搜索引擎营销研究综述及展望
2014-06-26邓智文严建援
李 凯,邓智文,严建援
(1.南开大学 工业工程系,天津 300071;2.南开大学 商学院,天津 300071)
一、引 言
在当今的网络经济时代,消费者的行为模式发生了一系列显著的变化,搜索成为互联网时代消费者行为模式中的重要环节(Huang等,2009)。搜索引擎技术的不断完善大大降低了人们的搜索成本。一旦消费者键入关键词进行搜索,就意味着由消费者驱动的需求的生成,搜索引擎正好符合现代拉式营销理念。同时,搜索引擎营销在控制成本、品牌推广、挖掘潜在用户、针对目标客户群等方面拥有得天独厚的优势。在这样的背景下,搜索引擎营销成为企业产品营销的重要方式和渠道。
1994年,Yahoo等分类目录型搜索引擎的出现标志着搜索引擎营销(search engine marketing,SEM)的诞生,而2000年点击付费模式的产生让搜索引擎营销获得了长足的发展,之后随着互联网的发展及互联网使用人数的增加,搜索引擎市场迅速扩张。有关数据显示,有4.7亿的互联网用户选择将搜索引擎作为获取信息的一种途径,占网民总数的79.6%,并且互联网用户中有很大一部分人对搜索引擎有着比较强的依赖感(CNNIC,2013)。而艾瑞最新发布的研究报告显示,2013年第一季度中国搜索引擎市场规模达74.1亿元(艾瑞,2013),同时搜索广告营收占网络广告营收的比例逐年上升,搜索广告已成为中小型企业的最佳推广渠道。
搜索引擎刚出现时就有学者认为它将成为一种重要的营销工具,这些年来国内外不少学者从各个方面对搜索引擎营销进行了研究,取得了不少研究成果,但是这些研究成果一直未得到较为系统的梳理。鉴于此,本文在文献阅读的基础之上,对有关搜索引擎营销的已有文献进行了综述,希望有助于国内学者在这一领域开展深入的研究。
二、搜索引擎营销概念与模式
(一)搜索引擎营销概念
“搜索引擎营销”概念最先是由GoTo公司提出的(Edelman等,2006)。从用户的角度来说,搜索引擎营销是指根据用户使用搜索引擎的方式,利用用户检索信息的机会,尽可能地将营销信息传递给目标用户(冯英健,2004;Sen,2005)。从企业的角度来说,搜索引擎营销是指企业通过企业网站采取提升自然排名、推出付费搜索广告等与搜索引擎相关的行为,来使企业网站在搜索引擎上显著列示的营销手段,其目的是吸引目标受众访问企业网站(Telang,2004;李莎,2005)。实务界一般将搜索引擎营销视为网络营销的重要组成部分,通过页面优化和做广告来提升企业网站在搜索引擎结果页面中被关注的几率(Search Engine Land,2007)。综上所述,我们认为搜索引擎营销就是企业网站通过改变自身在搜索结果页面出现的位置,来利用搜索引擎推广产品和服务的营销活动。
(二)搜索引擎营销模式
搜索引擎是网站推广的重要手段,也是用户发现新网站的最普遍途径(Telang等,2004)。当今主流的搜索引擎营销模式有两种,即付费搜索广告和搜索引擎优化。
在付费搜索广告模式下,作为广告主的企业根据自身产品和服务的特点向搜索引擎提供商购买关键词。如果用户在进行搜索时所输入的关键词与广告主购买的关键词相符,搜索结果页的推广链接(sponsored links)区域就会出现广告主的网页链接。付费搜索广告根据收费机制分为定价排名和竞价排名两种。定价排名根据时间段固定收费,前三个位置固定价格较高,后面位置上的企业链接会依次轮换显示。定价排名机制现在在业界已经基本上被竞价排名机制所替代。竞价排名是指广告主通过关键词拍卖(keyword auction)来就其网页链接在推广链接区域出现的位置展开竞争。在广告主针对某一关键词出价之后,搜索引擎提供商主要根据竞价和关键词相关度来决定广告主网页链接的位置。广告主支付的费用由实际点击量和价格两个因素共同决定,即采取点击付费广告模式。
