1. 引言
在我国，目前互联网规模与普及率快速上升，搜索引擎在导航与搜索方面的作用是至关重要的，同时基于搜索引擎的广告推广也因此持续增长，竞价排名等搜索引擎广告在企业营销中，已经成为主流方式之一，整体市场份额达到了互联网广告市场的30%以上[1] 。
除了具有互联网广告市场份额占比大的特点，竞价排名广告通常按点击次数收费，并且单次点击费用低廉。因此与传统的推广方式相比，它有许多优点，如：精准度高、门槛低并且效果透明。竞价排名广告集众多优点于一身，从而吸引了大量广告商特别是中小企业广告商的关注。现在，Google、百度、淘宝网，京东商城等在为广告商提供广告服务时都采用竞价排名的方式，由于市场需求量极大，业务得到迅速增长[2] [3] 。
但是，面对这种新型的广告投放方式，大部分广告商还在探索，如何才能更好地选择关键词、进行关键词出价以及关键词效果评估等。由于相关理论的匮乏，导致广告费用迅速上涨。本文通过基于案例的实证研究，能够可靠地了解对关键字的选择技巧以及不同的关键词投放策略，从而对帮助广告主降低点击单价，减少盲目投资或投资恐惧。
本文以淘宝直通车这一竞价排名市场为例，运用多维数据集，帮助广告主进行关键词的选择及投放，让其全面地了解竞价排名的竞争策略，最终达到提升广告效益的效果。
2. 淘宝直通车的定义及作用
2.1. 淘宝直通车的定义
淘宝直通车是淘宝网为淘宝卖家量身定做的，一款按点击付费的效果营销推广工具，它可以实现宝贝的精准化推广。
当买家在淘宝网通过输入关键词搜索商品时，只要你的宝贝竞价关键词中含有买家所搜索的词，就会在淘宝页面的最右侧或者最下方展现您推广中的宝贝，直通车是根据买家点击次数来计算收费的，即只有当用户点击你的宝贝进入你的店铺，系统才会根据您设定关键词的出价进行扣费。
2.2. 淘宝直通车的作用
直通车可以有效提高网店曝光率和成交转化率，开发更多的潜在客户和意向客户，同时还能获得更多的机会参加淘宝各频道栏目组织的单品推广活动。
在淘宝众多付费推广方式，直通车是目前最普遍采用的，对中小卖家的流量引进能达到30%~40%左右(直通车对大卖家流量引进在10%左右)[4] 。
通常，中小卖家花在直通车的推广成本约占到总营业额30%[5] ，推广总成本高，使得直通车成为让卖家又爱又恨的营销工具。
3. 多维数据集分析的概念
3.1. 多维数据分析的概念
联机分析处理(OLAP)的概念最早是由关系数据库之父E.F. Codd于1993年提出的，OLAP是数据仓库技术的一个重要组成部分，它是基于多维数据模型的复杂数据分析技术。OLAP技术是通过OLAP服务器，将数据仓库的数据抽取和转换为多维数据结构，以反映用户所能理解的企业的真实的“维”，然后通过多维分析工具对信息的多个角度、多个侧面，进行快速、一致和交互的存取，从而使分析人员、经理和管理人员能够对数据进行深入的分析和观察[6] 。
3.2. 多维数据集分析的应用
多维数据集(cube)是OLAP中的基本单位，它是联机分析处理中的主要对象，也是对数据仓库中数据进行快速访问技术。一个多维数据集代表了一个特殊的可查询区域，它是由一组维度和度量值定义的多维结构。而多维分析就是对多维数据集(cube)采取切片、切块、旋转等各种剖析动作，来对数据进行分析，从而用户可以从多个角度、多个侧面来观察数据库中的数据。在进行多维分析时，分析的目标数据称为事实数据，如销售量、销售额等这些数据。事实数据的属性称为“维”如销售的时间、客户、地区等。维通常是有层次的，例如，时间维可以具有“日、月、年”这三个层次，地区维可以具有“城市、省、地区”三个层次。在数据仓库中维可以具有不同的粒度级，例如，“年”对应于高粒度级，“日”对应于低粒度级。
4. 多维数据集在竞价排名广告的关键词投放策略的应用
4.1. 淘宝直通车的计费原理
