© 2025 上海天(tian)擎天(tian)拓信(xin)息技術(shu)股(gu)份有(you)限(xian)公司 版權(quan)所有(you)
在投放(fang)過程中(zhong),性(xing)別(bie)、年齡、地(di)域這三大(da)(da)基礎定(ding)向是受眾(zhong)分析的“必(bi)選項”。大(da)(da)家常會有(you)結論:投放(fang)男性(xing)、23-50歲、排除(chu)偏遠地(di)區(qu)轉化效果好。
但這個判斷有多可靠,是(shi)不是(shi)真的經得(de)起推敲?下面(mian)我們(men)就來細聊一下這三大定(ding)向的玩法(fa)。
性別、年齡定向怎么設置
我(wo)們將(jiang)頭條的定向(xiang)簡單分為自然屬性(xing)和(he)興趣行為,區分的標準(zhun)是能否明顯反應用戶喜好。
比(bi)如(ru)WiFi、地域不能明顯反(fan)應出用戶喜歡什(shen)么(me),但是手機里安裝了(le)什(shen)么(me)應用、下(xia)載過什(shen)么(me)廣告則能一定(ding)程度(du)上(shang)表明用戶的(de)偏(pian)好(hao)。
我們將頭條常(chang)用(yong)定向(xiang)劃(hua)分(fen)如下:
自然屬性定向:性別、年(nian)齡、地域(yu)、平臺、網(wang)絡、運營商、新用戶
興趣行為(wei)(wei)定向:興趣、人群(qun)包(bao)、APP行為(wei)(wei)
先說觀點:
自(zi)然屬性定向覆(fu)蓋(gai)人群較廣、難明(ming)顯反應(ying)用戶(hu)喜好,除(chu)非數據(ju)是壓倒性的,不建議做結論性限制(zhi)。
來(lai)看一個交友產品的(de)案例(li):
這(zhe)是一條(tiao)點擊(ji)數超過20萬的計劃,女性(xing)成本比男性(xing)高出30%,能得出結論(lun)女性(xing)用戶效果(guo)不(bu)好嗎?
【計劃1】女性用(yong)戶成本明(ming)顯高出很多


【計劃2】你(ni)再看(kan)這條計劃,男(nan)性還是(shi)主要流量來源,但是(shi)男(nan)女成(cheng)本基本相同(tong)


這(zhe)怎么(me)辦(ban)?女性到(dao)底好不好?
把(ba)各賬戶(hu)里其它top計劃的數據都拉出(chu)來,看近1年的整體(ti)數據:
【計劃3】女性成本高

【計劃(hua)4】女性成(cheng)本高

【計劃5】女(nv)性(xing)成(cheng)本高

【計(ji)劃6】女(nv)性成本高

【計劃(hua)7】女性成本(ben)高(gao)

結 論(lun):
看(kan)過(guo)這(zhe)7條top計劃(hua)的數據,發現女性成本(ben)普遍高于男性10%以(yi)上。這(zhe)個(ge)時候(hou)可(ke)以(yi)初步(bu)判斷:女性用(yong)戶確實轉化率(lv)低于男性,成本(ben)高于男性。
此產品性別定向建議(yi)方案(an):如果(guo)想成本越低(di)越好,可以(yi)只投放(fang)男性用戶;如果(guo)想拓量(liang),可以(yi)通投,整體成本還是(shi)能滿足(zu)出(chu)價。
這個(ge)是(shi)比較(jiao)明顯的(de)數據差異(yi),但是(shi)其(qi)它自然屬性定向(xiang)就很難有明顯的(de)偏向(xiang)性。比如年齡(ling)。
還以上(shang)面的(de)交友產品為例,拉出top計劃近1年的(de)數(shu)據,看(kan)分年齡(ling)段的(de)數(shu)據:
【計劃(hua)1】1-18歲成本(ben)最低,24-30歲成本(ben)最高

