當用戶在搜索引擎搜索相關詞條，會收到一些返回結果，以及一些付費的展示廣告。大量研究雖然在理解用戶與搜索的互動方面投入了大量的工作，但令人驚訝的是，很少有人研究廣告被點擊后會發生什么，而這正是本文的研究目標。
為此，我們定義并研究了上下文環境比變化的過程，即用戶從 Web 搜索到結果在點擊后的登錄頁面上下文的轉換。我們得出的結論是，在絕大多數情況下，用戶會看到三種類型的頁面之一，即主頁(廣告商的主頁)、類別瀏覽(與原始查詢相關的可瀏覽的子目錄)和搜索轉移(在目標站點上重新執行相同查詢的搜索結果)。我們使用自動文本分類器可以準確地區分這三種類型的登錄頁面。最后，利用這種自動分類器，我們將登陸頁面類型與廣告主提供的轉化率數據關聯起來，并顯示轉化率(即轉化率)。(例如，用戶對廣告的回復率)根據廣告類型的不同有很大差別。我們相信，我們的研究結果將進一步了解用戶對搜索廣告的總體反應，特別是對登陸頁面的反應，從而幫助廣告商改進他們的網站，幫助搜索引擎選擇最合適的廣告。
文章介紹
本文將會研究付費搜索廣告著陸頁的轉化率。在這種情況下用戶通過某種關鍵詞進行搜索，搜索引擎會展示與搜索內容相關的廣告。一旦搜索結果被展示出來用戶有會通過以下兩種步驟成為購買者。
1、通過點擊：一開始用戶會通過點擊廣告而轉到登陸頁面，而搜索引擎將通過點擊來收取廣告公司的費用。一般情況下，廣告客戶為搜索引擎的每一次點擊付費，這是每一次點擊的成本或者 CPC 模式（見文后名詞解釋），這些廣告通過查詢被點擊的頻率被稱作為點擊率。
名詞解釋：CPC (Cost Per Click;CostPer Thousand Click-Through) 每點擊成本以每點擊一次計費。這樣的方法加上點擊率限制可以加強作弊的難度，而且是宣傳網站站點的最優方式。但是，此類方法就有不少經營廣告的網站覺得不公平，比如，雖然瀏覽者沒有點擊，但是他已經看到了廣告，對于這些看到廣告卻沒有點擊的流量來說，網站成了白忙活。
2、轉化：在這一個階段，用戶可能在廣告商的網站上進行了一定的活動，轉而成為了產品或者服務的買家。在某些情況下商家僅為轉化率付費。為了強調“轉換”可以是一般的行為，而不僅僅是傳統的購買行為，這被稱 CPA 模式。
名詞解釋：CPA (Cost Per Action) 每次行動成本：CPA 計價方式是指按廣告投放實際效果，即按回應的有效問卷或定單來計費，而不限廣告投放量。CPA 的計價方式對于網站而言有一定的風險，但若廣告投放成功，其收益也比 CPM 計價方式要大得多。廣告主為規避廣告費用風險，只有當網絡用戶點擊旗幟廣告，鏈接廣告主網頁后，才按點擊次數付給廣告站點費用。
對搜索引擎和廣告商來說，了解轉化率是至關重要的。在 CPC 模式中，它決定廣告商的投資回報，并告知搜索引擎他們產品的價值；在 CPA 模型中，它直接決定了多少錢易手。為此，我們定義并研究了上下文遷移的過程：即用戶從先前活動的過渡(比如網絡搜索)文本環境通過點擊網站廣告轉移到著陸頁的文本環境。
在觀察了幾百個廣告和相應的登陸頁面的綜合樣本后，我們發現絕大多數觀察到的上下文轉移都屬于以下四個類別之一。
