19-16_31_Baidu高级论文：海量关键词“大数据”的运营与探索-滕飞-北京爱德康赛广告有限公司

百度认证营销专家申请者论文

题目： 海量关键词“大数据”的运营与探索

姓名： 滕飞

序号： 19

2018年 3月5日

《海量关键词“大数据”的运营与探索》

摘 要

8年的数字营销服务从业期间，对内部SEM团队、广告主营销团队、SEM从业人员，展开过广泛的调研，在关键词管理和数据管理上，大多数的团队还是偏向于人工，和本地化的辅助软件。影响是人力成本和时间成本的浪费，数据利用率较低，因效率的原因导致投放的成本浪费。对于中小型广告主，海量关键词运营管理，无疑增加了投放门槛，和投入成本。

针对行业的现状，结合API接口、数据库、服务器运算能力，数据标注、机器学习等技术手段。结合痛点和需求进行高效SEM管理工具集研发，最大程度的帮助广告主提升了批量工作的效率。

SEM的成熟期，需要成熟的管理办法，解放低效率的基础工作，降低人员成本和时间成本。云技术手段，缓解PC本地的运算压力。数据标注和机器学习让海量的关键词和数据便捷的管理。强化学习，通过设定营销目标，竞价排名机制下，训练对应的神经网络，在基础上强化学习，应对不同的行为、变量、状态进行反馈，达到最优的出价排名组合，利用人工+智能的方式达成最好的投放结果。对于技术在SEM领域的应用我们一直在探索。

关键词：SEM大数据管理、SEM批量工具、智能营销探索

目 录

摘 要 ............................................................................................................................................ II 第一章：文献综述 .. (1)

1. 互联网技术的革新与迭代 (1)

2. SEM“大数据”运营与管理 (1)

3. SEM智能营销的愿景 (2)

4. 研究方法和手段 (2)

第二章：SEM行业的现状 (3)

1. 爆发期已过，行业进入稳定发展期 (3)

2. 广告主对SEM账户词量、结构、数据维度细致程度趋于极致 (3)

3. 现媒体开放的常规操作层级未能满足高需求广告主 (4)

4. 对于现在海量关键词处理以及关键词数据管理方法的调研 (6)

5. 批量管理方法的技术瓶颈&技术解决方法 (6)

第三章：数据库&云计算在SEM领域的管理运用 (7)

1. 大数据与云存储、云计算的发展与关系 (7)

2. 原始PC端处理数据与服务器并行处理数据的效率比对 (7)

3. 接口对接、在服务器端实现数据对接和运算 (8)

第四章：SEM海量数据管理工具集 (9)

1. 广告主对于海量SEM数据的痛点总结123 (9)

2. 海量SEM大数据管理工具集设计思路 (9)

3. 实用案例（顶级广告主的需求和解决方案） (14)

4. SEM管理工具集的市场前景 (15)

第五章 愿景篇：数据标注+机器学习的海量关键词管理 (16)

1. 对于人工智能SEM管理未来的畅想 (16)

2. 对于智能营销的自动化数据分析和竞价管理 (16)

第六章:结论 (17)

参考文献与注释： (18)

附录： (18)

第一章：文献综述

1.互联网技术的革新与迭代

回顾近几年整体互联网行业和互联网广告的发展，近5年来的变化可以说是颠覆性的，甚至每年每个月每天，都会有新的技术、新的主题诞生，从“云计算”到“大数据”，从PC到移动，从数据整合到”机器学习、强化学习”，从AR到AI“人工智能”每一次的转变都是技术史的一次革新， 科技创新已经上升至国家战略层面，多领域多次出台的政策利好，和国内顶级技术公司的不懈努力，在基础设施，科研投入、人才储备、和技术突破方面我们逐渐走向了国际领先水平。

