百度营销读书笔记

4P:Product, Place, Promotion, Price

SIVA理论:消费者有了问题之后,需要找到一个解决方案(Solution),对解决方案的专业信息(Information)进行追问,并在多个方案之间进行权衡(Value),最后找到最佳的交换渠道(Access)。

APLP模型:品牌认知(Awareness)、品牌偏好(Preference)、销售线索(Leads)和购买(Purchase) (其它相关模型有AIDMA,AISAS模型)

受众更精准、沟通更流畅、效果更明显

5W1H:对谁说(to whom),说什么(say what),谁来说(who),怎么说(how),在哪说(in which channel),效果如何(with what effect)

一个好的故事易于传播、被人记忆的6个元素:简单(Simple)、出人意料(Unexpected)、具体(Concrete)、可信(Credit)、情感(Emotional)和故事 (Stories)

导航型搜索10%、信息检索型搜索80%、交易型搜索10%

质量度影响因素:点击率,创意内容与关键词的匹配度,创意内容与关键词的相关性,关键词、创意与网站内容的相关性,创意撰写水平,推广账户历史表现

点击价格(CPC)=\frac{下一名的(出价X质量度)}{自己的质量度}+0.01

百度搜索推广方案

  • 投放目标分析
  • 账户结构搭建及优化
  • 关键词选择及优化
  • 创意撰写及优化
  • 账户设置
  • 账户数据监控及优化

受众典型搜索行为

受众典型搜索行为

创意(基本要求:飘红、相关、通顺;晋级要求:吸引)

AIDAS: Attention, Interest, Search, Action, Share

网盟:潜在人群>意向人群>目标人群>核心人群

电商推广账户搭建

MECE原则: Mutually Exclusive Collective Exhaustive

广告需求 3R: Reach, Resonate, React

营销阶段 4C: Catch, Connect, Close, Continue

百度推广 搜索营销新视角

 

 

淘宝推荐系统简介

淘宝推荐系统简介–转载

  1. 推荐引擎就是:如何找到用户感兴趣的东西和以什么形式告诉用户;
  2. 推荐引擎的作用:提高用户忠诚度,提高成交转化率和提高网站交叉销售能力;
  3. 推荐系统核心:产品,系统和算法;
  4. 推荐系统产品形式:邮件营销,群体信息披露,趋势引导,评论、资讯推荐和相关商品、店铺、达人推荐;
  5. 推荐系统系统组成:数据,算法,消息系统,Search engine,NoSQL,分布式计算和效果评测;
  6. 算法包括离线: 用户类目偏好、用户购买力分析、关联性分析和在线:排序、过滤、增量计算
  7. 分布式计算包括:大规模数据统计,运算和大数据集合的ETL;
  8. 效果评测衡量指标:CTR(Click Through)  GMV(Gross Merchandise Volume)  PV(Page Views)  UV(Unique Visitors)
  9. 算法包括但不限于:content-based(基于内容),collaborative-based(以协同为基础)和Association Rules(关联法则)
  10. 宝贝的推荐包括:
    • Content-based  and 关联规则
    • 全网优质宝贝算分
    • 根据推荐属性筛选TOP
    • 基于推荐属性的关联关系
    • 采用搜索引擎存储和检索优质宝贝
    • 加入个性化用户信息

搜索引擎系统架构图
搜索引擎架构图-淘宝

应用层次图:

应用层次图-淘宝

Pinterest是比Google还优秀的搜索引擎吗?

BuzzFeed有文章称Pinterest将会是一个比Google还优秀的搜索引擎,这是一个引诱大家进入网站的噱头,还是有理有据的分析呢?该文章列举了十个例子,认为其中九个Pinterest的结果都优于Google。尽管标题中提到Search Engine,但这些例子并不能说明Pinterest是一个比Google还要优秀的搜索引擎。这些例子只能说明Pinterest可能在图片搜索上比Google更为优异,图片搜索与搜索引擎是有很大的区别的。

Pinterest是最好的搜索引擎? 

比如我们来搜索BuzzFeed这个网站,通常我们会去搜索引擎搜索“BuzzFeed”,Pinterest上的结果是:

Pinterest上搜索BuzzFeed的结果

没有一个链接指向BuzzFeed这个网站,因为所有的结果都链向图片,而其中带有BuzzFeed网站logo的大图甚至都没有链向BuzzFeed在Pinterest上的账户。最右边通过Repin的才是,通过好几次点击,才能进入BuzzFeed的网站。

而在Google上(无需像Pinterest那样要求有账户并登录),第一条结果就是BuzzFeed的网站,可以轻松点击进入:

在Google搜索BuzzFeed的结果

搜索引擎所擅长的通过搜索信息找到网站,如果从这方面下手很容易证明Pinterest并不是比Google优秀的搜索引擎,哪怕是Bing也能击败Pinterest。

Pinterest是最佳的的图片搜索引擎吗?

