月度归档： 2018 年 6 月

空中课堂

“空中课堂”栏目是专为百度推广客户打造的交流学习平台。在这里您可以通过推文、语音、直播、视频等多种形式学习推广账户知识。

本期《空中课堂》邀请到百度商学院白金讲师张婧，为大家分享如何做出行之有效的图文推广。

1

视频学习

视频配合文字观看，学习效果更佳哦~

2

音频学习

上下班路上也可以听录音学习哦~

3

图文学习

随着科技发达的进步，现在的大众文字驾驭能力普遍退化，信息爆炸，社会的高速发展，导致了文字作为信息载体更加注重准确性，简洁化，许多优美的辞藻开始远离日常的生活，在描述事物、状态、情绪、感觉等方面的语法和词句不够丰富；而图片附带的信息量更大，在表达情感、态度，揭示状态，描述事物方面具有更加直观，更有冲击力，正所谓一图胜千言。

百度图片推广利用图片的突出优势，置顶展现广告主产品及品牌特性，突出广告主信息，当网民在百度图片频道搜索通用词时，广告主信息以图片形式置顶展现，图片推广的特点在于：视觉效果强、传播速度快、投入成本低、记忆认知强、形象延伸广；同时图片推广属于“内容化”的品牌展示类广告。

▌首先我们来明确了解下什么叫通用词和通用词包？能够触发展现的精确匹配又是什么？

▌通用词：

通用词是指没有指定品牌的商品的概括（笔记本电脑、汽车、女装）和没有指定品牌的商品需求（买房、手机报价、割双眼皮等）。

▌通用词包：

某一行业类别的通用词的集合，例如牛肉面词包，里面的词可能会有：牛肉面，牛肉面加盟，牛肉面图片。

▌精确匹配：

当网民的搜索词与客户所设置的关键词完全一致时，才会触发展现。

▌其次来了解下什么是内容化？什么是品牌展示类广告？

▌内容化：

将所有需要传达的文字信息归纳于图片当中，使图片素材更容易激发网友关注并产生兴趣。

▌品牌展示类广告：

百度推广广告分为普通搜索创意广告和品牌类广告，品牌类广告更易加深网民的品牌印象，强化品牌形象。

▌图片推广的产品优势主要有三点：

一：可以有效覆盖行业性目标受众，圈定意向人群；

二：视觉营销提升品牌传播效率；

三：内容化入口提升营销效益。

图片推广之所以可以覆盖行业性目标受众是因为百度对行业划分非常细致，共有26个一级行业和400个以上的细分二级行业，满足企业主细分受众投放的需求，同时有1000个以上行业通用词包供企业主选择。

图片推广传播范围广，互联网时代打破了时间和空间的局限，企业主可以将信息24小时不间断的传播到任何有需求的网民面前，利用高清的图片在黄金位置刺激网民眼球，也彰显企业实力和行业地位；突出的企业LOGO加深用户品牌印象，强化品牌形象和图片内容之间的关联记忆，助力巩固品牌行业地位。

图片推广的优势还有更重要的是促进转化效果，图片较文字具有更强的感性认知，使网民记忆更深刻，当网民看到图片广告后可以迅速从图片中提炼出核心内容，给网民留下较深印象。值得注意的是企业选取的图片素材清晰度很重要，高清的图片素材更容易激发网民的关注并产生兴趣；当网民想进一步了解时，鼠标放到图片上可出现浮层，浮层内容上可以编辑文字，突出广告主体，提升用户体验。

感谢学习本期的空中课堂，若您对以上内容有更多需要了解和交流之处，欢迎您留言告诉我们。

5月23日，以“智能革命生态进化”为主题的2017百度联盟峰会于5月23日在重庆举办。百度创始人、董事长兼首席执行官李彦宏，及众多高管来到峰会现场，与数百位联盟伙伴、互联网创业者共同探讨了百度联盟的生态进化。

百度在这次会议上也多次申明了百度的目标和企业方向，“用科技让复杂的世界更简单”的脚步却不止于此，从让无人车“飞入寻常百姓家”的“阿波罗”计划，到百度寻人帮助走失家庭快速团圆，都在印证着百度的新定位，也意味着属于人工智能的未来已经到来。

AI最近几年被传得神乎其神，但是目前在商业上大规模的运用，但是百度却笃定AI一定可以引领可以下一波的商业未来。

那对于李彦宏来说AI的思维方式是什么呢？

1．手机还会长期存在，但移动的机会已经不多。新的时代带来了新的机会，仅仅盯着手机，做一些常规的做法，就无法跟上时代的步伐。

2．我们的思维方式要发生转变，fromthinkmobiletothinkAI。要像Facebook的mobilefirst一样，“如果PM使用PC截屏，扎克伯格就会拒绝开会。”

3．软硬结合，重新定义“以人为本”。无论是PC互联网还是移动互联网，虽然硬件的成长也很快，但大家更多还是关注软件问题。现在已经大不相同，比如智能音响的交互方式，已经不再是键盘输入，而是变成人和麦克风打交道。麦克风技术，就是一个典型的软硬件结合技术。与之比较，更明显的是无人驾驶汽车。

4.数据秒杀算法，算法推动社会进步。这是大家在AI时代观察到的第一个事情，数据就像蒸汽机时代的煤炭，蒸汽机在瓦特之前早已经存在，但是瓦特的蒸汽机（算法的改良）改变了世界。

5．用AI思维做互联网产品，就是降维攻击。“早些转变思维方式，我们就能站在时代最前列。”

除了AI以外百度还有哪些神兵利器呢？

百度联盟就死除了AI的百度神器。迄今为止，百度联盟已经走过了15年。百度副总裁王路表示，“过去15年不仅是中国互联网发展的15年，也是百度发展的15年，更是我们联盟伙伴携手百度发展的15年，联盟伙伴和我们百度一起携手并进，缔造了无数的奇迹，也经历了无数的风雨。”

