搜索引擎數據 助制定數碼廣告策略

據媒體本月初報道，研究公司Insider Intelligence Inc.發表報告，估計Alphabet Inc.旗下Google和Facebook母公司Meta Platforms Inc.合計佔據2022年美國數碼廣告支出的48.4%。這兩家公司合計的美國市佔率，自2014年以來不曾低於50%，去年稍為回落，雖然Google和Meta的廣告業務仍在增長，不過增速慢於美國其他數碼廣告市場。Insider Intelligence的分析師Zachary Goldner表示，Google和Meta的整體市場份額之所以受到侵蝕，是因為各個品牌已經有更多渠道形式打廣告，包括TikTok和Netflix崛起。

瞄準目標 依賴有效預測點擊率

誠然，目前數碼廣告進一步流行，但如何制定一個能夠針對目標綫上用戶的有效廣告，是一個愈來愈受到各方關注的議題。若網絡廣告沒有對準目標對象，則網絡廣告商無疑是白費心機，浪費金錢；要對得準目標對象，則依賴於能夠有效預測點擊率（click-through rate，CTR），或者用戶會繼續按動搜索結果所展示的連結。因此，能夠快速改進對新連結的預測至關重要，若成功快速改進對新連結的預測，就可以調整綫上搜索排名或活動的策略，找對目標對象，提升行銷成功的機會。

隨着即時營銷公司（如TVTY等）的出現，這種隨着時間推移、可以動態執行跨渠道協調廣告的策略，使廣告商能夠立即啟動和優化由電視廣告等綫下事件觸發的搜索廣告活動（參見筆者於本欄在去年12月22日發表的「跨渠道協調廣告增『瞬間營銷』效用」一文），對綫上營銷成功大有幫助。

很顯然，這類操作有賴於能夠有效預測特定時間點用戶提交搜索查詢的競投廣告之點擊率，尤其在沒有或基於過去只有很少點擊率數據，可供有效預測點擊率的情況下，實在需要一個模型，將用戶搜索查詢的內容偏好、所接觸的搜索結果內容、點擊行為等聯繫起來。

用戶搜索偏好 改進點擊率預測

不過，每分鐘通過Google搜索引擎提交逾300萬個查詢，數量巨大，分析這些搜索查詢的數據，以及頁面結果和後續點擊，無疑可以揭示消費者每天尋找的信息類型；然而，搜索意圖（intentions）或搜索內容可能會受到每天不同時段或不同重頭戲事件（如體育賽事）影響，若果能夠洞悉他們的喜好與點擊行為，可能有助營銷人員制定內容，以獲得排名靠前的搜索結果，增強營銷成功的機會。

為了解決這個問題，筆者開發了一個嶄新的主題建模方法（topic modeling approach），有效連結搜索、搜索結果和點擊率的數據。這類具預測能力的框架，通常應用於營銷和資訊檢索（information retrieval）領域，運用這個框架，可以揭示海量大數據箇中所展現的發展模式（patterns）。

扼要來說，筆者開發了一個完整的「貝葉斯變分推估算法」（Bayesian variational inference algorithm），並以Bing搜索引擎的電視節目之真實搜索數據，來評估這個建模框架。

筆者利用美國Bing用戶與2016年「超級碗」（Super Bowl）相關的一些最熱門查詢，將之歸一化形成的總搜索量，當中分為3個時間窗口：比賽前24小時、比賽期間的4.5小時，以及賽後24小時。從收集到的搜索數據看到，某些查詢的使用頻率遠高於其他查詢，反映用戶對「超級碗」主題的總體興趣水平不同；此外，一些查詢關鍵詞，如「超級碗」和「卡羅來納黑豹隊」（Carolina Panthers），則隨着時間而改變。

例如，在比賽開始前，用戶傾向於搜索「門票」、「開球時間」和「預測」（賽果）；比賽過程中，用戶傾向於搜索「觀看」和「直播」；比賽結束後，用戶則傾向於搜索「最有價值選手」（most valuable player，MVP）、「商業」和「精采集錦」。我們通過簡單地觀察搜索量隨時間的變化，識別內容偏好的這種變化，並透過深入研究，探討有效的在綫搜索模式，以協助有效營銷。

「內容為本」模型 識別量化偏好

我們還研究了2016年2月播出的14部不同類型的電視節目（包括體育、綜藝、真人騷、戲劇和喜劇），我們專注於針對給定劇集在3個不同時間窗口內發出的搜索：即節目播出前24小時、節目播出期間和節目播出後24小時，對用戶偏好的動態進行深入研究。

這個架構是以「內容為本」的靈活搜索模型，把搜索引擎用戶的內容偏好，與查詢搜索量和點擊率聯繫起來，並允許內容偏好根據搜索上下文系統地變化；而內容偏好會據搜索的內容有系統及相應地改變。與傳統主題建模在營銷和推薦系統中的現有應用相比，筆者這個嶄新設計模型，可以同時捕獲多種類型的信息，並在單個框架中對多方面的行為動態作出偵查，從而為業務決策制定提供可解釋的結果，令決策更具科學性和客觀性。

此外，該模型不僅以有意義的方式，識別和量化用戶在搜索上下文中的內容偏好，而且還可以預測「搜索結果頁」（search engine result page，SERP）上的點擊率。

有關的研究方法和算法細節，筆者不擬在本文闡述（有興趣的讀者可參考筆者的論文--Content-Based Model of Web Search Behavior：An Application to TV Show Search），於本文只闡釋研究的結果。

我們的研究顯示，搜索引擎可以通過基於觀察到的搜索量和點擊率量化，與跨上下文（例如時間、位置、設備等）的每個查詢相關聯內容偏好，去改進其點擊率預測。這些信息對廣告商非常有價值，因為研究論證了從消費者搜索行為中，我們可以提取有意義的信息，對制定綫上廣告的營銷策略提供啟迪和成功綫索。

創新建模 加快訪問正確信息

這個研究成果，可以給廣告商作出制定綫上營銷策略的參考；更具體地說，研究框架可以解釋搜索量、連結點擊以及兩者之間的關係，還可以自動識別、解釋和量化用戶內容偏好是否及如何因上下文而異。更重要的是，這模型可用於預測點擊率，即使對於沒有可用先驗數據的連結，它也可以幫助搜索引擎，通過更好地適應用戶的上下文相關偏好，提高搜索排名；換言之，我們可以通過建模技術，最終能夠科學地制定有效的綫上營銷廣告策略。

總結來說，目前數碼廣告的發展前景，隨着技術進步不斷向前發展。通過綫上營銷的趨勢愈來愈受到青睞，因此廣告商從非結構化數據中，提取有意義的見解，並據此作出有效的決策，是綫上營銷廣告能否對焦對象受眾、達致營銷成功效果的關鍵之處。

筆者開發的模型，將搜索引擎用戶的內容偏好與搜索量和點擊率聯繫起來；通過研究，論證了我們可以利用搜索引擎收集到的數據，建模制定出給目標對象具針對性的廣告。這種創新的建模方法，不僅有利於企業，也有利於成熟的互聯網用戶，盡快訪問到所需的正確信息。

▲ 搜索引擎可通過基於觀察到的搜索量和點擊率量化，與跨上下文的每個查詢相關聯內容偏好，改進其點擊率預測。（路透社資料圖片）