千川定向通投（常见的知识误区）

在投放领域，千川区我曾跟很(hen)多人讨论过定(ding)向，定向的知发现两个误区是通投最常见的。

第一即遵循“爆量(liang)随机论”，识(shi)误背景是千川区投放之(zhi)初做了很多定向，结果精确定向没爆，定向的(de)知不相(xiang)关定向爆了，通投因此得出结论(lun)，识(shi)误搞个鸡毛定向，千川区反正爆不爆就TM看运气(qi)。定向的知

这样的通投现象确实存在，但(dan)是识误并(bing)不足以否定定向合(he)理搭配的价值，原(yuan)理是千川区作为一个(ge)新户，缺乏交易模型，定向(xiang)的知系统无法预估初次展现给你的通投用户类型，所以需要你对定向的主动选择，帮助系统捕捉素材所(suo)针对的人群(qun)。

我们要(yao)深刻去理解，千川PM对于功能的开发不是随意臆造的，对于定向这类(lei)功能的推出一定有他的道理。

第二即时时刻刻拉满通投，拉满通投看似金科(ke)玉律，但实际上并不是适合所有(you)团队(dui)，大部分能够拉满通投的行业，产品本身就是高毛利(li)，或者在(zai)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。

当一个投手在面对定向时，一定要却想(xiang)清楚定向带来的两(liang)个维度是什么。

定向的两个维度，第一是不(bu)同定(ding)向(xiang)选取的精准性，即我选取什么类型的定向，比如徕卡、达(da)人、dmp哪个效果更好，第二是人群规模的适配性(xing)，比如3000万以内还是(shi)5000万到8000万，哪个人群规模能兼顾跑量(liang)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(cong)不(bu)同定向的搭配，结(jie)合宽窄逻辑，学会(hui)如(ru)何去合理使用定向。

所有(you)的定向搭配组合，都可以被(bei)拆分为四大(da)定向系统，基础(chu)定向、徕卡定向、达人定向，以(yi)及DMP定向。

日常在实(shi)际操作中，可以通过不同定向的组合，既可以测试各定(ding)向的(de)人群覆盖，还可以得出不同定向(xiang)的数据效果。

1、最初级的定向(xiang)

即指在定向当中，我们只选择一个定向，比如只选择“基础(chu)属性”，徕卡、达人都不选。

实际(ji)上如果选取的是基础属性(xing)，那么(me)几乎已经接近拉满通投了，但如果选择达人，当(dang)然定向(xiang)就更为精准一些。

整体上我们常说的最初级定向，用(yong)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(hua)也简单方便。

我们通过一个定(ding)向模式，就可以让系统广泛探索人群，但是(shi)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(shu)据反馈相对差一点。（从整体的大盘投放数据，不排除差异性）

2、两两定向交叉

即指(zhi)在定向当中(zhong)，通过两个定向做组合，我们都(dou)知道同一定向为并集，不(bu)同定向为交集，比如一个计划既选择基础属性，又(you)选择徕卡，交叉之下的人群量(liang)就会变小。

两两定向的组合有一个(ge)好处点，就是通过交叉人群，让系(xi)统探索的人(ren)群更为精准，日(ri)常常用(yong)的两两定向，即基础定向(xiang)+行为兴趣、基础定向+相似达人、行为兴趣+相似达人。

3、定向(xiang)三维交叉

三维交叉即指在定向当(dang)中，通过三个定向做组合，一旦三个定(ding)向做交集(ji)，人群面从整体上(shang)来说就(jiu)会更小，比如基础属性+徕卡+达人，选定的人(ren)群量很有可(ke)能(neng)就是在1000万以内了(le)。

能够用到三位交叉定向的阶段，基本是产品人群(qun)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(xiang)开始往复杂交叉定向转(zhuan)移，通过定向做窄在一定程度上拉高投产。

4、四维定向(xiang)交叉

四维就不用普及了，随着4个(ge)定向做交叉组合，人群(qun)面变得更窄，在我(wo)日常的投放当中我用的非常少，因为(wei)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(zuo)食品、百货、美妆工具(ju)为例。

在日常(chang)当中，如果是新户，我一般会应用原始定向跟两两交叉定(ding)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(fang)宽定向，让系统快速探索到人群。

当然这里要避免一个(ge)误区，就是定向不要全部都(dou)是通投，对于(yu)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(mian)就是如(ru)何培养一个既出量又(you)保投产的种子户。