百度联盟总经理邓明生指出，15年中，联盟伙伴分成达400亿元，仅2016年分成就达142亿，其中分成超亿元的联盟顶级俱乐部会员达20家。

百度带着AI以及百度联盟开始了新的征程，那结局到底如何呢？还是希望他们自己告诉我们答案吧。

　现在的科技越来越发达，自拍有自拍神器，P图有P图软件神器。

　　为什么能被灌上“神器”这种称号呢？

　　这些技术发明都有一个特点，就是“一键搞定”，目的就是让受众享受到这些发明方便快捷的功能，更快地达到自己想要的效果。

　　自拍神器卡西欧，一点屏幕或一按快门，出来的就是一张已经美颜好，美白好的图片；P图软件像美图秀秀就是一键特效，轻松美颜，再在众多滤镜中选一个铺上去，一张图就P玩了，很多受众都给予好评。

　　说实话，零点推并没有一键搞定的技术。

　　零点推为企业提供的是网络推广一站式服务，让企业在网络推广这方面方便快捷地得到盈利。

　　零点推网络公司为传统企业提供了技术、营销策划、实施等方面上的各种专业服务。

　　网络推广外包是零点推的主营业务。

　　百度经验推广外包是指企业将自己的网络推广业务外包给专业的营销公司，利用外部专业、优秀的团队来运营企业百度经验推广，从而让企业本身能更专注核心业务，同时达到降低运营成本、提高工作效率、增强核心竞争力的一种新型服务模式。

　　零点推不会创造“一键搞定”“一秒解决”的神话。零点推致力推出的是超值的网络运营推广一条龙服务。打破陈规，坚持策划与销售并存，不玩虚的不完空的。

　　零点推网络，新一代的百度经验推广的神器般的选择。

（图片来源：全景视觉）

互联网巨头间的公关大战，这年头见多了，但是百度和今日头条最近一周的互撕看上去委实不是太体面。除了双方互爆的小动作略显阴损之外，更深层的原因恐怕是，双方自己该做的都还做得不够好。自己家的篱笆还没扎牢，就想着如何攻讦别人，总会让人有狗咬狗一嘴毛的不堪观感。

双方发展到今日互撕互咬的阶段并不奇怪。也许有人会说，今日头条之崛起正是钻了百度自家篱笆没扎紧的空子，但也要看到，新的用户需求总要有人去满足。如今头条月活DAU逼近两亿用户，估值稳定在200亿美金左右，更重要的是，今日头条多方面业务迅速发展，问答类产品悟空问答、视频类产品西瓜视频、抖音、微头条、火山小视频，均相当火爆，头条的内容大河水涨船高，对百度多年主盘业务之一——内容分发，已经构成了实质性威胁。

最近几年，无论百度承不承认，中国社会舆论对百度是不满意的。无论是竞价广告的弱肉强食还是知识产权保护的虚与委蛇都让人相当失望，而作为百度立身之本的搜索引擎技术的落后低效更是大众槽点。直接点说，盼着有一种更好用更高效的产品替代百度，不说是共识，起码是相当一部分人的期待。有趣的是，这个替代品不是大家呼唤多年的隐形竞品谷歌的回归，也不是搜狗、360，也不是阿里、腾讯搞出一个更牛的搜索引擎，居然是两三年前还名不见经传的今日头条。

这有点像一个著名理论，打败柯达相机的不是其他相机，而是数码相机，打败诺基亚的不是摩托罗拉，而是智能手机。百度自以为凭借“世界第二”的搜索技术和国情壁垒就可以永远垄断中国市场，它处心积虑打击的潜在对手也都是专注于搜索引擎技术的公司，但它没想到，颠覆它的不是搜索技术，而是算法推荐。

本质上说，搜索是“产品让人更聪明”，用户对搜索引擎的诉求很简单，“精准找到他们要找到的信息”。虽然最终目标是获取信息，但这种找到信息的路径是由人的指向和搜索引擎技术共同指引的。但是算法推荐是“产品替代了人的能动性”。用户在今日头条上不需要思考。甚至，按照今日头条的设想，当个性化推荐算法达到极致时，用户需要什么信息，都会自动呈现到眼前，根本不需要用户发挥主观能动性去配合。有点像给孩子吃饭，一种是，这里有个大厨房，什么都有，你想吃什么你自己去找，一种是，你想吃什么我都知道，你动都不用动，躺着就好，我能把你最需要的食物找到送到你嘴里，你要做的事情只是动动嘴而已。

这种新局面出现后，百度变得愈发被动是相当正常的。两种信息流的喂食方式，在当下中国环境下，今日头条会更受欢迎。当然，对这两种信息流传送方式会有伦理层面的讨论，今日头条这种方式也有很多弊病。但是，百度把自己的危机完全归罪于头条也是不对的。毕竟，在信息流平台中，用户绝不是只有“躺吃”这种懒人模式，同样有很多用户有主动寻找信息的需求。搜索技术提供的信息流和算法推荐的信息流本质上还是两种生意，两种需求其实都很大。

百度现在其实就在学头条。百度最近多次声称百度要做“搜索＋推荐”双引擎模式。我认为，这种做法还是自家篱笆没扎紧，天天想着去薅邻居家的草。诚然，信息流总量是此消彼长的关系，但是百度如果把自己篱笆筑牢，把搜索技术做到极致，从搜索引擎进入的信息流流量仍然是相当可观的。如今百度不顾主业，想办法去跟今日头条争夺算法推荐的信息流市场，有可能既蒿不来别人地里的草，又荒了自家的田。