主頁類型：這是廣告商網站的頂層頁面。當用戶搜索品牌或者關鍵字時候，廣告商顯示他們的主頁為落地頁的廣告。這種方法通常由較小的、缺乏經驗的人使用廣告客戶或知名品牌的廣告主。當用戶搜索品牌或者關鍵字時候，廣告商顯示他們的主頁為落地頁的廣告。這方法也可能方便的廣告主出價，以及對成百上千不希望投資為每個關鍵字創建一個特定的頁面的廣告主。除非用戶搜索的是廣告商的品牌名稱，使用首頁作為登錄頁不會強烈的使得文本上下文聯系內容的改變。例如，考慮一個搜索為了單豐田。” 如果豐田是廣告客戶，將搜索者引導到豐田的主頁可能會滿足用戶的信息需求。另一方面，任何其他沒有專門為豐田建立網站的廣告商汽車，例如，提供所有汽車報價的網站將丟失一些上下文搜索聯系顯示泛型首頁，這不能立即滿足用戶搜索查詢需求。
搜索轉移型：在沒有找到對應相關產品的情況下，網站會返回此類產品下的另一些產品。例如，給定一個查詢例如：加利福尼亞馨芳葡萄酒（一種葡萄酒的類型），在沒有找到對應商品（加利福尼亞 馨芳葡萄酒）的情況下，一個在線葡萄酒商店將返回有關于馨芳葡萄酒類的登陸頁面結果。這種廣告形式的好處是不需要為每個關鍵字或一組關鍵字創建一個特定的頁面。
類別瀏覽類型：在沒有找到對應相關產品的情況下，網站會返回與搜索產品相關的類的產品。例如，加利福尼亞 馨芳葡萄酒 做在線葡萄酒商店廣告。在這里，在沒有找到對應商品（加利福尼亞 馨芳葡萄酒）的情況下，網站一個類別瀏覽著陸頁面可能描述了網站的仙粉黛酒部分。
其他類型：這些是獨立的頁面，似乎與網站的其他部分斷開連接。這些頁面通常沒有很多外部鏈接，也沒有辦法從主頁到達它們。此類的一個例子是獨立表單，頁面的唯一目的是從用戶那里收集信息。另一個例子是促銷頁面，它提供關于產品或服務的促銷信息。這些頁面類似于報紙上的印刷廣告，通常包括諸如“現在試試”、“時間有限”和“特價”這樣的短語。
我們觀察到，這前三個類加起來占樣本數據集中廣告的88%以上。此外，這些類很容易區分，我們可以為它們建立一個高精度(> 80%)分類器。利用這個分類器，我們對不同類型的登錄頁面和相應廣告的轉化率之間的相關性進行了研究。我們的最終結果是基于超過30,000個獨特的登陸頁面，自動分類。
我們還研究了不同類別的登錄頁面對于不同類型查詢(例如，不同長度的查詢或關于不同主題的查詢)的適用性。有趣的是，在我們的數據集中，廣告客戶之間似乎很少同意使用哪個特定著陸頁面用于哪種類型的用戶查詢。因為對于許多類型的查詢，我們觀察到實際使用的各種各樣的著陸頁面。然而，我們發現在很多情況下，現有的著陸頁面選擇可能不是最優的，我們鼓勵廣告商嘗試不同類型的著陸頁面，然后根據統計證據做出明智的選擇。
這篇文章有三方面的貢獻。首先，我們建議對廣告登錄頁面進行分類。其次，我們使用標準的機器學習技術來構建一個能夠自動將登錄頁面映射到該分類法的類的分類器。最后，我們將不同類別落地頁的實際使用頻率與其報告的轉化率進行比較。基于我們的發現，我們鼓勵廣告商對不同類別的著陸頁面對轉化率的影響進行研究。
轉化率數數據來源
我們從參與的廣告商那里獲得了轉換信息。為了便于我們的分析，這個數據集被添加了額外的信息，刪除了過程中缺少信息的條目。對于每一個登錄頁面 URL u 和查詢導致訪問 u ，數據有:
-
登陸頁面 U 的點擊數量
-
頁面網站 U 的轉化數量
-
價格：平均每次點擊網站 U 所需要付給搜索引擎的價格
-
著落頁種類：在爬取著著落頁面信息的時候我們使用訓練好的自動分類器進行分類。
-
查詢頻率：取在網頁搜索的查詢次數 q 的對數。Log q
-
查詢類：我們還包括了自動查詢分類器預測的查詢的類標簽，這些分類器涉及到超過6000個節點。
