在這樣激烈的競爭中生存下來。SEM
營銷效果好不好，最終不是自動化產品到底夠不夠好，而是該產品是否符合廣告客戶需求以及搜尋營銷管理員是否能用好。

自動最佳化在北美逐漸成為搜尋營銷管理中 CPC 管理的重要手段，和北美搜尋營銷市場的成熟程度有著密切的關係。搜尋營銷投入在整個營銷中佔據相當高的比例，高度競爭的市場，相對成熟的使用者搜尋行為，更先進的搜尋營銷平台和技術手段。這一切使得搜尋營銷的日常管理更加複雜，工作量更大，難度更高，自動最佳化的普及也就成為了必然趨勢。自動最佳化是否適合現在的中國市場？我認為，經過過去兩年的高速成長，起碼某些行業大型客戶對於自動最佳化的需求是現實的，有意義的。一方面，國內搜尋營銷的競爭激烈程度有時甚至超越北美；另一方面，客戶對於搜尋營銷的認識也越來越具體越來越深入。實踐已經證明合適的自動最佳化產品可以在國內市場發揮巨大作用。不管是簡單的自動報表系統，初級的規則最佳化系統，還是最複雜的組合最佳化系統，都有充分的應用空間。

不管北美還是國內，衡量自動最佳化產品的基本原則是一致的：

1. 產品是否供應商自己開發的？只有掌握產品的人才真正瞭解產品的全部潛力和價值；
2. 產品的背後是否有精密的數學頭腦支援？運籌學的應用固然需要經過專業訓練的數學家，目前領先的最佳化產品背後基本都站著一批最優秀的數學家。規則最佳化的規則群組織是至關重要的，不同資料如何權重，不同決策如何選優，同樣需要數學支援。Google 首席經濟學家 Hal Varian 說，營銷是下一個金融，說的就是營銷的計量化趨勢。
3. 這個產品是否具有充分細緻的預測能力。考慮到自動最佳化是對模擬結果的揀選，關鍵詞/廣告層級的模擬預測是基本要素。這是區分規則最佳化和組合最佳化的一個手段，因為基於規則的自動最佳化通常不需要進行大量模擬。
4. 是否具備學習能力。大閉環的學習途徑是保證產品能夠針對環境不斷適應不斷最佳化的基礎。
5. 模型的前視後視能力，是否能夠根據需要調整曆史參考區間，從而從容應對激烈的市場變化。

這些是一個好的自動最佳化產品應該具備的。而針對中國市場，顯然還需要這個產品具備對國內搜尋平台的支援能力，以及產品供應商對國內客戶以及市場環境的理解。中國的搜尋市場本身還在進化，表現之一是嚴重的頭重腳輕。有效組合最佳化不僅需要精密的數學模型，還需要大量的資金投入，從真實的廣告投放中去驗證效果並不斷修正。因為整個市場對模型的大閉環修正都會有巨大的影響。

這些評價都是基於自動最佳化產品本身的。實際上，是否需要自動最佳化產品的前提條件是客戶對於營銷管理的認識和需求。需要摒棄的是這樣一種觀念，即：自動最佳化可以代替我們進行搜尋營銷管理。即使是具有自我學習能力的自動最佳化工具也必須在合適的環境下才能發揮作用。國內搜尋營銷市場的相對落後首先表現在廣告商這一方。如果客戶不知道該問搜尋營銷要什麼，那手工最佳化或者自動最佳化的區別就毫無意義。

以組合最佳化中舉的例子來說，我們只要稍微調整一下方向，結果就完全不同。比如我們不再追求最大註冊數，而改成追求最大利潤。這樣一來，完全不需要採用組合最佳化方式，直接跟著每個關鍵詞的利潤率走即可。掙一分錢也是掙，賠一分錢也是賠，利潤最高點就在邊際利潤與邊際成本打平時達到。實踐中，相當一部分客戶追求的應該是最大利潤，但最終拿出來的卻往往是一個 ROI 指標。為什麼會如此呢？如果客戶不能有效回答這個問題，說明他們起碼在現階段還不需要自動最佳化。

退一步說，再優秀的自動最佳化產品也只是機器上的輸入輸出。機器有機器做得好的事情：海量資料計算， 演算法規則的實施，這些都是人力所不能及（或者成本高到無法接受的）。但機器是死的，人是活的。搜尋營銷管理員的人工幹預是任何自動最佳化產品都不可能取代的：設定有效目標，開發規則策略，應對特殊變化。不同行業不同層級的客戶，賬戶表現可能不同，每個客戶的環境和目標都不盡相同，因此也就不存在一個“最佳”的自動最佳化產品。最佳的表現永遠只能在頭腦清晰的搜尋營銷管理員的高效運營下達到，不管是通過自動最佳化還是手動最佳化。