搜索、广告与长尾网络广告

搜索、广告与长尾网络广告（精选9篇）

篇1：搜索、广告与长尾网络广告

软件就是服务，服务是什么，服务像家里的自来水，水龙头一打开水就流出来了，其实这个水从雨下来，经过一大堆过滤，通过管子到你们家，过程非常的麻烦，但是这些你都不用管，你一打开龙头水就来了，这就叫做软件及时服务，这里面需要很多很多的软件，也要把它们装在机器上，有时候还要打打补丁。希望软件所提供的服务就像家里的水龙头一样，一打开就有水。

那么互联网之所以伟大，之所以重要，我想第一个最重要的就是它是最大的计算平台，有史以来最大的。大家都听说过网格，可以说从来没有出现过比互联网更大的网格。互联网也是最大的数据库，一些资料是非常宝贵的，把这些信息串联起来，肯定是最大的分布式的资料库。

互联网以前常常被人家忽略，现在大家也比较理解，因为它形成了最大的社区网络。每台机器前面都有一个人，互联网把人与人串联了起来，肯定是有史以来最大的人际网络，而且这个网络打破了所有的国界，打破了所有的种族等地理与文化上的区别。所以，我们可以很轻易的和一个远在非洲的，从来没有见过的人交谈，这是互联网可以做到的事情，同时在商业上也提供了最有活力的市场。

下面我们来谈一谈互联网经济，这就不得不提到长尾效应。传统上我们认为主流是重要的，举个例子，假如我今天卖书，我就卖最畅销的10本书，这听起来很合理，我有一个书店，我只要卖最畅销的书，就能卖出较多的书。但是在互联网上就不一样了，原因是这样的，你知道最畅销的10本书，我也知道最畅销的10本书，你卖我也卖，最后都降价，杀得血本无归，都赔钱，这也就是长尾理论中的红海效应，就是大家杀的最后血流成河，最后大家都死了。那么大家也肯定听过蓝海效应，那才是真正的战场，真正的机会其实在尾巴上。虽然今天我也看畅销书，但我保证每一个人有喜好。听音乐是这样，看书也一样，有一些书不一定大家喜欢，有一些音乐虽然你喜欢，但不一定大家都喜欢，所以我常常讲的理论就是每一个人都有自己的爱好，

那么今天的互联网一定要照顾到大多数人的爱好。如果说有一个店号称它所卖的书从畅销书到任何一方面都有卖，那么这个店一定是每个人的首选。因为我们大家都不希望今天买这个书要到这里买，买其他的书又要到另外一个店去买。以前如果期望一个店能卖全世界所有的书，这是不可能的，因为你的物理空间不允许你卖所有的书，这可能导致有的书有可能一年只卖掉一本，你放在那里最后肯定是亏了。但是为什么互联网可以做到长尾呢，因为它营造了一个虚的空间，你不需要依赖于库藏。倘若你今天说要哪本书，我收了你的钱后才找到出版商，出版商了解情况后甚至都不马上去印，只要有足够的人买才会印，在没有互联网的时代这些以前是绝对做不到的，所以长尾效应很重要，我们要打破以前的规矩。主流的东西是很容易做的，但是难就难在照顾每个人的爱好。所以所有会成功的东西都会照顾这个长尾，搜索也是一样的，如果大家觉得这个搜索引擎非常好，那么它一定会照顾很多人的爱好。

那么从互联网的长尾经济事实上就得到了这样一个事实，我可以说我完全能买到全世界所有的书、所有的音乐了。但是这空说无凭，你必须要让人家知道你真的有那本书，比如说把书名在检索框中输入之后，在线搜索结果说明你真的在卖这本书，才说明你才可能拥有它。所以搜索很重要，它和长尾效应是相互呼应的。

那么广告为什么重要呢，原因也很简单，跟长尾效应结合起来更加的重要。我们说最好的商业架构就是说今天买方和卖方直接碰头了，不用透过大盘，中盘，小盘，还有经销商。按照传统的经济模式，假如我是在浙江卖鞋，我要把鞋卖到意大利去，我先要把鞋运到港口，再从港口运到意大利，意大利通过大盘，中盘，小盘，最后卖到消费者手里，那么经过很多道转手和盘剥之后，我实际能够赚到的很少。如果我可以直接找到意大利的买主的话，就可以减少中间倒手的工序赚更多的钱，也可以卖比较便宜的价钱。今天广告就提供这个信息服务，尤其对于长尾效应来讲的话，现今互联网有一大堆小店，大家都可以自己开一个网上商店，那么怎么样让别人知道你在卖鞋，事实上做的就是广告。假如搜索提供商能够帮你找到更多买家的话，我想你是绝对愿意付给搜索提供商一点一点钱的。所以说为什么搜索和广告这么重要，而搜索和广告的结合和长尾效应都非常的相关。

来自：blog.sina.com.cn/s/blog_4caedc7a01009pfc.html

篇2：搜索、广告与长尾网络广告

新版《长尾理论》推荐序：早已发生的“气候变迁”

“长尾”的重要特点之一就于它的“可延伸性”，《大英百科全书》与“维基百科”的首要差别就在这里（如安德森分析过的），前者是一个定型的成品，后者是一个持续发生的“事件”。安德森从动手写《长尾理论》起，就把它当成是一个别开生面的“事件”来策划和营造。这不仅表现在这本书的写作过程是通过这本书的专门网站与读者互动下进行的，而且表现在作者阶段性完成了这本书后，一直留意着它的延伸性。新版的《长尾理论》就是这样一个延伸性版本。

被称为“数字时代的女先知”的埃瑟戴森在她的《2.0版――数字化时代的生活设计》一书中说过：网络并不能改变人性，它只是提供某种前所未有的可能性，把人性中潜在的某种因素激发出来。我们可以把戴森的话推而广之：并没有什么“全新的网络经济”，我们所谈论的“网络经济”和“网络社会”的种种特点，其实是蛰伏在旧有的经济和社会形态中的某种因素被网络激活了。安德森意识到了这一点，并专辟一章（第三章长尾简史）讲述“长尾”这种“陈旧的新生事物”（The Old New Thing）。“虽然长尾目前主要是以一种网络现象显现出来，但其起源要早于亚马逊、易趣，甚至比网络还早。相反，长尾是一系列商业创新的巅峰，这可以追溯到一个多世纪以前……网络只是把酝酿了几十年的供应链革命的诸多要素简单地结合在一起了。”

作为一种新的市场形态的长尾市场，其实是工业革命以来人类为提高市场的效率而持续努力的结果。早在互联网出现前一百多年前，就有人在开辟长尾市场，在大众市场的缝隙中找到获利空间（即利基市场），实现在大众市场无法实现的交易。1886年，一箱手表从芝加哥的一个珠宝商那里被错误地运给了北红杉地区的一个商人，而这个人并不想购买这些手表，因为要在当地市场把这一箱子手表卖出去不知要花多少年的时间。一个名叫理查德・西尔斯的人（即美国著名的连锁超市西尔斯的创始人）却将这些表全部买下了，因为他看到他发现了一个半径远超过任何本地市场的销售方式。他把这些手表转售给分布在铁路沿线的众多的车站代理商。由于这笔生意让西尔斯获得了丰厚的利润，他就开办了一家依托于铁路网的手表经销公司。

铁路网都无法与今天的互联网相提并论，但以它为依托的市场的确创造了普通的销售方式无法实现的市场奇迹。西尔斯开辟的“准长尾市场”包含着长尾市场的基本特征：一、它的销售半径远大于普通的商店，二、其货架是一个长度大大延伸了的虚拟货架，三、对产品有需求的特定消费者寻找产品的搜索成本以及交易成本远远低于普通的商店。