【計劃2】24-30歲(sui)成本最低(di),1-18歲(sui)成本最高

【計(ji)劃3】31-40歲成本(ben)最(zui)低,50歲以上(shang)成本(ben)最(zui)高

【計劃4】41-50歲(sui)成本(ben)最低,24-30歲(sui)成本(ben)最高

結論:
4條計(ji)劃成本最低的(de)年(nian)齡(ling)(ling)段(duan)各不(bu)相同,只(zhi)看頭條對(dui)接到轉化(hua)的(de)數據(可能后(hou)端轉化(hua)數據有明(ming)顯不(bu)同),無(wu)法判斷哪個(ge)年(nian)齡(ling)(ling)段(duan)非常(chang)差、一定要排除;也(ye)無(wu)法判斷哪個(ge)年(nian)齡(ling)(ling)段(duan)是優質人群。
那怎么(me)辦?當你沒有明確(que)結論的(de)時候,你就依靠(kao)頭條的(de)智能。
前面我們說,要不要做(zuo)定向的一個判(pan)斷(duan)標準可以(yi)是“你和(he)模(mo)型(xing)誰找的人比較準?你有(you)多大把握?”而在(zai)自然屬性的定向上,我們的判(pan)斷(duan)很難比模(mo)型(xing)更準,所以(yi)建(jian)議放(fang)開。
還是這(zhe)個公式(shi):
找到目標用戶量=特征轉化率*人群范圍
限制自(zi)然(ran)屬性定(ding)向特(te)征轉化率(lv)提升(sheng)把握(wo)未必大,但(dan)是人群范圍(wei)是實(shi)實(shi)在(zai)在(zai)縮小了,不劃(hua)算。
有一個對比測試的提示:
不要(yao)(yao)輕(qing)易做(zuo)結(jie)論性限制——什么(me)什么(me)定向(xiang)一定不好!大(da)家都(dou)不要(yao)(yao)投放(fang)!
如果要做出(chu)什么定(ding)向好(hao)、什么定(ding)向不好(hao)的(de)判斷,起(qi)碼要滿足2個條(tiao)件:長期、明顯數(shu)據差異。
2~3條(tiao)計(ji)劃(hua)(hua)無法(fa)得出(chu)結(jie)論(lun)(lun),只能(neng)是個現象。像我上面(mian)做(zuo)的7條(tiao)top計(ji)劃(hua)(hua)、近(jin)1年數據,可以得出(chu)初步判斷,但(dan)沒(mei)辦(ban)法(fa)確定地下結(jie)論(lun)(lun)“這個產(chan)品女性(xing)用戶成本就是比男性(xing)高”,因為(wei)跟素材(cai)也有關系、而且7條(tiao)計(ji)劃(hua)(hua)計(ji)劃(hua)(hua)數還不夠,存(cun)在一定偶然性(xing)。
要不要排除偏遠地區
先思考一個問題:我(wo)們排除(chu)的(de)(de)是量(liang)少的(de)(de)、還是量(liang)不好(hao)的(de)(de)?
如(ru)果你排(pai)除偏遠地區是因(yin)為人群少(shao)、所(suo)以不要(yao),那就很奇(qi)怪:蚊子腿(tui)不是肉(rou)?為啥量少(shao)你就不要(yao)了?
比如這(zhe)條廣告計劃,在(zai)香港、澳門、西藏(zang)這(zhe)些地區成本遠低于上(shang)海深圳這(zhe)些一線城市(shi),為(wei)什么(me)要排除呢?

再比如這(zhe)條(tiao)護膚(fu)篇的計劃更明顯,按(an)成本升序,第一(yi)頁(ye)都(dou)沒有一(yi)線城(cheng)市,反(fan)而西藏、寧夏青(qing)海成本是最低的。

參照(zhao)一下按(an)轉化數做(zuo)降(jiang)序,廣東的成(cheng)本在(zai)13左右(you),遠高(gao)于(yu)青(qing)海

但(dan)如果你有長期、明顯數據驗(yan)證,偏(pian)遠地區成本高(包括前、后端(duan)成本),那當然可(ke)以排除。
要不(bu)要排(pai)除偏遠地區參考(kao)方案:
· 先所有地域通投(tou),投(tou)放一段時間(jian)后逐省做數據分析,看成本(ben)高(gao)低(包括前后端成本(ben))
· 如(ru)果(guo)該產品香港、澳門、廣西、西藏等地區基本分不到什么量(liang)(liang),那建議放(fang)開(我們排除的(de)是(shi)成(cheng)本高的(de),不是(shi)量(liang)(liang)少的(de));
· 如(ru)果成(cheng)本(ben)明顯很高,則排除該(gai)省(不把(ba)偏遠地區歸為一類、拆開單獨看);
· 如果數據不穩定、有(you)的(de)計劃(hua)成本(ben)高(gao)、有(you)的(de)成本(ben)低,可選(xuan)是否排除(因為其它城市也一樣不穩定、比如北京(jing));
· 如(ru)果后端(duan)針對地(di)域有明(ming)顯數(shu)據(ju)差異(yi),可以(yi)排除。比如(ru)貸款審(shen)批不過、電商無(wu)法郵寄;
總結(jie)一下:有(you)長(chang)期、明顯(xian)數(shu)據表(biao)明某(mou)個(ge)省份成本高(gao)、可以(yi)排除該省;數(shu)據不穩定的情(qing)況下,建議(yi)放開投。
另外,不止偏遠(yuan)地區,分地域就是很難出結論,因為選(xuan)項多(duo)、并且很不穩定。
性(xing)別(bie)設置只有男女2個(ge)選項(xiang)、年齡(ling)有不同年齡(ling)段6個(ge)選項(xiang)、但是地域……300個(ge)城市(shi)還不止……只看省(sheng)級也有34個(ge)。