在各项利好的技术背景下，从传统行业到互联网+的企业都步入了转型期，通过高效的技术降低企业运营成本，提升工作效率，扩大信息资产价值和实际应用领域，努力创新是我们每一个人的愿景，在互联网、数字营销、SEM等领域更是将数据&技术的创新运用的淋漓尽致。Baidu 的百度大脑、每天上千亿的请求，通过算法和大数据的应用、提升搜索+推荐精准性、语音识别、语境分析、让人和机器的沟通更加便捷，让营销更加智能。

2.SEM“大数据”运营与管理

本次我的论文题目是关键字“大数据”的运营与探索，在SEM从业者的角度去挖掘，借鉴艾瑞的互联网广告分析报告，就广告形式而言SEM在数字营销领域仍然有超过30%的市场份额，但是增速放缓，已经达到了广告形式的成熟期，在成熟期就要有成熟的运营管理办法，如何提升运营效率、降低设备成本、降低人员批量重复工作、降低人员成本、提升数据价值，展望SEM 广告应用领域的执行创新，是我这次论文的主旨。

大数据中的“大”是相对而言的，百度百科给予的定义为：大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在SEM领域，多年来的积累、各行业的产生的海量关键词、以及时时刻刻衍生出来的新的搜索习惯，关键词的量级已经已经是千万不能承载，除了SEM和SEO的关键词，包括站内搜索、站内内容信息、自然语言等构成了庞大的关键词数量，已经是难以用传统的本地化的处理方式记录，仅仅是关键词就是非常庞大的。关键词本身的价值，关键词衍生的数据的价值都是难以衡量的。在如此海量的数据面前，传统的批量操作、数据对接，显得尤为吃力，仅依靠Excel和本地的客户端，难以满足高效的运营管理需求。参考云计算的理论、数据库和服务器并行计算是处理海量关键词的明智之选，但是又做不到每个SEM优化人员、广告投放的分析师都可以熟练操作数据库，运用SQL语句去提取数据，所以可视化的管理工具集成为了我们的首选，参考互联网产品思维，产品第一是满足基本需求、第二是使用的门槛足够低。通过平台式服务（PaaS）软件式服务（SaaS）让海量数据的查找、提取、编辑、对接等执行工作变得更加高效。通过对接API可以进行直接

的物料对接，和数据传输，无需下载到本地，避免本地计算的瓶颈，直接通过工具集界面在服务器端进行操作，实时传输，最大程度提升操作效率。通过API进行营销数据的传输、数据留存在本地服务器，通过设定好的规则进行定制化数据报表输出，无需人工数据对接，保证数据的及时性和准确度，至此，我们SEM日常运营的执行工作到了这一步，瓶颈问题基本全部得到了解决。

3.SEM智能营销的愿景

我们在对海量关键词的梳理和研究工作也在一直前行，面对日益增多的关键词如何进行有效的处理、分类、数据标注也是一直困扰着我们的问题，仅仅靠人工去进行处理，远远不能满足快捷高效的需求，曾经我们在对数百万关键词进行有效提取、细化分类的工作，组织了20人的团队都很难在一天的时间内完成，但是通过人工大面的分化、加规则创建、黑明单词梳理、白名单词添加，再通过机器学习，强化学习，对词性、词义的理解，分类词根+机器拓展标签，利用服务器计算，大数据量关键词梳理的问题就会迎刃而解。在麻省理工出版的《科技之巅2》的强化学习篇中，人工智能AlphaGo——强化学习的空前成功，使我受到很大的启发，在强化学习的应用领域，互联网营销及SEM推广也是重要的市场，通过设定营销目标，在一定的竞价排名机制下，训练对应的神经网络，在基础上强化学习，应对不同的行为、变量、状态进行反馈，达到最优的出价排名组合，利用人工+智能的方式达成最好的投放结果。相信通过努力，和机器学习的深入应用，可以帮助SEM在智能管理和投放中取得更高效的成果。对于技术的探索和在SEM 领域的实际应用我们一直在探索。

