随着网络的普及和发展，以及大数据时代的来临， 广告营销模型也从上世纪的AIDMA模型转变为了本世纪的AISAS模型， 如下图：其中AISAS模型中的第三步”Search”，因为搜索引擎本身的快速发展及其庞大的用户基数相应增 …

随着网络的普及和发展，以及大数据时代的来临， 广告营销模型也从上世纪的AIDMA模型转变为了本世纪的AISAS模型， 如下图：

其中AISAS模型中的第三步”Search”，因为搜索引擎本身的快速发展及其庞大的用户基数相应增长， 使得广告主在整个营销环节中越来越重视搜索这一环节的目标期望和投放执行。同时，搜索已被许多行业公认为转化环节中的收口。

而前两个阶段”Attention”和”Interest”投放的电视、 广播、 报纸杂志、地铁橱窗、户外广告及互联网门户的弹窗广告、 视频前贴等硬广， 这两个环节的广告投放特性是多渠道铺开广撒网，用较为吸引的创意去引发用户关注和激发兴趣，但是不会直接产生转化(注册、购买等Action)， 也基本无法衡量其产出比。

所以转化的重任就很自然的移到了下一步： “Search”，使得很多广告主顺理成章的认为Search就是用来收口的、带效果的，对搜索设置较高的转化目标和KPI，但是这种粗暴对待搜索的方式真的是可取的么？

我们是否能换一种思路， 既然整个营销各个环节可以分成AISAS， 那是否也可以 对搜索的整套关键字做一个AISAS区分，并分开设置营销目标及KPI考核？

一般搜索账户的关键字结构如下， 以汽车行业为例：

客户对搜索的期望是获得Leads(预约试驾)和CPL，如果其对账户整体考核都是Leads和CPL， 那显然是不科学的。 因为各个词类和品牌及行业相关性具有先天的差异， 并且后天是很难改变的， 可能再好的创意和Landing Page对竞品词来说都不会提升一丝转化。

词其实对应的就是人， 要想把原本搜索其他品牌和车型的人拉过来关注你的车，并且进一步产生Leads， 这个难度是非常大的。 所以这部分词会拉高账户整体的CPL成本，拖累品牌和产品词，增加账户整体的操作难度， 那么如何解决?两种方法：

1 删除竞品词或活动词

删除之后虽然会降低整体平均CPL， 但损失的这部分流量也是相当宝贵的， 毕竟是高同质化竞品车型， 保不准用户有好几个备选车型，时间长点可能视线就转移到你的车上来了。 但是，删词是下下策。

2 和品牌产品词差别对待

如果要让竞品车型的用户来关注你，本身这个动作就有比较高的攻击性。主动进攻当然要准备更多的弹药，付出更多的代价，以Leads和CPL去考核竞品词，那肯定是“效果差的”。 这个效果差的前提是因为，用竞品词和品牌产品词进行了比较， 然而这个比较只是限于数据上的比较，有很大的局限性。

打个比方： 如果一个用户点击了竞品词广告，没产生Leads，但是用户点击广告到达官网后， 引发了对此车型的关注，并进一步产生了兴趣， 之后没过几天拨打了官网的4S店预约电话，那最终是否也成功形成了一个Leads? 和品牌词、产品词殊途同归， 只是最终的转化路径有所不同。所以不能简单的以转化数据去判断一个词的好坏。

由此，得到一个启发：

是否可以针对账户关键词总体做一个AISAS的划分? 做完划分后， 给予其个性化的转化期望， 并设置个性化的KPI考核管理，举例：

如果是大型账户， 还可以一个词类一个账户的去投，这样质量度上互不干扰。质量度高的品牌词和产品词永远是在一个账户， 而活动词、竞品词因CTR较低， 质量度相应也低 , 和品牌词、产品词分开投放也是较为可取的策略。

另外竞品词、活动词等不仅能投搜索，还能结合人群属性的分析结合做一些优化：

竞品词活动词有展现，无点击

做关键词定向：针对搜索过竞品词的用户投放展示网络广告；

竞品词活动词有展现有点击， 无转化

做访客定向： 点击过广告或到访过某页面但未发生转化，用展示网络广告再次推送；

人群定位

通过词包跑出的人群兴趣标签、 地域标签、 性别比例、时段分布、上下游搜索词以及浏览网站明细等维度，在投放展示网络广告时设置相对应的人群标签， 使广告人群更为精准。