广告排名公式：出价只是入场券 Bing广告的排序遵循一个经典公式：广告排名 ≈ 出价 × 质量得分。出价由广告主自行设定，代表其愿意为一次点击支付的最高金额；质量得分则是Bing对广告相关性和用户体验

特征工程：把用户行为变成数字信号 机器学习模型无法直接理解“用户喜欢篮球”或“现在是晚上八点”。因此，特征工程的第一步是将原始数据转化为数值向量。Google广告系统会提取三类关键特征：用户特征（历史

从“最后一次点击”说起 最早的归因模型非常简单：谁最后被点击，功劳就归谁。这就是“最后一次点击归因”。它的统计逻辑是“确定性匹配”——用户点击广告时，Google会在浏览器中写入一个标识符（如GCLI

实时竞价：一场毫秒级的“暗标”拍卖 Google广告的核心是实时竞价（RTB）。当用户发起搜索时，系统会立刻分析关键词、用户地理位置、设备类型、历史行为等数百个信号，然后向所有符合条件的广告主发起一个

爬虫索引：共同的起点 Bing的爬虫（Bingbot）持续抓取互联网页面，将内容存入索引库。自然排名和广告系统都依赖这个索引库来理解网页主题。区别在于：自然排名直接使用索引中的页面内容进行相关性计算；

点击率预估：预测你会不会点 广告平台首先要回答一个问题：如果把这个广告展示给这位用户，他点击的概率有多大？这就是点击率预估。系统会利用机器学习模型，分析海量历史数据，包括用户搜索词、地理位置、设备类型

关键词匹配：广告主与搜索词的“握手” 广告主首先需要选择一组关键词，比如“敏感肌防晒霜”“物理防晒推荐”等。Bing的匹配系统会将这些预设词与用户实际输入的搜索词进行比对。匹配方式分为三种：精确匹配要

Cookie：跨网站追踪的“身份证” 再营销的第一步是识别“你”。当用户访问某个使用Google广告服务的网站时，该网站会在你的浏览器中写入一个第三方Cookie。这个Cookie不包含你的姓名，而是

归因模型：谁该为转化“记功”？ 假设一位用户先点击了你的搜索广告，三天后又通过展示广告下单。这笔转化该算给谁？归因模型就是解决这个问题的规则。常见的“最终点击”模型会把功劳全部给最后一个广告，而“线性

关键词匹配：从“精确”到“广泛”的语义光谱 Google广告最基础的定向工具是关键词匹配类型。它并非简单的文字比对，而是一套从严格到宽松的语义规则。精确匹配要求用户搜索词与关键词高度一致，例如广告主设

质量得分：不只是出价高就能赢 很多人误以为Google广告是“价高者得”，但事实并非如此。Google引入了一个关键指标——质量得分（Quality Score），用来衡量广告与用户搜索意图的相关性。

CTR：广告的“吸引力指数” CTR（点击率）是点击次数除以展示次数的百分比。例如，广告展示了1000次，被点击了20次，CTR就是2%。它衡量的是广告创意、关键词与用户搜索意图之间的匹配程度。在Bi