在投放領(lǐng)域，千川千川我曾跟很多人討論過(guò)定向，投放發(fā)現兩個(gè)誤區是玩法最常見(jiàn)的。

第一即遵循“爆量隨機(′；ω；`)論”，人群背景是定向的超投放之初做了很多定向，結果精確定向沒(méi)爆，實(shí)戰不?相關(guān)定向爆了，拆解因此得出結論，千川千川搞個(gè)雞毛定向，投放反正爆不爆就TM看運氣。玩法

這樣的人群現象確實(shí)存在，但是定向的超并不足以否定定向合理搭配的價(jià)值，原理是實(shí)戰作為一個(gè)新戶(hù)，缺乏交易模型，拆解系統無(wú)法預估初次展現給你的(de)千川千川用戶(hù)類(lèi)型，所以需要你對定向的主動(dòng)選擇，幫助系統捕捉素材所針對的人群(╯°□°）╯。(??-)?

我們要深刻去理解，千川PM對于功能的開(kāi)發(fā)不是隨意臆造的，對于定向這類(lèi)功能的推出一定有他的道理。

第二即時(shí)時(shí)刻刻拉滿(mǎn)( ?° ?? ?°)通??投，拉滿(mǎn)通投看似金科玉律，但實(shí)際上并不是適合所有團隊，大部分能夠拉滿(mǎn)通投的行業(yè)，產(chǎn)品本身就是高毛利，或者在人ヽ(′▽?zhuān)?ノ群屬性上適合通投，如果盲目按照通投的方式去操作，帶來(lái)的就是投產(chǎn)的不穩定，以及初始人群的不精準。

定向的兩個(gè)維度，第一是不同定向選取的精準性，即我選取什么類(lèi)型的定向，比如徠卡、達人??、dmp哪個(gè)效(′?_?`)果更好，第二是人群規模的適配性，比如3000萬(wàn)以?xún)冗€是5000萬(wàn)到8000萬(wàn)，哪個(gè)人群規模能兼顧跑量跟ROI。

定向AB測試的過(guò)程，就是控制A變量，解決B變量的過(guò)程，我們首先從不同定向的搭配，結合寬窄邏輯，學(xué)會(huì )如何去合理使用定向。

所有的定向搭配組合，都可以被歸納為四個(gè)級別的定向，從一級到四級。

1、一級定向

一級定向即指在定向當??中，只選擇一個(gè)組合，比如只選擇“基礎屬性”，徠卡、達人都不選，這就叫一級定向。

實(shí)際上一級定向如果選取的是基礎屬性，那么幾乎已經(jīng)接近拉滿(mǎn)通投了，但如果選擇達人，當然定向就(jiu)更為精準一些。

整體上我們常說(shuō)的一級定向，用的最多的還是選擇基礎屬性，或者徠卡，一級定向的優(yōu)勢(′?_?`)在于人群覆蓋面廣，放量速度快，出價(jià)較低即可獲取流量、創(chuàng )建計(ji)劃也簡(jiǎn)單方便。

我們通過(guò)一個(gè)定向模式，就可以讓系統廣泛探索人群，但是也會(huì )存在一個(gè)問(wèn)題，就是相??比較其他(ta)定向而言，人群精準度不夠，數據反饋相對差一點(diǎn)。（從整體的大盤(pán)投放數據，不排除差異性）

2、二級定向

二級定向即指在定向當中，通過(guò)兩個(gè)定向做組合，我們都知道同一定向為并集，不同定向為交集，比如一個(gè)計劃既選擇基礎屬性，又選擇徠卡，交叉之下的人群量就會(huì )變(bian)小。

如果說(shuō)一級定向按照基礎屬性、徠卡、達人、Dmp包只能組合4種，那么二(er)級定向就能組合6種形式，比如基礎定向+行為ヾ(′ω｀)?興趣、基礎定向+??相似達(da)人、基礎定向+更多人群、行為興趣+相似達(da)人、行為興趣+更多人群、相似達人+更多人群等。

兩兩定向的組??合有一個(gè)好處點(diǎn)，就是通過(guò)交叉人群，讓系統探索的人群更為精準，日常常用的二級定向，即基礎定向+行為興趣、基礎定向+相似達人、行為興趣+相似達人。

3、三級定向

三級定向即指在定向當中，通過(guò)三個(gè)定向做組(?_?;)合，一旦三個(gè)定向做交集，人群面從整體上來(lái)說(shuō)就會(huì )更小，比如基礎屬性+徠卡+( ?ω?)達人，選定的人群量很有可能就是在1000萬(wàn)以?xún)攘恕?