這導致數據集超過31,000對獨特的查詢和登陸頁面 URL 。對每個查詢預測的查詢類標簽的統計表明，我們的數據集涵蓋了廣泛的主題。
分析與討論一
上表總結了不同的總體分類轉換數據集中的登錄頁的類型，以及與每種類型相關的相對平均轉化率。正如我們所看到的，類別瀏覽和搜索轉移類占主導地位的選擇，雖然平均轉化率低于整個數據集的平均值。這并不一定意味著廣告商選擇了錯誤的登陸頁面類型。相反，這些結果指出，平均而言，選擇其他類型和首頁登陸頁面的廣告客戶往往比選擇類別瀏覽和搜索的廣告客戶擁有更高的相對轉化率。其中一個原因可能與廣告商對轉化率的不同定義有關。另一種登錄頁面類型是其他類型通常包含獨立表單，其中表單的轉換可能是表單的提交。另一方面，一個搜索轉移登陸頁通常顯示一個產品列表，在那里一個可能對應一個產品的銷售。顯然，在后一種情況下實現轉換更為困難。因此，我們并不是說登錄頁面類型的選擇是影響轉化率的唯一因素。相反，我們提供對著陸頁面和轉化率的相關性的分析和洞察。記住這些注意事項，我們繼續探索不同類型(分組)查詢的登錄頁面類型和轉化率之間的相關性。
下面我們來分析不同的查詢展現出來的趨勢：
我們首先檢查不同查詢頻率下的登錄頁面類型使用情況和轉換信息(a，b)，不同的查詢長度 (c，d)，以及支付的不同價格(a 和不同的查詢類(c， d))。一個一致的趨勢是，另一類是最不常用的登陸頁面類型，平均轉化率最高或第二高。正如我們前面所討論的，由于其他類包含注冊頁面之類的內容，所以轉換的可比性可能比較小。因此，我們的分析主要集中在前三個占優勢的類上。總的來說，我們在整個數據集上觀察到類似的趨勢:類別瀏覽和搜索轉移類使用得更頻繁，但通常實現的轉化率更低。和轉換大多是一致的，不管主題(即(圖c和(a) (b) (d))。然而，更仔細的研究揭示了一些有趣的細節。
分析與討論二
首先，我們從下圖 a 中觀察到主頁是最頻繁的查詢，及其隨著查詢頻率的降低，使用頻率也會逐漸下降。直觀地說，最頻繁的查詢更有可能出現是關于流行品牌名稱的導航查詢或信息查詢。實際上，我們檢查了轉換數據集中100個最頻繁的查詢，并找到了其中的43個它們必須是沒有任何具體型號指標的品牌(如諾基亞)。相反，查詢時不那么頻繁包括品牌名稱，他們往往也包括具體車型信息(例如，2009年雪佛蘭 Malibu )。還請注意即類別瀏覽和搜索轉移隨著查詢頻率的降低，類會逐漸增加，隨著類別瀏覽的使用略微傾斜為最不頻繁的查詢(減少與搜索的差距轉移)。這表明，當查詢變得越來越少時，它將把他們和一個已經存在的人結合起來會更困難網站上的頁面以及更方便的求助于搜索轉移落地頁。
隨著查詢越來越少，主頁類的平均轉化率有了一個有趣的穩定增長(圖 b)盡管它不是那么受歡迎的選擇。其他兩類的轉化率大致保持不變。
當查詢特性的另一個特征是長度的查詢。較長的查詢可能更具體(例如，100滌綸桌布“ vs. 桌布”)，盡管查詢長度并不總是特異性的精確預測(例如，asd2625kew2 vs. 圣誕晚餐食譜")。請注意數據集中的查詢沒有覆蓋廣泛的范圍長度，由于今天 Web 中使用的平均查詢長度較短搜索。不過，盡管如此，我們觀察到，對于單個詞語查詢，類別瀏覽和搜索轉移類的用法差異最大(圖 c)。我們也觀察到因為查詢變得更長也更加具體，主頁類的轉化率也有著相似的增長。