4.研究方法和手段

调查法：

通过在行业中的从业经验，对自身团队、外部团队、行业从业人员，进行针对性的问题收集，必要时进行问卷调查。

文献研究法：

通过已求证的行业相关文献，去指导产品逻辑，和可行性分析。

个案研究法：

通过某一广告主的特殊需求，剖析问题根本，以点扩面，解决一些共性问题

经验总结法：

根据多年的个人从业经验，和团队经验，从经验中把问题分析和归纳总结

实验法：

在一定的理论基础下，做可行性分析，然后去对比测试

第二章：SEM行业的现状

1.爆发期已过，行业进入稳定发展期

SEM广告发展10余年，用户主动式需求的营销形式得到了广告主的青睐，伴随移动互联网的发展，碎片化的触网入口变化后，SEM广告的增速放缓，但就广告形式而言在数字营销领域仍然持续稳定占有超过30%的市场份额，在广告主的ROI评估中，也是不可或缺的营销渠道。借鉴艾瑞的互联网广告分析报告。

图表来源：艾瑞咨询 中国网络广告行业年度监测报告简版https://www.wendangku.net/doc/c616277110.html,/

2.广告主对SEM账户词量、结构、数据维度细致程度趋于极致

在sem广告投放的初级阶段，整体行业投放属于“摸着石头过河”的形式，关键词词量少、账户结构简单、数据维度单一，往往过万词量的账户、细化关键词分类、可以统计衔接关键词转化数据，就已经是专业级的投放水平了。

然而经过多年发展，媒体平台的不断升级，优化经验长期的积累、现今阶段，KA级广告主SEM广告投放的细致程度趋于极致。百万级词量账户、多维度账户搭建、全转化环节数据打通，让SEM的物料、数据、优化的数据处理工作变得十分繁琐。

某全品类在线教育平台的账户搭建部分品类示意图

某教育行业留学品类数据对接举例

仅以大行业中的教育品类，部分细分领域作为举例，教育行业相比电商、旅游、资讯、生活服务，品类算最为简单的，那么试想语言培训、职业培训、学历教育、学前、K12、留学、技能培训、兴趣类等品类+细分子类，按照分设备、分地域等维度进行关键词拓展和账户搭建，账户量级也至少数十个、关键词量级数百万。从而推导海量SKU 的电商客户的物料规模，以亿为单位。已经远远超过仅依靠人工和简单的本地化工具可以管理的极限。

3. 现媒体开放的常规操作层级未能满足高需求广告主

现阶段，针对SEM 账户进行管理的工具助手，仅可针对单一账户进行离线的管理，多数的物料工作量仍然依靠本地处理，再利用工具助手上传，竞价优化、出价调整等同理。下载、导出、本地处理、导入、上传发布，流程环节过于繁琐，远不能满足高效的、大批量的物料调整和竞价优化。以Baidu 推广客户端为例：截图如下

账户

留学

托福

单项

听力听力+培训听力+网课听力+名师听力+疑问……

阅读

口语

写作词汇

整体

雅思

SAT GRE ……K12

学前小学

年级

年级+家教年级+学习……年级+科目年级+语文+培训年级+语文+网课年级+语文+名师年级+语文+疑问……初中高中

其他类

艺术

钢琴钢琴+培训钢琴+老师钢琴+疑问……

素描

街舞

……

体育

生活兴趣机构竞品词大学

举例说明：某留学客户为例

客户为多个国别的中介服务公司，分全国30个地域，推广不同国别的业务（比如美国、加拿大、澳洲、英国、新西兰、新加坡、日本、等等）针对投放的关键词和投放的地域，分了10个账户进行投放，每个账户都是不同地域+多个国家的投放关键词。如果我想针对美国这条业务线，做更换URL的常规操作，那么我可能需要分别下载每一个地域账户，进行本地化修改，然后再进行上传。如果是1名优化人员操作，那就是同样的工作，一个人重复去做10次，或者10个人用10台电脑做分别做一次。举例图：（作者原创）

