ThinkTAG

在第一竞价模型中，广告主之间的博弈是不稳定的，无论是对搜索引擎企业还是广告主都不是效率最大的策略。什么样的竞价机制一种好的设计呢？

先看下面的例子，假设两个广告主A和B正在考虑是否对某一个关键字竞价，市场将可能出现四种情况：如果两个广告主都竞价，A将赚10元，B将赚5元。如果A竞价而B不竞价，A将赚15元，而B只能赚0。如果B竞价而A不竞价，那么B将赚8元，A赚6元。如果A、B都不竞价，那么A赚10元，B赚2元。各个广告主会怎么选择呢？对于A，不管B是否竞价，A做竞价都是最好的选择，因此A的上策是竞价。对于B来说同样如此，它的上策也是竞价。如果两个广告主都是理性的，那么博弈的结果就是两个都做竞价。

但是，不是每个博弈方都有一个上策的，假设上面的例子变为：如果两个广告主都竞价，A将赚10元，B将赚5元。如果A竞价而B不竞价，A将赚15元，而B只能赚0。如果B竞价而A不竞价，那么B将赚8元，A赚6元。如果A、B都不竞价，那么A赚20元，B赚2元。（这种情况在市场中真实存在，A的竞价是一种防御性质的）。这时A没有上策，它的决策将取决与B，而B是有上策的，B将会竞价。所以在给定B竞价的条件下，A将会竞价。这时两个广告主之间的博弈达到纳什均衡。

纳什均衡就是一组给定对手行为时各博弈方采取的最好策略。由于各博弈方没有偏离纳什策略的冲动，所以这种均衡是稳定的。

在广告竞价市场中，VCG\GSP模型均达到了纳什均衡。

搜索引擎如何来精确的组织收入呢？拍卖是一个自然的选择，市场结构本身就代表了一种价值。因为一、搜索引擎中有数以万计的关键字，这些关键字的价值对每个广告主的价值都是不同的。二、如果广告位置没有人购买，那么它的广告价值就消失了。那么，广告主应该了解多少报价信息呢？竞价在搜索结果中应该怎么显示呢？广告竞价与广告主的数量之间的关系是？拍卖是如何设计的呢？广告主的策略行为并没有随着时间和广告主的增加而消失，相反，策略行为存在与任何搜索引擎之中。

?

2003年至2003年，Overture使用拍卖模型是第一价格模型（早期的Yahoo和Google也是如此），真实数据表明：竞价者之间存在着策略行为，报价是一个“循环模式”。由于第一价格拍卖结构是不稳定的，广告主可以随时调整价格，它们不会报出真实的出价，而是会根据别人的报价不断的修改自己的报价。例如，两个广告主竞争一个关键字，对于第一个广告主来说广告点击一次的价值是0.6元，对于第二个广告主来说广告点击一次的价值是0.8元。如果第一个广告主从0.6元开始报价，第二个广告主会紧跟报出0.61元的价格。那么第一个报价者在失去第一个位置的情况下，会降低它的报价到最小值（比如0.2元），这个价格可以保住它的第二的排位。但这时第二个广告主会紧跟着降低它的报价（0.21元），然后这两个广告主会以0.01分的速度交替上升报价，直到第二个广告主的报价超出了第一个广告主的点击价值（0.6元）。这时广告主的竞价行为陷入一个无限期的循环。广告主甚至利用了自动竞价系统来自动调整竞价来避免过度竞价。在真实的竞价环境中，会形成以下形状：

?

?

Wolfram Alpha 出来有一段时间了，我们在这里有过第一时间的介绍。我也一直想写点关于这个新的玩意儿看法，但是始终没有想好应该怎么去写。因为它独特，完全不同于当前的搜索引擎。如果说它意味着搜索引擎的一个新的时代，可以挑战Google，我觉得有些言之为过。不过目前看它至少提供给了人们一个新的搜索工具，和一个数据收集和处理的思路。

对于用户搜索目的我们可以大致分成几类：

1. 一类是找答案的，例如K2峰的高度，明天的天气…这类的意图的用户只希望一个结果，不需要更多的查找资料。
2. 一类是知道这个东西必然存在，但是不知道它在什么地方。比如找某个软件的下载，或者某个网站。
3. 还有一类是出于调研的目的希望获取到更多的资讯，这时候希望的结果就是越多的参考越好。比如写个文论查个资料。