圖 a和圖 b展示了基于為查詢支付的價格，用作代理查詢的商業價值，因為我們的轉換數據集不包含拍賣信息。最不費錢的查詢是搜索轉化類和類被瀏覽類的著陸頁。隨著查詢變得更加昂貴，主頁著陸頁的使用明顯增加，同時搜索轉移著陸頁的使用急劇下降。有趣的是，隨著價格的上漲，三類產品的平均轉化率總體上呈上升趨勢。這表明，花更多錢的廣告商不一定更難取悅。事實上，這些廣告客戶的錢可能是物有所值的，因為他們獲得了更高質量的登陸頁面，或者對更昂貴的查詢進行了更好的轉換。雖然搜索轉移頁面在價格較低的情況下平均轉化率最低，但它們的平均轉化率要高于價格中等的類別瀏覽頁面。一個可能的解釋是，低價格范圍是由低質量的搜索轉移頁面主導的，這些頁面試圖利用低商業價值的查詢賺錢，使用不太相關的登錄頁面，甚至垃圾郵件或點擊套利頁面。另一種可能性是，較低的價格范圍對應的是不太有價值的關鍵字，搜索轉移為這些關鍵字提供了一種較低的解決方案。
現在我們將進一步研究其有效性在更具有可比性的查詢上的不同登陸頁面類型：
這里我們研究了針對相同問題的不同廣告活動。如果廣告商對相同的查詢使用不同的登陸頁面類型，哪一種會有更高的轉化率?結果匯總在下圖。結果表明，在這個數據集中，大多數查詢只與一個著陸頁面相關聯，對于多個著陸頁面的轉換，報告的查詢只有大約600個。為了獲得更可靠的統計數據，我們放寬了比較的限制，將用于相關查詢的不同登錄頁面類型包括進來，其中，如果兩個查詢至少有一個相同的單詞并且共享相同的查詢類(查詢分類器的最上面的一個預測)，則認為它們是相關的。
分析與討論三
例如，當來自類別瀏覽和搜索轉移類的登錄頁面被用于相關查詢時，2332次搜索轉移頁面獲得更多點擊，824次(263)次搜索轉移頁面獲得更高(更低)的轉化率。上圖中的數字一致表明，與用于相同或相關查詢的其他類的頁面相比，搜索轉移類更有可能獲得更高的轉化率。這表明，在公平的比較中，搜索轉移著陸頁面在實現轉換方面是相當有效的。
瀏覽模式作為轉化事件：
當廣告商使用主頁作為登陸頁時，廣告商大概是希望吸引用戶通過瀏覽進一步探索網站。與其他兩個占主導地位的類相比，首頁類不太可能保留用戶搜索的內容，特別是對于不太常見的查詢。用戶是否有足夠的興趣繼續瀏覽，或者他們是否會失去興趣，并立即離開網站在瀏覽作為登錄頁的主頁?我們使用前面提到的瀏覽數據集來回答這個問題。對于此數據集中的每個登錄頁面，可以從工具欄日志中提取同一會話中額外站點內部單擊的次數。如果我們將基于點擊的轉換定義為在同一個站點上的額外點擊超過一個閾值的訪問，那么我們可以計算使用之前的平均轉化率。
分析與討論四
如下圖 b 所示，總體上我們觀察到主頁類的平均轉化率最高。事實上，隨著登錄頁面變得越來越具體(主頁，分類瀏覽，搜索轉移)，額外的點擊不太可能發生。顯然，一種可能的解釋是，在登錄到一個已經非常特定于查詢的頁面時，用戶不需要那么多的點擊就可以到達一個滿足她的頁面。盡管如此，我們的發現確實表明，即使是在很少的查詢中，一個更通用的登錄頁面(例如主頁)也不會推遲用戶進一步的瀏覽。
還要注意的是，雖然細節不同，但總體趨勢不同占主導地位的三個登陸頁面的相對順序如何從使用(下圖(a))和轉換的角度來看，跨不同查詢頻率的更改與我們在轉換數據集上的發現保持一致(上圖(a)和(b))。這證明了我們的發現不局限于一個特定的廣告樣本。
文章結論