比如上面那條廣告計劃(hua),“廣西”是(shi)量又大成(cheng)本又低(di)的,但是(shi)下(xia)一條廣告計劃(hua)廣西可能完全沒有量。我(wo)們(men)不(bu)知道廣西成(cheng)本好不(bu)好、以后要不(bu)要重點投。
所(suo)以不是很建(jian)議分(fen)地域做測試(shi),包括只(zhi)投一線城市和排(pai)除偏遠地區(qu)這種常見的(de)思(si)路,起碼不建(jian)議做重點關注。
有(you)了“長期、明(ming)顯(xian)”數據差異這兩個標準(zhun),我們還有(you)能得出結論的對比測試嗎?
有,還真(zhen)有。
建議分類測的人群
1、分系統
投H5安卓(zhuo)(zhuo)iOS分開(kai)投,cpc、轉化率差(cha)異比較明顯,這也是少有我(wo)確(que)定(ding)地得出(chu)結論的(de)對(dui)比測試(shi)——“iOS的(de)轉化率絕大部分比安卓(zhuo)(zhuo)高”。
隨手(shou)找(zhao)個例子:

2、分廣告位
不同廣告位ctr和轉化率差異還(huan)是比較大(da)的,而且你可以決定單條計(ji)劃(hua)哪個廣告位成本過(guo)高停掉(diao)這個廣告位。

抖(dou)(dou)音(yin)的(de)ctr普遍(bian)不足1%,但(dan)是成(cheng)本(ben)難有(you)確定的(de)結論-抖(dou)(dou)音(yin)成(cheng)本(ben)高或者低。
投放經驗總結:
1、按“能否明顯反應(ying)用戶喜(xi)好(hao)”為標準,將定向(xiang)簡單分為自(zi)然屬(shu)性和興(xing)趣行為定向(xiang)。自(zi)然屬(shu)性定向(xiang)覆(fu)蓋人(ren)群較廣(guang)、難明顯反應(ying)用戶喜(xi)好(hao),不建議輕易做結論性限制;
2、我們做投放是為了(le)增加(jia)找到(dao)目(mu)(mu)標用(yong)戶(hu)的(de)數量(找到(dao)目(mu)(mu)標用(yong)戶(hu)量=特(te)征轉化率*人群范圍),所以定(ding)(ding)向(xiang)的(de)初衷是幫助提升“特(te)征轉化率”,但是自然屬性定(ding)(ding)向(xiang)很難判斷(duan)出明顯的(de)轉化率規(gui)律。3大基(ji)礎定(ding)(ding)向(xiang)中又(you)可(ke)以按(an)“得出結論可(ke)靠程度(du)和難易程度(du)”排序為“性別>年齡(ling)>地域”,地域最(zui)不建議做分類測試,因為選項(xiang)多(duo)、并且(qie)很不穩定(ding)(ding);
3、我們判(pan)斷要不(bu)(bu)要排出某一類人,不(bu)(bu)是(shi)看(kan)量(liang)多少,而是(shi)看(kan)成本好(hao)不(bu)(bu)好(hao)。不(bu)(bu)要因為(wei)偏(pian)遠地區量(liang)少就不(bu)(bu)投放(fang);
4、做人群(qun)細(xi)分還(huan)是能提升轉化率,如果要(yao)得出結論(lun),要(yao)滿足“長期、明顯”數(shu)據差異(yi)這兩個標(biao)準。
不能以1條計(ji)劃(hua)數據(ju)表(biao)現下結(jie)論。只能說是(shi)“這一(yi)條或這幾條計(ji)劃(hua)的現象”數據(ju)要累積到一(yi)定(ding)量、并且(qie)要看多條廣告計(ji)劃(hua);
5、建議(yi)投放(fang)H5區分安卓、iOS、分資源(yuan)位做投放(fang);
以上分享,希望對(dui)你有幫(bang)助。
在投放過(guo)程中,性(xing)別、年齡、地域這三大基礎定(ding)向是受眾(zhong)分(fen)析的“必選項”。大家常會(hui)有結論:投放男(nan)性(xing)、23-50歲、排除偏遠地區轉(zhuan)化效(xiao)果(guo)好。
但(dan)這個判斷有多(duo)可靠,是不是真的(de)經得起推敲(qiao)?下面我們就來細聊一下這三(san)大定(ding)向的(de)玩法。
性別、年齡定向怎么設置
我們(men)將頭條的(de)定向(xiang)簡單分為自(zi)然(ran)屬(shu)性(xing)和興趣行為,區分的(de)標準是能否明(ming)顯反應用戶喜好。
比如(ru)WiFi、地域不能明顯反應(ying)出(chu)用(yong)(yong)戶喜歡什么(me),但是手機里安(an)裝了什么(me)應(ying)用(yong)(yong)、下載過(guo)什么(me)廣告則能一定程(cheng)度上表明用(yong)(yong)戶的偏好。
我們(men)將頭條常用定向劃分如下:
自然屬(shu)性(xing)定向(xiang):性(xing)別、年(nian)齡(ling)、地域、平臺(tai)、網(wang)絡、運營商、新用戶
興趣(qu)行為定向:興趣(qu)、人群包、APP行為
先(xian)說觀點:
自然(ran)屬性定向覆蓋(gai)人群較(jiao)廣、難明顯反應用戶喜好,除非(fei)數據是壓倒性的,不建議做結論性限制。
來(lai)看(kan)一個交友產品的案例:
這(zhe)是一條點擊數超過(guo)20萬的(de)計劃,女性(xing)成本比男性(xing)高出30%,能得出結論(lun)女性(xing)用戶效果不好(hao)嗎(ma)?
【計劃1】女性用戶(hu)成本明顯高出很多


