数极客首页

SEM | 如何将机器学习应用到大规模SEM账户中(上)

| A computer is like a bicycle for the mind. — Steve Jobs

| 电脑就像有头脑的自行车。– 史蒂夫 · 乔布斯

这句话通常被理解为:以同样的方式,自行车可以提升人力的移动效率,电脑可以提高人脑力的生产力与输出效率。

那么能否将机器学习(Machine Learning)应用到你的PPC账户中, 从而提高效率,为你的PPC活动找到新的关键词呢?

SEM | 如何将机器学习应用到大规模SEM账户中(上)

SEMer在开展PPC活动时面临的最大问题是如何提高效率。如果给你足够的时间去构建并优化一项PPC活动,你想做的远远多于你能做的。因此,问题的关键就是要明确优先顺序,高效利用你的时间。

在这篇文章中,我们将会谈论机器学习的概念,以及机器学习是如何潜移默化地提升效率的。我会使用关键词分类来作为示例,探索机器学习对关键词短语的设置会起到怎样的作用。

我们所说的机器学习Machine Learning指的是什么?

对于这一短语的定义,我认为以下说法较为权威:

机器学习是一种通过设计模型或计算方法从而进行预测的方法。这些模型使得用户能够产出令人信赖的、可重复的决定,并能够根据过往学习经验,根据数据判断未来发展方向。

那些令人信赖的、可重复的决定,正是我们在本文中想要谈论的核心价值!

在一个较高的层面上,机器学习算法的目标是输出一项预测的计算公式,并计算出相关系数,将错误出现的概率降到最低,也就是说,要达到最好的预测效果。

机器学习能解决两个核心问题 – 分类问题(classification)与回归问题(regression)。分类问题用于将事务打上一个标签,将数据与预测标签相关联,比如判断某个用户是男还是女,且最终正确结果只有一个;而回归问题通常用来预测一个值,比如产品的真实价格,所以这是一种逼近预测。

SEM | 如何将机器学习应用到大规模SEM账户中(上)

分类问题&回归问题

关键词分类是典型的分类问题。

关于关键词分类,我们的目标是将展示文案的分类应用到新关键词短语的摆放位置,并将这一过程通过机器学习自动决策。这是一项琐碎但是非常重要的实践,因为在待选关键词短语非常多的情况下,完成这一过程会非常耗时。

解决该分类问题的首要前提就是要有一些已分类的数据,即依据已有的付费搜索账户的关键词“分类”。接下来抓住“特征”,且这些特征能够被用于预测这些新的数据应该怎么分类。“特征”的基本定义是建立这一模型的因素——预测变量。

将广告文案的数据转化为“词袋”(bag of words) — 对计算方法非常有用。这一简单的矢量包含了在某一给定的文案中某一个单词出现的次数。在下面这个案例中,我们把关键词看作是一个简短的广告文案。

SEM | 如何将机器学习应用到大规模SEM账户中(下)

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章