我们不难发现，决定传统市场（无论是农业社会的集市，还是工业社会的大卖场）与长尾市场差异的关键因素，就是货架及其成本。表面上看，货架是用来摆放商品的，但它的真正身份是商品目录，只不过它是由商品实物构成的商品目录，其核心功能是让消费者方便地检索商品并做出选择。传统的货架的功能是集商品目录与实物存放于一体的，但后者作为一种附属功能，是可以分离出去的。互联网出现之前相当流行的借助于商品目录和电话的邮购中，就实现了这种分离，一大本商品目录，就是一个可以克服空间距离，让消费者能接触到的、可以不断延伸的虚拟货架，而且其成本大大低于实物货架。互联网的出现，最大限度地优化了虚拟货架极（其长度可以无限延伸，其成本趋近于免费），使长尾市场迅速告别“旧石器时代”和“新石器时代”。

与长尾市场相比，大众市场是一个过于稀疏的过滤网，那些需求规模足够大的产品（即大众产品）才有幸留在这个市场中，大量小规模需求的产品都被淘汰。互联网是一个真正的“疏而不漏”的“天网”，大量在大众市场中没有价值（无法找到消费者）的产品都能够在长尾市场中实现价值交换。再冷僻的产品都可能在一个可以无限延伸的货架上找到一席之地。在供需双方的搜索成本接近于零的情况下，任何局域下的“废品”在不断延展的广域下都可能成为某个人的“珍品”，“拔一毛而利天下”的现象越来越普遍。而在大众市场中，货架长度的有限性和高成本，决定了那些周转速度不能高到足以抵消货架单位面积成本的产品，都被排斥在市场之外。以电视这种特殊的货架（时间性货架）为例，由于这种货架本身的不可延伸性（电视台的播出时间不可能超过24小时），决定了只有少数上“产品”（节目）能够进入这个货架，进入黄金段（“黄金时间”）、成为“大热门”的产品更是少而又少。“大热门”产品之所以“大热”，并非因为追捧它的人出奇地多，而是因为大众市场的过滤机制使得人们的选择出奇地少，是因为人们不得不接受大众市场这种隐形而巨大的强制。

在10000台电视面前，可能有超过200个、2000个甚至8000个电视机在播放同一个节目，而在10000台电脑面前，10000个人可能在上 10000个网站，上同一个网站的人也可能在参与不同的频道。安德森在书中引用已故社会学家雷蒙・威廉斯在上个世纪50年代说过的话：“并不存在着大众，只有把人们当作大众的方法”，并感叹“这话有多么正确，恐怕连他自己都想象不到。”威廉斯之所以不知道自己的话有多正确，是因为他没有亲眼看到“把大众当作大众的方法”的终结者。

安德森把长尾理论概括为一句话：“我们的文化和经济重心正在加速转移，从需求曲线的少数大热门（主流产品和市场）转向需求曲线尾部的大量利基产品和市场。 ”弗里德曼在《世界是平的》中称互联网是使世界趋于平坦的“推土机”，事实上，互联网也是使“由左上陡降至右下的需求曲线”变平的推土机。热门与冷门、主流与非主流、中心与边缘之间的界线因为互联网的出现正变得越来越模糊。尼葛洛庞帝所描述的“沙皇退位、个人上场”正成为社会、经济、文化领域的普遍的景观。

在新版《长尾理论》的第十五章（《营销长尾――如何在滞销市场中推销产品》）中，作者引用了麦肯锡的预测：到2010年，只有三分之一的广播电视广告能达到1990年那样的效果，原因是制作广告的成本在上升，收视率在下降，垃圾广告在激增，以及拥有TiVo的观众可以轻松地跳过电视广告。电视与互联网之间的竞争，并非两类产业或两类企业间的竞争，而是两个时代之间的竞争。作为一种与互联网的商业逻辑格格不入的大众传播媒介，电视（连同所有的大众传播媒介）的死刑已被判定，只是缓刑期多长尚不确定。大众市场正在被长尾市场、部落市场所蚕食，以大众传播工具为手段的大众营销也正被长尾化、碎片化营销所替代。“ 随着用户驱动的网络的崛起，情况发生了逆转――值得信赖的个人多了，值得信赖的机构少了――最有效的广告来自于同龄人。没有什么能比口碑更有效，正如我们所亲眼目睹的，网络是世界上前所未有的最佳的口碑放大器。”

明白这一点，对于企业尤其是中国企业具有真切的意义：长尾理论并非仅仅与互联网产业相关的时尚话题，而是所有企业都不能省略的议事日程，因为它事关所有企业不得不面对的“气候变迁”。

----------------------------------------------------------------------------

一种理论如果被当作一种时尚来宣扬，它自然难以逃脱时尚产品常有的命运：在短时间内人们趋之若鹜，而一旦人们对它略有所知，并感到它并非如鼓吹者所声称的那样新颖神奇，人们就会心安理得地将它――连同它所包含的“真问题”――弃置一旁。

《长尾理论》原书的书名是Long Tail（长尾），中译本将它译成“长尾理论”。严格地说，“长尾理论”并非一种理论，而是一种对新的经济和商业现象的个案分析。安德森在这本书里的确试图探索一种关于新的经济形态和社会形态的理论――就像托夫勒、尼葛洛庞帝、托马斯・弗里德曼等人已经做过的那样，但他只是试图通过细致的案例分析，把长尾现象所折射的某种规律性和趋势性的东西展示出来，尽管这种展示并未到相当明晰和全面的程度。有关新经济的理论尚处在发源阶段，托夫勒对财富向非货币化转变的分析，尼葛洛庞帝对“沙皇退位，个人抬头”趋势的预见，弗里德曼对新的地缘政治和地缘经济中竞争格局和竞争优势的巨变（等级分明、竞争各方的优势和劣势高下立见的世界变成一个平坦的世界），连同安德森对“长尾”与“短头”分庭抗礼的发现，都只是作为关于新经济和新社会的理论的源头之一的“支流”。可以肯定的是，类似的“支流”式的见解还会不断出现，最终才可能汇聚成关于新的经济和社会形态的理论“干流”。

所以我们应该这样看待“长尾理论”：它并非是一种关于正在来临的经济和社会形态的全新“理论”，而是在难见其“全豹”的情况下，凭着窥其“一斑”而对于“ 全豹”的某种“猜想”。“长尾”现象可以看作是安德森发出的一种邀请：邀请我们通过对这种现象观察，一起去猜想因网络而改变了的社会经济形态，以及个人和企业在这种社会经济形态下的生存和发展之路。

一

被称为“数字时代的女先知”的埃瑟・戴森在她的《2.0版――数字化时代的生活设计》一书中说过，网络并不能改变人性，它只是提供某种前所未有的可能性，把人性中潜在的某种因素激发出来，

我们可以把戴森的话推而广之：并没有什么网络经济，我们所谈论的“网络经济”和“网络社会”的种种特点，不过是原有的经济和社会形态蛰伏着的某种因素被网络“唤醒”的结果。正如eBay的创始人奥米达所认为的，EBay这种看似全新的在线商店，不过是最古老的市场形态借助于网络技术而获得了新生，或者说是市场从工业时代非个人化的交易向农业时代的个性化交易的回归，即从大众市场到利基市场的回归。

农业社会的市场交易以两种方式进行：一是买卖双方约定在预定的地点和时间进行交易的集市；二是流动性的二人市场，即由生产者（如走村串户的手艺人）主动找到消费者而进行的一对一的市场。在两种方式中，生产者和消费者都是直接相遇、充分沟通的，生产方式基本上是“按需定制”的。

这种市场的优点是人性化、个性化，生产者能找到合适的（需求强烈因而能给出更好价钱的）买家，消费者能找到适合个性化需要的产品。生产者和消费者在这样的市场相遇，可以说是一种相对“完美”的相遇。

