|
爆款属性人群极致优化实操 齐论作者：冰枫
大家好，我是齐论冰枫，来分享一下最近的直通车人群操作心得。本篇通过实操数据来展现属性人群的极致优化，由于此方法是最细化的人群逐步合并优化，优化需要的直通车数据量是比较大，因此仅适合通过直通车来打造爆款的款式来操作，不合适与开小车的朋友。开小车的人群优化，后续的文章我再细说。
直通车的人群标签种类有多种，这里只讨论人口属性人群标签的操作。人口属性人群有四个维度：类目笔单价、性别、年龄、月均消费额度。如果全不勾选，覆盖人群即关键词所覆盖的所有人口属性人群。如果仅勾选四个维度中的一个维度下的全部标签，会发现性别、年龄、月均消费额度这个三个维度的标签人群数量和关键词总覆盖人群是很接近的，而类目笔单价却只有关键词总覆盖人群的70%（这个数值不同类目应该是不一样的）左右。这又是为何呢？原因很简单，类目笔单价只有在该类目下有历史消费才会打标，如果仅搜索而没有购买是不会有类目笔单价标签的。因此，我们在做属性人群细分时，更多的时候选性别、年龄、月均消费额度三个维度和优化。其余的关于属性人群的基础知识，可以看下我前面写的两篇关于人群的文章，这里就不再赘述。
（一）人群编号和创建
人群名称建议取五位数字编号，第一位代表性别，第二位代表年龄，后三位代表消费层级。
例如初始编号12300，代表女性
1、18-24岁
2、月均消费400-549
3、后两位用00补位
到后面合并人群的时候，会有编号类似12306，代表女性
1、18-24岁
2、月均消费400-1749（3、4、5、6）
这样编号的好处在于从直通车计划的竞选人群栏里直接框选数据部分拷贝出来，进行简单的格式化处理后，就可以按照名称排序，这样就大大方便不同计划、不同日期数据的整合，其次也方便快速添加人群和识别人群标签。
例如：
有细心的朋友会发现两个性别50岁以上的人群都对“月消费额度”这个维度进行了小调整，消费层级由原来的7个调整为3个。这是因为例如“男、50岁以上、月消费额度300-399”标签的覆盖人群太少，如果创建这样一个标签，会导致在这个标签的展现量很低，致使其点击率和转化率没有说服力，因此初始创建的时候做了一点小合并。所有的人群溢价需要统一，可以高出价低人群溢价，也可以低出价高人群溢价。操作的这款初始的人群溢价都是100%，这样人群的数据占比要更大。
（二）数据积累及第一次合并
积累了三天半原始数据如下：
将原始数据进行时间汇总：
初始人群标签有90个，第一次合并的目标是合并掉展现点击低的人群标签，使合并后的标签展现点击相对较为平均，不会出现数据量很少的人群标签。根据前几天的直通车数据汇总，平均展现量为600，纵观所有人群标签，我们将展现量在350左右及以下的人群按消费水平进行合并，需合并的人群如下（相同颜色的相邻的人群合并）：
人群合并后的数据如下所示意：
图中所圈出人群标签为已合并人群标签。这里注意一点，需要进行合并的人群标签要在添加新的组合标签后删掉。
（三）第二次人群合并
当大部分人群标签展现达到500以上（至少500，数据量越大判断会越准确），进行第二次人群合并，这里是第5天做的第二次人群合并，将前5天的数据进行整合，如下所示：
我们可以由汇总数据看到，总点击量有6000+。所以第二次人群合并综合考虑点击量、点击率和转化率。优先考虑点击量，兼顾点击率高低。像这个表格所示，订单笔数还是相对较少，故转化率因素可以暂时不考虑。
合并后调整溢价，分为5个梯度，指标如下表：
溢价 转化率、点击率
300% 两个指标都很高
200% 其中一个指标很高，另一个指标处于平均值以上
150% 一个指标很高另一个指标很低；或两个指标都不高但均处于平均值以上
100% 数据量很小，留待观察；两个指标都在平均值左右
5% 两个指标都很低
根据上表溢价规则对人群进行区分。下表是在该溢价规则下过了一段时间后的数据整合，观察点击率和转化率两个指标，大致符合上表溢价规则，也间接验证了该规则的可行性。（注意高人群溢价的时候平均点击花费要在可承受范围，可降低时间折扣来调整）
（四）持续调整优化
第二次合并后只剩下30个左右的组合人群，我们删除掉10个左右的劣质人群（点击率和转化率低），最终剩余20个以内的优质属性人群。
经过了前面几天的合并和数据量的积累，到这一步，就以转化率为重点指标，同时兼顾点击率。每天根据前面积累的数据的汇总分析进行人群溢价调整（正常每次调整5%，一天可以调节多次）。
最后给出一个30天的汇总数据供大家参考和思考（数据绝对真实）：
从上面的汇总数据我们可以看得出来，不同人群的点击率和转化率差别还是很大的，哪怕是同样的性别和年龄，因为消费层级不一样，转化率也有比较大的区别，可见三维细分人群对于爆款的必要性。测出来最好的细分人群，我们后期的直通车推广才能把更多的钱花在最好的人群上。
|
QQ好友和群
