跳转至

搜索广告 (Search Ads)

一句话概述

搜索广告是在线广告最成熟、eCPM 最高的广告形式，用户主动搜索表达明确意图，广告通过关键词匹配和竞价排名展示在搜索结果中，是 Google 和百度的核心收入来源。

搜索广告系统架构

flowchart LR
    A[用户搜索 Query] --> B[查询理解 QU<br/>意图识别<br/>Query改写<br/>实体识别]
    B --> C[广告检索 Retrieval<br/>关键词匹配<br/>相关性过滤<br/>广告召回]
    C --> D[排序与竞价 Ranking<br/>质量分×出价<br/>eCPM排序<br/>GSP竞价]
    D --> E[搜索结果页 SERP]

搜索广告 vs 信息流广告

维度 搜索广告 信息流广告
用户意图 主动搜索，意图明确 被动浏览，意图模糊
匹配方式 关键词匹配 人群定向
CTR 高 (2%–10%) 中 (1%–3%)
CVR 高 中
eCPM 最高 高
创意形式 文字为主 图片/视频为主
广告主类型 各行业 效果广告主为主
核心技术 查询理解、相关性 用户画像、CTR预估

查询理解 (Query Understanding)

意图识别

用户搜索 Query → 意图分类

意图类型:
  - 导航意图: "淘宝" → 用户想去淘宝网站
  - 信息意图: "感冒怎么办" → 用户想获取信息
  - 交易意图: "iPhone 16 价格" → 用户有购买意向 ← 广告价值最高
  - 本地意图: "附近的餐厅" → 用户想找本地服务

商业意图强度:
  "买 iPhone 16" → 强商业意图 (高广告价值)
  "iPhone 16 评测" → 中商业意图
  "iPhone 发展历史" → 弱商业意图 (低广告价值)

Query 改写与扩展

原始 Query: "北京租房"

改写/扩展:
  - 同义改写: "北京房屋出租"
  - 下位扩展: "北京朝阳区租房", "北京两居室出租"
  - 相关扩展: "北京租房价格", "北京租房平台"
  - 纠错: "北京组房" → "北京租房"

技术:
  - 同义词典
  - Query2Query 模型 (Seq2Seq)
  - BERT 语义改写
  - 大模型 Query 理解

实体识别 (NER)

Query: "北京朝阳区三居室租房 5000以内"

实体识别:
  - 城市: 北京
  - 区域: 朝阳区
  - 户型: 三居室
  - 行为: 租房
  - 价格: 5000以内

用途:
  - 精准匹配广告主的关键词
  - 结构化理解用户需求
  - 触发特定广告模板

关键词体系

广告主关键词管理

广告账户结构:
  账户 (Account)
    └── 推广计划 (Campaign)
          └── 推广单元 (Ad Group)
                ├── 关键词列表 (Keywords)
                │   ├── "英语培训" (广泛匹配)
                │   ├── "成人英语培训" (短语匹配)
                │   └── [在线英语课程] (精确匹配)
                ├── 否定关键词 (Negative Keywords)
                │   └── "免费" (排除含"免费"的搜索)
                └── 广告创意 (Ad Creatives)

关键词匹配类型

匹配类型 符号 示例关键词 触发 Query 说明
精确匹配 [关键词] [红色跑鞋] 红色跑鞋 完全一致
短语匹配 "关键词" "红色跑鞋" 买红色跑鞋、红色跑鞋推荐 包含关键词
广泛匹配 关键词 红色跑鞋 运动鞋、跑步装备、Nike鞋 语义相关 
匹配范围: 精确 ⊂ 短语 ⊂ 广泛

精确匹配: 流量少，精准度高，CPC 低
广泛匹配: 流量大，精准度低，CPC 可能高

关键词推荐

广告主输入种子词 → 系统推荐相关关键词

推荐来源:
  1. 搜索日志挖掘: 用户实际搜索的相关词
  2. 竞品关键词: 同行业广告主使用的词
  3. 语义扩展: 基于 NLP 的语义相关词
  4. 长尾词挖掘: 搜索量小但转化率高的词

示例:
  种子词: "英语培训"
  推荐:
    - "成人英语培训班" (月搜索量 5000, 建议出价 ¥8)
    - "在线英语课程" (月搜索量 3000, 建议出价 ¥6)
    - "英语口语培训" (月搜索量 8000, 建议出价 ¥10)
    - "商务英语培训" (月搜索量 2000, 建议出价 ¥12)

广告相关性 (Relevance)

为什么相关性重要？

用户搜索 "感冒药" → 展示 "游戏下载" 广告
  → 用户体验差
  → CTR 极低
  → 广告主浪费预算
  → 平台收入下降

相关性是搜索广告的生命线

相关性计算

三层相关性:
  1. Query-关键词 相关性: 用户搜索词与广告主关键词的匹配度
  2. Query-广告 相关性: 用户搜索词与广告创意的相关度
  3. Query-落地页 相关性: 用户搜索词与落地页内容的相关度

技术方案:
  传统: BM25, TF-IDF
  深度学习: DSSM, BERT 语义匹配
  大模型: LLM 相关性判断

DSSM (Deep Structured Semantic Model)

架构:
  Query → Embedding → MLP → Query向量
  Ad    → Embedding → MLP → Ad向量

  相关性 = cosine(Query向量, Ad向量)