当然，我同样认为，今日头条也不要盛气凌人。这不是给双方各打五十大板的乡愿说和，而是，今日头条的篱笆同样也没有完全扎牢，护城河其实也筑得不够深。今日头条最大的问题在于，它必须取得信息流内容质量和点击率之间的平衡。张一鸣声称“算法没有价值观”，但今日头条最近被约谈整改的被动处境已经说明问题。今日头条虽然已经在大量招聘编辑以把控内容质量，但提高信息流的质量并不是只用去政治化和泛娱乐化的策略就能解决问题。在内容领域，今日头条务必得抛弃工具理性成见，拥抱价值理性，否则这种模式会不断遭受各方挑战。

对于海量用户来说，百度有没有成立所谓“打头办”（打击今日头条办公室），头条有没有恶意强黑百度，这些卑琐细节并不重要，互相强怼、撕逼也不能在公关上真正挽回各自的体面。在真实战场上，还得靠各自产品说话，双方谁能够彻底反思改革，谁能刮骨疗毒脱胎换骨，谁就能赢得用户和舆论的承认，而谁忽视基本商业伦理，谁忽视内容伦理，谁就可能最终被用户抛弃。

（作者系财经作家）

为什么越来越多的人都选择百度搜索？

1、大品牌 百度平台品牌效应强 客户更信赖

2、流量多 覆盖中国97.5%的网民 商机源源不断

3、定位准 精准的广告投放 让有需求的客户找到你

4、更省钱 按点击效果付费 无点击不收费

因为需求，所以精准。基于百度搜索引擎 ，精准锁定需求客户。在百度搜索结果的显著位置展示企业推广信息。帮助企业把网民有效转化为客户的一种营销方式。

您的客户，正在百度上找您。百度推广基于服务数十万中小企业的经验，深刻理解企业推广的真实需求，利用自身搜索技术、流量资源等领先优势，将您的企业信息以丰富多彩的样式展现给有需求的客户，并促使其与您产生更多互动，最终达成交易，从而有效地帮您拓展客户。

百度搜索，让客户随时随地找到您。利用百度移动平台强大流量资源与用户资源，把您的企业信息即时的展现在有需求的移动客户面前，促使用户关注到您的企业产品与服务，进一步与您的企业建立深入沟通，最终达成交易。

选择大于努力，用户行为在变，营销必须升级。百度宿州分公司信息流推广更好地帮您获得所需选择，不落后于行业！　　

百度(宿州)营销服务中心 | 百度本地广告（宿州）营销服务中心

作者：ANKIT CHOUDHARY

翻译：张媛

术语校对：冯羽

文字校对：谭佳瑶

本文共3933字，建议阅读9分钟。

本文带大家了解因子分解机算法并解析其优势所在，教你在python中实现。

介绍

我仍然记得第一次遇到点击率预测问题时的情形，在那之前，我一直在学习数据科学，对自己取得的进展很满意，在机器学习黑客马拉松活动中也开始建立了自信，并决定好好迎接不同的挑战。

为了做得更好，我购买了一台内存16GB，i7处理器的机器，但是当我看到数据集的时候却感到非常不安，解压缩之后的数据大概有50GB – 我不知道基于这样的数据集要怎样进行点击率预测。幸运地是，Factorization Machines(FM)算法拯救了我。

任何从事点击率预测问题或者推荐系统相关工作的人都会遇到类似的情况。由于数据量巨大，利用有限的计算资源对这些数据集进行预测是很有挑战性的。

然而在大多数情况下，由于很多特征对预测并不重要，所以这些数据集是稀疏的（每个训练样本只有几个变量是非零的）。在数据稀疏的场景下，因子分解有助于从原始数据中提取到重要的潜式或隐式的特征。

因子分解有助于使用低维稠密矩阵来表示目标和预测变量之间的近似关系。在本文中我将讨论算法Factorization Machines(FM) 和Field-Aware Factorization Machines(FFM)，然后在回归/分类问题中讨论因子分解的优势，并通过python编程实现。

目录

1. 因式分解的直观介绍

2. FM算法如何优于多项式和线性模型

3. FFM算法介绍

4. 在python中使用xLearn库进行算法实现

因式分解的直观介绍

为了直观地理解矩阵分解，我们来看一个例子：假设有一个用户-电影评分（1-5）矩阵，矩阵中的每一个值表示用户给电影的评分（1-5）。

从上述表格中我们可以看出，一些评分是缺失的，我们想设计一种方法来预测这些缺失的评分。直观上来讲，利用矩阵分解来解决这个问题的关键是应该有一些潜在的特征决定用户如何评价一部电影。举例来说 – 用户A和B都是演员阿尔·帕西诺的粉丝，那么他们就会对阿尔·帕西诺的电影评分较高。在上述例子中，对特定演员的偏好是一个隐藏的特性，因为我们没有明确地将其包含在评分矩阵中。

假设我们要计算K个隐藏或潜在的特征，我们的任务是找出矩阵P (U x K)和Q (D x K) (U – 用户, D – 电影)，使得 P x QT 近似等于评分矩阵R。

P矩阵的每一行表示用户与不同特征的相关性，Q矩阵的每一行表示该特征与电影同样的相关性。为了得到用户ui对电影dj的评分，我们可以计算对应于ui和dj两个向量的点积。

接下来要做的就是求出矩阵P和矩阵Q。我们使用梯度下降算法来计算，目标函数是使用户的实际评分与通过矩阵P和Q估计的评分之间的平方误差最小，这里的平方误差由以下方程求出。