搜索引擎优化就是让企业的网站更容易被搜索引擎收录并且在用户通过搜索引擎进行检索时在检索结果中获得好的位置,从而达到网站推广的目的(Malaga,2008;Li和Lin,2013)。搜索引擎优化能够确保企业网站与搜索引擎有效连接,同时可以提升网站在所选关键词下的搜索结果页中的排名(王琰,2004)。搜索引擎优化又被细分为网站内容优化、关键词优化、外部链接优化、内部链接优化、代码优化、图片优化、搜索引擎登录等。通过这些方法,企业不需要向搜索引擎提供商付费,就能使搜索引擎将企业的网站链接收录在搜索结果页中自然搜索(organic search)区域靠前的位置(Yalom和Kose,2010)。通常搜索引擎优化被认为是提升网站排名最根本、最有效的方法。应当注意的是,搜索引擎优化对于搜索用户满意度的影响是模糊的。一方面,搜索引擎优化技术可以通过搜索引擎帮助企业更容易地抓住和索引潜在用户;另一方面,搜索引擎优化技术也可以利用搜索算法的漏洞来操纵自然排名,从而扰乱自然搜索。一般认为,搜索引擎优化在给互联网市场带来了新的机遇的同时,也给市场和网页的搜索引擎排名带来了巨大的挑战(Li和Lin,2013)。
付费搜索广告和搜索引擎优化都是现今主要的搜索引擎营销模式,两者各有优劣。一方面,一般来说,对于搜索引擎优化,广告主花费较少且多为一次性花费,而对于付费搜索广告,广告主需为搜索用户的每一次点击付费,花费较多。同时付费搜索广告还要面临无效点击的风险。但另一方面,尽管不同的关键词费用不同,但付费搜索广告在支付费用后往往在搜索结果中表现出较高的稳定性,而且位置保留时间更长。而搜索引擎优化受搜索引擎算法的影响较大,要确保在每个关键词下都出现在排名靠前的位置,不确定因素很多,当搜索引擎采用新的参考算法时,已有的优化成果会变得毫无价值。此外,在竞争对手也采取优化策略的情况下,排名的保持时间较短(Chen等,2011)。
三、搜索引擎营销理论研究
现有的搜索引擎营销相关理论研究可以从研究对象和研究视角两个维度来进行梳理。搜索引擎营销研究的对象主要是付费搜索广告和搜索引擎优化这两种商业模式,有些文献也称之为赞助商/推广链接和自然搜索引擎(Feng,2008;Li和Lin,2013),或者直接表述为搜索引擎的右边和左边(White,2013)。针对不同的商业模式,研究问题也有所不同。现有关于搜索引擎营销的研究有两个视角,一个是从搜索引擎的角度来分析,主流研究问题包括关键词拍卖和可能性改进的优化设计、搜索引擎收费模式、恶意点击对搜索引擎提供商收入的影响等;另一个是从广告主的角度来研究和分析,研究问题一般以经济和管理理论为基础,侧重于探讨如何通过建立竞价与排名以及排名与点击率、转化率之间的关系模型来预测单个关键词的有效性、关键词之间的关联性,或者免费与付费搜索的关联性等。表1对现有的主要搜索引擎营销相关理论研究进行了列示。
表1 搜索引擎营销文献
(一)付费搜索广告
如前所述,搜索引擎视角的主流研究问题包括关键词拍卖和可能性改进的优化设计、搜索引擎收费模式、恶意点击对搜索引擎提供商收入的影响等。关键词竞价排名是付费搜索广告的主流手段,学术界现有关于关键词竞价的研究已经比较成熟,且主要产生了三个研究方向,即关键词价格预测与竞价策略、关键词点击率和转换率以及拍卖机制。
1.关键词价格预测与竞价策略。关键词是付费搜索广告的核心元素。广告主希望用尽量低的价格获得最好的位置,这既涉及对搜索引擎拍卖机制的理解,也涉及与其他广告主的出价竞争。在价格预测方面,现有研究多基于不同的理论建立自己的价格预测模型或函数并进行验证,如回归模型(Jank等,2006)、遗传算法(Munsey等,2009)等;也有一些研究将关键词分成品牌关键词和一般关键词,并从用户的角度发现,面对不同类型的关键词,用户的行为存在差异(Yang和Ghose,2010)。在竞价策略方面,广告主的最优出价策略往往与竞拍规则有较强的联系,很多研究选择博弈论模型进行一般化的讨论。但在现实中,企业间的竞价是一个动态的过程,企业掌握的信息也不是充分的。据此,姚洪兴和徐峰(2005)建立了基于有限理性的双寡头广告竞争博弈模型,发现由于有限理性,企业无法迅速达到纳什均衡,需要经过长期的动态调整,而在调整过程中,企业很容易陷入混沌状态。一个类似的模型由Lim和Tang(2006)提出,他们发现只有当两家企业对自己收益的预期都足够高时,这种竞标过程才可能达到平衡,而且有关搜索引擎提供商所提供服务有效性的信息是企业竞标行为最重要的影响因素。此外,有的研究从不同的视角考虑广告主的竞价策略,例如,Dou等(2010)提出了广告的品牌和排名问题,并通过研究发现,如果不知名品牌的广告能排到知名品牌广告的前面,那么用户将有很大概率记住不知名品牌,而且更愿意点击进去;也有的研究针对特定的拍卖机制设计交易代理,通过优化位置和出价的关系来帮助广告主减小支出(Kitts和Leblanc,2004)。Katona和Sarvary(2010)以用户的点击率和转化率为评价标准,研究了存在多个广告主链接时广告主采取的竞价策略,并对不同的位置进行了估价,发现由于高排位的价格劣势以及自然搜索结果对消费者点击率等的影响,在付费搜索结果中排在第一的广告所带来的收益往往不如排在第二的,但是当一个网站的知名度比其竞争对手高得多时,上述因素的影响将无法超越网站自身优势的影响。而Pardoe等(2010)深入研究了关键词竞标代理的运作模式,提出了一个最佳策略,即在观察第一阶段和第二阶段投标价格的动态反应后进行竞价估计,并证明了策略的有效性。