能夠用到三級定向的階段，基本是產(chǎn)品人群覆蓋面很大，即便做窄定向也不擔心探索過(guò)度困難ヽ(′ー｀)ノ，或者是投放預算有限的情況下，將已爆量計劃，將本身一級、二級的定向開(kāi)始┐(′д｀)┌往三級定(ding)向轉移，通過(guò)定向做窄在一定程度上拉高投產(chǎn)。

4、四級定向

四級定向就不用普及了，隨著(zhù)4個(gè)定向做交叉組合，人群面變得更??窄，在我日常的投放當中我用的非常少，因為人群實(shí)在太小了。

在四個(gè)級別的定向搭配中，我們應該如何使用？以我們做食品、百貨、美妝工具為例。

在日常當中，如果是新戶(hù)，我一般會(huì )應用一、二、三級定向居多，其中一二級定向占據70(?Д?)%，為什么ヾ(′▽?zhuān)??這么操作？因為對于一個(gè)新戶(hù)，本身沒(méi)任何(╬?益?)數據支撐，我需??ヽ(′ー｀)ノ要通過(guò)放寬定向，讓系統快速探索到人群。

當然這里要避免一個(gè)誤區，就是定向不要全部都(dou)是通投，對于一個(gè)戶(hù)來(lái)說(shuō)，前期的模型非常重要，我們經(jīng)常所謂養戶(hù)，更多層面就是??如何培養一個(gè)既出量又保投產(chǎn)的種??子戶(hù)。

定向如果不做搭配設置，所有跑出來(lái)的計劃都是通投，隨著(zhù)投放時(shí)間拉長(cháng)，后期再想把人群拉正就會(huì )有問(wèn)題，特別是過(guò)度通投的計劃(hua)實(shí)(′▽?zhuān)?際上ROI也不理想，比如以??投產(chǎn)2為例，前期放開(kāi)了投放投產(chǎn)ヾ(′▽?zhuān)??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難。

同樣相反，一個(gè)新戶(hù)如果前期??做的過(guò)窄，賬戶(hù)連量(╯°□°）╯︵ ┻━┻都跑不出去，怎么可能判斷出一個(gè)計劃優(yōu)質(zhì)呢？對于一個(gè)計劃的判斷，基本離不開(kāi)出價(jià)、定向、素材，所以定性也同樣不宜過(guò)窄，避免因為人群太少導致計劃被限制。

好問(wèn)題就來(lái)了，對于投手而言，第一，寬跟窄??的規模如何去界定？第二，到底定向應?該由寬到窄，還是由窄到寬。

首先針對第一個(gè)問(wèn)題，從一級定向到四級定向的遞進(jìn)關(guān)系，我們就能大致去完成定向由窄到寬??。

比如一級定(ding)向選取基礎屬性，人群量??基本都是在8000萬(wàn)以上，如果選取二級定向，在原有的800??0萬(wàn)交叉徠卡，人群基本就會(huì )在5000萬(wàn)以?xún)?，再往下?huì )越窄。

其次，我認(ren)為每一個(gè)戶(hù)都應該建立自己的人群規模級別模型，以我們目前投放的品類(lèi)為例，我們??就創(chuàng )建了自己的??級別模型，從一級范圍到五級范圍分別如(⊙_⊙)圖所示。

注意了，以上的人群規模是根據我們所選品類(lèi)，以及日常習慣的歸納方式得出，并不適用于所有戶(hù)，所(T_T)有品類(lèi)??，這也是投放圈經(jīng)常有的誤區，看到外部???團(tuan)隊給出一個(gè)數據，只會(huì )生搬硬套，而不是??因地制宜做改良。