这种常规操作需求非常的频繁，不管是1人、还是10人，都是重复性的工作低效率的完成，造

成的是时间、人力成本的浪费。

4. 对于现在海量关键词处理以及关键词数据管理方法的调研

8年的数字营销服务从业期间，对内部SEM 团队、广告主营销团队、行业中SEM 从业人员，展开过广泛的调研，在关键词管理和数据管理上，大多数的团队还是偏向于人工，和本地化的辅助软件。影响是人力成本和时间成本的浪费，数据利用率较低，效率的原因导致投放的成本浪费。对于中小型广告主，海量关键词运营管理，无疑增加了投放的门槛，和投入成本。

5. 批量管理方法的技术瓶颈&技术解决方法

如今的SEM 关键词量和数据量已经不是本地化的Excel、客户端助手、通过函数公式、写宏可以快速处理的，往往几百万、上千万的关键词列表文件都是100M+、1G+的本地无法处理的文件，需要通过切割工具进行数据处理才能通过办公软件打开操作。（图片为作者原创）

扩词（搜索词扩词工具）

筛词（人工）

分组

（人工+标签工具）

上传（导入客户端或者上传模板）

竞价

（后台+客户端+竞价软

件）

数据报表

（后台下载、API调取）

报表制作

（人工统计、模板统计）

数据对接（人工、数据库）

分析数据（人工）

针对行业的现状，结合API接口、数据库、服务器（云）运算能力，数据标注、机器学习等技术手段。结合痛点和需求进行高效SEM管理工具集研发，最大程度的帮助广告主提升了批量工作的效率。

第三章：数据库&云计算在SEM领域的管理运用

1.大数据与云存储、云计算的发展与关系

大数据中的“大”是相对而言的，百度百科给予的定义为：大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据时代的云计算敏捷红利一书中，定义云计算是一种商业计算模型，而云是可以自我维护和管理的虚拟计算资源，通过大型服务器集群，包括计算、存储和宽带资源集中起来，并且通过专门软件实施管理。服务分为三个层级，基础设施服务IaaS、平台式服务PaaS、软件式服务SaaS。

大数据和云计算是相辅相成的，没有云计算无法对于大数据进行处理和分析，没有数据基础也无法发挥云计算的运算效率。

2.原始PC端处理数据与服务器并行处理数据的效率比对

以一个真实电商客户需求案例做出论述，某电商平台，要紧急对手机品类进行流量拓展，需要短期内进行海量手机类关键词的拓展和无效词的排查处理。通过搜索引擎、站内内容信息、站内搜索等多维度关键词提取，我们获取近140万的手机相关关键词，如何在一天内保质保量的完成投放需求，临时调集了近20名SEM优化人员进行项目的支持工作，依靠人工和经验进行肉眼筛查，在团队的努力加班下，终于在离最后时限只有一小时的情况下，完成了紧急任务的处理，但是最终结果仍然出现了部分的无效词遗漏。在问题发生后，我们迅速做出反应，对于类型

关键词进行规则处理，通过人工标注、加规则创建、黑明单词梳理、白名单词添加，把规则进行反复的排比，利用数据库+规则导入，仅依靠一名电商行业优化师，一名助理优化师，一名数据分析师，3人在1小时内，就完成95%以上的无效词排查。之后对于更大规模的数据（千万级的海量关键词）进行批量排除和物料更新的时候，即使投入再多的人力，也无法在有限的时间下完成，关键词列表都无法在本地计算机通过办公软件读取，只能完全依靠文件切割工具和数据库进行处理。