【計劃2】你(ni)再看這條(tiao)計劃,男性還是主(zhu)要流(liu)量來(lai)源,但是男女成本基(ji)本相同


這(zhe)怎么辦?女性(xing)到(dao)底好不好?
把(ba)各賬戶里(li)其它top計劃的數據(ju)都拉出來,看近1年(nian)的整體數據(ju):
【計劃3】女性成本高

【計劃4】女(nv)性成本高

【計(ji)劃5】女性成本高

【計劃(hua)6】女性成本(ben)高(gao)

【計(ji)劃7】女性成本高(gao)

結 論:
看(kan)過這7條top計劃的數據,發(fa)現女性(xing)成本普遍高于(yu)男(nan)性(xing)10%以(yi)(yi)上。這個(ge)時候可以(yi)(yi)初步判斷:女性(xing)用(yong)戶確實轉化率低于(yu)男(nan)性(xing),成本高于(yu)男(nan)性(xing)。
此產(chan)品性別定向建議方案:如(ru)果想成本越(yue)低(di)越(yue)好,可以只投放男(nan)性用戶;如(ru)果想拓量,可以通投,整體成本還(huan)是能滿(man)足出價。
這(zhe)個是(shi)比(bi)較明顯(xian)的(de)數據差異(yi),但(dan)是(shi)其(qi)它自然屬(shu)性定(ding)向就很難有明顯(xian)的(de)偏向性。比(bi)如年(nian)齡。
還以上面的(de)交(jiao)友產品為例,拉(la)出top計劃近(jin)1年(nian)的(de)數據,看分年(nian)齡段的(de)數據:
【計劃1】1-18歲(sui)成本(ben)最低(di),24-30歲(sui)成本(ben)最高(gao)