2.关键词点击率和转化率。通常情况下,我们认为用户点击广告的可能性随广告位置的下降而迅速减小,只有将点击率*点击率(click through rates)指用户点击广告的次数占搜索结果页面展示总次数的比例。高的广告放在靠前的位置,才能提高广告主的收益,同时也能提高用户对广告的满意程度。如果用户根据自身的知识和经验,判断搜索结果中出现的品牌信息与自身的需求契合度较高,那么用户的点击率和转化率*转化率(conversion rates)指访问广告主页面并完成目标动作的用户点击占总点击次数的比例。就比较高(Rutz和Bucklin,2011)。近年来,通过不同分析方法的运用,这方面的研究也取得了不少成果。Hotchkiss等(2005)通过追踪用户浏览搜索结果页面时的眼球运动,发现无论是在推广链接区域还是在自然排名结果中,最靠前的三个链接获得的点击率都是最高的,并据此提出了“金三角区域”概念。Feng等(2007)用实验法,模拟和比较了四个分配推广链接位置的机制,证明广告主支付意愿和检索关键词强相关。Regelson和Fain(2006)提出了一种基于分层聚类的方法,首先处理用户历史数据不足条件下的点击率预测问题,与传统的预测方法相比,该预测方法的准确度能提高约40%。在此基础上,一些研究引入贝叶斯模型,进一步探索了单个关键词特征对搜索结果的影响。Rutz和Bucklin(2007)发现尽管广告主会购买一组关键词,但大部分关键词不能带来收益,即转化率为0;而Agarwal等(2011)通过研究付费搜索广告的位置对广告所创造利润的影响,发现最上面的广告有最高的点击率,但利润并非最高,为了获得更靠前的位置所付出的成本有时会大于其所带来的收益。Ghose和Yang(2009)则探讨了点击率、转化率、每次点击费用、排名等对广告表现的影响,得出位置越靠下的广告转化率越低,且每一次点击带来的收益随广告位置的移动而变化等结论。类似的,也有学者将蒙特卡罗分析方法应用于对谷歌和雅虎两大搜索引擎转化率的研究,从广告主的满意度和用户的搜索体验角度讨论其对最终收益的影响,结果证明在按出价从高到低排名的规则下,广告主考虑点击率对于最大化收益是没有必要的(Lahaie和Pennock,2007)。而Rutz和Bucklin(2011)构建了一个动态线性模型来研究品牌的潜在外部影响,并通过贝叶斯估计将模型应用到付费搜索活动中,结果表明增加通用搜索*通用搜索(generic search)指以不含品牌信息的关键词进行的搜索,与品牌搜索(branded search)相对应。能积极影响品牌搜索,但品牌搜索不影响通用搜索。
3.拍卖机制。拍卖机制决定了广告主所投放广告的最终排名,好的拍卖机制应该能保证出价高的广告得到更多的点击,以提高广告主的支付意愿,并最终增加搜索引擎提供商的收入。与根据收入排名的机制相比,竞价排名可以给搜索引擎提供商带来更高的利润(Vorobeychik,2009)。Milgrom和Weber(1982)曾用博弈论的方法证明了当竞拍者为风险中性时,第二价格密封拍卖*第二价格密封拍卖又称维克瑞拍卖(Vickrey auction),指由所有买家同时提供密封好的报价,但最后的胜出者支付的价格将是第二高的报价。的平均成交价格要高于第一价格拍卖与荷兰式拍卖*荷兰式拍卖(Dutch auction)又称公开降价拍卖,指拍卖师逐步降低拍卖价格,直到有人接受,胜出者支付的价格是最后一次宣布的报价。,采用第二价格拍卖可以提高拍卖者的收入。Edelman和Ostrovsky(2007)通过引入VCG*VCG(Vickrey-Clarke-Groves)指广告主分别对关键词进行报价,搜索引擎按照使得总价值最大化的原则进行排序,广告主的花费决定于其给其他竞拍人造成的损失之和。机制来减少投标人的战略行为,提高搜索引擎的收入和效率。