淘宝直通车的点击费用是由掌柜在网店后台设置的，一般来说，关键词竞价设置的越高获得的展示排名越靠前，被点击的机会就越大。反之，竞价设置的越低，排名就越靠后，点击率自然就越低。不过，开直通车是需要技术的，除了设置费用，更要懂得关键词分析、付费费原理及质量得分因素，这样才能有效降低推广成本。
费用计算公式：
淘宝点击单价PPC的计算公式：
扣费 = 下一名出价 × 下一名质量得分/本人质量得分 + 0.01元(扣费小于等于本人出价和时间投放百分比之积)
从公式可知，要降低扣费，只有提高本人质量得分，质量得分 = (你的点击率 − 平均点击率) ×系数 × 全网参考价值 × 词参考价值。由以上公式可知，要降低点击扣费，最为重要的是点击率。
下面我就通过通过应用多维数据集，就从关键词的选取、地区设置、时间段设置几方面来谈谈其中的推广技巧，合理置相关参数，可以大大降低其推广成本。
4.2. 建立多维数据的概念模型
1) 确定指标。由上文可知，访问数据仓库的关键指标是点击率；
2) 确定维度。一个多维数据组可以表示为(维1，维2，维3，~维N，变量)。本文的关键字点击率是按是时间，地区，关键字组织起来的三维立方体；
3) 确定类别。类别表示一个维度包含的消息详细信息，一个维度内最低层的可用分类又称为详细类别。本文的时间维度的类别可以细化到年，月，日，小时。地区维度的类别可以细化到省，市，区，县。关键词维度的类别精准匹配，中心词匹配，广泛匹配。
4.3. OLAP的基本操作
OLAP的多维分析操作包括：钻取(Drill-down)、上卷(Roll-up)、切片(Slice)、切块(Dice)以及旋转(Pivot)，下面还是以上面的数据立方体为例来逐一解释下：
钻取(Drill-down)：在维的不同层次间的变化，从上层降到下一层，或者说是将汇总数据拆分到更细节的数据，比如通过对2014年第1季度的总点击率数据进行钻取来查看2014年第二季度1、2、3每个月的点击率数据，根据数据进行出价，如图1。当然也可以对地区进行维度进行细化，钻取浙江省来查看杭州市、宁波市、温州市，这些城市的点击率，从而根据点击率，分别对不同的城市进行出价。
上卷(Roll-up)：钻取的逆操作，即从细粒度数据向高层的聚合，如将江苏省、上海市和浙江省的销售数据进行汇总来查看江浙沪地区的点击率，如图1。有时由于数据量小，无法找到规律特征，我们就可以通过上卷将细粒度数据向高层的聚合，发现规律特征。比如：春节以后，我们发现浙江有人开始搜索春装了，上卷到江浙沪，甚至可以上卷到更高级别的南方地区，发现南方温度较高，很多人都开始选择春装。而北方地区温依然较低，很多入都没有脱下羽绒服与棉服。从而我们可以在南方地区进行春装关键字投放出价，而在北方依然投放冬装。
切片(Slice)：选择维中特定的值进行分析，比如只选择“连衣裙”这个词的点击率，我们对这个特定的关键词进行切片分析，发现它的点击率高低与可关键字与商品的关联属性有关系。当然也可以选择2014年第1季度的数据。
Figure 1. Analysis of the multidimensional data cube typical drawing
图1. 数据立方体的多维分析示例图
切块(Dice)：选择维中特定区间的数据或者某批特定值进行分析，比如选择2014年第一季度到2014年第二季度的点击数据，或是“连衣裙”和“雪纺裙”的点击数据。我们可以观察不同季度，“连衣裙”与“雪纺裙”点击率的变化。
旋转(Pivot)：即维的位置的互换，就像是二维表的行列转换，如图1中通过旋转实现产品维和地域维的互换。
通过OLAP的多维分析操作后，最后根据点击率，进行相应地广告投放。关键词出价 = 市场平均出价 × 本人点击率/市场平均点击率。根据该公式，我们会在本人点击率高于市场平均点击率的关键词上，出价高。因为这些关键词是优质关键词，点击率可以体现搜索该关键词的顾客对此商品的喜爱程度。
通过多维分析对任意层次进行关键词出价，从而提高点击率，降低点击扣费，减少广告商在关键词投放中的广告成本。