【計劃2】24-30歲成(cheng)本最(zui)低(di),1-18歲成(cheng)本最(zui)高

【計劃3】31-40歲成本最低,50歲以上成本最高

【計劃4】41-50歲(sui)成本(ben)(ben)最低,24-30歲(sui)成本(ben)(ben)最高

結論:
4條(tiao)計劃(hua)成本(ben)最(zui)低的年齡段各不相同,只看頭條(tiao)對接到轉化(hua)的數據(ju)(可能后端轉化(hua)數據(ju)有明顯不同),無(wu)法判斷哪個年齡段非常差(cha)、一定要排除;也無(wu)法判斷哪個年齡段是(shi)優質人(ren)群。
那怎么辦?當你(ni)沒有明確結論的時(shi)候,你(ni)就(jiu)依靠頭條的智能。
前面我(wo)們說,要不要做定向的(de)(de)一個(ge)判斷標準可(ke)以是“你(ni)和模(mo)型(xing)(xing)誰找的(de)(de)人比較(jiao)準?你(ni)有多大把握?”而在自然屬(shu)性(xing)的(de)(de)定向上,我(wo)們的(de)(de)判斷很難(nan)比模(mo)型(xing)(xing)更(geng)準,所以建議放開。
還是這個公式:
找到目標用戶量=特征轉化率*人群范圍
限制自然屬性定向特征轉化(hua)率提升把(ba)握(wo)未必大,但是人群范(fan)圍是實實在在縮小了,不劃算。
有一個(ge)對比測試(shi)的提(ti)示:
不要輕易做結(jie)論性限制(zhi)——什(shen)么什(shen)么定向一定不好!大(da)家都不要投放!
如(ru)果要做(zuo)出什么定(ding)向好、什么定(ding)向不好的判(pan)斷,起(qi)碼要滿足2個(ge)條(tiao)件:長期、明(ming)顯數據差異(yi)。
2~3條計(ji)劃(hua)(hua)(hua)無法得出結論,只能是(shi)個(ge)現象。像(xiang)我(wo)上面做的7條top計(ji)劃(hua)(hua)(hua)、近1年(nian)數據,可以得出初步判(pan)斷(duan),但沒辦法確定地下結論“這個(ge)產品女(nv)性(xing)用(yong)戶(hu)成(cheng)本就是(shi)比男性(xing)高”,因為跟素材也有關系、而且7條計(ji)劃(hua)(hua)(hua)計(ji)劃(hua)(hua)(hua)數還不夠,存在一(yi)定偶然性(xing)。
要不要排除偏遠地區
先(xian)思考(kao)一個(ge)問(wen)題:我們(men)排(pai)除的(de)是量少的(de)、還是量不(bu)好的(de)?
如果你排除偏遠地區(qu)是因(yin)為(wei)人群(qun)少(shao)、所以(yi)不要,那(nei)就很奇怪:蚊子腿(tui)不是肉?為(wei)啥量少(shao)你就不要了?
比如這條廣(guang)告計劃,在香港、澳門、西藏這些地區成本(ben)遠低于上海深(shen)圳這些一線(xian)城市,為什么要排除呢?

再(zai)比如這條(tiao)護膚(fu)篇的計劃更明顯,按成(cheng)本升序(xu),第(di)一頁都沒有一線(xian)城市,反而西(xi)藏、寧夏青海成(cheng)本是最低的。

參照一(yi)下按轉化數做降(jiang)序,廣東的成本(ben)在(zai)13左(zuo)右,遠高于青海

但如果你有長期、明顯(xian)數(shu)據驗證,偏遠地區(qu)成(cheng)本高(包括前、后端成(cheng)本),那當(dang)然可以排(pai)除。
要不要排(pai)除(chu)偏(pian)遠地區(qu)參考方案:
· 先(xian)所有地域(yu)通(tong)投,投放一(yi)段時(shi)間(jian)后逐省做(zuo)數據分(fen)析,看成本(ben)高低(包(bao)括前(qian)后端成本(ben))
· 如果該(gai)產(chan)品香港、澳門(men)、廣西、西藏(zang)等地區基(ji)本(ben)分不(bu)到什么(me)量(liang),那(nei)建議放開(我們排除的(de)是成本(ben)高的(de),不(bu)是量(liang)少的(de));
· 如果成本明顯很高,則(ze)排除該省(不把(ba)偏遠地區歸(gui)為一類、拆開單獨(du)看);
· 如果數(shu)據不穩(wen)定、有(you)的計劃成本(ben)高、有(you)的成本(ben)低,可(ke)選是否排除(因為其它城市也一樣(yang)不穩(wen)定、比如北京);
· 如(ru)果(guo)后端針(zhen)對(dui)地(di)域有明顯(xian)數據差異,可以排除。比如(ru)貸款審(shen)批不過、電商(shang)無法郵(you)寄;
總結(jie)一下:有(you)長(chang)期、明顯(xian)數據表明某個省(sheng)份成本高、可以排除該省(sheng);數據不穩定的情況下,建議(yi)放開投。
另外(wai),不止偏遠地區,分地域就是很難(nan)出結論,因為選(xuan)項多、并且很不穩(wen)定。
性(xing)別設置只有男女2個(ge)(ge)選項、年(nian)齡有不(bu)同年(nian)齡段6個(ge)(ge)選項、但是地域(yu)……300個(ge)(ge)城市(shi)還(huan)不(bu)止……只看省級也有34個(ge)(ge)。