之后,广义二阶价格(GSP)拍卖*GSP(generalized second-price)指搜索引擎根据广告主的出价对他们的广告进行排列,但广告主的花费由点击次数和其下一家广告主的出价决定。模型被引入,并被与VCG模型进行比较(Edelman等,2006)。Feng(2008)设计了一组常规排名对象销售的“最优机制”,并讨论了在平行、收敛、发散以及先收敛然后发散四种程式化情况下买家和卖家获得的收益,结果证明该机制在四种情况下均明显优于简单的第二价格连续拍卖机制。Zhou和Naroditskiy(2008)考虑预算约束,构建了一个随机选择竞价模型,同样显示了非常不错的实际效果。也有研究基于点击付费模式(pay per click)设计了按行为付费(pay per action)的模式,它比原模式拥有更高的收益和更小的风险(Mahdian和Tomak,2008)。Gluhovsky(2010)总结前人的研究,比较了用来预测与拟合相关关键词拍卖重要参数(如出价和点击率)的四个模型,这些模型的有效性都经过了实证研究的验证。另外也有一些混合拍卖机制被提出,同样被证明有不错的收益(Varian,2007;Goel和Munagala,2009)。
上文所述的研究为充分认识付费搜索广告的关键词竞价预测方式奠定了基础。这些研究不仅运用各种途径和方法帮助广告主做出恰当的出价决定,也为整个战略和招标的实施提供竞价预测。这可以让广告主通过有效地管理关键词组合而大大受益,并避免由出价过高造成的不必要的营销费用损失,同时也能够帮助搜索引擎提供商塑造成熟的搜索引擎营销市场,提高搜索结果质量,从而吸引更多的用户。此外,由于贝叶斯方法的广泛应用,我们能够发现其在信息不对称的环境中在预测投标和投资回报率方面的潜在效用。
(二)搜索引擎优化
搜索引擎优化是一种重要的服务模式,通过这种服务,广告主的网站能够在用户搜索相关关键词的自然排名中尽量靠前(Yalçm和Köse,2010)。广告主通过这一过程,可以增加其网站从搜索引擎中获得的流量,这也是搜索引擎优化的意义所在(Kisiel,2010)。因此,搜索引擎优化是广告主市场营销策略的一个重要组成部分(McGaw和Vilches,2009)。通常,广告主可以修改其网站代码,比如修改标题标签、元标记、链接或页面的其他区域,以使得与其他网站相比搜索引擎算法能够给予优化后的网站更高的分数,并使其能够被多种搜索引擎检索到,从而提高其在搜索结果页中的排名(Rashtchy,2004)。从理论上讲,搜索引擎优化是提升网站排名最根本、最有效的方法。
与付费搜索服务的提供商不同,搜索引擎优化服务的提供商往往是非官方的小型搜索引擎优化公司。但在实际的互联网营销过程中,企业往往更愿意去购买一个较高的排名,而非冒险去投资优化自己的网站以获得较高的自然排名。这其中虽有稳定性、风险等方面的考量,但更重要的是成本上的比较。事实上,从互联网广告主的角度看,搜索引擎优化并不是最理想的选择,某些时候选择搜索引擎优化的投资甚至比付费搜索广告要高(Sen,2005)。
现有的关于搜索引擎优化的文献几乎都与搜索引擎优化的介绍和技术的优化这两个方面有关(Malaga,2009)。PageRank算法作为谷歌搜索排名算法的重要组成部分,有一系列与之相关的问题被研究(Richardson和Domingos,2002;Kamvar等,2004;Evans,2007)。也有一些文献涉及针对某种搜索引擎进行的优化,比如Beel等(2010)以google scholar为例从选择关键词、根据关键词修改文章、文章的发表等角度提出了一种学术搜索引擎优化(ASEO)方法,并对过度优化的风险进行了探讨,指出学术搜索引擎优化的作用在于帮助搜索引擎了解被检索文章的内容,从而使其被更好地接受,但一篇文章真正的影响力还取决于它在行业内受认可的程度。Malaga(2008)从技术的角度将搜索引擎优化技术分为黑帽技术*黑帽技术是指网站设计者通过一些类似作弊的技术手段(如桥页、网页劫持)来优化网站以达到在短时间内获得很高排名的目的。和白帽技术,并介绍了黑帽技术的一些主要手法,如无形元素、html注入等,他提醒大家要注意黑帽技术的危害,但同时也不能忽视其优化方法。Wilbur和Zhu(2009)进一步对点击欺诈进行了探讨,他们通过实证研究发现广告主会因此降低他们的出价直至点击欺诈无利可图,同时他们建议搜索引擎提供商引入经第三方审计的点击欺诈检测算法。另外一些研究旨在探讨搜索引擎优化和付费搜索广告之间的关系。