用户画像：从行为数据到结构化标签 Facebook精准定向的基础是用户画像。平台通过多种渠道收集数据：你在Facebook和Instagram上的点赞、评论、分享、停留时长；你填写的个人资料（年龄、性

算法底层：语义理解与用户画像的权重不同 传统搜索广告的核心逻辑是“关键词匹配”——广告主对特定关键词出价，系统根据出价和质量度决定排名。这种模式依赖精确匹配、短语匹配和广泛匹配等规则，本质上是字符串层

第一层：曝光与点击率——广告有没有被看见、被点击 曝光量（Impressions）反映广告展示的次数，点击率（CTR）则是点击次数除以曝光次数。CTR是评估广告创意和关键词相关性的第一道指标。举例来说

搜索意图：精准触达的第一道筛子 搜索引擎广告的核心逻辑，是捕捉用户主动表达的“意图信号”。与社交媒体根据兴趣画像推送广告不同，搜索广告发生在用户已经产生明确需求的时刻。Bing将搜索意图大致分为导航型

关键词匹配：广告主与搜索意图的"握手" 竞价的第一步，是让广告主的出价与用户的搜索词产生关联。广告主在后台设定一系列关键词，并选择匹配方式。广泛匹配允许搜索词与关键词"沾边"即可触发，比如设定"跑鞋"

人群定向的三种基本逻辑 Bing广告的受众定位大体遵循三种逻辑：人口属性定向、兴趣与行为定向、再营销定向。人口属性定向依据年龄、性别、地理位置、设备类型等客观标签划分人群，适合品牌初期快速圈定基础范围

不是“你出多少钱就付多少钱” Bing广告采用的是“第二价格拍卖”的变体机制。简单来说，你为一次点击出价5元，但实际扣费往往低于这个数字——系统只收取“刚好足以击败下一位竞争者”的最低价格。这意味着，

四种匹配模式：从宽泛到精确的频谱 Bing广告提供四种核心匹配模式，构成一个从宽到窄的连续频谱。广泛匹配（Broad Match）最为宽松，广告主购买"跑步鞋"后，用户搜索"运动鞋推荐""慢跑装备"甚

Cookie追踪：再营销的“记忆起点” 再营销的第一步，是让广告平台“记住”你。当用户访问嵌入了Bing UET（Universal Event Tracking）标签的网站时，浏览器会生成或读取一个

索引架构：倒排索引的粒度差异 Google的索引系统以极细粒度的倒排索引著称，它将网页内容拆解为词项、短语、实体等多层结构，并记录位置、上下文和语义关系。这使得Google Ads在匹配时能够调用更丰

为什么“最后一次点击”不够用 最传统的归因方式是“最后一次点击归因”，即把100%的转化功劳给用户下单前点击的最后一个广告。这种方法简单，但存在明显偏差：它忽略了品牌广告在早期建立认知的作用，容易让预

搜索意图：不同行业的用户"带着什么心情"搜索 搜索意图通常分为三类：信息型（想了解）、导航型（想找到某个具体网站）和交易型（想购买）。不同行业的用户，搜索意图的分布截然不同。以B2B工业设备为例，用户