本文對付費搜索廣告中的上下文本環境遷移進行了研究。通過對幾百個例子的分析，我們發現大部分的廣告目標頁面分為三個不同的類別:首頁，類別瀏覽和搜索轉移。然后我們繼續構建一個機器學習分類器，能夠自動地將登錄頁面映射到這些類上。使用這個標識符,我們研究的不同類型的著陸頁面和相應的廣告的轉化率之間的關系。我們研究通過區分數據根據查詢頻率,長度,話題,和價格對不同類型的登陸頁的影響。然后，我們研究了每個類數據中的著陸頁面類型與廣告轉化率的相關性。我們分析了幾種情況，其中選擇一種類型的登錄頁面比其他類型更可取。我們還發現，廣告客戶喜歡的登錄頁面與用戶查詢所期待出現的登陸頁面之間并不是最優的匹配。由于不同廣告主轉化率的差異，在本文中，我們分析了相關關系，而不是聲稱之間的因果關系的登陸頁面類型和轉化率。這個限制是由我們的轉換率的數據得出的。盡管如此，這還是第一次嘗試深入了解登錄頁面類型、查詢類和轉換之間的關系。對于未來的工作，我們打算研究著陸頁面類型和轉化率之間的因果關系，針對那些同樣衡量轉化率的廣告主。此外，我們計劃檢查轉換和其他顯示數據(如查詢詞、業務類別)之間的相關性。
我們發現的幾種著陸頁與轉化率之間的關系：
1.選擇其他類型和首頁登陸頁面的廣告客戶往往比選擇類別瀏覽和搜索的廣告客戶擁有更高的相對轉化率。
2.在搜索引擎中，搜索頻率相對較低的詞語更加的具體（具體指明會相對型號）。搜索頻率相對較低的情況下類別瀏覽和搜索轉移類的落地頁面形式會相對增加。
3.我們也觀察到因為查詢詞語變得更長也更加具體，主頁類的轉化率也有著相似的增長。
4.我們觀察到隨著查詢付費變得更加昂貴，主頁著陸頁的使用明顯增加，同時搜索轉移著陸頁的使用急劇下降。
5.與用于相同或相關查詢的其他類的頁面相比，搜索轉移類更有可能獲得更高的轉化率。這表明，在公平的比較中，搜索轉移著陸頁面在實現轉換方面是相當有效的。
6.隨著登錄頁面變得越來越具體(主頁，分類瀏覽，搜索轉移)，額外的點擊不太可能發生。一種可能的解釋是，在登錄到一個已經非常特定于查詢的頁面時，用戶不需要那么多的點擊就可以到達一個滿足他的頁面。
基于我們的發現，我們鼓勵廣告商嘗試不同類型的著陸頁面，然后根據統計數據做出明智的選擇。
附錄
數據來源以及搜集方式：
在實驗中我們創建了三個數據集來代表不同的下劃線分布的廣告。所有描述的數據集是某搜索引擎得出收集到的數據。
試驗數據集:200個獨特的贊助搜索著陸頁面的小集合，我們使用它來定義著陸頁面的分類并構建一個自動著陸頁面分類器。這些登陸頁屬于廣告，由200個搜索引擎上的不重復搜索查詢組成。查詢是從2005 KDD Cup 的800個標記查詢中隨機抽取的。采用分層抽樣方法，根據 Web 搜索查詢日志計算出的查詢頻率將 KDD Cup 查詢集劃分為十分位數，每十分位數平均抽樣20個查詢。因此，這個數據集被構造來表示針對流行和罕見查詢的廣告。
轉換數據集:參與的廣告商提供了超過31,000對獨特的查詢和著陸頁 url，與轉化信息。轉換數據是通過添加 http 重定向到廣告商網站上表示轉換事件的鏈接來收集的(例如，一個購買"按鈕)。我們使用這個數據集來驗證我們的分類定義，以及分析不同類型的登錄頁面和相應的轉化率之間的相關性。
瀏覽數據集:實際的轉換數據并不總是有效的，因為許多廣告商選擇不報告給搜索引擎數據。我們為轉化率定義了一個代理。使用從瀏覽器工具欄插件收集的活動日志，哪些與用戶點擊開始的搜索軌跡相對應有關贊助搜索結果。瀏覽數據集包含超過66,000個登錄頁面以及隨后訪問同一站點的其他頁面。這個數據集代表了較少偏差的點擊廣告抽樣，因為它不受廣告商參與的限制。