比如上面那條廣(guang)(guang)告計劃,“廣(guang)(guang)西(xi)(xi)”是量又大成(cheng)本又低的,但(dan)是下一條廣(guang)(guang)告計劃廣(guang)(guang)西(xi)(xi)可能完(wan)全沒(mei)有(you)量。我們不知道廣(guang)(guang)西(xi)(xi)成(cheng)本好(hao)不好(hao)、以后要(yao)不要(yao)重點投。
所(suo)以不是很建(jian)(jian)議分地域做(zuo)測試,包括(kuo)只投一(yi)線城(cheng)市和排除偏(pian)遠地區這種(zhong)常見的思路(lu),起碼(ma)不建(jian)(jian)議做(zuo)重點關注。
有(you)了“長期、明顯”數據差異這兩個標準,我們還有(you)能得出結論的(de)對(dui)比測試嗎?
有(you),還真有(you)。
建議分類測的人群
1、分系統
投H5安(an)卓iOS分(fen)開投,cpc、轉(zhuan)化(hua)率(lv)差異(yi)比(bi)(bi)較明顯,這也是少(shao)有(you)我(wo)確(que)定地得(de)出結(jie)論的對(dui)比(bi)(bi)測試——“iOS的轉(zhuan)化(hua)率(lv)絕大部(bu)分(fen)比(bi)(bi)安(an)卓高”。
隨手找個例子:

2、分廣告位
不同廣(guang)(guang)告位ctr和轉化率差異還是比較大的,而且你可(ke)以決定單(dan)條計劃哪個廣(guang)(guang)告位成本過高停掉這個廣(guang)(guang)告位。

抖(dou)音的ctr普遍不(bu)足1%,但(dan)是成本(ben)難有(you)確定的結論-抖(dou)音成本(ben)高或者低。
投放經驗總結:
1、按“能(neng)否明顯反應(ying)用(yong)戶喜好”為(wei)(wei)標準,將定向(xiang)簡(jian)單分為(wei)(wei)自(zi)(zi)然屬(shu)性和興趣行為(wei)(wei)定向(xiang)。自(zi)(zi)然屬(shu)性定向(xiang)覆蓋人群較(jiao)廣、難明顯反應(ying)用(yong)戶喜好,不建(jian)議(yi)輕易做結論性限制;
2、我們做投(tou)放(fang)是為(wei)(wei)了增加(jia)找到目標(biao)用戶的數量(找到目標(biao)用戶量=特征(zheng)轉化率*人群范圍),所(suo)以定(ding)(ding)向的初衷(zhong)是幫助提升“特征(zheng)轉化率”,但(dan)是自(zi)然屬性定(ding)(ding)向很難(nan)判斷出明顯的轉化率規律。3大(da)基礎定(ding)(ding)向中又(you)可(ke)以按“得(de)出結論可(ke)靠程度和難(nan)易程度”排序為(wei)(wei)“性別>年齡>地域(yu)”,地域(yu)最(zui)不建議做分類測試,因為(wei)(wei)選項多、并且很不穩(wen)定(ding)(ding);
3、我們判(pan)斷要不(bu)(bu)要排出(chu)某一類(lei)人,不(bu)(bu)是看量多少,而是看成本好(hao)不(bu)(bu)好(hao)。不(bu)(bu)要因為偏(pian)遠(yuan)地(di)區量少就不(bu)(bu)投放;
4、做人群細分還是能提升轉化率,如果要(yao)得出結論,要(yao)滿足“長(chang)期、明顯”數(shu)據差異這兩個(ge)標準。
不(bu)能(neng)以1條計劃數(shu)據表(biao)現下結(jie)論。只能(neng)說是“這一條或這幾條計劃的現象”數(shu)據要累積(ji)到(dao)一定量、并且(qie)要看多條廣告計劃;
5、建議投(tou)放H5區分(fen)(fen)安卓、iOS、分(fen)(fen)資源位做投(tou)放;
以(yi)上(shang)分(fen)享,希望(wang)對你有幫助。