得出了如上，這時(shí)候我們(′_｀)就可以結合定向的搭配，去得到不同數值的人群范圍，這么做??的好處是，一方面我們通過(guò)多樣化的定向搭配，(??ヮ?)?*:???解決了定向搭配的(′▽?zhuān)?)AB測(╥_╥)試問(wèn)題，第二是根據搭配不同人群規模的比例，可以保證初始賬戶(hù)不同計劃(hua)人群規模的多樣化。

對于一個(gè)新戶(hù)，當我們無(wú)法去判斷什么定向，什么人群規模適合，(???)這樣的處理方式是最佳的。

第二(er)個(gè)問(wèn)題，到底定向應該由寬到窄，還是由(′_ゝ`)窄到寬？(′?｀)

答案是(╯‵□′)╯都可以，但是不同的方法，使用的策??略不一樣，針對兩種模式分別來(lái)做下拆解，我個(gè)人是比較喜歡由寬到窄，而對于的策略如下。

對于一(°ロ°) !個(gè)新戶(hù)來(lái)說(shuō)，我習慣優(yōu)先選擇二級定向，二級定向覆蓋面在人群3000萬(wàn)以上，人群不會(huì )過(guò)窄，從一個(gè)新戶(hù)50條計劃的角度，占比可以達到50%以上，其余的分配在一級定向30%，一級基本就是8000萬(wàn)以上了，這樣能保證有適當比例放寬定向，其次搭配20%的三級定??向(xiang)，人群規模量就是1000萬(wàn)以?xún)取?/div>

以上是??初始投放的第一階段，第二階段也就??是進(jìn)行投放的過(guò)程中，觀(guān)察不同定向所帶來(lái)的整體跑量情況，一般情況下如果定向很泛，但是投產(chǎn)不錯，那么針對該計劃會(huì )復(fu)制并壓縮定向規ˉ\_(ツ)_/ˉ模，通過(guò)更精準的人群獲得更高的投產(chǎn)，當然結果并非絕對化，投放中會(huì )出現定向過(guò)窄還不如寬松計劃帶來(lái)的效果好，這是一ヾ(＾-＾)ノ個(gè)不斷測試的過(guò)程。

對??于本身(′▽?zhuān)?定向精準，而且投產(chǎn)不錯的計劃，就可以通過(guò)不斷抬高出價(jià)，用(yong)價(jià)格提ˉ\_(ツ)_/ˉ升Ecpm排名拿到更多的量。

當然這是一個(gè)符合預算有限的團隊的操作，因為ヽ(′ー｀)ノ預算有限，所以會(huì )選擇??重新壓縮定向，用更高投產(chǎn)獲取單位投放成本下(//ω//)的收益，如果(guo)預算?充足，不管定向多么寬泛，只要投產(chǎn)為正，就可以不斷增加預算，直到計劃衰退。

針對由寬到窄的操作如上，由窄到寬則前期更多做二、三甚至四級別的定(′▽?zhuān)?)向，再配合低預算+高出價(jià)競量，通過(guò)這樣的方式跑計劃有一個(gè)特點(diǎn)，從整體上消??耗量級的突增是緩慢的，但是投產(chǎn)相??對高而穩定。

出現了投產(chǎn)為正的計劃保持渡過(guò)冷啟動(dòng)，出現不穩定的計劃，則發(fā)現ROI下降時(shí)及時(shí)用預算逼停計劃(╬?益?)，這樣做的目的是讓賬戶(hù)在初始階段窄定向+多計劃+高出價(jià)拉取消耗，又通過(guò)優(yōu)質(zhì)投產(chǎn)養戶(hù)。

等戶(hù)養到一定階段，就可以去做兩個(gè)事情，第一是原有的窄???定向通過(guò)智能放量放開(kāi)，定向相對而言也比較穩定，但是跑量量級會(huì )上來(lái)，第二是根據已跑量素材，加寬定向投放，投產(chǎn)也不會(huì )很差。

