已经实践了三天的直通车了；对于直通车已经有了较大程度的熟悉，下面我将对我这阶段的收获做一个简单的总结。
初步接触直通车，很多应该注意的点和视频上接触的存在差异，部分细节自己也没有做到尽善尽美，所以一直会有问题出现，并且去总结，而正是这个过程，我们去收获‘开车’应该注意的问题和预防以后更大的漏洞出现。
直通车初步了解
首先我总结下我现在对直通车推广的一些理解：
1，开车是为了提高店铺得分、引入自然流量和实现更多的访客点击到转化。
2，移动端的竞争力比无线端大、因为移动端可以快速提高点击率进而提高质量得分到计划得分为了更好地进行下一步的推广，减少cpc，引入低分恰配词，开pc端等；
3，定向推广是计划得分到达一定程度才开；这也是一个持续优化的方向。
4，直通车推广好像是在下棋，有的环节存在着艺术，大家也有不同种投放策略，为了针对不同的需求，我们可以有不同的下法。同时进行一个预期的目标是可以分解的。
例如我们的目标是追求ROI，但是我们可以一开始就追求转化高的词么，非也，先有点击量才有机会有转化，我们要先迈出第一步有追求点击量。
另外要提高质量分，提高计划权重，我们可以有下面两种方案，去测试性价比最好的出价，是追求点击率还是最开始就追求点击；下面讲解下两种思路。
直通车操作思路之一
我们有1000块钱分配；
方法1:前几天我们都采用一个策略，使用低价去尝试，追求到一定的展现时，测试一些关键词的点击率；大的保留，展现不足的加价；观察几天，保留下点击高、展现大、cpc不算大的词。
方法2:从一开始我们就选定展现高，默认得分高的词进行投放，那么很快我们可以收获较大的点击率，但是和方法1的缺陷就是我们的点击量没有方法1多；优势就是方法1有风险，可能计划的权重因为整体的点击量偏低下降，质量得分变低。
关键词优化浅解
下面进入正题，在创意已经不方便修改，或者该创意已经认定是最好的创意下，我们忽视定向推广之外，只考虑关键词推广进行解析。
我现在的理解就是：
先投无线端提高点击率提高质量得分；应用小词匹配法追求点击率和点击量的过程中慢慢找到适合的pvc，慢慢推广，加词删词，提价降价，慢慢养。
近期碰到的问题及总结
1，阐述一个常见的问题_移动端投放：这个关键词我的展现都1000了，点击才10个的样子；什么原因呢。首先不考虑图片创意的问题。
(1)直接选词不精准。会选取修饰词‘网布’‘舒适’‘家用’这样的词，获得展现，但是没有点击。这样往往搜索出来往往并不是客户真的想要的。
(2)对大词未进行精准匹配，例如对椅电脑椅、办公椅未进行精准匹配，那么存在大量的展现是来自于 [椅]、[办公]这样的词，达不到客户需要的目的。
(3)对于计划的点击率非常低，是不是开了定向匹配的原因。
(4)观察关键词的流量解析，看看大盘的展现、点击、竞争度等，是不是这个词的潜力还没挖掘出来，例如手机端存在这样的一个特点，排名越高，展现高，同时点击也会增加。所以对于有一定点击率的词提高出价可以获得较大展现的机会同时，也会提高点击率。
2，怎么取舍词；应该养成那些好的习惯
对于一个质量分高，对产品属性很匹配的词，获取不到展现怎么办？提高出价。
开车的好习惯，多总结，多记。
1，记录我们进行处理过的词，并且总结原因、和它这个词同类的思考，例如老板椅、办公椅点击率和点击量都很高，那么[办公 电脑椅]是有必要提高出价增大展现的。同理：点击都低，往往组合词也不怎么样；另外删掉的词、增加新词都要记录下来；关注词的成长。
2，记录计划的实行性和养成常预测的好习惯；
例如不能让计划的钱过早用完，或者完全用不完，那么没隔2-3小时，上线看下直通车，观察已经用了多少，这些词处于什么名次，根据流量解析图和我们以往的被点击规律，预算下今天的点击量，在点击率正常情况下，点击量是否能达到我们的预计划；如果相差较大，应该在那些词上面做出调整。
3，关注长尾词和热销词
一般我下了车后，就回去生意参谋看些热销词，成长较大的词，或者是流量解析里面变化大的词，和对比产品属性，这些词是否可以在未来有非常大的精准营销，例如 家用电脑椅 简约；这个词有段时间成长较大、竞争小。应对我们的产品可以实现精准营销不，对这些可能有价值的词做一个评估。另外查看app搜索下拉框的词，展现后面的推荐词等；充分理解用户的搜索习惯。