但这种交易的缺点是显而易见的：交易效率相当低下，市场的辐射范围极其狭小。只是由于当时的生产效率也是相当低下的，这种供给和需求在一个狭窄的区域里保持着一种原始的平衡。而当机械化大生产让生产效率大大提高时，这种“完美市场”的原始平衡立即被打破，因为集市和走村串户式的一对一市场根本无法消化生产者巨大的产能。对生产者来说，如果搜索成本极其高昂，无论产品性能如何优越，如果消费者获知并且获得这种产品难度极大，它就等同于是“废品”；反过来，即使存在着迫切购买这种产品的消费者，但生产者不知道它在何处时，这样的消费者等于不存在。

市场本来就是为了提高生产者和消费者相遇的可能性、降低双方的搜索成本而建立的一种设施和实施的一系列活动。当这种原始的搜索方式（消费者在集市上搜索产品或生产者在沿途叫卖中搜索消费者）不再有效时，大规模生产出来的产品如何能与大规模的消费者相遇？

二

我们不妨用柏拉图讲过的一个关于爱欲和苦恼的寓言来说明这一点。据说，世界上的人最初没有男人和女人之分，而只有“人”（“完整的人”）。“人”力大无比，聪明异常，对神的统治形成了巨大的威胁。为了防止有朝一日“人”可能反叛，神就把每个“人”劈成两半，这两半分别叫“男人”和“女人”。为了防止他们可能重新组合成“人”，神让每一对“男人”和“女人”散落在各处，使这一半难以找到另一半。男人和女人就这样徒劳地彼此相互寻找，一直期待着“完美的相遇 ”，但总是未能如愿。想找到的另一半的愿望叫作“爱欲”，因这种愿望无法实现而导致的状态叫作“苦恼”。

生产者和消费者之间的关系近似于柏拉图所讲的男人和女人的关系。生产者和消费者的“苦恼”来自他们的“爱欲”――对唯一性对象的希求和偏执。一旦去除这种偏执，搜索成本就会大大降低，相遇的可能性就会大大提高。

于是，在工业化时代，一种高效率的市场应运而生，这就是大众市场。其特点是让产品和消费者同时去差异化（或最低限度地差异化）。当产品和消费者都标准化或大同小异的时候，生产者和消费者劳神费力地相互搜索就变得没有必要。传统上作为相遇、成交之前的一个必不可少的细节就变得多余了。

尽可能让消费者无需搜寻、让他们“所见即所求”是大众市场降低搜索成本、提高产品能见度、提高消费者与产品相遇的几率的基本法则。

古典的专制是不让大众知道信息，不让大众做选择，而大众时代的专制是只让你知道一种他希望你知道的信息，只让你在数量有限且大同小异的选择中进行选择。大众市场采用的就是这样一种隐性强制的手法来让消费者无需搜索，它表面上是让消费者省去搜索、选择的麻烦，实际上是暗中剥夺消费者搜索和选择的权利，让他们 “享受”那种“舒舒服服的专制”。

“抽屉原理”在这里发生作用了。把5个东西放到4个抽屉的时候，必须有一个抽屉有1个以上的东西。推而广之，把无限多个东西任意分放进若干个空抽屉，那么一定有一个抽屉中放进了数量巨大的东西。当产品质的差异性有限而量巨大的时候，一定有某个类别的数量会远超过其他类别。

这个数量远超过其他类别的类别，就是通常所说的“大热门产品”。安德森很赞同社会学家雷蒙・威廉斯的一句话：“不存在大众，只存在把人们当作大众的方法。 ”同样，不存在大热门产品（至少，大众市场中的热门产品并没有值得如此多的人趋之若鹜的理由），只存在制造大热门产品的方法。无数的人选择同一种产品，并不意味着所有这些人都不约而同地认为这是最好的、最受用的产品，而是因为在选择相当有限的产品中，这种产品是最不坏的、尚且可以忍受的产品。如果有足够多的选择，这些不得已挤在一起、不得已苟同的“大众”很可能分化成众多的“小众”。

三

在一个以产品种数为横轴、以需求数量为竖轴的坐标系中，如果把不同产品的需求量连成一条线，就是一条左上陡降至右下的曲线。这条不断接近横轴，但不会与横轴相交的曲线，形状看上去就像一条变得越来越细但不会终止的“尾巴”，统计学上称为长尾曲线。

想象有这样一个商店，这个商店有数不清的货架，而且每一个货架都是一眼望不到头的。每一个货架上都分别摆放着大类上属于同一类，但质量、性能、用户体验各有不同的商品。在一定时间内，它们的销售量自然各有不同，少数几种商品的销售量大大高于其他商品，但没有哪一种商品是一件也没卖出去。

这样的商店在现实世界中不可能存在。因为现实世界是一个资源稀缺的世界。再大的商店空间都是有限的，单位空间的占用成本是可以明确计算的，商家必须要使单位空间在特定时间内产生的收益高于这个成本。在某个空间上摆放的商品如果在特定的时间内产生的收益如果低于盈利底线，或者这种商品的盈利低于其他商品，这个商品就必须让位给其他商品。

这就是说，在有特定时间和空间限制的商店中，同类商品的品种数量是严格限制在一定数量内的，单位空间和时间内的收入低于某个数量的产品，会统统被拒之门外。换言之，其需求曲线的长尾被强行截断了。

我们不妨用电视台的经营方式来说明这一点。电视台以一种相当特殊的方式出售自己的产品。电视节目表面上是免费的，其实观众是以自己的注意力来支付费用的。电视台收取观众的注意力后，就将它转卖给希望获得大量注意力的厂商（广告客户），厂商又将购买广告的费用作为成本打入产品中，让购买其产品的顾客来分摊广告费用，其实是以间接的方式向电视台付费。每一个电视频道其实是一个时间性延展的“货架”。在这个每天至多有24小时长的货架上，不同时段产生的收入是不同的，产生收入最高的时段（即收视率最高的时段）被称为“黄金时段”，我们也可以把它称为大热门时段。如此多的人在同一时间收看这个节目，首先是因为这个时间方便看电视的人最多，其次是因为供他们选择的节目太少，在少数可供选择的节目中，这个节目是相对可看的，而不是因为大家都爱看这个节目。事实上，即使是坐在一起看电视的人，对这个节目的接受程度是大不一样的。如果有另一台电视机（即另一个货架），很可能有人会去看另外的节目。在10000台电脑面前，10000个人在上10000个网站。一个电视可以大约收看50个频道，那么在10000台电视面前，一定有至少有超过200个、2000个甚至 8000个电视机在播放同一个节目，我们显然不能说这些人都由衷地爱看这个节目。

四

当然，货架在时空上的限制导致的选择余地的狭小，并不是成全大热门专制的唯一原因。在现实世界搜索成本的高昂使消费者搜索无门而放弃搜索和选择，把所遇当成所求，也是大热门产生的重要原因。一个人既无可能也无必要在看遍在网上无限延伸的货架后再决定购买哪种商品。图书馆的价值决不仅仅在于它藏有巨量的图书，而且在于它可以让读者根据自己的需求方便、快捷地找到想要看的图书。互联网与电视最大的不同，不在于它的“频道”数量是无限的，不在于它的虚拟货架可以无限延伸，而在于可以极大地节省搜索成本。

说到搜索，我们自然想到互联网上的搜索引擎。但互联网节省人的搜索成本、大大提高相遇的几率，并不仅仅靠搜索引擎。“完美的相遇”可以通过四种方式实现：一、人找信息（主要通过搜索引擎来实现）；二、信息找人（通过数据挖掘和对搜索者的搜索行为的分析，把相关信息告知搜索者）；三、信息找信息（让相关信息自动聚合，重组）；四、人找人（具有相同价值观、兴趣、偏好的人通过网络方便地相遇、聚集，形成社区和部落）。