整体效率对比：人员投入、用时、设备投入、错误率、和复检都大幅度下降，符合优化目标预期。

但是又做不到每个SEM 优化人员、广告投放的分析师都可以熟练操作数据库，运用SQL 语句去提取数据，所以可视化的管理工具集成为了我们的首选。

3. 接口对接、在服务器端实现数据对接和运算

在SEM 关键词数据“大”到无法本地PC 处理的时候，通过API+数据库的方式，进行“云端”处理

通过API 接口，可以进行直接的物料对接，和数据传输，无需下载到本地，避免本地计算的瓶颈，直接通过工具集界面在服务器端进行操作，实时传输，最大程度提升操作效率。

账户1

账户10

账户100

媒体API接口

数据库MySQL

服务器1服务器2服务器3服务器4

可视化任务界

面

账户200

账户300

第四章：SEM海量数据管理工具集

1.广告主对于海量SEM数据的痛点总结123

1)关键词、创意、URL等大规模SEM文本数据的查找、替换、修改等

2)大型集团账户的物料批量操作、优化、与投放监控工作

3)SEM广告投放的监测数据对接（媒体、网站、转化crm等）

针对大型广告主所面临的共性问题，我们进行了工具集研发的立项，解决痛点问题，通过经验、结合技术手段去提升营销的效率。

2.海量SEM大数据管理工具集设计思路

1)大规模批量文本处理辅助工具

针对大批量关键词、创意、URL的文本，去做文本信息的查找、提取、替换、修改以及文本的匹对等处理方案。通过可视化界面、文件导入，或者通过API下载等方式，将大规模数据导入至数据库，通过4台服务器进行并行计算，可针对界面进行直接输入操作，或者本地创建规则，录入系统，按照录入的规则进行文本信息的处理。让SEM的优化人员通过可视化的界面对于数据库进行云端操作，系统界面如下：

2)大型账户集群的物料批量操作、优化、与投放监控工作工具集

打破原来的本地客户端单一账户操作的瓶颈，满足大型账户集群的跨账户层级操作

优化原来的本地客户端需要下载、物料导出、本地处理、导入客户端、发布上线的繁琐操作步骤，通过API对接可视化工具集数据库，直接对集团下所有账户进行所有层级的操作工作，高效率、快反应的进行跨账户的操作工作。

优化原来本地客户的同步物料效率问题（1对1账户的物料下载，操作前需同步账户到本地，对于账户群操作，需要每个账户分别下载，假设100个账户，如果想同时操作，需要100台电脑同时下载），针对该问题，我们设置了物料自动同步，放在自定义时段（我们一般是0:00以后到早上7:00前）优化人员到岗后，可直接操作于最新同步账户的物料。自动化同步节省执行步骤和等待时长，大幅度提升运营效率。

对接API接口的事件日志，所有操作成功与否，都会通过界面提示和日志进行反馈，避免因为操作失败，导致的工作遗漏。每次任务单独校验，保证大规模操作的质量。

针对集团账户集群，进行单独的状态信息同步功能，包括、预算、投放时间、余额、开启暂停、账户状态等，可有效的监控1000+的账户的适时投放状态，如在放量季账户余额不足或者撞线暂停，可以迅速的做出反应。（跨账户操作工具集原理图如下）

针对 账户-计划-单元-关键词-创意-URL 等全层级进行，进行查找、筛选、修改等功能操作

修改后直接上传，所有操作都在可视化界面+数据库层级完成，无需登陆账户。通过API 进行传输，保证了数据处理效率，和传输速率，释放的多环节的重复操作和本地PC的操作压力。

最终取得的成果为：一名熟悉账户划分的优化操作人员，可以通过可视化的工具，对大批量的账户集群（100+甚至1000+）进行统一操控，跨多账户进行任意细致粒度的账户调整。（作者原创流程图）

3)SEM广告投放的监测数据对接平台

彻底打通SEM营销数据，是效果优化的关键，精准快速的投放效果报告，是账户优化的基础，面对大型账户集群，以及多维度的报表需求，仅依靠人工匹对，在准确率和效率上都不能满足快速反应的投放需求，所以通过API对接媒体数据，构建效果营销数据平台，通过设定监测代码或者转化数据第三方导入，导入到数据平台中，根据规则ID自动化匹配数据，多维度定制化报表输出，才能满足需求。