优点:
  - 语义级别匹配，不依赖字面重合
  - 离线计算 Ad 向量，在线只需计算 Query 向量
  - 支持向量检索 (ANN)

质量分 (Quality Score)

定义

平台对广告质量的综合评分，影响广告排名和实际扣费。

质量分组成

Quality Score = f(预期CTR, 广告相关性, 落地页体验)

各因素:
  预期CTR (Expected CTR):
    - 基于历史 CTR 数据
    - 考虑广告位置的影响 (位置归一化)
    - 权重最大

  广告相关性 (Ad Relevance):
    - Query 与广告文案的语义相关度
    - 关键词与广告组的匹配度

  落地页体验 (Landing Page Experience):
    - 页面加载速度
    - 移动端适配
    - 内容与广告的一致性
    - 用户停留时间 / 跳出率

Google Ads 质量分: 1-10 分
百度质量分: 1-10 分 (星级展示)

质量分对排名和扣费的影响

Ad Rank = 出价 × 质量分

示例:
  广告A: 出价 ¥5, 质量分 8 → Ad Rank = 40
  广告B: 出价 ¥8, 质量分 4 → Ad Rank = 32
  广告C: 出价 ¥6, 质量分 6 → Ad Rank = 36

排名: A(40) > C(36) > B(32)

实际扣费 (GSP):
  A 的扣费 = C的AdRank / A的质量分 + ¥0.01
           = 36 / 8 + 0.01 = ¥4.51

结论: 质量分高的广告可以用更低出价获得更好排名

搜索广告排序

排序公式

传统排序:
  Ad Rank = bid × Quality Score

现代排序 (oCPC):
  Ad Rank = bid × pCTR × pCVR × Quality Score × 1000

多目标排序:
  Ad Rank = α × eCPM + β × 相关性 + γ × 用户体验分

GSP 竞价 (Generalized Second-Price)

搜索结果页有多个广告位，每个位置的点击率不同:
  位置1: CTR 衰减系数 1.0
  位置2: CTR 衰减系数 0.7
  位置3: CTR 衰减系数 0.5

GSP 扣费:
  位置 i 的广告扣费 = 位置 i+1 广告的 Ad Rank / 位置 i 广告的质量分 + ¥0.01

示例:
  位置1: 广告A (Ad Rank=40, QS=8) → 扣费 = 36/8 + 0.01 = ¥4.51
  位置2: 广告C (Ad Rank=36, QS=6) → 扣费 = 32/6 + 0.01 = ¥5.34
  位置3: 广告B (Ad Rank=32, QS=4) → 扣费 = 底价

搜索广告创意

创意结构

组成部分 内容
标题 标题1 - 标题2 - 标题3 (最多3个)
显示URL www.example.com/path
描述 描述文案，最多90个字符 (最多2个)
附加信息 [附加链接1] [附加链接2] [附加链接3]
电话扩展 400-xxx-xxxx

动态搜索广告 (DSA)

传统搜索广告: 广告主手动设置关键词和创意
动态搜索广告: 平台自动匹配网站内容和用户搜索

流程:
  1. 广告主提供网站 URL
  2. 平台爬取网站内容
  3. 用户搜索时，自动匹配相关页面
  4. 自动生成广告标题和落地页 URL

优势: 覆盖长尾搜索词，减少人工管理成本

响应式搜索广告 (RSA)

广告主提供:
  标题: 最多 15 个标题
  描述: 最多 4 个描述

平台自动:
  根据用户搜索词，选择最佳标题+描述组合
  类似 DCO (动态创意优化)

搜索广告的特殊场景

品牌词保护

问题: 竞品购买你的品牌关键词
  用户搜索 "品牌A" → 展示 "品牌B" 的广告

应对:
  1. 购买自己的品牌词 (通常 CPC 很低)
  2. 品牌词投诉 (部分平台支持)
  3. 提高品牌词的质量分

本地搜索广告

用户搜索 "附近的咖啡店"
  → 展示本地商户广告
  → 包含距离、评分、营业时间
  → 支持导航、电话拨打

Google: Local Search Ads (Google Maps)
百度: 本地推广

购物广告 (Shopping Ads)

用户搜索 "Nike Air Max" → 购物广告展示:

店铺A 店铺B 店铺C
¥899 ¥799 ¥949

数据来源: 商品 Feed (标题、价格、图片、库存)，匹配方式: Query → 商品 Feed 语义匹配

与大数据开发的关联

  • 搜索日志处理: 海量搜索 Query 日志的采集和分析
  • 关键词挖掘: 从搜索日志中挖掘高价值关键词
  • Query 理解数据: 意图分类、实体识别的训练数据
  • 相关性标注数据: 人工标注的相关性数据管理
  • 质量分计算: 历史 CTR、落地页质量等数据的计算
  • 竞价日志分析: 竞价过程的详细日志分析
  • 商品 Feed 管理: 购物广告的商品数据管道

面试高频问题

  1. 搜索广告的核心流程是什么？
  2. 关键词匹配类型有哪些？各自的特点？
  3. 质量分是什么？如何影响排名和扣费？
  4. GSP 竞价机制是如何工作的？
  5. 搜索广告和信息流广告的核心区别？
  6. Query 理解包含哪些技术？

推荐阅读