在投放领域,我曾跟很多人讨论过定向,发现两个误区是最常见的。第一即遵循“爆量随机论”,背景是投放之初做了很多定向,结果精确定向没爆,不相关定向爆了,因此得出结论,搞个鸡毛定向,反正爆不爆就TM看运气。
树图思维导图提供 5000字复盘文,千川人群定向的超实战拆解 在线思维导图免费制作,点击“编辑”按钮,可对 5000字复盘文,千川人群定向的超实战拆解 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:cd06f9bde24ce9071197a923dcb8a875
5000字复盘文,千川人群定向的超实战拆解思维导图模板大纲
在投放领域,我曾跟很多人讨论过定向,发现两个误区是最常见的。
第一即遵循“爆量随机论”,背景是投放之初做了很多定向,结果精确定向没爆,不相关定向爆了,因此得出结论,搞个鸡毛定向,反正爆不爆就TM看运气。
这样的现象确实存在,但是并不足以否定定向合理搭配的价值,原理是作为一个新户,缺乏交易模型,系统无法预估初次展现给你的用户类型,所以需要你对定向的主动选择,帮助系统捕捉素材所针对的人群。
第二即时时刻刻拉满通投,拉满通投看似金科玉律,但实际上并不是适合所有团队,大部分能够拉满通投的行业,产品本身就是高毛利,或者在人群属性上适合通投,如果盲目按照通投的方式去操作,带来的就是投产的不稳定,以及初始人群的不精准。
定向的两个维度,第一是不同定向选取的精准性,即我选取什么类型的定向,比如徕卡、达人、dmp哪个效果更好,第二是人群规模的适配性,比如3000万以内还是5000万到8000万,哪个人群规模能兼顾跑量跟ROI。
定向AB测试的过程,就是控制A变量,解决B变量的过程,我们首先从不同定向的搭配,结合宽窄逻辑,学会如何去合理使用定向。
所有的定向搭配组合,都可以被拆分为四大定向系统,基础定向、徕卡定向、达人定向,以及DMP定向。
1、最初级的定向
即指在定向当中,我们只选择一个定向,比如只选择“基础属性”,徕卡、达人都不选。
实际上如果选取的是基础属性,那么几乎已经接近拉满通投了,但如果选择达人,当然定向就更为精准一些。
整体上我们常说的最初级定向,用的最多的还是选择基础属性,或者徕卡,这样的优势由于定向搭配少,在于人群覆盖面广,放量速度快,出价较低即可获取流量、创建计划也简单方便。
我们通过一个定向模式,就可以让系统广泛探索人群,但是也会存在一个问题,就是相比较其他定向而言,人群精准度不够,数据反馈相对差一点。(从整体的大盘投放数据,不排除差异性)
即指在定向当中,通过两个定向做组合,我们都知道同一定向为并集,不同定向为交集,比如一个计划既选择基础属性,又选择徕卡,交叉之下的人群量就会变小。
如果说最初始的定向按照基础属性、徕卡、达人、Dmp包只能组合4种,那么两两交叉就能组合6种形式,比如基础定向+行为兴趣、基础定向+相似达人、基础定向+更多人群、行为兴趣+相似达人、行为兴趣+更多人群、相似达人+更多人群等。
两两定向的组合有一个好处点,就是通过交叉人群,让系统探索的人群更为精准,日常常用的两两定向,即基础定向+行为兴趣、基础定向+相似达人、行为兴趣+相似达人。
3、定向三维交叉
三维交叉即指在定向当中,通过三个定向做组合,一旦三个定向做交集,人群面从整体上来说就会更小,比如基础属性+徕卡+达人,选定的人群量很有可能就是在1000万以内了。
能够用到三位交叉定向的阶段,基本是产品人群覆盖面很大,即便做窄定向也不担心探索过度困难,或者是投放预算有限的情况下,将已爆量计划,将本身最原始定向开始往复杂交叉定向转移,通过定向做窄在一定程度上拉高投产。
四维就不用普及了,随着4个定向做交叉组合,人群面变得更窄,在我日常的投放当中我用的非常少,因为人群实在太小了。
在四个级别的定向搭配中,我们应该如何使用?以我们做食品、百货、美妆工具为例。
在日常当中,如果是新户,我一般会应用原始定向跟两两交叉定向、三维定向居多,其中前两者定向占据70%,为什么这么操作?因为对于一个新户,本身没任何数据支撑,我需要通过放宽定向,让系统快速探索到人群。
当然这里要避免一个误区,就是定向不要全部都是通投,对于一个户来说,前期的模型非常重要,我们经常所谓养户,更多层面就是如何培养一个既出量又保投产的种子户。
定向如果不做搭配设置,所有跑出来的计划都是通投,随着投放时间拉长,后期再想把人群拉正就会有问题,特别是过度通投的计划实际上ROI也不理想,比如以投产2为例,前期放开了投放投产投到1.5,不要小看0.5的差距,一旦模型拉跨,后期想要拉正就非常难。
同样相反,一个新户如果前期做的过窄,账户连量都跑不出去,怎么可能判断出一个计划优质呢?对于一个计划的判断,基本离不开出价、定向、素材,所以定性也同样不宜过窄,避免因为人群太少导致计划被限制。
首先针对第一个问题,从单维定向到四维定向的递进关系,我们就能大致去完成定向由窄到宽。
比如最原始定向选取基础属性,人群量基本都是在8000万以上,如果选取两两交叉定向,在原有的8000万交叉徕卡,人群基本就会在5000万以内,再往下会越窄。
其次,我认为每一个户都应该建立自己的人群规模级别模型,以我们目前投放的品类为例,我们就创建了自己的级别模型,从一级范围到五级范围分别如图所示。
注意了,以上的人群规模是根据我们所选品类,以及日常习惯的归纳方式得出,并不适用于所有户,所有品类,这也是投放圈经常有的误区,看到外部团队给出一个数据,只会生搬硬套,而不是因地制宜做改良。
得出了如上,这时候我们就可以结合定向的搭配,去得到不同数值的人群范围,这么做的好处是,一方面我们通过多样化的定向搭配,解决了定向搭配的AB测试问题,第二是根据搭配不同人群规模的比例,可以保证初始账户不同计划人群规模的多样化。
第二个问题,到底定向应该由宽到窄,还是由窄到宽?