篇3：搜索、广告与长尾网络广告

关键词：卷积神经网络,点击率预测,搜索广告

0引言

随着Web搜索技术的成熟,搜索广告已经成为互联网行业的主要收入来源之一,其根据用户输入的查询词,在搜索的结果页面呈现出相应的广告信息。广告媒介的收益通过每次点击费用( Cost Per Click,CPC) 与广告点击率( Click - Through Rate,CTR) 预测共同影响而得到,即CPC* CTR。由于用户点击广告的概率随着广告位的排放顺序呈递减趋势, 因此对CTR进行准确高效的预测,并将CTR高的广告投放在搜索结果页面靠前的位置,不仅能增加广告媒介的收益, 还能提高用户对搜索结果的满意程度。

广告点击率预测是广告算法中最核心的技术,近年来被学术界广泛关注。部分学者使用基于推荐方法的模型来解决CTR预测问题。霍晓骏等人［1］采用协同过滤算法,为页面找到与其相似的其他邻居页面,实现CTR的预测,以此作为基础进行广告推荐,但当相似页面的数量增加时,该方法的结果质量会严重下滑。Kanagal等人［2］提出了一种聚焦矩阵分解模型,针对用户对具体的产品的喜好以及相关产品的信息进行学习,解决因用户- 产品交互活动少而造成的数据稀疏问题。在文献[2]的基础上,Shan等人［3］提出了一种立方矩阵分解模型,通过对用户、广告和网页三者之间关系的立方矩阵进行分解,利用拟合矩阵的值来预测CTR,虽然立方矩阵分解模型增加了一维交互关系,但所刻画的交互关系仍然十分局限,不能在CTR预测中充分挖掘广告所有特征之间的联系。

作为典型的预测问题,很多研究中通过将CTR预测问题看作分类或者回归问题来解决,其中最常见的是应用线性模型来预测CTR。Chapelle等人［4］使用动态贝叶斯网络,通过对用户产生的点击过程建立模型,考虑级联位置的信息模拟出特定位置与相近位置的相关性,以判断该位置上的广告是否满足用户搜索要求。Chakrabarti等人［5］利用点击反馈的相关性,通过在网页和广告词等特征上使用逻辑回归模型提高广告检索和预测的效果。Wu等人［6］基于融合的思想,将不同线性模型的实验效果相结合,来提高搜索广告CTR预测的结果。真实的场景中CTR的预测并非简单的线性问题,因此,一些学者开始使用非线性模型来解决CTR的预测。Dave等人［7］在搜索广告点击信息以及广告商账户信息上提取语义特征,使用基于投票思想的梯度提升决策树模型,提高了CTR预测的效果。Zhang等人［8］利用神经网络模型对影响搜索广告点击率的因素进行的探索,从特征因素方面提高CTR预测的结果,但是资源单一,数据交互的关系没有获得良好的利用。

本文对基于卷积神经网络( Convolution Neural Network, CNN) 的CTR预测进行研究,通过卷积与亚采样操作的结合, 能更好地学习出数据特征之间的关系,不仅解决了线性模型无法模拟真实广告数据场景的问题,也解决了浅层学习模型无法深入挖掘特征间相互关系的问题,并且较之于传统的神经网络,CNN能更好地理解特征之间的关系。在真实的数据集上的实验验证了本文的方法能够提高搜索广告中CTR预测的AUC值。

1卷积神经网络模型

1. 1卷积神经网络基本模型

卷积神经网络作为人工神经网络之一,目前已成为深度学习领域中研究的热点,权值共享以及局部窗口滑动的特点使之能更好地模拟出生物神经网络。卷积神经网络在结构上有两个重要的组成部分: 卷积层和亚采样层,如图1所示。

在卷积层中,原始特征通过卷积核进行卷积得到输出的特征,使用不同的卷积核就可以得到一系列不同的输出特征。对卷积层的计算,有如下公式:

这里,f( ~ ) 是sigmoid函数,; Pj代表输入特征上选定的窗口,即在卷积过程中当前卷积核在计算时所对应在输入特征上的位置; xil－ 1和xjl分别是第l - 1层输入特征和第l层输出特征上相应的值; kijl是卷积核的权重值; bji是特征的偏置,每一层对应一个。

卷积过程,一个卷积核通过滑动会重复作用在整个输入特征上,构建出新的特征。同一个卷积核进行卷积时,共享相同的参数,包括同样的权重和偏置,这也使要学习的卷积神经网络参数数量大大降低了。而当使用不同的卷积核进行卷积时,可以得到相应的不同的输出特征,这些输出特征组合到一起,构成卷积层的输出。

在亚采样层,前一个卷积层的输出将作为该层的输入特征,首先设定大小的窗口,然后通过滑动,用窗口区域中最大( 或平均) 的特征值来表示该窗口中的特征值,最后组合这些特征值得到降维后的特征。亚采样过程可表示如下:

这里,类似于卷积层,xi(l － 1)和xjl分别是第l - 1层输入特征和第l层输出特征上相应的值,bjl是特征的偏置; pool ( ~ ) 表示取最大值Max( x) 或者平均值Avg( x) 的函数。

典型的卷积神经网络通常由n( n > = 1) 个卷积层和亚采样层以及最末尾的m( m > = 1) 全连接层组合而成。一个亚采样层跟随在一个卷积层后出现,通过这若干卷积层和亚采样层后得到的特征,将经过全连接层与输出层相连。全连接层公式如下:

这里,f( ~ ) 是sigmoid函数,Kl是计算第l - 1层到第l层时的权重值。

1. 2基于卷积神经网络的CTR预测模型

研究中使用卷积神经网络对搜索广告的CTR进行预测, 网络结构如图2所示。

实验中一共设置了两个卷积层、两个亚采样层以及一个全连接层。首先从历史日志中提取相应的特征构建出输入( Feature_Input) ,设置好卷积的窗口大小后根据公式( 1) 对输入特征进行卷积,每一次卷积是对窗口内所有值的组合, 因此卷积过程相当于特征融合过程。对卷积后得到的特征, 设置亚采样的窗口并根据公式( 2) 进行最大值- 采样,选取出窗口中的最有表达能力的特征值( 最大特征值) 表示整个窗口的特征,因此亚采样过程相当于特征的萃取过程。整个卷积和亚采样过程的结合,模拟出了人对事物的理解和总结的过程。最后将特征经过一层全连接后连接到输出,得到最终的预测结果。

在一次特定的卷积( 或亚采样) 全过程中即训练的一次迭代过程中,权值并不会随着窗口的滑动而改变,即在计算中,所有窗口滑过的特征享受同样的权值。这也是CNN区别于其他神经网络的特点———权值共享。如此即使得CNN更方便训练,更能多角度地对特征进行学习。

2特征构建

本文所采用的实验数据集为KDD Cup 2012中Track 2提供的数据集。该数据由腾讯公司下的搜索品牌搜搜( SO- SO) 搜索引擎提供,因为涉及公司商业信息,数据经过哈希处理。实验数据集中,每条记录包含12个属性,各属性详解如表1所示。

研究按照实际含义将这12个属性构造了四大类特征: 历史点击率特征、相似度特征、位置特征和高影响力特征。

2. 1基于卷积神经网络的CTR预测模型

历史点击率特征是不同类别ID在历史数据中的点击率,虽然比较简单但十分有效,因为历史点击率在一定程度上代表了类别ID对某个广告感兴趣程度的高低,当一个ID对某个广告的历史点击率高时,意味着其对这个广告更感兴趣,后续点击的概率也更大。