现在我们要给pik和qkj定义一个更新规则，梯度下降法中的更新规则是由最小化误差值的梯度来定义的。

获得梯度值后，接下来可以定义pik和qkj的更新规则。

这里α是控制更新步长的学习速率，使用上述更新规则，我们可以迭代地执行操作，直到误差收敛到最小，同时使用下面的公式计算总的误差，以此来确定什么情况下应该停止迭代。

上述解决方案很简单并且经常会导致过拟合，即现有的评分都被准确预测到，但是不能很好地推广到未知的数据上。为了解决这个问题，我们可以引入一个正则化参数 β，它将分别控制矩阵P和Q中向量“用户-特征”和“电影-特征”，并给出一个更好的评分的近似值。

如果对利用python实现上述功能和相关细节感兴趣，。一旦我们用上述方法计算出了矩阵P和Q，得到的近似评分矩阵如下：

现在，我们既能够重新生成现有评分，也能对未知的评分进行一个合理的近似。

FM算法如何优于多项式和线性模型

首先考虑一组点击率预测数据的训练示例。以下数据来自相关体育新闻网站（发布商）和体育用品公司（广告商）。

当我们讨论FM或者FFM的时候，数据集中的每一列（比如上述表格中的出版商、广告商等）将被称为一个字段，每一个值（ ESPN、Nike 等）都被称为一个特征。

线性或逻辑回归模型在很多问题上表现很好，但缺点是这种模型只能学习所有变量或者特征各自的影响，无法学习变量之间的相互作用

。

在上述等式中，w0、wESPN等代表参数，xESPN、xNike等代表数据集中的各个特征，通过最小化上述函数的对数损失，得到逻辑回归模型。捕获特征之间相互作用的一种方法是使用多项式函数，将每个特征对的乘积作为单独的参数来学习，并且把每一个乘积作为一个独立的变量。

这也可以称为 Poly2模型，因为每一项都只考虑了两个特征之间的相互影响。

问题在于，即使面对一个中等大小的数据集，也需要一个庞大的模型，这对存储模型所需要的内存空间和训练模型所花费的时间都有很大的影响；

其次，对于一个稀疏数据集，这种技术不能很好地学习所有的权重或参数，因为没有有足够的训练样本使每一个特征对的权重是可靠的。

救星FM

FM算法解决了成对特征交互的问题。它使我们能够根据每一对特征组合中的可靠信息（隐藏特征）来训练模型，同时在时间和空间复杂度上更有效地实现上述目标。具体来讲，它将成对交互特征作为低维向量的点积（长度为K）进行建模，以下包含了一个二阶因子分解的方程。

FM（K=3）项中每个参数的表示方法如下：

上述等式中，我们分别计算了与2个特征对应的2个长度为3的潜因子的点积。

从建模的角度来看，这是非常强大的，因为每一个特征最后都会转换到一个相似特征被互相嵌套的空间，简而言之，点积基本上表示了潜在特征的相似程度，特征越相近，点积越大。

对于余弦函数，当 θ是0时，得到最大值1；当 θ是180度，得到-1，所以当 θ接近于0时，相似性最大。

FM算法的另一个巨大优势是能够在线性时间复杂度下使用简单的数学方法计算模型中成对特征的相互作用。如果你想进一步了解具体的实现步骤，请参考链接中关于FM算法的原始研究论文。

示例：FM算法性能优于 POLY2算法的演示

考虑以下一组虚构的点击率数据：

这个数据集由作为发布者的体育网站和体育用品广告商构成。广告是以弹出的方式来显示的，用户可以选择点击广告或者关闭广告。

特征对(ESPN，Adidas)只有一个负的训练数据，那么在Poly2算法中，这个特征对可能会学到一个负的权重值wESPN，Adidas；而在FM算法中，由于特征对(ESPN，Adidas)是由wESPN·wAdidas决定的，而其中的wESPN和wAdidas分别是从其他特征对中学到的（比如(ESPN，Nike)，(NBC，Adidas)等），所以预测可能更加精确。

另一个例子是特征对(NBC，Gucci)没有任何训练数据，对于Poly2算法，这个特征对的预测值为0；但是在FM算法中，因为wNBC和wGucci可以从其他特征对中学到，所以仍然有可能得到有意义的预测值。

FFM算法介绍

为了理解FFM算法，我们需要认识field的概念。field通常是指包含一个特定特征的更广泛的类别。在上述训练示例中，field分别指发布者（P）、广告商（A）和性别（G）。

在FM算法中，每一个特征只有一个隐向量v，来学习其他特征带来的潜在影响。以ESPN为例，wESPN被用来学习特征Nike(wESPN·wNike)和Male(wESPN.wMale)之间的潜在作用。

但是，由于ESPN和Male属于不同的field,所以对特征对(ESPN，Nike)和(ESPN，Male)的起作用的潜在作用可能不同。FM算法无法捕捉这个差异，因为它不区分field的概念，在这两种情况中，它会使用相同参数的点积来计算。

在FFM算法中，每个特征有若干个隐向量。例如，当考虑特征ESPN和Nike之间的交互作用时，用符号wESPN，A来表示ESPN的隐藏特征，其中A（广告商）表示特征Nike的field。类似的，关于性别的field的一个重要的参数wESPN,G也会被学习到。

事实证明，FFM算法对获得由 Criteo、Avazu、Outbrain举办的点击率（CTR）比赛第一名是至关重要的，同时也帮助赢得了2015年RecSys挑战赛的三等奖。关于点击率数据集可以从Kaggle获得。

在python中使用xLearn库进行算法实现

一些在python中实现FM & FFM的最流行的库如下所示：

为了在数据集上使用FM算法，需要将数据转换为libSVM格式。以下为训练和测试的数据文件格式：

:: …

在增加了field的概念之后，每个特征被唯一编码并被赋值，上述图中，特征ESPN用1表示，特征Nike用2表示，以此类推。每一行包含一个等效的训练示例并以“ n”或换行符结尾。

