基于數(shù)據(jù)挖掘的搜索引擎營銷研究綜述

【摘要】針對數(shù)據(jù)挖掘技術(shù)在搜索引擎營銷領(lǐng)域的廣泛應(yīng)用，本文從關(guān)鍵字的生成、排名機(jī)制、廣告與網(wǎng)頁內(nèi)容的匹配、個(gè)性化營銷四個(gè)角度對這個(gè)交叉領(lǐng)域的主要研究成果進(jìn)行了綜述，并做了展望。

【關(guān)鍵詞】搜索引擎營銷 網(wǎng)絡(luò)營銷 數(shù)據(jù)挖掘

在搜索引擎營銷日益成為市場寵兒的同時(shí)，搜索質(zhì)量也成為重中之重。數(shù)據(jù)挖掘作為一種比信息檢索更高級的技術(shù)，已經(jīng)成功地應(yīng)用到搜索引擎中，并改善了搜索質(zhì)量，實(shí)現(xiàn)了智能搜索。鑒于數(shù)據(jù)挖掘在搜索引擎營銷中的廣泛應(yīng)用，眾多學(xué)者也取得了不少研究成果。

一、搜索引擎營銷的概念

搜索引擎營銷是一種新興網(wǎng)絡(luò)營銷模式，其含義在于根據(jù)用戶使用搜索引擎的方式，利用用戶檢索信息的機(jī)會盡可能將營銷信息傳遞給目標(biāo)用戶。

為了達(dá)到精準(zhǔn)的營銷效果，分析用戶的搜索過程是十分必要的。用戶首先會鍵入代表需求的關(guān)鍵字，進(jìn)而會瀏覽一系列結(jié)果頁面，然后用戶會根據(jù)瀏覽經(jīng)驗(yàn)、每個(gè)鏈接的標(biāo)題和內(nèi)容等原則判斷該鏈接是否與需求相關(guān)，從而點(diǎn)擊或忽略。通過瀏覽多個(gè)網(wǎng)頁內(nèi)容，用戶會做出進(jìn)一步搜索或停止搜索的決策。接下來，本文就按照用戶搜索行為的順序來總結(jié)搜索引擎營銷的相關(guān)研究成果。

二、搜索引擎營銷的研究現(xiàn)狀

（一）關(guān)鍵字的生成

一般而言，關(guān)鍵字是指用戶在使用搜索引擎時(shí)輸入的、能夠最大程度概括用戶所要查找信息內(nèi)容的字或詞，是信息的概括化和集中化。

Amruta 和Rajeev（2000）提出一個(gè)新穎的方法TermsNet。這個(gè)方法要求判斷術(shù)語之間的相關(guān)性，并用直線圖表示彼此的語義關(guān)系。Vibhanshu和Kartik（2007）也提出了一個(gè)類似方法，即基于核函數(shù)去建立術(shù)語間的語義關(guān)聯(lián)。

Carrasco等人（2003）提出采用聚類方法對關(guān)鍵字進(jìn)行歸類。他們利用145，000家廣告商的關(guān)鍵字組成的數(shù)據(jù)集，分別采用自上而下的分裂層次聚類法和自下而上的凝聚聚類法，結(jié)果證明前者適用高層次的聚類，后者適用低層次的聚類。

Yih等人（2006）推薦了一種利用監(jiān)督式學(xué)習(xí)方法從網(wǎng)頁中提取關(guān)鍵字的機(jī)制。

Stamatina等人（2011）開發(fā)了一個(gè)基于語義識別方法的關(guān)鍵字自動生成系統(tǒng)，雖然精確性還有待提高，但是也為挑選最優(yōu)關(guān)鍵字做了鋪墊。

（二）排名機(jī)制

最能體現(xiàn)搜索引擎設(shè)計(jì)思想的就是網(wǎng)頁排序系統(tǒng)，因?yàn)樗阉饕孀铌P(guān)注的是如何將與用戶搜索請求最相關(guān)的鏈接放在前一百位。學(xué)者們多用數(shù)據(jù)挖掘技術(shù)研究算法，而文本排序技術(shù)方法基本包括PageRank算法、Allan Borodin等人的完全貝葉斯統(tǒng)計(jì)方法、網(wǎng)站級別模型等。