整體上，定向??由寬到窄，前期通過(guò)放量消耗跑數據，再通(′?｀)過(guò)篩選計劃縮窄定向或放大，缺點(diǎn)是相對投產(chǎn)會(huì )比由窄到寬有更多的不確定性。定向由窄到寬，通過(guò)前期拉精準模型，后期再放量的角度增加消耗，缺點(diǎn)是容易對計劃不消耗造成對素材的誤判，其次是計劃起量的周期相對會(huì )更長(cháng)。

最??后┐(′д｀)┌對定向的??使用做一下總結。

1、如果說(shuō)什么是定向的最(zui)佳工具，其實(shí)不是定向，而是素材，定向更多是輔助系統幫你探索人群，但最終決定用戶(hù)為什么愿意進(jìn)入直播間，核心靠的是素材。

2、一定情況下，定向的寬窄與出價(jià)呈反比，一定情況下???，定向的寬窄與投產(chǎn)呈反比，一定情況下，定向的寬窄與周期呈反比

3、對于定向的依賴(lài)，新戶(hù)冷啟動(dòng)階段尤為明顯，因為系統無(wú)法精準探索人群，定向設置的作用就非常大，等到人群跑通，把定向交給系統去做智能推薦會(huì )更有幫助。智能ヽ(′ー｀)ノ有時(shí)候為什么比人工要效率低下，不是智能不好，而是數據訓練的還不到位，從復雜的定向??設置到智能投放的過(guò)程，實(shí)際上就是后臺數據在不斷建模的過(guò)程。

4、定向搭配短視頻與直投，后者對定向的依賴(lài)性遠遠大于前者，因為直投無(wú)法像短視頻一樣，??通過(guò)一個(gè)幾秒甚至幾十秒的視頻，把產(chǎn)??品介紹、賣(mài)點(diǎn)、痛點(diǎn)全部講解到位，進(jìn)而精準完成種草到轉化，直(╬?益?)投的實(shí)時(shí)??展現注定了ヽ(′ー｀)ノ投放質(zhì)量的不穩定，這時(shí)候就需要更為精細化的定向來(lái)幫助系統找(′?_?`)到合理人群。

5、作為一名專(zhuān)業(yè)的投手，不要(?????)被外界的總結所迷惑，因為每個(gè)團隊的品、毛利、承接能力都不一樣，別人的利潤能夠支撐通投你不能，別人家的主播能夠承接??泛粉轉化你不能??，別人家的品是爆品但你不一定是。

通過(guò)以上的方法，對于任何一名對定向有誤區的投手，相信都能獲得更為結構化、系統化的方法論，而投放往往依靠的就是投手的細節處理。

1、遞進(jìn)式活動(dòng)起號玩法

遞進(jìn)式活動(dòng)起號玩法，通過(guò)迎合直播算法，遞進(jìn)式拉動(dòng)直播權重，平??衡性獲得直播推薦流量，目前遞進(jìn)式在個(gè)人直播間單月貢獻量級1000萬(wàn)GMV。

2、短視頻測爆款玩法

短視頻測爆款玩法，相比較傳統的短視頻測爆款，這套玩法能獲得更高的精準(zhun)自然推薦，普遍應用在服裝、食品直播間，單月貢獻量級2000???萬(wàn)GMV。

3、單品千川??投放玩法

千川單品玩法，單品單投放策??略，??極大降低混品投放門(mén)檻，目前在我的直播間月貢獻量級超過(guò)5000萬(wàn)GMV，是我個(gè)(ge)人應用最多的直播間(jian)玩法。

4、三駕馬車(chē)混合流量玩法

版權聲明：(′?｀*)本文(wen)內容由ヽ(′ー｀)ノ互聯(lián)網(wǎng)用戶(hù)自發(fā)貢獻，該文觀(guān)點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權，不承擔相關(guān)??法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規ヽ(′ー｀)ノ的內容(rong)， 請發(fā)送郵件至 [email protected] 舉報，一經(jīng)查實(shí)，本站將立刻刪除。