API调用媒体投放数据，代码收集页面端行为数据（流量统计指标），利用监测或者第三方统计转化数据，进行全线数据的自动化匹对。

曾经数据打通和复杂的多维度报表问题，以及数据反馈效率低问题变得迎刃而解。

3.实用案例（顶级广告主的需求和解决方案）

SEM大数据首推电商广告主，千万级SKU，上亿的关键词量，超过1000个的账户集群，频繁的商品迭代，长短期的促销活动，海量的数据产生，是我们SEM优化人员对数据进行管理的噩梦。

服务全国顶级全品类电商客户的过程中，客户的要求，包括流量的保障（词量拓展、排名的监控）、文案创意的即时性（活动促销创意切换）、URL指向的精准性（常规页面到活动页面的切换）、以及账户状态的时时监控（消费、预算、账户/计划等层级有效状态）和快速的反应及时的调整（分类别商品词的优化调整、开启暂停、增量等），所有的工作，往往时间节奏需要非常快速，以日为单位，或者以0:00为临界点（比如618、818、11.11等活动，没有到临界点所有的活动词、创意、促销页面、折扣是不能提前切换的） 如果仅依靠人工处理，即使百人的优化团队，也无法在规定的时间内有效的完成。

通过SEM大数据管理工具集，我们有效的做到了跨1000个账户批量处理的需求，提前临界点半个小时，通过可视化界面，直接针对活动所在的账户-计划进行开启暂停。跨1000个账户，对现有的常规URL进行活动URL替换，筛选包含活动诉求的利益点，跨账户进行创意的切换。针对账户层级，实时同步状态，有效的监控账户状态，出现预算撞线的问题，直接通过界面进行调整发布（可单一账户、也可自选多个账户）。针对某一大类别商品词，分布在各异账户中的问题，我们进行关键词层级的批量查找和提取，直接的进行调价和更改状态等操作。帮助顶级的电商广告主，提供高密度的活动，精准、及时的响应的需求。

协调团队分工紧密配合，结合高效批量操作工具集，保障电商11.11顺利投放。

4.SEM管理工具集的市场前景

1)大数据管理和云计算的政策信息

政策环境：文件频发，持续利好自2010年以来，云计算政策持续利好。仅是近两年，就有大量促进云计算发展的政策文件颁发。除这些政策性文件外，各地政府主导建设政务云，在政府层面为云计算背书。国家对于信息安全的重视，短时间内也有利于国内云服务商的成长。

云计算领域的政策和配图均引用艾瑞咨询在2016年中国企业云服务行业研究报告https://www.wendangku.net/doc/c616277110.html,/

2)SEM大数据和云计算工具集的市场

针对高需求，大集群账户，在各行业广告投放的效率方面，都有显著的提升。

简单的依靠经验判断，过百万关键词的行业至少有数十个，电商、旅游、生活服务、咨讯平台、金融、教育等等，海量的SKU、行业品类、通用词、人群词……进行账户精细化管理，分别以地域、产品线、投放设备等多维度进行账户搭建的话，SEM词量和数据都会几何数增长，随之而来的就是营销团队的扩充，人员成本和设备成本的增加，所以高效的管理工具集，软件即服务、平台即服务的价值不言而喻，未来发展也是一片蓝海，SEM的成熟期就要有成熟的管理办法。

第五章 愿景篇：数据标注+机器学习的海量关键词管理

1.对于人工智能SEM管理未来的畅想

谈及智能SEM的管理，我们先引用一段来源《人工智能的未来》作者库兹韦尔的预言： 2029年，机器人智能将能够与人类匹敌

在技术发展呈现出了指数级的增长背景下，库兹韦尔相信，人脑可以复制，机器可以模拟大脑的新皮质，理解自然语言，计算机能够具备更高级别的、更复杂的智能，届时，人工智能可以理解语言、情绪、体会情感、甚至可以思考，人与机器的差距越来越小。