答案是都可以,但是不同的方法,使用的策略不一样,针对两种模式分别来做下拆解,我个人是比较喜欢由宽到窄,而对于的策略如下。
对于一个新户来说,我习惯优先选择两两定向交叉,定向覆盖面在人群3000万以上,人群不会过窄,从一个新户50条计划的角度,占比可以达到50%以上,其余的分配在单维度定向30%,单维度基本就是8000万以上了,这样能保证有适当比例放宽定向,其次搭配20%的三维定向交叉,人群规模量就是1000万以内。
以上是初始投放的第一阶段,第二阶段也就是进行投放的过程中,观察不同定向所带来的整体跑量情况,一般情况下如果定向很泛,但是投产不错,那么针对该计划会复制并压缩定向规模,通过更精准的人群获得更高的投产,当然结果并非绝对化,投放中会出现定向过窄还不如宽松计划带来的效果好,这是一个不断测试的过程。
当然这是一个符合预算有限的团队的操作,因为预算有限,所以会选择重新压缩定向,用更高投产获取单位投放成本下的收益,如果预算充足,不管定向多么宽泛,只要投产为正,就可以不断增加预算,直到计划衰退。
针对由宽到窄的操作如上,由窄到宽则前期更多做更复杂的定向,再配合低预算+高出价竞量,通过这样的方式跑计划有一个特点,从整体上消耗量级的突增是缓慢的,但是投产相对高而稳定。
出现了投产为正的计划保持渡过冷启动,出现不稳定的计划,则发现ROI下降时及时用预算逼停计划,这样做的目的是让账户在初始阶段窄定向+多计划+高出价拉取消耗,又通过优质投产养户。
等户养到一定阶段,就可以去做两个事情,第一是原有的窄定向通过智能放量放开,定向相对而言也比较稳定,但是跑量量级会上来,第二是根据已跑量素材,加宽定向投放,投产也不会很差。
整体上,定向由宽到窄,前期通过放量消耗跑数据,再通过筛选计划缩窄定向或放大,缺点是相对投产会比由窄到宽有更多的不确定性。定向由窄到宽,通过前期拉精准模型,后期再放量的角度增加消耗,缺点是容易对计划不消耗造成对素材的误判,其次是计划起量的周期相对会更长。
1、如果说什么是定向的最佳工具,其实不是定向,而是素材,定向更多是辅助系统帮你探索人群,但最终决定用户为什么愿意进入直播间,核心靠的是素材。
2、一定情况下,定向的宽窄与出价呈反比,一定情况下,定向的宽窄与投产呈反比,一定情况下,定向的宽窄与周期呈反比
3、对于定向的依赖,新户冷启动阶段尤为明显,因为系统无法精准探索人群,定向设置的作用就非常大,等到人群跑通,把定向交给系统去做智能推荐会更有帮助。智能有时候为什么比人工要效率低下,不是智能不好,而是数据训练的还不到位,从复杂的定向设置到智能投放的过程,实际上就是后台数据在不断建模的过程。
4、定向搭配短视频与直投,后者对定向的依赖性远远大于前者,因为直投无法像短视频一样,通过一个几秒甚至几十秒的视频,把产品介绍、卖点、痛点全部讲解到位,进而精准完成种草到转化,直投的实时展现注定了投放质量的不稳定,这时候就需要更为精细化的定向来帮助系统找到合理人群。
5、作为一名专业的投手,不要被外界的总结所迷惑,因为每个团队的品、毛利、承接能力都不一样,别人的利润能够支撑通投你不能,别人家的主播能够承接泛粉转化你不能,别人家的品是爆品但你不一定是。
通过以上的方法,对于任何一名对定向有误区的投手,相信都能获得更为结构化、系统化的方法论,而投放往往依靠的就是投手的细节处理。
树图思维导图提供 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 在线思维导图免费制作,点击“编辑”按钮,可对 904名中国成年人第三磨牙相关知识、态度、行为和病史的横断面调查 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:10b9a8a2dd2fb4593f8130ef16c320fc
树图思维导图提供 9.战斗的基督教 在线思维导图免费制作,点击“编辑”按钮,可对 9.战斗的基督教 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:33d168acd0cd9f767f809c7a5df86e3a