对于分类（二进制/多类），是一个指示类标签的整数。

对于回归，是任何实数的目标值。

测试文件中的标签仅用于计算准确度或误差，未知的情况下可以用任何数值填写第一列。

同样，对于FFM算法，需要将数据转换为libffm格式。在这里，我们也需要对field进行编码，因为该算法需要field的信息来学习。格式如下：

:::: …

有关数值特征的重要说明

数值特征需要被离散化（通过将特定数值特征的整个范围分成较小的范围并且分别对每个范围进行标记编码而转换为分类特征），然后如上所示转换为libffm格式。

另一种可能性是添加一个与特征值相同的虚拟field值，它将是该特定行的数值特征（例如，具有值45.3的特征可以被变换为1：1：45.3）。 但是虚拟field值可能不包含任何信息，因为它们仅仅是这些数值特征的复制品。

xLearn

最近推出的xLearn库提供了一个在各种数据集上实现FM和FFM模型的快速解决方案。 它比libfm和libffm库快得多，为模型测试和调优提供了更好的功能。

在这里，我们将用一个例子来说明FFM算法，数据来自Criteo点击率预测挑战赛中CTR数据集的一个微小（1％）抽样。 你可以从这里[Office1] 下载这个数据集。

但首先我们需要将其转换为xLearn所需的libffm格式以拟合模型。 以下函数将标准数据帧格式的数据集转换为libffm格式。

df = Dataframe to be converted to ffm format

Type = Train/Test/Val

Numerics = list of all numeric fields

Categories = list of all categorical fields

Features = list of all features except the Label and Id

xLearn可以直接处理csv以及libsvm格式的数据来实现FM算法，但对FFM算法而言，我们必须将数据转换为libffm格式。

一旦我们有了libffm格式的数据集，就可以使用xLearn库来训练模型。

类似于任何其他机器学习算法，数据集被分成一个训练集和一个验证集。xLearn使用验证/测试对数损失来自动执行提前停止的操作，并且我们还可以在随机梯度下降的迭代中为验证集设置其他的监控指标。

下面的python脚本可以用于在ffm格式的数据集上使用xLearn来训练和调整FFM模型的超参数。

该库还允许我们使用cv()函数进行交叉验证：

可以使用以下代码片段对测试集进行预测：

结语

在这篇文章中，我们已经演示了对一般分类/回归问题的因式分解的用法。如果您在执行这个算法的过程中遇到任何问题请及时告知我们。有关xLearn详细文档将在这个链接中给出，并会得到定期更新和支持。

http://xlearn-doc.readthedocs.io/en/latest/python_api.html

原文链接：

张媛，某云计算公司不务正业服务工程师一枚。喜欢下雨天，读闲书，缺乏技术细胞，欣赏并喜欢有态度有立场的人，爱浪漫，注重仪式感，喜欢记录。最近的愿望是拥有自己的小窝，给想念的人写一封信。

更多精彩请关注清华-青岛数据科学研究院官方微信公众平台“数据派THU”

　　在互联网上混能挖掘一个推广渠道相当于就是一座小金库，现在在互联网到处都能看到各种各样的推广，而硬广告站大多数…..

　　去年我简单的分享过一次百度经验的方法，今天我重新来分享下这个渠道一些思维。在上面的图片中你应该发现第一个就是百度经验，而排名在第三个同样是百度经验整个百度搜索第一页百度的产品就站了6个百度经验2个百度知道2个百度文库2个。

　　如果我们想在短时间里出现在百度首页，而且不花钱的方法就是百度自己的产品（这里除去一些新闻源推广的，为什么选择百度产品这是后话）不管我们在百度上搜索什么东西百度自家的产品都会出现在前面，为什么？不用说大家都知道自己的产品不给好的位置，那给谁？

　　那我们为什么不选百度知道或者是百度文库呢？百度知道这个做的人很多同时做的时候还有很多技巧需要知道，如果是小白不建议去做，告诉你个秘、密很多企业都在做百度知道，你一个人是竞争不过一个团队的….

　　那么百度文库我个人是这样思考的，先从百度经验先下手，因为这三个百度经验做的人比前俩少。而且在百度的搜索排名上也比较靠前。

　　相信都知道搜索我就不多说，不懂打开百度搜索下就知道了。

　　下面我讲讲个人的思路，如果现在去做比较热门的经验排名肯定是没有前面已经有的好。

　　首先我们都知道在做推广前都应该研究市场，比如某一个产、品是和女性相关的，而这个产品在整个女性特征中那些是有能力..有这一方面需求的。

　　当知道这些数据之后就可以去做百度经验了，就拿我们自己来说把，我平时会用百度来搜索一些与我自身兴趣相关的东西学习。比如拿打篮球，那么我在搜索的时候肯定会加一些术语来搜索，“篮球”这个关键词肯定会出现在里面。

　　想要网络推广霸屏，找零点推。想发布新闻软文，找零点推。想创建企业百科，找零点推。零点推推广，以精品方案立足行业，以优质产品取得胜利。

日前，随着百度资讯流产品在用户端引起巨大反响，百度信息流广告也随之上线。目前已经趋向成熟，据介绍，百度信息流广告是基于百度资讯流精准推荐，借助百度大数据和意图定向、智能投放等多重领先技术，在百度资讯流中穿插展现的原生广告。目前百度信息流广告已在手机百度客户端和百度浏览器移动端上线，相比于传统网络投放，百度信息流广告再次全面发挥了百度的数据和技术优势。

三大媒体优势，精准触达6亿用户

好的广告产品首先要一个强大的媒体平台。相比其他资讯平台，百度资讯流拥有庞大用户基础、海量优质内容、精准推荐算法三大优势。根据百度第三季度财报，百度移动搜索月活跃用户数量已达6.6亿，牢牢占据了移动互联时代流量入口。