那让我们来看看Pinterest是不是比谷歌图片更优秀的图片搜索引擎呢?BuzzFeed通过搜索”ruffles”会得到下面的对比结果来证明其观点:

Pinterest和Google上搜索Ruffles

Pinterest显示的有带有褶皱花边的长裙和蛋糕,而Google显示的是Ruffles薯片,哪种是正确的呢?这似乎是很主观的,如果您要找的是Ruffles薯片,即便BuzzFeed认为有理有据,Google的结果对你而言才是正确的。

事实上,Google的图片搜索结果中显示的也并不仅仅只有Ruffles薯片,其中也包含带有褶皱花边的长裙。并且在Google的搜索结果中还推荐了一些可找到此类信息的其它搜索词。

另一个BuzzFeed认为Pinterest更为优秀的搜索是”iphone”这个词的搜索结果:

Pinterest和Google上搜索iPhone

需要指出的是,BuzzFeed列出的截屏并不是从页面最上端开始的,公平起见,我们并不知道BuzzFeed到底看到了怎样的结果。

根据上面所述,很难说Google显示的是iPhone手机的图片就逊色于Pinterest显示的除iPhone手机以外的其它结果。iPhone手机壳也可能不是搜索者真正要找的,如果您在Google上搜索“iphone cases”,同样会显示iPhone手机壳的结果。

不同工具适应不同需求

毫无疑问Pinterest是一个相当不错的图片搜索引擎,很多时候它也能提供和Google图片截然不同的更好的结果,因为它具有独特的大众声音。

但Pinterest并不总是最好的工具,至少并不总是比Google图片优秀。好在用户在图片搜索方面有很多的选择。 如果您想要独特的照片合辑,Flickr也会是一个不错的选择,Bing图片是另一个可供尝试的不错的图片搜索引擎,最近Bing还在搜索结果中添加了将图片Pin至Pinterest上的功能。Topsy用于在寻找突发新闻事伯图片方面相当优秀,Twitter亦是如此。

Google图片也是很多人所钟爱的,它还具备搜索动态GIF图片的功能,通过图片来搜索相似图片的功能,这是一个很不错的功能,TinEye同样拥有这个功能,并且比Google更早拥有此功能。

本文整理自Danny Sullivan在Search Engine Land上发表的文章。

搜索结果页面浏览习惯分析

对于SEO的研究从来就不缺乏科技成份的参与,早在2005年enquiro就对用户在搜索结果页面浏览习惯进行了分析,使用目光追踪(eye-tracking)对用户视线所及之处进行的深扩的分析,后来在SEO页面将其称为金三角图像,也有人称之为F型浏览图像。所谓金三角图像就是指左上角视线关注最多的三角区域,排名在这一区域的链接显然将得到更多的关注。

SERP eye-tracking

 

后来enquiro又进行了进一步的研究,将其扩展到了MSN和YAHOO,得到的结果大致相同,同样是一种类似金三角的关注区域。

search_tracking

 

2006年10月,康奈尔大学(Cornell University)对397个用户进行了更进一步的实验和统计,得到了谷歌上用户对搜索结果的关注时间以及点击情况。此次实验发现排名第一的搜索结果获得了56.36%的点击,是排名第二的4倍,而排名第七的结果仅占到了0.36%的点击,并且排名第九的1.45%的点击要少于排名第十的2.55%的点击,这表明有时候并非排名越高就越好,这很值得SEOer参考,以在实践中进行进一步的验证。

cornell

 

根据上图所获得的统图表如下:

rank_of_result

 

2009年谷歌也在其官方博客发表了一个类似目光追踪的报告,进一步确认了有关金三角区域的说法。

Google_tracking

 

2010年3月,OneUpWeb公司做过一个实时搜索的目光跟踪的实验,发现实时搜索的关注不比整合搜索。

oneupweb_eye_trackinng

 

2006年8月,美国在线(America Online)因疏忽泄漏了三个月的真实搜索数据,这也是迄今为止从搜索引擎提供商获取的唯一的真实的搜索记录。其中包括2006年3月1日到5月31日共1900万次搜索,其中使用了1080多万个搜索词,有SEO人士对这些数据进行了分析统计,得到首页(前十个搜索结果)的点击分布情况,如下表:

页面排名 点击次数 占点击总数比例
1 2,075,765 42.10%
2 586100 11.90%
3 418643 8.50%
4 298532 6.10%
5 242169 4.90%
6 199541 4.10%
7 168080 3.40%
8 148489 3.00%
9 140356 2.80%
10 147551 3.00%

显然同样将排名提升一名,第十到九与第二到第一有着天壤之别,按比第一位减少的百分比计算的表格如下

页面排名 点击次数 比第一位点击减少倍数
1 2,075,765
2 586100 3.5
3 418643 4.9
4 298532 6.9
5 242169 8.5
6 199541 10.4
7 168080 12.3
8 148489 14
9 140356 14.8
10 147551 14.1