Sen(2005)综合考虑广告主的付费搜索广告和搜索引擎优化,考察了不同比例投入下广告主得到的最终利润,发现当策略达到最优时不应该采取任何搜索引擎优化行为。Yang和Ghose(2010)对比付费广告列表(推广链接)和自然广告列表(自然搜索)中的广告,发现两者的平均点击率有正向依赖关系,且通过反事实实验(counterfactual experiment)证明了这种正向依赖可以增加企业的预期利润。而White(2013)以搜索引擎的利润为切入点,从搜索结果的质量、左右侧的关系等方面探究了如何更好地为广告主服务的问题,他认为搜索引擎的自然排名结果是吸引用户的根本因素,自然排名质量越高,付费广告取得的效果越好;但同时,自然排名质量的提高也会导致商品均衡价格的降低,进而影响广告主的利益。
当然,我们也必须意识到,实施一项有效的搜索引擎优化项目,其最大的障碍是每个搜索引擎都有自己的算法与要求,也就是说一个互联网网站针对某一搜索引擎所做的优化并不适用于其他搜索引擎(Sen等,2006)。例如,要想在谷歌搜索结果页中取得较好的排名,网站应清晰、准确地描述内容,不能涉及交叉链接;而要想在雅虎搜索结果页中取得较好的排名,网站应包含交叉链接设计。各种搜索引擎不同的算法和要求使得搜索引擎优化更加艰难并且花费巨大。另外,搜索引擎会对自己的自然排名算法进行调整和改变,这使得优化后的高排名很难维持,也导致点击量无法预计。因此,在选择进行搜索引擎优化时,必须猜测并且适应千变万化的市场,以保持自己的位置或者提高自己的排名。正是这些因素影响了搜索引擎优化市场的进一步扩张。
四、评析及展望
随着互联网用户对搜索引擎的日益依赖,搜索引擎营销逐渐成为企业网站和品牌推广的重要方式,而且在未来很长一段时期内,都将是企业的重要营销方式。在学术界,搜索引擎提供商、广告主、用户三方的利益如何在营销过程中得到更好的表达也已经成了一项重要的课题。针对这一现状,本文在文献阅读的基础上,对现有关于搜索引擎营销的研究进行了分类,以付费搜索广告和搜索引擎优化这两种重要营销手段为视角对文献进行了综述,希望搜索引擎提供商能用更好的方案让广告主的出价更加“公平”,也希望企业在选择进行搜索引擎营销时能够制定更好的营销策略,从而让用户用尽可能少的时间和点击次数找到自己满意的搜索结果。
搜索引擎营销的本质是利用用户输入关键词检索信息的机会将企业的营销信息传达至目标用户。企业还可以根据用户检索的关键词来分析他们的行为及心理预期,以更好地满足用户的消费需求;同时也能改进网站营销信息,进而通过搜索引擎更加精准地向潜在顾客群投递广告。虽然搜索结果页中的广告内容是企业网站事先设计好的,但由于用户是通过自主选择在搜索引擎中输入关键词而搜索到这些信息的,因此用户会感觉自己主动创造了被营销的机会,而不是被动接受广告商的强制性推送,所以搜索引擎营销的效果往往比其他网络营销手段要好。
企业选择进行搜索引擎营销的目标主要有三个,分别是获得在搜索结果页靠前的排名(提高曝光率)、获得用户对企业链接的点击(提高点击率),以及将浏览者转化为顾客(提高转化率),这三个目标依次递进。无论是提高曝光率、点击率,还是转化率,其根本目的都在于将尽可能多的访问者转化为顾客,从而给企业带来收益。而只有发生了交易,企业才能获得收益,那些没有意义的点击或恶意点击,只会浪费企业的营销费用。通过前文对相关研究文献的综述我们不难发现,现有关于搜索引擎营销的研究大多围绕上述营销目标的前两个展开,无论是通过制定竞标策略来提高网站在付费搜索广告中的排名,还是通过搜索引擎优化来提高其在自然搜索结果中的排名,其目的都只是通过较高的排名来提高用户对搜索结果的点击率。除此之外,这些研究还呈现另外两方面特点。一方面,把理论研究同实证研究结合在一起,尤其偏重于模型的构建和证明。如在对付费搜索广告的研究中,对关键词的价格预测进行了大量的实证研究。这些研究验证了关键词价格同搜索引擎相关变量的相关性,为企业正确进行搜索引擎营销提供了指导。另一方面,对搜索引擎营销的研究是以相对规范的市场环境为背景的,宏观环境的影响被忽略,研究偏重于企业自身、企业与企业、企业与搜索引擎提供商的竞争与合作,以及第三方在企业竞争中扮演的角色。
网络经济时代,随着搜索引擎营销的不断普及和相关技术的不断发展,搜索引擎市场将进一步扩大,相关的学术研究也将继续深入。从以上文献分析来看,该领域存在以下几个方向有待进一步探讨:
第一,转化率的提升。只有当搜索引擎为网站带来的流量切实地带来交易时,用户的点击才是真正有意义的。未来搜索引擎营销的目标将由现阶段的“提升排名、促成点击”转变为“将浏览者转化为顾客”。在访问量达到一定数量级的情况下,企业的营销重点也会转移到如何延长用户在网站上的停留时间,提高潜在顾客的发展率等问题上来,未来的研究应在这些方面为企业进行搜索引擎营销给予更多的指导。
第二,搜索引擎优化的策略整合。由于各搜索引擎的算法和要求不同,网站的优化无法在所有搜索引擎上生效。目前关于搜索引擎优化的研究多针对某一网站在特定搜索引擎上的优化,这种方式效率较低且产出不高,对于搜索引擎算法修改的反馈较慢,这些都直接影响到搜索引擎优化的使用效果。因此,未来的研究有必要深入探讨如何促进搜索引擎优化方案的完善。
第三,搜索引擎营销同其他网络营销的融合。目前网络营销的常见方式有邮件营销、新闻营销等等,它们和搜索引擎营销各有特点,企业需要综合利用这些营销措施。在实际运营过程中,企业如何在各种营销手段间分配资源,发挥各种手段的优势,值得我们深入研究。而搜索引擎营销对搜索引擎算法的促进作用也有待探索。
第四,用户角度的探索研究。搜索引擎营销的主要参与实体包括搜索引擎提供商、广告主和用户。目前大部分研究都是从前两者的角度展开的,缺少有关用户在浏览时对广告关注度的深入分析。搜索引擎营销作为一种营销手段,受众的反映才应该是检验其效果的最佳标准。但目前,关于用户在查找搜索结果时的心理和阅读习惯的研究还相当缺乏,关于用户搜索行为的原因和特点的研究也较为缺乏,未来的研究有必要对这些问题进行深入的探讨。
第五,针对不同种类商品的搜索引擎营销。之前的研究都将所有的商品作为一个整体,而在实际营销活动中,对于不同种类的商品,广告对消费者的影响差别巨大。不同种类的商品消费特性不同,对应的消费群体也不同,而不同的消费群体在文化、思想等方面存在差异,针对他们的营销策略也理应有所不同。因此,未来学者们有必要区分不同种类的商品来进行搜索引擎营销研究。
[1]Agarwal A,Hosanagar K and Smith M D.Location,location,location:An analysis of profitability of position in online advertising markets[J].Journal of Marketing Research,2011,48(6):1057-1073.
[2]Beel J,Gipp B and Wilde E.Academic search engine optimization (ASEO)[J].Journal of Scholarly Publishing,2010,41(2):176-190.
[3]Chen C Y,Shih B Y,Chen Z S,et al.The exploration of internet marketing strategy by search engine optimization:A critical review and comparison[J].African Journal of Business Management,2011,5(12):4644-4649.
[4]Dou W,Lim K H,Su C,et al.Brand positioning strategy using search engine marketing[J].Management Information Systems Quarterly,2010,34(2):261-279.
[5]Edelman B,Ostrovsky M and Schwarz M.Internet advertising and the generalized second-price auction:Selling billions of dollars worth of keywords[J].American Economic Review,2006,97(1):242-259.
[6]Edelman B and Ostrovsky M.Strategic bidder behavior in sponsored search auctions[J].Decision Support Systems,2007,43(1):192-198.