历史点击率( pseudo - CTR) 是点击数( #click) 与展示数( #impression) 之比,在统计计算过程发现在很多情况下有些类别信息没有点击实例,因此研究采用了平滑方法解决零值问题,根据公式( 4) 来计算平均点击率。计算公式如下:

公式中的 α 和 β 是调节参数,根据公式( 4) 计算出Ad ID,Advertiser ID、Query ID、Keyword ID、Title ID、Descriptio- m ID、User ID的历史点击率。

2. 2相似度特征

相似度特征用来刻画属性两两之间的相似程度,用户搜索的内容与被投放的广告属性相似度高时,广告被点击的概率更大。例如当搜索内容Query与广告关键字属性Keyword相似度高时,意味着网页投放的广告与用户期望搜索的广告结果相似度高,更符合用户点击广告的动作。

通过对Query、Keyword、Title、Description的属性描述文件构造出相关的TF - IDF向量,Query为用户搜索内容,Key- word、Title、Description是广告的相关属性,数据集提供的属性信息都是经过哈希后的数字形式,但是属性之间的相对含义不变,然后计算相互之间的余弦相似度作为特征。

2. 3位置特征

该特征描述的是指定广告在搜索结果页面中的位置信息。用户搜索时需求的多样化要求在对广告进行排序和投放时,在结果页面靠前的位置中尽可能地投放满足用户需求的广告,从而最大化用户的满意度、提高用户点击的兴趣［9］。 因此,研究即用当前预测广告的相对位置Pos来刻画该广告在结果页面中排序靠前的程度,其定义如下:

这里,total_ads指页面投放的广告总数,ad_position指当前所预测广告的位置。

2. 4位置特征

在预测模型中,ID属性信息通常采用one - hot形式的特征编码方式,在将不同的属性经过one - hot编码后的特征向量组合在一起,这样方式简单直观,却使得特征的维度巨大并且非常稀疏。然而在这庞大且稀疏的特征中,绝大部分维度上的特征值对整个模型的预测结果贡献非常小甚至为零,只有少数维度上的特征值对预测结果有较高的影响力。 因此研究采用L1范数正则化的方式,在逻辑回归模型的代价函数中加入L1范数［10］,使得模型学习得到的结果满足稀疏化,在学习参数中按大小顺序取出前N维权重较大的,将这N维权重对应位置上的特征值构建新的特征,称为高影响力特征,考虑到实验硬件,取N = 180。

3实验结果与结论分析

3. 1数据准备

实验目标是通过给定的信息预测搜索网页的广告点击率,由于数据量过大并且正负样本不平衡,实验中从训练集随机采样10% 作为本文实验中模型训练的训练集,既缩小了样本空间,同时随机采样也保持了原始数据的分布信息。实验中随机抽取部分样本作为验证集用于参数的调节。本文所用测试集为KDD Cup 2012中track 2的全部测试数据,因此本文的结果与KDD Cup 2012中track 2比赛的结果具有可比性。数据的统计信息如表2所示。

使用AUC( Area Under Curve)［11］作为点击率预测的评价标准,AUC值等于以TPR( True Positive Rate) 为纵坐标、以FPR( False Positive Rate) 为横坐标所画曲线下的面积值,其中TPR与FPR的计算定义如下:

这里,TP、TN分别表示结果中预测对的正样本数和负样本数,FP、FN分别表示结果中预测错的正样本数和负样本数。对于广告点击率预测问题,较大的AUC值代表了较好的性能。

3. 2实验设置和结果分析

实验的操作系统为Ubuntu 12. 04 LTS OS,卷积神经网络在4G RAM的NVIDIA Ge Force GT 610 GPU条件下运行。过程中选用了Dense Gaussian对卷积层、亚采样层的边和节点进行初始化,用常数初始化输出层,学习卷积神经网络各边权值时的优化函数使用梯度下降算法,其中学习率为0. 01、 动量项为0. 9,训练步数为100,设置公式( 4) 中参数 α = 0. 05,β = 75。实验时使用逻辑回归模型( LR) 、支持向量回归模型( SVR) 和深度神经网络( DNN) 作为对比方法,所有方法都使用相同的特征,其中DNN的层数以及每层的节点数与卷积神经网络相同。

具体地,首先探究了卷积神经网络中节点的设置,因为在CNN中后续层的节点数根据第一个卷积层和每层卷积( 或亚采样) 滑动窗口的大小计算得到,并以第一个卷积层节点的设置为实验变量,同时控制DNN中每层的节点数均与CNNNN相相同同,,在在验验证证集集上上的的实实验验结结果果如如图图33所所示示。。

从图3可以看出,随着节点的增加,AUC的值也在不断增长,在一定范围内,节点数越多,实验的结果越好。但随着节点数的增大,模型的训练时间也在延长,对设备的开销需求也在升高,综合上述因素,最终将第一层的节点数设为9 216。

CNN与各对比实验的实验结果如表3所示,可以看出CNN的效果最佳,此外在表中还列出了KDD Cup 2012 track 2比赛中第一名的结果。DNN的AUC值优于LR和SVR,验证了深度学习模型比浅层学习模型更适合解决CTR预估问题,同时CNN的结果高于DNN,说明CNN中卷积层的特征融合和亚采样层的特征萃取过程是有效的。本文中CNN目前的实验结果略低于KDD Cup 2012 track 2中第一名的结果,原因是比赛队伍使用了多模型融合并提取了庞大的( 千万维) 输入特征。

进一步地,实验探索了每一类特征对搜索广告点击率预测的贡献。在所有特征的情况下,去掉某一类特征来进行预测,实验结果如表4所示。实验结果表明,去掉任意一类特征都将使得实验效果有所下降。其中去掉历史点击率特征效果下降得最明显,说明用户是否点击广告,与其之前的点击行为非常相关。而去掉位置特征时,效果下降得最为不明显,因为在实验使用的数据集中,每个页面最多仅呈现三个广告,页面中的广告数少时,位置对用户点击的影响小。

4结束语

篇4：网络广告：长尾摆动

在东城区朝内北小街的国际招标大厦内，北京亿玛在线科技有限公司还处在一个散点式的办公状态。“我们现在的办公室散落在大厦的三个楼层，一些商户的租赁还没到期，以后我们会把相邻的房间都租下来。”副总裁安小晶这样告诉记者。这个公司充满着一种草根味，办公室十分简洁朴素，员工对老板都直呼网名—总裁柯细兴叫“地皮”，副总裁安小晶叫“骆驼”，在他们的名片上，QQ和MSN等联系方式一应俱全。

创办于2004年的亿玛公司，目前已经有了“几百万元”的收入，刚刚完成来自两大国际投资机构华登国际和鼎晖投资的第一轮融资，是国内最大的广告联盟之一。而草根也许正是当前国内广告联盟的一种特色。肇始于1998年好耶的广告联盟，目前这一领域在中国已是遍地开花。据某业内人士介绍，目前国内网络广告联盟比较知名的有十多家，实现正常运营的有五六百家，而如果加上一些个人做的小规模广告联盟，一共有上千家。

广告联盟通过联结上游广告主和下游加入联盟的网站，为广告主提供高效的网络营销推广，同时为众多中小网站提供了可靠的广告收入来源。它将互联网分散的注意力资源聚集起来，做大了网络广告这块蛋糕。

随着广告联盟市场的不断成熟，以及今年中国移动加大了对SP的监管力度，广告联盟所代表的互联网广告资源长尾正在霍霍摆动，搅动着网络广告市场的这一潭春水。

联盟之变

早年的广告联盟进入门槛较低，通过其做推广的公司众多，广告联盟很容易赚钱，其下游的个人网站站长也受惠甚多。“那时这个市场鱼龙混杂，参与者众多，但大家提供的产品都很单一，模式大同小异。”亿玛总裁柯细兴说道。这位和讯网前副总裁曾经主管过和讯的无线事业部，在那时他第一次接触了短信联盟。