如果你的搜索目的是第一类的话，那Wolfram Alpha应该可以比较好的满足你的需要。而且它除了可以满足查明天的天气一类的简单需求，还进行数据的对比，甚至可以满足具有一定计算需要的需求。比如”next solar eclipse in Beijing”。另外比较有意思的是Wolfram Alpha和普通搜索引擎不同的是还把对用户Query的分析和Rewrite的过程都展示了出来。不知道是否是目前测试阶段debug的需要。 阅读全文…

为了阐明Ronaldo的问题，先要明确两个概念

第一个是关键字偏好。

一种商品可以对于不同的关键字，例如手机，关键词可以是cell phone（A）, nokia（B）, ipod（C）等等。选择一个特定的KW后，广告主还要继续选择广告链接的位置，但是每个关键词只能选择一个位置。这个每个广告主可能选择的策略为：M1（A1，B3，C2）；M2（A2，B1，C1）；M3（A3，B5）；…Mi 。广告主可以任选M1至Mi的任何一种广告策略，我们称之为消费者偏好。

?

第二个是预算约束。

广告主是由预算限制的，对于某一种选定的策略M1（A1，B3，C2），如果广告主在cell phone（A）上面花的钱多了，那么在nokia（B）和ipod（C）上面花的钱就会减少。所以广告主的预算曲线由Budget，PriceA1,PriceB3,PriceC2这个四个因素构成。任何一个因素变化，都会影响到预算曲线的形态。假定Budget不变的情况，任一关键词价格PriceA（cell phone）的变化都会影响到消费者的最终选择。

?

单一广告主收益最大的均衡条件。

假设广告主的选择是理性的，即：在预算一定的情况下，实现广告主自身的收益最大化。那么存在均衡条件：当边际收益等于边际成本时，广告主的利益得到最大化。即：1块钱花在Cell phone带来的收益等于1块钱少花在nokia和ipod上的损失。

假设：
1、任一位置上，该广告的点击数仅取决于排名，而与广告的相关性无关。
2、Google通过历史数据估计每个广告主的点击率，以竞价*点击率得到“有效竞价”，并以有效竞价排名代替单纯的竞价排名。
3、有效竞价排名的基本思想是按照每个广告主预期带来的总广告收入进行排名，从而使得预期对收入贡献越大的广告主排名越靠前。
4、特定位置的点击数与处于该位置及其他位置的所有广告无关，而且广告主的每次点击价值与其排名位置无关。
5、所有广告主的链接按照出价递减的顺序出现在搜索结果网页中，即出价最高的排在第一位，依次递减直到min{N，K}。每个广告主最多得到一个位置。
6、广告主数量多于位置数量是充要条件

则无嫉妒均衡表达为：
Ci-Pi>=C(i-l)-P(i-1) 亦即每个广告主都无法通过与排在其前一名的广告主互换位置而获利。此时广告主整体效益最优，搜索引擎企业收益不是最大化。

若满足以下条件，则搜索引擎收益能达到最大化：
1、BiSi单调递减，即广告主的点击*期望收益与结果的相关性成正的线形关系。
2、A(k-1)-Ak单调递减，即排名是完全按照结果的相关性从高到低，并且点击率与相关性成正的线形关系。

在搜索引擎的竞价模型中除了要考虑多个关键字竞价情况下预算的约束，还要考虑一个关键字下可以出现多个广告。在简单增价竞价模型中，一个搜索页面对应一次曝光机会，广告主要么得到这次机会，要么就失去这次机会。当一个搜索页能够展现很多广告链接时，竞价模型就会变得更为复杂。广告链接的位置不同，点击的机会也不同。竞价者可以随时修改报价和预算。

在一个稳定的均衡中，广告主不能采用一个最优报价策略，因为不能预知其他人的报价信息。在信息不充分的条件下，一个解决方法是假设当前的报价能够预测未来。这种报价策略要求：在下一轮的竞价中，其它广告主的报价仍然是不变的。在这种条件下一个广告者的理性选择是最大化他的收益Uj=θs(Vj-Ps)。

多目标的拍卖会产生真实竞价，例如VCG算法（Vickrey-Clarke-Groves），在VCG算法中，每个参与竞价的广告主会报出真实价格。但使用最广泛的是的GSP模型（Generalized Second Price），广告主不需要报出真实价格。每个广告主都无法通过与排在其前一名的广告主互换位置而获益：广告主是由期望收益已经实现了最优。这种均衡条件叫做无嫉妒均衡（envy-free equilibrium）。