[7]Evans M P.Analysing google rankings through search engine optimization data[J].Internet Research,2007,17(1):21-37.
[8]Feng J,Bhargava H K and Pennock D M.Implementing sponsored search in web search engines:Computational evaluation of alternative mechanisms[J].Informs Journal on Computing,2007,19(1):137-148.
[9]Feng J.Optimal mechanism for selling a set of commonly ranked objects[J].Marketing Science,2008,27(3):501-512.
[10]Ghose A and Yang S.An empirical analysis of search engine advertising:Sponsored search in electronic markets[J].Management Science,2009,55(10):1605-1622.
[11]Gluhovsky I.Forecasting click-through rates based on sponsored search advertiser bids and intermediate variable regression[J].ACM Transactions on Internet Technology,2010,10(3):11-15.
[12]He C and Chen Y.Managing e-marketplaces:A strategic analysis of non-price advertising[J].Marketing Science,2006,25(2):175-187.
[13]Hotchkiss G,Alston S and Edwards G.Eye tracking study[R].Research white paper,Enquiro Search Solutions Inc,2005.
[14]Huang P,Lurie N H and Mitra S.Searching for experience on the web:An empirical examination of consumer behavior for search and experience goods[J].Journal of Marketing,2009,73(2):55-69.
[15]Jank W,Shmueli G and Wang S.Dynamic,real-time forecasting of online auctions via functional models[R].Paper presented at the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining,ACM,2006.
[16]Katona Z and Sarvary M.The race for sponsored links:Bidding patterns for search advertising[J].Marketing Science,2010,29(2):199-215.
[17]Kisiel R.Dealers get on top of search engine results[J].Automotive News,2010,84(6408):24-25.
[18]Kitts B and Leblanc B.Optimal bidding on keyword auctions[J].Electronic Markets,2004,14(3):186-201.
[19]Lahaie S and Pennock D M.Revenue analysis of a family of ranking rules for keyword auctions[R].Paper presented at the 8th ACM Conference on Electronic Commerce,2007.