离开和讯网后，柯细兴瞄准了联盟市场。“市场的专业化是一种必然趋势，渠道技术会成为一种商业模式。这个刚刚起步的市场留给了后来者足够的发展空间。此外，相比于一些Web2.0企业，广告联盟有着更为成熟的商业模式和更为可见的盈利前景，这就是其备受VC青睐的原因之一。”

根据艾瑞市场咨询的调研数据显示，2005年我国网络广告市场规模为31.3亿元人民币，大幅超过传统杂志媒体广告收入的18亿元。其中，中国主要门户网站累计占网络广告市场比重超过50%。可以说，中国互联网广告的收入大部分进入了大型门户网站的口袋。但是根据艾瑞预测，联盟广告将不断增长，并占据网络广告市场越来越大的份额，个人网站广告收入将同步上扬。

一方面是前景看好的市场；另一方面，在今年中国移动出台的“11条军规”之下，由于SP业务收入大幅缩水， 重棒之下的SP企业勒紧腰带过日子，急剧减少了投放到广告联盟的广告量，一部分中小联盟面临倒闭或转型的命运。而弱者的淘汰和市场的规范，在某些从业者看来，正是联盟市场得到良性发展的机遇。

“早年做广告联盟很容易，CP和SP自己都可以做，上下游之间很容易衔接在一起，凸显不了专业广告联盟作为中介平台的重要性。”柯细兴谈道，“在移动政策出台之后，SP自己做广告联盟已经利润太低，只会赔钱，这就使上游广告主有了外包需求。而广告规模缩水之后，下游的中小网站也将改变原有的粗放式经营方式，选择优秀的广告联盟合作进行精细化运作。”

柯细兴认为，广告联盟已经走向集中化，更注重品牌化。行业将从点状市场变成块状市场，逐步成熟。

2003年成立的弈天广告联盟，其创办者为知名的个人网站站长童幼峰。该联盟靠为淘宝网做推广宣传起家，为淘宝在C2C市场后起直追、反超易趣立下了汗马功劳。弈天总经理侯传式也表示，“广告联盟的规范化与品牌化在近年来趋势明显，开始做广告联盟时什么网站都可以加入进来，但现在行业已经形成了一定标准，比如要求会员网站Alexa排名至少在10万以上，给商家广告的计价也在逐步规范。做广告联盟第一看重的是会员网站的数量和质量，这是投放质量的保证；二是看广告联盟后期的跟踪服务和数据分析能力如何。而后一种能力现在越来越重要。”

精准细分

在技术和模式上，网络广告除了在跟踪服务和数据分析能力上的竞争日益加剧，广告的“精准投放”也渐成一个热门话题。

“窄告其实就是一种网站联盟加精准投放技术的组合。”天下互联(北京)科技有限公司副总裁吕兰亭如是说。该公司旗下的窄告网根据广告语的关键词组合，为不同行业的不同客户提供高度关联的网络广告投放，从而更好地到达目标群体。

“精准投放技术实际上就是语义分析技术加广告匹配技术。我们从2000年做中国网络情报中心时就开始进行研发，在2004年推出时已经有了4年的技术积累。”吕认为窄告惟一的竞争产品是Google Adsense，但目前后者在中国“还尚属稚嫩期”。

没有竞争对手并不意味着可以坐享市场蛋糕。通过各种渠道发展起来的大量中小广告主，是目前窄告的安身立命之本。“小广告主可能一年在广告上才花个千来块，大广告主一年却是好几百万元。但是大广告主目前大都还对这种模式持观望态度，而市场需要靠他们启动。”他透露，现在已有戴尔等大公司开始尝试用“窄告”来投放广告。

吕兰亭认为，精准营销是未来网络广告发展的趋势，但“这个市场仍处于萌芽期，其高速发展期可能要等到明年或者后年。”最近，天下互联完成了金额高达2400万美元的第二轮融资，吕兰亭表示天下互联会主要将这笔资金用于窄告网的技术研发，不断提高广告的精准投放度。

地域化运作

除了关键词匹配的精准外，地域的精准投放也是十分重要的，它能真正将广告与现实的消费行为紧密联系起来。Google在线销售与经营部的全球副总裁Sheryl Sandberg对“巨大”的本地商业广告机会表现出很大兴趣：“我认为本地机会是巨大的。那些搜索本地信息的人大部分时候是在寻找当地产品和服务。”在美国，网络广告公司Centro的CEO Shawn Riegsecker 认为，“地方网站在当地拥有最多的消费者、最好的内容、最受认可的媒体品牌。”Centro 是美国首家向广告主提供地方网站广告投放服务的广告联盟平台。据Kelsey Group 预计，美国的地方广告市场将在2010年达到1248亿美元的规模，而在2005年其市场大约有968亿美元。地方网络广告具有强劲的增长潜力。

通常情况下，广告联盟可以通过与下游地方网站协作的方式，进一步实现广告的地域性投放。今年7月，千橡互动集团下的“人人网”高调推出了聚类广告项目，号称是“国内首家采用Web2.0形式进行跨平台投放的广告”。意在以“城市门户”为旗帜，将各个地方网站的消费信息资源整合到其平台上，辅之以地方社区的建设，在此基础上实现广告的分地域、分类别的跨平台投放。

表面上，千橡是用2000年互联网寒冬“倒掉”的人人网品牌的汤，熬起了自己“城市门户”的药。而实际上更像是，人人网的聚类广告是用人人网的汤，下了“网络广告联盟”这剂药。

但千橡公司副总裁、人人网总裁张启科告诉《互联网周刊》，联盟只是一种补充，在汲取联盟之长的同时，其更看重的是自身运营能力在运作聚类广告上的优势。“现阶段传统门户出于自身战略以及产品线的考虑，并没有将网站地方版的建设作为重点，有些采取外包形式运营网站地方版。与他们相比，我们更加专注。而普通的地方网站也大都在运营方面力量有限、投入有限。”但同时，他也肯定了网络广告走向地域化的趋势：“地方门户是一块极具潜力的市场，地方消费信息通常与网民的购买行为紧密相联，对于全国一千多万个地方商家是一个很好的广告平台。”

一方面，人人网将地方网站的本地内容资源整合到其网站平台上；另一方面，又将具体内容信息链接回原地方网站，从而提高了地方网站的流量。而广告投放将在这两个平台上都有所体现。张启科称，这既保证了运营上的控制力度，又能充分利用地方网站原有的口碑和忠诚度，还能受到各类地方网站的拥护。

篇5：搜索、广告与长尾网络广告

至少对谷歌来说是这样。在四家主要网络搜索公司中，谷歌是当季唯一实现广告营收增长的，较上季度以及上年同期均增长了4亿美元左右。雅虎、AOL以及微软当季网络广告营收则均出现了同比和环比下滑。谷歌更多地从搜索广告中受益，而在显示广告中的业务较小。目前的问题是，显示广告是否会追随搜索广告一道复苏。

鉴于上述四家公司在网络广告市场占据了庞大的市场份额，分析这四家公司的网络广告营收数据就可以了解美国网络广告市场的整体状况。

以下是四家公司全球广告业务营收数据，包括通过AdSense以及雅虎广告网络支付的网络营收。谷歌数据剔除了Google Enterprise Apps的特许营收。微软和AOL数据只包括他们季度财报中公布的网络广告营收部分。微软上个季度重报了网络部门营收，主要受剥离Razorfish的交易影响。

网络广告营收(美元)

