原文链接:
原创o君言o 君言戏语
这是一条竞价广告标题文案：
小吃加盟-特色小吃开店的费用及流程
以我们的常识来看，可以很轻易的理解：这是一则关于小吃的广告，小吃这个词是这条文案的核心词汇。
但这是我们人脑来看，如果让程序来识别呢？毕竟我们有近1000万的竞价广告标题要处理。
那么这篇文章我们利用另一种思路：
借助关联数据。
如上图，广告是基于搜索词(关键词)搜索得到的，所以搜索词和广告标题之间会存在对应关系。
我们会发现，搜索词和广告标题之间：有个别词汇相同，进而带来“飘红”效果。
这是基于竞价广告的“匹配规则”：搜索词和广告标题必然(几乎)会有重叠词汇，这个词汇往往是核心词汇。
我们显然可以利用这个规则：搜索词和广告标题是一组对应关系的数据，它们之间存在关联性；
所以能同时出现在搜索词和广告标题这两个字段的词汇，视为核心词汇，是它将两者关联起来。
那么在美食小吃培训和小吃加盟-特色小吃开店的费用及流程这样一组数据里，只有小吃这个词是同时出现在两边的；
它就是核心的重要词汇，可以起到描述主要业务、区分其他业务的作用。
一个竞价广告，不止有标题，还有描述：
将：搜索词、广告标题、广告描述等三个字段组合起来作为一组关联对应的数据，
再优化上面的逻辑：能同时出现在三个字段的词汇就是最重要的核心词汇。
当我们在搜索引擎里搜索一个关键词时，可以得到1-N条广告，进而得到这样一张表：
当我们搜索很多关键词并做统计之后，就可以得到这样的一份数据：
这三个字段互为关联数据，是一一对应的关系。
再利用我们上面的逻辑，就可以大量计算每一条广告的核心词汇，再得到这样一份数据：
第一列的核心词汇可以直观的告诉你这是一条关于什么业务的广告。
如果我们在Excel里以第一列排序，可以很轻松的把相关业务的广告聚集在一起：
这就实现了聚类的效果。
这个逻辑是可以适用在很多数据上的处理的，比如很多地方存在标题(昵称)-描述这样的结构数据。
核心的逻辑虽然简单，但是技术实现起来，还需要很多的细节处理；文末再做说明。
我们有积累近千万的广告数据，这里面可以看到十几年来成千上万的各种各样的广告业务。
最终我们得到的各种核心词汇里，有主要三种类型：
1：产品名称
比如上面罗列的这些词汇，都是历年在竞价广告里风靡一时的暴利产品。
这些词汇是很直接的产品名称，一般作为参考，因为很多产品早已是红海到甚至赚不了钱了。
PS：你可能会发现，好像有些行业或产品没看到，比如典型的H五类、丰Jzhuang、医疗类等等。
那是因为这些我连考虑都不考虑，所以我过滤掉了这些行业，包括旅游之类的大热门、传统机械业务等。
当然，也不要想当然的以为这些东西早就听过了，现在根本不让做、根本不赚钱了。
实际上其中有些词你拿去搜索，可能会颠覆你的认知：
当你在PC端搜索AJ，你可能看不到什么，但是你到手机端搜索看看：
如果你有意挖掘，起码可以找到十几家在投的广告，你猜他们赚不赚钱呢。
2：直接业务
这上面是否有你意想不到的、没有见过的业务呢？
你完全可以过后把这些词汇直接拿到搜索引擎搜索看看，每一个词都有对应的广告，他们一直在投放着。
研究一下他们的广告页面，加个微信看看、下载个程序试试，你就知道他们在赚什么钱。
这里面有不少人家的自动赚钱机器，连售后维护都不需要。
3：热门词根
这些词汇并不是直接的产品或业务，但是基于他们可以关联出很多的产品和业务。
可不要小看这些词汇，你比如下载这个词，在会员社群里，之前有位成员就发过一个案例：
在百度搜索Python下载，可以看到有几个广告，点击广告进入页面之后：
可以下载exe程序来安装，这是安装之后的界面：
激活就要收钱了：
如果你关掉程序它还会给你10块优惠券，现在支付18块就可以“激活”安装程序，这就是还个价。
然而实际上，这个并不是Python安装包的官方下载渠道，Python官方是有网站的：