[20]Li K and Lin Z.Running and chasing—The competition between paid search marketing and search engine optimization[R].Paper presented at the 47th Annual Hawaii International Conference on System Sciences (HICSS),2014.
[21]Lim W S and Tang C S.An auction model arising from an Internet search service provider[J].European Journal of Operational Research,2006,172(3):956-970.
[22]Mahdian M and Tomak K.Pay-per-action model for on-line advertising[J].International Journal of Electronic Commerce,2008,13(2):113-128.
[23]Malaga R A.WEB 2.0 techniques for search engine optimization:Two case studies[J].Review of Business Research,2009,9(1):132-139.
[24]Malaga R A.Worst practices in search engine optimization[J].Communications of the ACM,2008,51(12):147-150.
[25]Milgrom P R and Weber R J.A theory of auctions and competitive bidding[J].Econometrica:Journal of the Econometric Society,1982,50(5):1089-1122.
[26]Munsey M J,Veilleux S,Bikkani A,et al.Born to trade—A genetically evolved keyword bidder for sponsored search[R].Paper pre-sented at the International Joint Conference on Artificial Intelligence,2009.
[27]Pardoe D,Chakraborty D and Stone P.TacTex09 a champion bidding agent for ad auctions[R].Paper presented at the 9th International Conference on Autonomous Agents and Multiagent Systems,2010.
[28]Rashtchy S.New methods in search marketing:Contextual advertising and other evolutions[R].Paper presented at Best Practices for Marketing and Optimizing Your Search Engine Process,La Jolla,CA,2004.
[29]Regelson M and Fain D.Predicting click-through rate using keyword clusters[R].Paper presented at the Second Workshop on Sponsored Search Auctions,2006.
[30]Richardson M,Dominowska E and Ragno R.Predicting clicks:Estimating the click-through rate for new ads[R].Paper presented at the 16th International Conference on World Wide Web,2007.
[31]Rutz O J and Bucklin R E.From generic to branded:A model of spillover in paid search advertising[J].Journal of Marketing Research,2011,48(1):87-102.
[32]Search Engine Land.The state of search engine marketing 2006[EB/OL].http://searchengineland.com/the-state-of-search-engine-marketing-2006-10474,2007.
[33]Sen R,King R C and Shaw M J.Buyers’ choice of online search strategy and its managerial implications[J].Journal of Management Information Systems,2006,23(1):211-238.
[34]Sen R.Optimal search engine marketing strategy[J].International Journal of Electronic Commerce,2005,10(1):9-25.
[35]Telang R,Rajan U and Mukhopadhyay T.The market structure for internet search engines[J].Journal of Management Information Systems,2004,2(21):137-160.
[36]Varian H R.Position auctions[J].International Journal of Industrial Organization,2007,25(6):1163-1178.
[37]Vorobeychik Y.Simulation-based analysis of keyword auctions[J].ACM SIGecom Exchanges,2009,8(1):1-4.
[38]White A.Search engines:Left side quality versus right side profits[J].International Journal of Industrial Organization,2013,31(6):690-701.
[39]Wilbur K C and Zhu Y.Click fraud[J].Marketing Science,2009,28(2):293-308.
[40]Yang S and Ghose A.Analyzing the relationship between organic and sponsored search advertising:Positive,negative,or zero interdependence?[J].Marketing Science,2010,29(4):602-623.
[41]Zhou Y and Naroditskiy V.Algorithm for stochastic multiple-choice knapsack problem and application to keywords bidding[R].Paper presented at the 17th International Conference on World Wide Web,2008.
[42]中国互联网络信息中心(CNNIC).中国互联网络发展状况统计报告[EB/OL].http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201307/P020130717505343100851.pdf,2013.
[43]艾瑞.2013年Q1中国搜索引擎市场核心数据报告[EB/OL].http://search.iresearch.cn/portal/20130509/199265.shtml,2013.
[44]冯英健.网络营销基础与实践[M].北京:清华大学出版社,2007.
[45]姚洪兴,徐峰.双寡头有限理性广告竞争博弈模型的复杂性分析[J].系统工程理论与实践,2005,(12):32-37.