内容层面，百度资讯流打通了百度新闻、百家号、百度百科、百度贴吧等众多内容平台，为用户精准推荐高质内容。借助于百度人工智能(AI)、自然语言处理(NLP)，深度学习(DeepLearning)等技术，百度资讯流不仅实现了“手机百度看资讯，千人千面大不同”，也可以把不同用户感兴趣的高质内容进行精准分发。

四大数据资产，让广告更精准找到用户

作为一款信息流广告产品，海量的用户数据是实现个性分发的首要基础。借助多年商业推广经验和大数据积累，百度信息流广告凭借四大数据资产，包括搜索数据、地理位置数据、知识图谱数据、交易数据，让原生广告更智能更精准的触达目标用户。

在搜索数据方面，百度信息流广告可以通过分析用户短期搜索行为、长期搜索历史、用户多模式交互和浏览数据，为广告主更快找到细分用户，精准推送广告信息。根据地理位置数据，百度信息流广告能够打通用户的百度地图位置数据、百度地图历史到访数据等，针对用户所在地域信息实现精准推送。知识图谱数据能够根据用户在百度百科、百度知道等平台的结构性知识大数据，提供更立体的用户画像标签。而糯米交易数据和合作伙伴交易数据，则从用户过往交易大数据方面为精准找到细分人群提供了依据。

五大技术能力，为精准广告保驾护航

一直以技术见长的百度在信息流广告上也下了不少功夫。据介绍，百度信息流广告拥有流量分配、意图引擎、机器学习、智能创意和智能投放五大技术支撑，可以智能匹配数据，满足各层级广告主所需。基于百亿级用户行为数据，百度信息流广告可以帮助广告主判断用户的当前意图，为广告“在对的时间找到对的人”。

移动互联时代，用户的注意力成稀缺资源，只有精准触达目标用户才能获得更大的商业价值。基于“千人千面大不同”的百度资讯流，百度信息流广告实现了广告信息的精准推送，让细分广告更智能的主动找到目标用户，正在受到越来越多的广告主的青睐。

从事百度竞价行业的小伙伴都知道，做好竞价排名其实并不是想象中的那么简单，百度竞价是一个系统而非简单的一招一式，需要系统的思维步骤来操作，今天小鹿竞价待大家一起来学习如何搭建自己的百度账户的。

万事开头难，百度账户搭建要好好研究

如果你要将一个项目进行推广，那么你要做好以下充分准备工作，从而为准备进行下一阶段搭建账户进行推广。

首先要进行市场分析，人群定位，整理出有关这个项目所需的所有关键词进行分类。这里所建议的一点是，不同属性的关键词分类，能分多细就分多细，这也是为一个精细化的账户结构在推广前做好准备。

精细化账户结构划分原理：

这里在详细说明一点，一个精细化账户指的是：每个计划下，各个推广单元内添加的关键词和关联的创意和对应的着陆页是否一一对应。这也是最终决定着账户后期上线推广后，流量是否精准，网站的访客是不是你的目标客户，能否产生询盘和订单。

往往一个推广账户没能发挥出最大的推广效果来，一半原因在于我们的账户结构搭建有关，另一半原因在于推广人员的投放策略有关。

所以说一个好的账户结构，也是关联着账户后期的生死存亡（虽然夸张了点，但是这是实战所证明的），这也是一些实战多年的竞价人员对账户的搭建要求必须要进行精细化划分的原因之一，更是作为一个合格的竞价人所必备的条件之一。

步入sem行业的竞价人员请记住一点，好的账户结构是推广前好的开端。

账户搭建实战操作讲解：

“营销型网站”是XX网的核心关键词，那么在搭建账户时，”营销型网站”是作为一个推广计划进行搭建，投放在手机移动端。在搭建计划的过程中主要会遇到这些设置问题。首先了解一下百度账号的层级：

推广计划层级设置：

名称，预算，时间段，投放地区。

计划名称，”营销型网站”为该推广计划的名称。

计划预算，为该计划设置一个合理预算，好控制消费，往往一些竞价人员对此设置忽略，如果该计划的消费突然幅度上升的话，最终就会导致账户设置的总预算到达预期而下线推广，所以推广计划的预算是必须设置的。

计划时间段，根据我们的推广需求进行设置，一般来说，从目标客户的上网时间段来做分析，我们面对的对象是企业家或者公司的网络负责人，所以我们的推广时间是从早上的8:00到晚上的22:00，这个时间段也一直安排对应的网销客服值班跟进。

计划投放地区，如果你是多地区投放，可以设置为多个相同的推广计划名称，推广地区设置不同的，例如，深圳营销型网站，广州营销型网站、武汉营销型网站等。这也是账户结构搭建的一种方式，目的是监控，观察，控制好各个地区的消费情况。

推广单元层级设置：

单元名称，单元移动比例出价，单元出价，否词。

单元名称，前提我们要将有关”营销型网站”所有的关键词进行属性分类，例如，价格，特点，费用、案例等等进行细分；后期直接以这些不同属性的关键词类别来命名各个推广单元的名称，我们以”营销型网站案例”来命名该计划内的一个单元。

单元移动比例出价，只针对移动端的出价设置，该比例设置范围为0.1-10，如果该计划只针对pc端投放，单元比例设置为0.1即可；如果只针对移动端投放，比例设置为10即可，我们将”营销型网站案例”单元的比例设置为10。

单元出价，单元出价并不是关键词最终的出价，我们设置为1即可。

否词，即否定关键词，用来屏蔽无效搜索关键词。这个设置要等到后期结合账户中的搜索词报告来进行操作添加。

推广单元内关键词设置：

关键词名称，出价，匹配模式，访问URL，移动访问URL。

关键词名称，我们将有关”营销型网站成功案例”所有关键词添加到该单元里面即可。

出价，该单元比例因为设置为10，我们针对的是移动端投放，此时关键词的出价并不是移动端最终的出价（移动出价=关键词出价x比例10）才是移动端最终的出价，出价我们全部设置为1，后面再去推广实况查看排名或根据账户后台中的关键词平均排名数据，来进行调整出价。

