優化關鍵字廣告有新作法，微軟Bing廣告用機器學習來擴大搜尋廣告的曝光範圍

不用下大量關鍵字廣告，也能讓廣告曝光給更多相關用戶，微軟的Bing廣告最近推出了一項擴大關鍵字廣告曝光範圍的新作法，可以連不在關鍵字廣告清單上的相關搜尋用詞，都能自動納入廣告曝光範圍，連廣告主沒下的關鍵字也能曝光，微軟目前將此技術提給給一家時尚零售商試用，微軟宣稱，經過實驗結果證實，能有效提高點擊率5.9％，不過微軟沒有透露實驗細節或實驗者公司名稱。

另外，這項技術也不只可以用於搜尋結果的廣告上，還能用於網站內部搜尋中，透過結合個人購買行為或是搜尋歷史，客製化購物者的個人品味搜尋，提高整體搜尋結果的相關性。

在傳統搜尋廣告中，廣告商會指定關鍵字，系統則會配對查詢和產品描述，以排名相關的產品廣告，但這種方式在時尚產業卻行不通，微軟提到，如果廣告商要指定並競價所有可能的時尚關鍵字，那成本將會非常昂貴，而且選擇關鍵字的同時，也就決定了產品廣告排名方式，關鍵字影響了最大化相關性的機制運作，因而限制了用戶點擊這些廣告的次數。

使用者在搜尋引擎下的關鍵字可能為<brand name> dresses on sale，而廣告商下的關鍵字為，為<brand name>與 dresses，而這些產品的描述為<brand name> bodycon midi dress和<brand name> jacquard midi dress等，傳統做法，廣告僅以搜尋查詢與廣告關鍵字配對進行排名，將會損失bodycon midi以及jacquard midi這些有價值的資訊，而使結果不夠精準。

而微軟對此的解決辦法就是反其道而行，讓用於時尚零售搜尋排名不受關鍵字配對影響，反而是根據不符合查詢關鍵字的產品描述未配對字詞（Unmatched Words），對廣告進行排名。而在產品描述中，未配對字詞的重要性，可以從過去相同的查詢，使用者對其他產品的點擊中習得。

同樣以<brand name> dresses on sale查詢為例，如果產品<brand name> jacquard midi dress的點擊率高於<brand name> bodycon midi dress，則可以推斷未配對產品描述字詞jacquard的重要性比bodycon還要高。而重要性在部分情況下，可以推論為受歡迎的程度，也就可以得到jacquard比bodycon更受歡迎的結論。

而且為了方便相似的查詢，微軟將搜尋關鍵字dresses會與未配對產品描述字詞綁在一起，成為查詢-產品單詞對（Query-Product Word Pairs），產生dresses-jacquard與dresses-bodycon這樣的資料，用以訓練資料訓練機器學習模型，以學習查詢-產品與點擊率的模式。

當使用者輸入一個前所未見的查詢時，該模型則會為查詢和產品描述，產生相對應查詢-產品的字詞，並用來預測每種產品的點擊率，預測點擊率最高的產品將獲最高排名，而產品的廣告就能依照預測點擊率降冪排列，以最大化廣告相關性與查詢使用者的點擊次數。

將未配對字詞加入排名考量，不只免去了時尚產業廣告商必須要手動指定所有關鍵字的麻煩，其點擊率預測技術，還能幫助時尚零售商評估，最初用於競價的查詢廣告關鍵字的重要性。

同時，這項技術不只能用在搜尋引擎的基本廣告排名，時尚零售商網站內搜尋也能應用。微軟提到，由於個人品味非常主觀，零售商可以使用該技術為每位客戶量身訂做搜尋推薦，甚至可以加入歷史購買清單作為推薦參考依據。這項技術可以滿足時尚零售獨特的消費者行為，根據使用者過去點擊的產品，結合季節性時尚趨勢，甚至是不停變化的審美觀，提供更好的預測。