3Q084Q081Q092Q093Q09

谷歌 53.52亿55.04亿53.31亿 53.36亿 57.57亿

雅虎 15.63亿15.94亿13.83亿 13.78亿 13.77亿

微软 5.20亿6.10亿5.20亿5.40亿4.90亿

AOL5.07亿5.07亿4.43亿4.19亿4.15亿

总计 79.42亿82.15亿76.77亿 76.73亿80.39亿

环比增长 3.44%-6.55%-0.05%4.77%

篇6：搜索、广告与长尾网络广告

Efficient Frontier对旅游娱乐、金融服务、汽车以及商品零售等四个行业进行了跟踪调查，发现旅行及娱乐业广告支出跌幅最大，高达24%；金融服务业广告支出减少了20%；而汽车业下降了15%，

商品零售业是唯一增加广告支出的行业，增幅为9%，主要由于零售商通过加大投放打折信息来吸引用户。

经济衰退引发美国广告行业增长普遍放缓，到去年底，情况仍在不断恶化，导致美国两大搜索引擎公司谷歌和雅虎的销售额收到影响，两家公司的收入主要来自于搜索广告。不过，Efficient Frontier CEO詹姆斯·贝里克尔(James Beriker)表示，第四季搜索广告支出已经出现稳定。

Efficient Frontier称，每月搜索广告支出低于5万美元的小客户年广告支出同比减少了23%，而大客户广告支出降幅仅为9%。

篇7：搜索、广告与长尾网络广告

这已经是广告主连续第二个季度削减搜索广告开支，因此引发了业界对谷歌第一季度业绩的担忧。周四，谷歌将发布第一季度财报，据分析师预计，谷歌本季度销售额有望达到40.8亿美元，每股摊薄收益4.18美元。

Efficient Frontier CEO大卫·卡恩斯泰德(David Karnstedt)称：“3月份出现的反弹是一个积极信号，但目前还无法判断是否已经触底，

”尽管如此，谷歌高管反复重申，谷歌有能力应对当前的经济危机。

Efficient Frontier数据显示，第一季度，金融、零售和汽车领域的广告主均削减了搜索广告开支。但Efficient Frontier同时强调，不要将该数据与谷歌的业绩直接划等号。

Efficient Frontier称，该数据只是反映了搜索广告市场的整体形势，而并未细分到谷歌或雅虎等某一特定企业。而且，该数据来自抽样调查，被调查者以大客户为主，而谷歌同时还服务一些小型广告主。

篇8：二八定律与长尾理论的辨证关系

1897年, 意大利经济学者帕累托从英国人的财富和收益模式调查取样研究中发现, 大部份的财富流向了少数人手里, 而且在数学上呈现出一种稳定的关系:社会上20%的人占有80%的社会财富。后人把帕累托的这项发现命名为二八定律, 它是一种量化的实证法, 不管结果是不是恰好为80%和20%。

二八定律堪称管理学公理, 被描述为“关键的少数, 次要的多数”, 这个定律已经被企业界奉为信条。二八定律提示企业在管理方面主要抓好20%的骨干力量的管理以提高企业效率, 在决策方面要抓住关键性问题进行决策, 在融资方面要将有限的资金投入到重点项目以提高资金使用效率。总之, 二八定律要求管理者在工作中不能“胡子眉毛一把抓”, 而是要抓关键人员、关键环节、关键用户、关键项目、关键岗位。

二八定律告诉我们应该“好钢用在刀刃上”, 这一定律也适用于图书馆管理。图书的借阅情况更符合二八定律, 即20%的馆藏图书能满足80%读者的需求, 而其余80%的图书只能满足20%的读者需求。图书馆可以把利用率最高、流通量最大的图书集中起来, 将此类图书集中存放在开架借阅的流通书室;同时在图书订购时把有限的图书资金投入到流通量大的图书购买上。

二、长尾理论

长尾理论是网络时代兴起的一种新理论, 由美国人克里斯·安德森提出。他系统研究了互联网零售商的销售数据, 观察到一种符合统计规律的现象。这种现象恰如以数量、品种二维坐标上的一条需求曲线, 拖着长长的尾巴, 向代表“品种”的横轴尽头延伸, 长尾由此得名。由于成本和效率的因素, 过去人们只能关注重要的人或重要的事, 如果用正态分布曲线来描绘这些人或事, 人们只能关注曲线的“头部”, 而将处于曲线“尾部”、需要更多的精力和成本才能关注到的大多数人或事忽略。在网络时代, 由于关注的成本大大降低, 人们有可能以很低的成本关注正态分布曲线的“尾部”, 关注“尾部”产生的总体效益甚至会超过“头部”。为了更好地发挥长尾效益, 应该尽量增大尾巴, 降低门槛, 降低管理成本和生产成本。

长尾理论有其应用局限性, 并不适合所有行业, 但由于图书馆与互联网的密切关系, 故长尾理论一经提出, 就受到了图书馆界的关注。长尾理论在图书馆中的应用主要从信息资源体系的建立和图书馆用户的个性化信息服务方面来实施。为了更好地发挥长尾效益, 图书馆可以从增加图书品种、加大馆际互借力度, 建立良好的检索机制, 降低读者进入图书馆的门槛, 提供丰富多样的个性化信息服务。

三、二八定律与长尾理论的辨证关系

从产生的先后顺序看, 二八定律先于长尾理论出现, 并在管理学中被广泛运用。随着长尾理论的出现, 人们认为二八定律已经过时, 有人甚至认为长尾理论是对二八定律的彻底颠覆。在运用中要谨防“二八定律陷阱”, 提醒管理者如果应用二八定律不当, 资源过分倾斜, 其结果很可能是适得其反, 掉进二八定律陷阱。一些企业创新思维弃“二八”, 避热就冷走“长尾”。

其实, 片面地理解二八定律和长尾理论, 单纯的二八定律或者单纯的长尾理论都不能促进企业的健康发展。如果把产品供求作为横坐标, 产品需求作为纵坐标, 则二八定律揭示的是供求曲线高高的“头部”, 长尾理论揭示的则是供求曲线中长长的“尾巴”。二八定律与长尾理论是同一曲线上前后相连的两个部分, 并非相互对立, 水火不容, 它们共同构成了一个统一的整体。长尾提出了另一种思维和分析的方式, 长尾并未改变和颠覆二八定律, 而是对过去强调的二八定律在新环境下的一个很好的补充和完善。长尾理论并非仅仅关注曲线的尾部, 而是头尾可以并存。二八定律要求在管理中抓大放小, 短期内抓住重点;长尾理论要求重视利基市场, 把服务做到最细微处。

图书馆在管理方面, 要综合各方面的因素, 对二八定律和长尾理论都不能片面追求。在图书的典藏方面, 应该充分利用二八定律, 对利用率最高、流通量最大的图书集中起来组织成一线藏书。在图书资源的建设上, 则可以充分利用长尾理论, 增加图书品种, 加大馆际互借力度。总之, 图书馆在管理中要不断地探索, 广泛听取读者的意见和建议, 适合的才是最好的。

摘要：就二八定律和长尾理论的含义及其二者的辨证关系进行了阐述, 并就图书馆如何利用二八定律和长尾理论来开展管理进行了探讨。

关键词：二八定律,长尾理论,辨证关系,图书馆管理

参考文献

[1]徐剑、黄秋月:《“二八定律”在图书馆管理中的应用》, 《中国图书馆学报》, 2007 (5) :106-108。

[2]克里斯·安德森:《长尾理论》, 中信出版社, 2006年。

[3]樊剑修:《“二八”和“长尾”—“黑猫”与“白猫”》, 《广告人》, 2007 (2) :45。

篇9：搜索、广告与长尾网络广告

互联网的普及使任何人都相信网络广告正在逐渐取代传统媒介广告，中国的网络广告市场却一直呈温吞状。如今，有一个“人”在这个沉寂的氛围中引发了强烈的骚动，她就是“阿里妈妈”。