定向如果不做搭配设置，所有(you)跑出来的计划(hua)都是通投，随着投放时间拉长，后期再想(xiang)把人群拉正就会(hui)有问题，特别(bie)是过度通投的计划实际上ROI也不理想，比如(ru)以投产2为例，前期放(fang)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(bu)出去，怎么可能判断出一个计划优质呢？对(dui)于一个计划的判断，基本离不开出价、定向、素材，所以定性也(ye)同样(yang)不宜过窄，避免因为人群太少导致计划被限制。

比如最原(yuan)始定(ding)向选取基础(chu)属性(xing)，人(ren)群量基本都是在(zai)8000万以上，如果选取两两交叉定向，在原有(you)的8000万交叉徕卡，人群基本就(jiu)会在5000万以内(nei)，再往下会越窄。

其(qi)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(jian)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(suo)选品类，以及日常习惯的归纳方式得出，并(bing)不适用于(yu)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(gei)出一个数据，只会生搬硬套，而不是因地制宜做改良。

得出(chu)了如上，这时候我们就可(ke)以结合定向的搭配，去得(de)到不同数值的人群范围，这么(me)做的好处是，一方面(mian)我们通过多样化的定(ding)向搭配，解(jie)决了定向搭配的AB测试问题，第二是根据搭配不同人群(qun)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。

对于(yu)一个新户，当我们无法去判断什么定向，什么人群规模适合，这样的(de)处理方式是最佳的。

第(di)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(jie)，我个人是比较喜欢由宽到窄，而(er)对于的策(ce)略如下。

对于(yu)一个新(xin)户来说，我习惯优先选择两两定向交叉，定向覆盖面在(zai)人群3000万以上，人群不会(hui)过窄，从一个新户50条(tiao)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(ji)本就是8000万以上了，这样能保证有适当比例放宽定(ding)向，其次(ci)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(er)阶段也(ye)就是进行投放的过程中，观察不同定向所带来的整体(ti)跑量(liang)情况，一般情况下如果定向很泛，但是(shi)投产不错，那么(me)针对该计划会复制并(bing)压缩定向规模，通过(guo)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(xiang)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。

对于本身(shen)定(ding)向精准，而且投产不错的计划，就可以通过不断抬高出价，用价格提升Ecpm排名拿到更多的量。

当(dang)然这是一个符合预算有(you)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(wei)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(bu)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(duo)做更复杂的定向，再配合低预算+高出价竞量，通过(guo)这样的方式跑计(ji)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(dui)高而稳定。

出现了投产为正的计划保持渡过(guo)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(hua)，这样做的目的是让账户在初始阶段窄定向+多计划+高出(chu)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(you)的窄定向通过智能放量放开，定(ding)向相对而言也比较稳定，但(dan)是跑量量级会上来，第二是根(gen)据已跑量素材，加宽定向投放，投产也不(bu)会很差。

整体上，定向(xiang)由(you)宽到窄，前期通过(guo)放量消耗跑数据，再通(tong)过筛选计划缩窄定向或放大，缺点是相对投产会比(bi)由窄到宽有(you)更多的不确定性。定向由窄到宽，通过(guo)前期拉精准模型，后期再放量的(de)角度增(zeng)加(jia)消耗，缺点是容易对计(ji)划不消耗造成对素材的误判，其次(ci)是计划起量的周期(qi)相对会(hui)更长。

最后对定向的使(shi)用(yong)做一下总结：

2、一定情(qing)况下，定向的宽窄与出价呈反比，一定情(qing)况下，定向的宽窄与投产呈反比(bi)，一定(ding)情况下，定(ding)向的宽窄与周期呈反比(bi)

3、对于(yu)定向的依赖，新(xin)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(ba)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(bi)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(xiang)设置到智能投放的过程，实(shi)际上就是后台数据在不断建模的过程。

5、作为一名专业的(de)投手，不要被外界的总结所迷惑，因为每个团(tuan)队(dui)的品、毛利、承接能力都不一样(yang)，别人的利润能够支撑通投你不能(neng)，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。

投手要(yao)去深刻理解不同直播间的差异化，遵循爆量随机论，盲目+随意搭配定向不可取，忽略了现实情况跟客观规律，注定只能看到表面，而无法深入本质。

通过以上的方法，对于任何一名对(dui)定向(xiang)有误区的投手，相信都能获得更为结构化(hua)、系统化的方法论，而投放往往依靠的就是(shi)投手的细节处(chu)理。

版权声明：本文内(nei)容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相(xiang)关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 1817475@qq.com 举报，一经(jing)查实，本站将立刻删除。