长尾理论直到2004年才被提出。如下图所示，蓝色部分是长尾市场。

例如，我们的普通汉字实际上很少，但是由于它们的高频率，这几个汉字在上面的图片中占据了巨大的红色区域。大多数汉字很难使用，它们属于蓝色的长尾巴。但是，只要储存和流通渠道足够大，需求疲软或销量不佳的产品的市场份额就可以与少数热销产品的市场份额相匹配甚至超过。(来自维基百科)

长尾理论实际上可以解释为:许多小市场的总和等于一个大市场。

长尾理论案例

事实上，百度推广是“长尾理论”的一个典型案例:

在百度推广之前，我们看到许多广告是门户网站或传统媒体，如报纸和电视。所有这些频道都有一个共同的特点——昂贵！由于资金有限，许多中小企业和个人无法做广告，这些中小企业和个人的数量非常大。

然而，百度推广(事实上，谷歌早些时候在国外)降低了广告门槛，广告也不再遥不可及。虽然这些中小企业的个人广告消费无法与医疗、金融等KA客户相提并论，但他们的数量很大，我相信百度从这些中小企业的收入也很大。

这也是为什么百度除了KA客户之外，还必须在不同地区开发区域代理，以挖掘中小客户。

还有一个非常接近我们的长尾案例，那就是网络联盟数字信号处理器。我们都知道今天有数百万个应用程序可以使用，那些超级应用程序，比如今天的头条、微信、QQ、iQiyi等等。，凭借超高的DAU(活跃的每日用户量)从数百万应用中脱颖而出，并建立了自己的广告交易平台，这就是我们现在所熟悉的信息流广告，比如今天的头条和广电通，每年的广告收入都很高。

其他没有那么多用户的应用呢？他们纷纷将广告空间出售给网络联盟数字信号处理器平台，形成联盟。虽然这些应用的DAU不高，但数以千计的应用组合在一起，广告曝光率惊人。数字信号处理器广告的转换量也很好。inmobi就是一个典型的例子。

事实上，长尾理论只是在最近几年才出现的原因也与今天的富裕经济有关，所以我们在此不再赘述。

长尾理论在SEM 中的应用

长尾理论在SEM中的应用更多地体现在“长尾词”中。长尾词不是有很多长词的词，但是很少有人搜索它们。有些人会搜索这个词，但很少有人是长尾词。本文可以仔细阅读长尾词的优点和找到长尾词的方法:

“长尾理论在SEM现场笔记的应用深度简化版”(点击阅读)这里不再重复。

在这里，我将引用岳鹏飞老师的书SEM代码的内容来解释长尾理论是如何应用于SEM行业的。

小吴的账户遇到了瓶颈。该公司在早期并没有寻求成本，而是抢占了交通市场份额。目前，日转换数据已经稳定，但前期用于需求数量的原油输送方式使得成本极其难看。在这个阶段，我想维持每日的数量级，并开始优化账户，以达到成本效益比，但我没有办法开始。有些人给了小吴一个尝试长尾理论的想法，结果失控了。

首先，使用二八规则每天删除80%的转换关键词，将剩余关键词放入词库。

其次，未包含在搜索项报告中的搜索项被添加到包含大量与主视图无关的搜索项的单词库中。

其次，一个词库以一种近乎病态的方式被分类为“疯狂”(这种关键词分类方法将在后续文章中介绍)。每组关键词的长度、属性、语气和心理停留区域一致，每组关键词不超过20个。当然，每组中的关键词数量不太可能很大，即使很好。

第二，每个小组只写独特的想法。如果你认为如何写一个想法不能满足小组中所有的关键词，请看看上面的段落并重新分类，直到你能写出独特的想法。

最后，一个词库中的所有关键词将以准确的最低出价的方式被放到网上。

虽然同义词库中的关键词主观上与自己的产品无关，但由于足够的高强度分词和创造性写作、低竞争强度和低投标价格，它们仍然可以获得优异的点击率，从而获得一定的转化率。

结果小吴很满意。平均转换成本降低了30%，转换总量保持不变。当然，这个项目每季度也需要八个人的团队。

在计划层面，它是控制长尾关键词的最有效工具。一般来说，长尾词的消耗量低于或等于整个账户日平均消耗量的30%。此外，长尾计划在质量和点击率方面将与其他计划严重失衡。建议在使用长尾理论时开立另一个账户进行单独测试，或者在账户层面将长尾计划数据分开进行统计分析，主要是为了防止账户的整体数据影响数据分析。

例如，你认为长尾理论太好了！第二天，他发誓要展示他的技能，并以低价添加了许多单词。结果，上一个帐户的平均点击率为5%，下一个帐户的平均点击率不到1%。如果你遇到一个不知道如何假装知道的老板，你不可能真的在黄河里洗澡。更重要的是，因为这个原因，我没有得到那个月的演出，并请我邀请他吃饭。我当时满脸严肃地对他说“哈哈”。

事实上，长尾理论更多的是对互联网行业的解释。它的来源是对亚马逊、谷歌广告和其他案例的研究。包括中国在内，长尾理论推广的账户大多是消费和规模都非常大的账户。毕竟，要看到长尾效应，账户关键词需要达到10万以上。中小型客户没有精力和能力这样做，也没有必要这样做。长尾理论并不是大海平安无事的原则。但是作为SEMer，作为营销人员，我们必须对这个理论有所了解。

SEM下一期知识讲座预测:SEM归因模型