著陸頁的轉化的計算：
轉換是搜索引擎為所有贊助搜索參與者產生的增值的核心。這是廣告商的最終目標:他們在贊助搜索上的投資回報直接取決于投放在贊助搜索系統上的廣告帶來的轉換。
對于用戶來說，轉換意味著用戶已經滿足了查詢的意圖。滿意的廣告客戶和用戶將通過增加出價和更多賺錢機會，使搜索引擎的商業模式更加可行。
我們將轉換定義為用戶執行的訪問所需的動作，可以采取許多不同的形式范圍從進一步瀏覽，用戶注冊，產品銷售。對于廣告活動中給定的登陸頁面URL (u)，轉化率(cr(u))是訪問者的百分比期望的行動，即與u關聯的轉換次數與單擊次數之間的比率。
在這項研究中，我們報告了一組 URL 的平均轉化率。一種可能性是使用所有 URL 的未加權平均轉化率來定義平均轉化率，平等對待每個 URL ，而不考慮它收到的點擊次數(點擊(u))。由于點擊次數多的網址的轉化率比點擊次數少的網址的轉化率更可靠，所以我們將平均轉化率U定義為 cr(U) 的加權平均值。
Click(u):網站 URL 的點擊次數
Cr(u)：與 u 關聯的轉換次數與單擊次數之間的比率
avg.cr(U):網站平均轉化率
相對平均轉化率：
【1】《搜索廣告中的上下文轉移》
-
Becker, A. Broder, E.Gabrilovich, V. Josifovski, and B. Pang. Context transfer in searchadvertising. In SIGIR’09. Poster.
【2】《預測點擊率使用關鍵字集群進行評級》
-
M. Regelson and D. Fain. Predicting click-throughrate usingkeyword clusters. In Second Workshop onSponsored SearchAuctions, 2006
【3】《搜索廣告使用網絡相關的反饋》
-
Broder, P. Ciccolo, M.Fontoura, E. Gabrilovich,
V. Josifovski, and L. Riedel. Search advertising using
Web relevance feedback. In CIKM’08, 2008.
注：本系列分享均譯自 Hila Becker，Andrei Broder，Evgeniy Gabrilovich，Vanja Josifovski 和 Bo Pang 的《What hAppens after an ad click?: quantifying the impact of landing pages in web advertising》，經譯者鄧立晨翻譯、整理而成。
——————
易觀方舟通過全量實時采集用戶屬性與行為數據，連通內外部數據源，打通用戶運營觸點，為企業各個部門提供從數據采集、分析、應用到智能用戶運營閉環的數據管理平臺，目前已經覆蓋銀行、證券、品牌零售、電商、教育等多個行業。易觀方舟可以幫助企業整合用戶數據資產，建立用戶數據分析體系，通過用戶精準分群實現用戶精細化運營，為企業決策層提供數據決策依據，提升決策效率，以數據驅動企業精益成長。