在这里面可以免费下载所有版本的安装程序，唯一缺点是：速度慢一点。
你说他这样做，有钱赚吗？明明往下拉就能看到Python官方网站，谁会这么傻？
不清楚，但是这个广告起码可以追溯到一年前，也就是至少投放了一年多了。
这是Python下载这个关键词的百度官方显示的搜索量：
光PC端一天接近2000的搜索量(猜测是综合数据)，很高了。
PS：以我个人推测，可以赚，但倒也没有想象中的夸张，转化可能没有那么好；实际没有跑过，不清楚ROI情况。
于此类似的，我之前在知乎也看到了相同案例：
仅站在商业角度来看，他们这种发现商机的能力是优秀的。
激活、零基础、充值、会员 …… 等等很多词根，搜索下去都会牵扯出很多的业务出来。
那么如何使用这些热门词根呢？
如果你有百度竞价的官方工具：关键词规划师(注册开户才有)，那可以直接拿这些词根去搜索：
先根据“点击指导价”降序，然后结合“月均搜索量”来筛选，把看到的关键词拿去搜索看看有没有广告，进而再做下一步的广告调查。
其次可以使用5118这个工具：
在5118的拓词工具里拓展这个词，然后根据“竞价公司数量”降序：
你就可以看到很多有广告的关键词，点击“竞价公司数量”这一列相应的数字，来到下图：
在这里就可以看到有什么广告。
PS：由于淘宝、京东等大平台以及一些头部平台、包括百度的子产品(文库、爱采购等等)会采用通投的策略，导致很多词都有他们的广告：
他们的广告不需要看。
我总共统计出了几十万的核心词汇.
当然，这里面也包含小部分错误数据，这是难免的；
此外，有些数据也存在重合，比如小吃培训、小吃加盟，本质上基本是一样的业务。
不过毕竟是将千万级的数据转化为几十万的词汇，这已经极大的提升了效率。
我在浏览了大概1W个的词汇后，梳理了一份数据，包含：产品、业务、词根，总计200个；这些基本是我特意挑选的。
它们有的有借鉴价值，有的是我觉得一定能赚钱的、有的是可以进一步挖掘更多业务的，并且去除了没有参考价值的业务或产品，基本都在投放着。
越往下挖掘，可以看到的是更加细分和冷门的业务，所以这些数据还有待慢慢研究。
VIP会员可以按照我们平时领取资源的方式去领取这份数据。
其他朋友，但凡有在公众号支持过的，哪怕只是赞赏过，也可以加我微信领取，感谢！
对技术层面的疑问、广告业务有不理解的地方，也可以留言或私信。
正文结束！
接下来的内容面向想要自己折腾的技术朋友，罗列一些细节要点；非技术人员可以不看。
正确分词
首先是只对广告标题进行分词，因为我们需要的核心词汇必然出现在广告标题，但不百分百出现在关键词或描述。
关键词和描述只用于判断来自标题的每个分词是否包含存在，存在则+1，三者同时存在最多得分为3；得3分的词汇则可能是核心词汇。
有时候并一定能得3分，但一般至少有2分。
其次是不能采用类似jieba分词这样的方案，因为广告五花八门，很多词汇对于jieba词库来说都是陌生的。
应该采用我以前提到过的片段分割的策略：
最短两个字，最长等于文本(标题)总长度-1；这样可以确保得到每一个可能正确的词汇或词组。
标点符号可以先去除再分割。
建立否词
对每一个候选词汇(每一个分割后的文本片段)做过滤，过滤掉：
城市词、省份词、询价词、疑问词、停止词，以及其他无实意词，比如广告文案里经常出现的诸如：优质、专属、诚意、满意 等等。
只需要对大量广告标题做下分词统计(jieba)，就可以得到很多这种无实意的常见词。
另外，一般过滤单字，不用单字做为核心词汇。
优选更长文本
小吃、小吃加、小吃加盟，这三个文本片段可能都得到3分，这是可能的。
那么优先选择最长的，这往往更完整，更具备描述性。
核心词汇为空
可能吗，也可能，特别是一些敏感行业，只买词，但是由于平台限制，文案描述不可以出现某些词。
这种相对少，可以单独做标记拎出来以后看。
以上是所有计算当中比较重要的策略，其他更好的条件、规则，可以自行加入，让生成的结果更优。
评论