回到SEM领域，自然语言的理解，其实就是我们对海量关键词的理解，让计算机懂得7plus 是iphone手机，也=苹果7P，ios是iphone手机系统，iphone手机=苹果手机，苹果手机在智能手机范凑内，智能手机是数码产品，iphone平均售价最低也要在4000元以上，是高端手机，可以看视频，可以玩王者荣耀，可以使用5G，拍照效果好，前后双摄像头，是送女朋友送男朋友的生日礼物的好选择，还可以分期购买，等等等等。就像一个人，可以被贴上各种标签，那么如何让计算机理解呢？我在库兹韦尔《人工智能的未来》这本书里或许找到些答案，他认为可能需要从海量的维基百科中不断的学习，我认为百度百科也可以，通过对海量已知的内容学习，以及SEM多年来对于关键字的人工标注，我相信智能的海量关键字（文本信息）处理，会取得成功，针对某个单一行业，进行海量关键字词库的建造，不断的进行人工的标注和机器学习理解，不断的调用新的搜索词进入词库（剔除掉无效词），增加数据量，当需要进行SEM营销的时候，根据标签从词库中直接提取，按照投放逻辑排列主次需求，完整的并且不断自更新的投放账户自动化搭建，通过对于文本信息的理解，自动化匹配广告文案，根据系统投放结果的CTR等变量指标变化，自动优化优质文案利益点（很多新闻媒体已经开始尝试机器撰写新闻稿件），计算机对于关键字、文案的语义、语境的理解，自动匹配相关素材图片（图像识别技术），彻底的解放优化人员的重复性工作，提升关键字广告的运能能力。

2.对于智能营销的自动化数据分析和竞价管理

在阅读了科技之巅2《麻省理工科技评论》2017年10大全球突破性技术深度剖析，的强化学习一章，根据实例人工智能AIphaGO在围棋领域对弈人类顶尖高手，获得空前的成功中，使我深受启发。AIphaGO背后的技术，蒙特卡洛树搜索和深度强化学习，在原理浅谈中定义，机

器学习是人工智能的重要分支，利用概率论，统计学，计算机科学等知识，从训练数据中识别特征模式，学习规律，对未来数据进行分类，预测，包括监督学习，无监督学习，强化学习。并且用桑代克的“猫谜箱”举例，通过多次尝试，和正确奖励，最终吃到箱外的鱼，学习中循序渐进过程的规律性，命名为“效果律”。

在强化学习的应用领域，互联网营销及SEM推广也是重要的市场，通过设定营销目标，在一定的竞价排名机制下，训练对应的神经网络，在基础上强化学习，应对不同的行为、变量、状态进行反馈，达到最优的出价排名组合，利用人工+智能的方式达成最好的投放结果。我相信通过我们多年的人工结合工具以及数学思考所得到的历史投放数据，可以更好的帮助计算机进行深度的强化学习，这也是区别现在市场OCPC智能优化的地方。

对于技术的探索和在SEM领域的实际应用我们一直在思考和探索。

第六章:结论

在SEM的成熟发展期，就要有成熟的管理手段，去真正的解放低效率的基础工作，提升效率，降低人员成本和时间成本。利用云技术手段，缓解PC本地的运算压力，节省设备和人员的投入。利用数据标注和机器学习让海量的关键词和关键词数据可以更清晰的管理。让更多的从业人员可以解放出更多的时间，去深入的了解行业的动态、新产品的研究、策略策划的工作，真正的有时间去思考，去做数据分析，去做解决方案，提升广告投放效果。协助媒体提升营销体验，协助广告主提升投放效果。希望我的研究方法和方向可以分享给更多的客户和从业者朋友，一起去探讨，共同进步。谢谢，论文至此全篇完

特此，感谢在论文创作过程中帮助过我、启发过我的老师们，特别感谢SEM服务部的小伙伴们对我的支持和鼓励，以及工具集研发团队的工程师们，帮助我把想法落地，加班加点的保障工具集的上线，以及在论文开题期间，给予我指导的Baidu营销学院的姜鹏飞老师，谢谢大家