谷歌机器学习的发展史以及它的深层原理

谷歌竞价的本质

谷歌的竞价是一种机器学习系统。它是以转化目标为优化目的的点击出价。

在这里不需要关注点击多少，展示多少，而以投入产出比为衡量标准的。它可以提高单次点击的价值和精准性。最终目标是以目标转化为核心标准的。

谷歌竞价的目标所在：

衡量标准是，更少的点击，更高的投入产出比为衡量标准的。

以转化目标为优化目的的点击出价，计费方式为按点击计费。我们目前选择的是以用户访问的网址路径进行跟踪。

机器学习的运行模式

机器学习出价分为两个投放阶段，第一个阶段一定要有数据积累，第二个阶段是智能投放。系统是根据用户的行为特征进行记录，记住过往的数据。如果以前是花费1000元得到10个询盘，那么系统作为记录特征，那么接下来。800元会比消费1000元的结果会好很多。为什么要获得数据积累，是为了足够的转化量，那么这个10个询盘是经过一段时间数据跑出来之后，才得到的结果。

机器学习呢，跟之前cpa的不同之处是，是在每次点击的基础上增加了一个目标每次转化。

从广告点击到广告主最终ROI，广告主对于漏斗路径上各个节点转化目标的价值出价。机器学习的核心是提升CVR转化，帮广告主达成KPI，不是扩量产品。不带动其基本面的增长，不能以单个元素去衡量。

获得多少展现目标值出多少钱。获得多少点击目标值出多少钱。获取每个转化目标是多少钱。 各个节点都有一个价值金额出价可以设置的。如果不利用机器学习，那么获得了1000次点击，可能有500次是不精准的，有水分的。过滤，否词，排除，无效等等。运用了之后，给每个点击赋予价值，更高价值的点击，更多回报。

谷歌机器学习的发展史，为什么会被推出。

因为社交属性变强，人们更多的利用碎片化时间去获取知识，人们的耐性变得越来越差。为了应对搜索用户短平快的需求，这是时代发展的必然性。

针对互联网的发展趋势现状，我们所对应的广告发展方向转变为：

我们需要的是直接转化。进来的每个客户，第一时间看到我们所展现的产品，进行直接询盘。精准触达，优势定位。

原始的模型是展示、点击、转化；层层递进，漏斗模型。之前的互联网现状是这样的。先进入页面，然后客服咨询。现在我们的要求是直接转化，客户点击我们，直接提交表单，发询盘，打电话。做到精准触达，已经没有多余的钱去测试，机器模型运行好之后，漏斗模型逐渐变为圆柱形模型。

每个细节都需要做到极致，每一层漏斗都会流失掉一部分客户，那么绝对理想的模型是一个圆柱体，从上到下，一点儿也不丢失，但是在现实中是不可能的。就比谁的漏斗模型逼近圆柱形。谁转化就更加好一些。就能在市场中发挥自己的竞争力。

我们的工作：

不断梳理第一个阶段的数据积累，使数据积累更加精准化，赋予更高的价值。然后进行第二个阶段的智能投放，不断压低价格，促成目标，使目标每次转化费用越来越低。来达到更少的点击，更高的投入产出的最终目的。

为了得到高价值的目标，我们需要优化的其中包括，深度了解学习产品。确定高转化关键字，扩词，否词，受众群体调整，出价策略调整，搜索网络合作伙伴，展示广告调整。时间段优化，设备优化，广告语素材优化，附加信息（图片，结构化信息，电话）