______________________文本处理___________________
这里记录一个将直通车上的数据移动/pc的手动导入和存储；
import re
import numpy as np
import pandas as pd
#去掉 “/n”
def remove_n(l):
for i in range(len(l)):
l[i] = l[i].split('
')[0]
return l
set_wd = remove_n(open('C:\Users\Administrator\Desktop\infomation.txt','r+').readlines())
set_word = [] #index
sss = []
for i in range(len(set_wd)):
match_word = re.match(r'——(.*)——', set_wd[i], re.I|re.M)
if(match_word):
set_word.append(match_word.group(1))
else:
kk = set_wd[i].split('：')
sss.append(kk[1])
i = 0
for x in range(len(sss)):
if(sss[x] == ' '):
if(i%2 == 0 ):
sss[x] = 'pc'
else:
sss[x] = '无线'
i = i + 1
data = np.array(sss)
data.shape = len(sss)/16,16
columns = remove_n(open('C:\Users\Administrator\Desktop\columns.txt','r+').readlines())#columns
df = pd.DataFrame(data, index = set_word,columns = columns)
print (df)
df.to_csv('C:\Users\Administrator\Desktop\result.csv')infomation.txt类似于如此格式
——椅子 电脑椅—— 计算机设备： 展现占比：51.6% 展现指数：62,980 点击指数：552 点击率：0.8% 点击转化率：1.4% 市场均价： 1.98 竞争度：1,934 移动设备： 展现占比：48.4% 展现指数：59,232 点击指数：1,783 点击率：2.8% 点击转化率：1.4% 市场均价： 1.24 竞争度：1,187 ——办公椅—— 计算机设备： 展现占比：75.2% 展现指数：262,498 点击指数：1,966 点击率：0.7% 点击转化率：2.4% 市场均价： 3.09 竞争度：3,323 移动设备： 展现占比：24.8% 展现指数：88,363 点击指数：2,598 点击率：2.7% 点击转化率：1.1% 市场均价： 1.97 竞争度：1,572 ——老板椅—— 计算机设备： 展现占比：73.6% 展现指数：67,933 点击指数：580 点击率：0.8% 点击转化率：1.5% 市场均价： 4.44 竞争度：1,458 移动设备： 展现占比：26.4% 展现指数：24,858 点击指数：1,082 点击率：4.1% 点击转化率：0.9% 市场均价： 4.48 竞争度：571 ——转椅—— 计算机设备： 展现占比：61.8% 展现指数：33,519 点击指数：315 点击率：0.8% 点击转化率：1.7% 市场均价： 2.02 竞争度：902 移动设备： 展现占比：38.2% 展现指数：20,945 点击指数：631 点击率：2.8% 点击转化率：0.4% 市场均价： 1.39 竞争度：876columns.txt
pc pc_展现占比 pc_展现指数 pc_点击指数 pc_点击率 pc_点击转化率 pc_市场均价 pc_竞争度 yd yd_展现占比 yd_展现指数 yd_点击指数 yd_点击率 yd_点击转化率 yd_市场均价 yd_竞争度