之后，學(xué)術(shù)界也出現(xiàn)了后綴排序算法。一是后綴樹排序算法，主要用數(shù)據(jù)結(jié)構(gòu)中“樹”的結(jié)構(gòu)去產(chǎn)生最終的排序結(jié)果。二是后綴數(shù)組排序算法，即所有數(shù)據(jù)都儲存在數(shù)組這種數(shù)據(jù)結(jié)構(gòu)中，處于主流的是 Larrsson和Sadakane的快速后綴排序算法。

除此之外，Lacerda等人（2006）建議在情境式營銷中采用機(jī)器學(xué)習(xí)的方法尋找排序函數(shù)。他們采用遺傳編程算法來選擇排序函數(shù)，該函數(shù)放大了訓(xùn)練集上的平均精確度。

（三）廣告與網(wǎng)頁內(nèi)容的匹配

為了充分利用用戶瀏覽網(wǎng)頁的時(shí)間達(dá)到營銷目的，二者的匹配問題至關(guān)重要。Ribeiro-Neto等人（2006）認(rèn)為利用二者的語義關(guān)聯(lián)提高匹配度。為此，他們提出一個(gè)模型，其思想是擴(kuò)展網(wǎng)頁中的關(guān)鍵字以減少二者的詞匯不匹配度。

Broder等人（2007）認(rèn)為，在標(biāo)準(zhǔn)的字符串匹配方法中加入主題的相似性這個(gè)變量，會提高廣告和網(wǎng)頁的匹配度。他們的方法依賴現(xiàn)成的基于語言的分類標(biāo)準(zhǔn)，試圖捕捉二者的語義關(guān)聯(lián)。

Murdock等人（2007）認(rèn)為可利用機(jī)器翻譯的方法來克服詞匯的不匹配問題。

（四）個(gè)性化營銷

現(xiàn)有的研究一般通過分析用戶訪問行為進(jìn)而達(dá)到個(gè)性化目的。數(shù)據(jù)挖掘在Web訪問行為分析方面應(yīng)用較廣泛，常用方法包括：統(tǒng)計(jì)分析、關(guān)聯(lián)規(guī)則、序列模式、聚類分析、分類分析。對營銷而言，其用途是個(gè)性化推薦服務(wù)和營銷智能。

鐘生海和邱玉輝（2011）把情感語義引入了推薦系統(tǒng)，設(shè)計(jì)了基于情感語義的推薦系統(tǒng)模型。通過商品潛在的情感因素對顧客情緒進(jìn)行識別，提出了由情感匹配程度計(jì)算情感支持度的方法，給出了情感與關(guān)聯(lián)規(guī)則挖掘結(jié)合的個(gè)性化推薦算法。

除此之外，還有些有趣的發(fā)現(xiàn)。Dirk等人（2010）嘗試性地利用Web挖掘方法從博客中提取數(shù)據(jù)來形成新產(chǎn)品設(shè)想。因?yàn)榇蠖鄶?shù)用戶傾向于在博客上表達(dá)出對新產(chǎn)品的渴求，而利用文本挖掘便可從這種口語體語言中發(fā)現(xiàn)有用的信息。

三、總結(jié)與展望

目前，這個(gè)交叉領(lǐng)域的研究還只是冰山一角，尚有很多研究空間，譬如：（1）分析用戶對不同位置推廣鏈接的偏好程度。（2）采用文本挖掘研究不同關(guān)鍵字廣告內(nèi)容對用戶決策的影響。（3）研究該營銷模式下顧客的延遲購買行為。

數(shù)據(jù)挖掘可以經(jīng)過一種非平凡過程從巨量數(shù)據(jù)庫中獲取有效的、新穎的、潛在有用的、最終可理解的模式。而搜索引擎營銷領(lǐng)域的研究離不開大量有價(jià)值數(shù)據(jù)和模式的支持，所以在今后的研究中也會繼續(xù)頻繁地使用數(shù)據(jù)挖掘這種新興工具，相信這個(gè)交叉領(lǐng)域會迸發(fā)出累累碩果。

參考文獻(xiàn)

[1] Dirk Thorleuchter， Dirk Van den Poel， Anita Prinzie. Extracting Consumers Needs for New Products – A Web Mining Approach. Third International Conference on Knowledge Discovery and Data Mining， 2010.

作者簡介：劉文文（1986-），女，山東德州人，就讀于南京大學(xué)商學(xué)院，研究方向：電子商務(wù)。

（責(zé)任編輯：劉晶晶）