匹配模式，关键词的匹配模式有三种，精确匹配，短语匹配（精确包含，同义包含，核心包含），广泛匹配，此外还要记得设定否定关键词。

关键词匹配模式介绍——下面我们以“营销型网站”为要推广的关键词举例说明，这三种匹配模式的展示规律：

说明：√代表可以展示你的广告，×代表不可以展示你的广告

另外记得设立否定关键词——排除不相关流量

例如，您为关键词“XX网官网”设置了广泛匹配，在查看搜索词报告时，发现搜索“XX网官方招聘”的网民也点击了您的推广结果。通过百度统计，您进一步发现这些网民并没有真正打开您的网页，或在网站上的停留时间极短。这时，您可以在推广计划和推广单元中将“招聘”添加为否定关键词，这样，网民在搜索“XX网官方招聘”等包含“招聘”的搜索词时，将不会看到您的推广结果。

如果您只想针对某些搜索词进行精准的限制，就可以将其设为精确否定关键词，仅让与这些词完全一致的搜索词不触发您的推广结果。仍以“XX网官网”为例，您发现搜“官网”也有可能展现您的推广结果，此时您可以将“官网”设为精确否定关键词，这样搜“官网”的网民就看不到您的推广结果了，而搜“XX网官网”的人仍可以看到您的推广结果。

通过对以上几种匹配模式的分析和讲解，从精确匹配到核心匹配的不同设置，可以知道关键词的流量是由多到少，由精到广，这样一个转变的过程来的。不同的匹配模式设置有利也有弊，这里我们采用短语匹配模式中的同义包含来设置”营销型网站案例”这个单元内的关键词，当然后期还要看该单元内的关键词展现，点击，消费数据进行匹配模式的相关调整。访问URL和移动访问URL该设置我们只需将关键词对应的网站文章页链接复制进来就可以。

访问URL和移动访问URL，该设置我们只需将关键词对应的网站文章页链接复制进来就可以。

推广单元内的创意设置：

创意标题，创意描述1，创意标题描述2，访问URL，显示URL.

1. 创意，百度官方给出了在撰写创意时候需要注意的一些要点，一条好的创意要包含以下这四点进去， 飘红，相关，通顺，吸引。

飘红，一条创意中要包含2-3个通配符。

相关，撰写的创意要和关键词高度相关。

通顺，让网民看到你的创意要读得通顺。

吸引，能抓住网民的搜索需求，与网民的搜索需求达成共鸣。

前三点我想都可以完成，但最后一点就有些难度，具体撰写方案我们以网民动机分析表来进行深度分析撰写。

分析完以上，那在创意撰写的第四点要求”吸引”就容易写出来了。（注意：由于移动端的创意展现出去的字节有限制，所以创意内容一定要简言简语。）

由于现在网民对于网站的鉴赏水平提高，创意的标题内容为”5000家成功案例，牛商网营销型网站标准始创者“，来确保网民点击进入牛商网网站时占一定的权威性，信任，就是给网民一种进入官方网站的感觉。随后在描述内容中写出，紧接着是将我们牛商网的优势、案例、产品类型简写出来，来紧扣网民的用户需求、目的和满足他们的扩展需求这块。当然，创意也有很多种展示方式，可以设置不同的展示方式。

2. 访问URL，由于我们已经在关键词的url填写了链接，这里就只需填写网站的推广域名名称即可，显示URL，设置也是一样。

以上为一个计划整体搭建流程，无论采取哪种搭建方式，我们都要遵循切记账户的搭建原则就是：

账户结构划分逻辑一定要清晰，精细化分组，将意义相近，结构相同的关键词放在一起。

以便于针对关键词所在推广单元撰写针对性的创意；保证一个单元下的所有关键词嵌入到创意里语句通顺，语义清晰，也便于后期统计投放数据，为日后的账户管理优化工作打下良好基础。

上线推广后，后期优化不可忽视

账户后期优化方案讲解：

账户上线后你可能会遇到以下这些情况：

关键词没有展现或者展现量很低

（不包括因出价过低而造成的无展现）

调整方案：

扩充匹配模式：广泛匹配，短语匹配（包含三种模式），精确匹配，不同的匹配模式会带来不同的效果，广泛匹配的展现量远远大于短语匹配，短语匹配远远大于精确匹配，注意；这三种匹配模式有利也有弊，因此通过扩充匹配模式之后，一定要观察展现是否有提升，点击是否有变化。

推荐的选择方法为：

消费很多但没有转化；点击价格很高也没有转化。

调整方案：

对于这些词，可以新建一个计划在细分到多个单元里，进行统一优化，创意深度撰写优化，给这类词一个合适的出价，再持续观察关键词的表现情况。

账户消费突增或突降。

调整方案：

对于发生这种异常情况，首先我们要排除人为因素对账户进行过调整，账户计划预算，关键词价格调整，关键词增加或删除，匹配模式修改，推广地域以及推广时段的改变等等这些，如果我们忘记昨天对账户操作的整体流程，可以通过在账户的历史操作记录中作了解。