2008年6月18日，炎热的北京。低调蛰伏了半年多之后，马云的第七家公司阿里妈妈网站宣布正式上线，其身份是网络广告交易平台，为广告主和发布广告的网站搭建桥梁。与此同时，阿里妈妈还推出了一个重量级产品——“全国联播”，据说此名是借鉴了“新闻联播”而来的。

所谓“全国联播”，就是首先整合大量网站资源，当接到广告主的订单后，依据其需求，在一个网站群上同一时间发布广告。为此，阿里妈妈已整合了超过40万的中小网站以及近20万的博客站点，拟将贯穿其中的超过13亿的流量打包，同时将网站按照内容分成不同频道，销售给广告主。

作为“全国联播”的子产品之一，“一夜成名”让许多广告主为之疯狂。率先从中大大受益的一位广告主是“昭贵”，这是一个过去鲜为人知的化妆品品牌。然而，从2008年6月14日午夜开始，超过40家中小型网站的首页上同时出现了它的形象广告，占据了这些网站最好的广告位置，吸引了众多眼球，至少有8000万网民点击了它。与“昭贵”一起受益的还有中国民航网、百才招聘网，以及服装品牌Justyle。

以前，要做一个这种规模的广告，所需的费用是像“昭贵”这样的小企业承受不起的，但如今阿里妈妈却满足了它们的愿望。阿里妈妈的出现对中国网络广告市场意味着什么？它凭什么能够做到别人尚未做到的事？

不走寻常路

同马云过去所有成功的创业经历一样，阿里妈妈又一次颠覆了所在行业的固有模式，其创新能力不仅让业界兴奋，也令它的竞争对手们侧目。

2007年初，“阿里联盟”成立，通过雅虎的搜索引擎技术将中小企业广告配对到中小网站上。那时候，它的经营模式与百度的“主题推广联盟”和谷歌的“AdSense”十分相似。这使它一直生活在两位门户网站老大的阴影之下。

2007年4月底，马云召集了几个来自阿里巴巴旗下公司的新老员工，并告诉他们准备改变这种现状，决定成立一家新公司，它的性质是“网络广告交易平台”，不再单纯依靠搜索引擎参与网络广告。它将成为广告主和网站的中间商，一方面为广告主寻找适合投放的网站，另一方面为网站挖掘有意向的广告主。

对于它决定不再走和竞争对手相似的老路，业内认为，不光是因为它在那条路上缺乏优势，更重要的原因是，搜索式网络广告的增长正在呈现下滑趋势。DCCI互联网数据中心的统计数据显示，从2007年第三季度到今年第一季度，百度网络营销的用户增长率一直在下降，已经从14%降到了4%，其营业收入的增长率从去年第二季度的48%狂降到5%。

在对目标客户的选择上，阿里妈妈也是独辟蹊径。它专门引入全国各地流量相对较低的中小网站，然后，把它们的广告位卖给与之匹配的中小企业。分析人士认为，这不是说阿里妈妈喜欢收“垃圾”，而是它发现了真正的“宝藏”。用统计学的话说，它是在利用“长尾效应”。集中了人们需求的流行市场一般被称为“头部”，而有些需求是小量的、零散的、个性化的，这部分需求所形成的非流行市场就是“尾巴”。长尾效应的意义在于“将所有非流行的市场累加起来就会形成一个比流行市场还大的市场”。

在中国所有的网站中，中小网站在数量上所占比重远远超过大型门户网站，尽管前者单个的流量不如后者，但它的总体流量仍是相当庞大。而且，中小网站由于过去一直缺乏把自己的流量变现的能力，因此，其广告位的收费比较平民化。这恰好符合中小企业广告主的需求。过去，一个网络广告如果想要制造声势，只能投放在门户网站上，但其高昂的收费令中小企业很难承受。

本刊记者从接近阿里妈妈的人士处获悉，马云选择中小网站还与他自己的亲身经历有关。当年，竞争对手想要把淘宝网扼杀在“摇篮”中，于是同各大门户网站都签了排他性协议，导致几乎没有一个稍具规模的网站愿意展示有关淘宝网的广告。无奈之下，他们找到了中小网站，最终竟让所有的中小网站都挂上了他们的广告。此后，淘宝网歪打正着地红了，成为中国首屈一指的C2C商业网站。马云因此对中小网站充满感激，试图挖掘更多与之合作的机会，结果让他找到了重要的商机。

产生“长尾效应”的关键在于强调个性化。因此，阿里妈妈对中小网站进行了精准化细分，将数十万的网站分为科技、健康、汽车、生活等14个频道，覆盖不同网民，并且按照地域、行业、时间、场景、行为等经纬度的交叉锁定目标受众，进行一对一传播和多渠道投放。例如，一个卖帐篷的经销商可以选择数个中小网站中的野营页面，进行组合式投放。

而细分能力恰恰是百度等一些门户网站的弱项，尽管2006年百度也推出了精准广告，但为它带来的收入却微不足道。关于细分所带来的好处，已经有成功例子足以说明。比如，上海市长宁区的一家美容院要在邻近区县做推广，它希望对地域和人群进行划分的需求百度无法满足，而阿里妈妈却能帮它实现。

缓解产业顽症

阿里妈妈对网络广告满腔热情，但中国网络广告市场的现状却十分糟糕。

中国互联网协会发布的《Netguide2008中国网络广告市场调查研究报告》显示，2007年中国的网络广告市场规模为76.8亿元（不含搜索引擎关键字广告），与美国相比差距悬殊，后者2007年的市场规模超过225亿美元（包含搜索引擎在内），相当于中国的15.78倍。

与此不对称的是，2007年底中国的网民数量是2.1亿，美国是2.16亿，在网民数量上中国的数量并不比美国少多少，但中国的网络广告市场规模却只有美国的6.33%。

分析人士认为，尽管网民人数多，但其中18-24岁的网民占42.8%，25-30岁的网民占32.8%，也就是说30岁以下的成年网民占了3/4之多。这个年龄层次的人，想做的事很多，但钱不多；看广告的很多，但真正买的不多。不同的网站有不同的访客，有些网站的访客也许是不具备购买力的人，中国的广告主也清楚这一点。由于担心盲目投放会使自己的钱打水漂，他们对选择网络广告难免有些畏首畏尾。

正因为这样的现状，对网站的受众构成的分类就显得尤为重要，但这却是中国网站最头疼的事。传统媒介可以通过发行渠道清楚自己的订户分布，使用一些简单的市场调查手段就能得到年龄、收入、职业、性别等受众情况。相比之下，网站的分布地域跨度大、数量众多，调查十分艰难。但阿里妈妈却对联盟网站的受众进行了多维的细分，有效降低了由于盲目投放而对广告主造成的浪费。

广告效果统计是影响广告主热情的关键因素。过去，中国网络广告的效果统计通常是稀里糊涂的。例如谷歌的AdSense，由于它的广告是随机出现的，因此，很多时候广告主对自己的广告的位置并不十分清楚，只能通过点击次数粗略地估算效果。相比之下，阿里妈妈的优势很明显。它的广告主不仅能看到自己的广告出现在哪里，而且投入的费用，也可以由自己来操作。

广告效果统计直接影响着收费的合理性，过去，因为没有比较精确的效果统计，许多网站对收费感到迷惘。某网站甚至根据美国的收费标准，换算成人民币作为自己的标准，令广告主们哭笑不得。

广告流量认证是中国网络广告发展中的又一个难题。传统媒介的广告流量只要通过发行量便可知道，且发行量认证技术已十分成熟。网络广告的流量一直缺乏公正的第三方认证，阿里妈妈委托互联网评测机构尼尔森作市场监测。不过，由于双方的合作关系，业内人士认为难免有“同一鼻孔出气”之嫌。