最近了解了一些关于WolframAlpha的信息，这是一个还没发布就被媒体宣传成下一代搜索引擎的网站。作者Stephen Wolfram是美国计算机界的传奇人物，他最大的两个成功的事情，是做成了Mathematica和A New Kind of Science。最近几年，他把精力放在了Wolfram|Alpha这个搜索引擎上。

大体情况，是他通过Mathematica和A New Kind of Science这两个项目得到了灵感，认为可以尝试自然语言之外的另一条路。因为要让机器来理解自然语言难度太大，现在没有好的办法来解决，但对于数学公 式，他和他的团队都再熟悉不过，所以，他们做了这个新的搜索引擎。

Wolfram|Alpha的工作原理不太好理解，大体是将自然语言的 一些特点转化成一个个相应的数学公式，通过大量的计算，来得到结果。现在我们去google搜索，得到的是其它网页上类似的东西，然后人为的去找有没有需 要的结果，但Wolfram|Alpha会尽可能直接给出部分问题的结果，而不是只给一些相关的网页。

Wolfram|Alpha会在五月发布，从上周起，已经收到好几封发布前的宣传邮件，今天的邮件里说有全球范围有三百人对Wolfram|Alpha作出了评论，这些评论来自很多网站和博客。

大家都在期待能尽快看到这个神秘的搜索引擎是什么样子。

对 于数学计算，结构化的垂直搜索引擎是否也能有一些创新的地方？对于垂直搜索来说，用户的目的更明确，query词的特点更明显，特别对于购物，大家关注的 就是价格，质量，信誉，运送时间和售后。而采购和销售，对于某个行业或者某个地域范围，大多是可以总结出一定的规律的。比如美国的商人买木材，可能会选择 巴西，但如果买服装或者小家电，可能就会选择中国了。这点值得思考一下

网页的提交一般都是采用表单的方式，通过各种各样的表单项和组合可以形成各种各样的查询。表单的提交方式有两种，POST方式和GET方式，POST方式所有的提交网址都是同一种形式，表单内容都隐藏在HTTP的请求中一起提交的，而GET方式则每次都是不一样的。

我们可以想象每一个Form后面都有一个数据库，每一次Form的提交就类似于查询SQL语句一样：select * from DB where I₁=V₁ and … and I_N=V_N 。但是也不是所有Form中的每一个表单都是对于这个数据库是有意义的。比如：排序，分页大小的选择等等。如何得到一个非常适合的Query集合是非常关键的。

为了得到更合适的Query集合，我们想到了采用Query模版，也就是一个Query的表单集，能够迭代得到最多可能的所有的Query。对于一个卖书的商店，对应的Query集合可能如下：

<Z> {select * from DB where zip = z | z are valid zip codes }

<T> {select * from DB where type = t | t are valid store types }

<T, Z> {select * from DB where zip = z and type = t | … }

阅读全文…

Google升级了在海外的Auto Suggestion功能，简单的说增加了如下几个Features。记录下，便于今后产品改进时候学习。

• 改进了在结果页的搜索框也增加了Auto Suggestion的提示逻辑。之前是根据输入的内容提示，改进后根据当期页面结果的内容进行提示。比如在首页输入M，提示的会是Myspace之类的热门Query，但是在结果页以介绍Mp3为主的页面提示的则可能是Mp3相关的Query优先推荐。
• 加入个性化推荐的内容。这部分内容来自于Web History的里记录的内容。同时你可以通过上面提供的remove功能删除。

• 增加了导航类的提示。这点之前我们在雅虎的Suggestion里面也增加过。有道也有过这样的功能。
• 在Suggestion里面增加了广告。目前处于Beta的阶段。

其实对于这个区域还有很多更花哨的方式，今后有机会再一一列举。

抱歉我用这样的标题，但是这确实是我知道微软发布了自己最新的搜索Bing之后的第一反应。从最初的MSN Search到后来的Live Search，再到Kumo，直到今天变成Bing。这一系列的变化如果从营销角度而言不说因为微软有“病”的话恐怕很难解释了。

说起来微软这个互联网的后知后觉者。在搜索方面虽然投入了大量的金钱希望能够追赶失去的市场，但都没有多大的斩获。这次6月初Bing的推出也算是给人耳目一新的感觉。确实在产品的改进和局部创新做了不少的功夫。如果说这种维持性的产品改进和创新因此能改变用户的使用习惯，撼动搜索的格局，目前我并不看好。但是，不管怎么说这也算是微软走出了它的第一步。 阅读全文…