同时下载发生变化前后同期的数据报告，进行逐一锁定，看下异常主要集中发生在哪些计划和单元，最后锁定到具体的关键词。

如果账户庞大，计划单元比较多，可以选取占账户消费80%的计划和单元进行分析，锁定问题所在（二八原则：账户80%的消费可能集中在20%的计划和单元中）

关键词展现，点击数据异常情况。

我们可以从以下方面进行分析：

展现量变化，首先，查看关键词的展现量是否发生了突变，展现量变化的几种情况如下；

外界坏境发生了变化，一些新闻或政策导致大的坏境发生变化，导致网民的搜索量异常，可以看看百度指数的情况，是否跟关键词的变化有出现一致的变化趋势。

如果这些没有，要去看下搜索词报告，看看那些搜索词触发了账户中的关键词，看看是不是需要调整某些关键词的匹配模式。

如果展现没有问题，点击突变，要查看重点关键词的排名，是不是发生了比较大的变化，排名是不是降低了，排名位置是不是发生变化，有时pc端的广告位，只在右侧展现，移动端前面的3个广告位没有展现，只在底部几个广告位展现，还有推广状态显示不宜推广，质量度降低，推广的竞争对手变多，竞争是不是更加激烈了，这些数据和问题都要去做深度分析及了解。

在账户稳定期间，我们还需要对转化好、表现好的关键词进行词量上的拓展。具体做法如下：

筛选出效果好的关键词，进行关键词拓展更多优质的关键词。

及时获取搜索词报告，拓展出相关性高的优质关键词。

关注季节投放及网民热点，把握相关性高的热点关键词。

对于以上这些问题的分析点和调整方法，只是我们推广中要做的一部分。我们要有更多的想法和精力放在账户投放策略身上。前面我们也说到，（往往一个推广账户没能发挥出最大的推广效果来，一半原因在于我们的账户结构搭建有关，另一半原因在于推广人员的投放策略有关。）

这里列举两点账户上的投放策略：

1.推广时间段投放策略，因为每个时间段的搜索人群不一样，最终产生的转化也会有所变化，因此可以新推一个账户或新建几个计划，选择在好的时间节点进行针对性投放。

2.账户28原则投放策略，提取这个账户主要的关键词（主推的关键词、主要产生询盘的关键词等），重新建立一个新的账户只添加重点关键词进行投放等等；还有一些我们还未想到，待去尝试的投放方法。

临近年底，所有在外漂泊游子的一个主题就是回家，没有什么能够阻挡游子回家的急迫心情，但总有一些人回家的步伐，被一张薄薄的火车票拦住。尽管在传统的售票窗口之外，铁路部门还开通了电话订票、网络订票等多购票入口，但由于抢票时段、技术壁垒等原因，很多人依然抢不到票，无法与家人团圆。

　　而今年的一个好消息是，由百度糯米开发、上线的春运预约抢票功能可以帮助旅客减轻购票压力，这一功能可以在12306放票前，支持旅客提前填好个人信息并完成支付，在放票当天第一时间帮助旅客抢票，提升抢票成功率。同时，使用百度钱包支付的新老用户还会获得价位不等的优惠。

(火车票日历规划抢票时间)

　　据悉，此次春运抢票预约活动从今年11月15日一直延续到明年2月21日，旅客不仅可以直接在百度糯米app、手机百度app这两大常态入口上购买汽车票、火车票、飞机票，还可以在百度地图app、百度搜索上实现这一需求。这一预约抢票功能，可以帮助旅客告别0点的等待、网络的崩溃以及紧张慌乱的付款环节，让旅客回家不再难。

　　在具体的操作环节上，百度糯米、手机百度app在首屏上分别都有入口，旅客打开百度糯米、手机百度app就可以看到抢票功能，操作便捷简单。手机地图上也有两个入口：

　　一是点击地图上的“路线”功能，公交频道搜索跨城市线路，自动弹出火车线路解决方案，并且可直接购票;

二是手机地图的“发现周边”功能，也设置了车票购买入口，旅客点击即可购票。

　　同样，在百度搜索上，旅客输入“火车票”“飞机票”等关键词，网页会自动弹出时刻表查询与车票/机票预定，一样便捷高效。

　　百度糯米联合百度几大入口级产品发力，让这个冬天要回家的旅客有了更多选择，也让他们的回家之路不再艰难。已经体验过这一功能的旅客王琦瑶女士表示，“以往每年年底自己都会守在电脑前抢票，但往往12306一开票车票就被抢得精光，只得空手而归。今年试验了一下百度的这一抢票功能，不仅顺利抢到了票，而且不用随时紧张地等待，只要系统一放票，百度就会自动帮助抢票，购票效率大大提升。”

　　据了解，百度糯米预约抢票功能之所以能大大提高购票成功率，一是因为百度糯米接入了携程、去哪儿等多个渠道，对接资源丰富;更主要的是，这一功能倚仗的是百度强大的技术能力：智能算法和百度云计算。强大的技术支持，是其他抢票软件公司无法望其项背的。

　　首先是智能算法功能强大。百度火车票覆盖全国3000多个车站的所有线路和班次信息，基于这些数据，系统计算出发地与目的地之间的多种乘车方案，比如预约购票、中转联程，甚至结合百度汽车票和机票的全量数据，提供火车+汽车+飞机的联程方案，以最经济便捷方式帮助旅客顺利回家。其次，百度火车票构建在支持弹性伸缩的百度云服务器BCC基础上，其云计算功能实时同步余票信息，第一时间出票，帮助旅客顺利下单、快速出票，提供极佳体验。

　　据悉，百度糯米作为国内领先的本地生活O2O平台，打造一站式生活服务平台从来就是其宗旨，车票购买这一重要生活场景成为其业务范围，是经营逻辑使然。现在，背靠具有强大技术能力的百度，百度糯米在本地生活服务上的杀手锏也是大数据、云计算、人工智能等技术，这些“黑科技”已经被百度糯米广泛应用于餐饮、酒旅等业务部门。而运用于火车票，只是百度糯米走技术路线的一个具体体现。李彦宏在乌镇互联网大会上就曾表示，移动互联网时代已经结束，接下来是人工智能的天下。百度糯米的火车票预约功能已经大量使用了人工智能、云计算等黑科技，正是一个典型案例。