锐奇广告-专注手机移动端wap流量推广

性别、年龄、地域,你真的会设么?关于信息流定向的一些思考

在投放过程中,性别、年龄、地域这三大基础定向是受众分析的“必选项”。大家常会有结论:投放男性、23-50岁、排除偏远地区转化效果好。


但这个判断有多可靠,是不是真的经得起推敲?下面我们就来细聊一下这三大定向的玩法。


一、性别、年龄定向怎么设置


我们将头条的定向简单分为自然属性和兴趣行为,区分的标准是能否明显反应用户喜好。
比如WiFi、地域不能明显反应出用户喜欢什么,但是手机里安装了什么应用、下载过什么广告则能一定程度上表明用户的偏好。
我们将头条常用定向划分如下:


  • 自然属性定向:性别、年龄、地域、平台、网络、运营商、新用户
  • 兴趣行为定向:兴趣、人群包、APP行为


先说观点:
自然属性定向覆盖人群较广、难明显反应用户喜好,除非数据是压倒性的,不建议做结论性限制。
来看一个交友产品的案例:
这是一条点击数超过20万的计划,女性成本比男性高出30%,能得出结论女性用户效果不好吗?
【计划1】女性用户成本明显高出很多 
【计划2】你再看这条计划,男性还是主要流量来源,但是男女成本基本相同

这怎么办?女性到底好不好?
把各账户里其它top计划的数据都拉出来,看近1年的整体数据:
【计划3】女性成本高
【计划4】女性成本高
【计划5】女性成本高
【计划6】女性成本高
【计划7】女性成本高
结 论:
看过这7条top计划的数据,发现女性成本普遍高于男性10%以上。这个时候可以初步判断:女性用户确实转化率低于男性,成本高于男性。
此产品性别定向建议方案:如果想成本越低越好,可以只投放男性用户;如果想拓量,可以通投,整体成本还是能满足出价。




这个是比较明显的数据差异,但是其它自然属性定向就很难有明显的偏向性。比如年龄。
还以上面的交友产品为例,拉出top计划近1年的数据,看分年龄段的数据:
【计划1】1-18岁成本最低,24-30岁成本最高
【计划2】24-30岁成本最低,1-18岁成本最高
【计划3】31-40岁成本最低,50岁以上成本最高

【计划4】41-50岁成本最低,24-30岁成本最高
结论:
4条计划成本最低的年龄段各不相同,只看头条对接到转化的数据(可能后端转化数据有明显不同),无法判断哪个年龄段非常差、一定要排除;也无法判断哪个年龄段是优质人群。
那怎么办?当你没有明确结论的时候,你就依靠头条的智能。
前面我们说,要不要做定向的一个判断标准可以是“你和模型谁找的人比较准?你有多大把握?”而在自然属性的定向上,我们的判断很难比模型更准,所以建议放开。
还是这个公式:
找到目标用户量=特征转化率*人群范围
限制自然属性定向特征转化率提升把握未必大,但是人群范围是实实在在缩小了,不划算。
有一个对比测试的提示:
不要轻易做结论性限制——什么什么定向一定不好!大家都不要投放!
如果要做出什么定向好、什么定向不好的判断,起码要满足2个条件:长期、明显数据差异。


2~3条计划无法得出结论,只能是个现象。像我上面做的7条top计划、近1年数据,可以得出初步判断,但没办法确定地下结论“这个产品女性用户成本就是比男性高”,因为跟素材也有关系、而且7条计划计划数还不够,存在一定偶然性。


二、要不要排除偏远地区


先思考一个问题:我们排除的是量少的、还是量不好的?
如果你排除偏远地区是因为人群少、所以不要,那就很奇怪:蚊子腿不是肉?为啥量少你就不要了?
比如这条广告计划,在香港、澳门、西藏这些地区成本远低于上海深圳这些一线城市,为什么要排除呢?
再比如这条护肤篇的计划更明显,按成本升序,第一页都没有一线城市,反而西藏、宁夏青海成本是最低
参照一下按转化数做降序,广东的成本在13左右,远高于青海

但如果你有长期、明显数据验证,偏远地区成本高(包括前、后端成本),那当然可以排除。
要不要排除偏远地区参考方案:

·  先所有地域通投,投放一段时间后逐省做数据分析,看成本高低(包括前后端成本)

· 如果该产品香港、澳门、广西、西藏等地区基本分不到什么量,那建议放开(我们排除的是成本高的,不是量少的);

· 如果成本明显很高,则排除该省(不把偏远地区归为一类、拆开单独看);

· 如果数据不稳定、有的计划成本高、有的成本低,可选是否排除(因为其它城市也一样不稳定、比如北京);

· 如果后端针对地域有明显数据差异,可以排除。比如贷款审批不过、电商无法邮寄;

总结一下:有长期、明显数据表明某个省份成本高、可以排除该省;数据不稳定的情况下,建议放开投。


另外,不止偏远地区,分地域就是很难出结论,因为选项多、并且很不稳定。


性别设置只有男女2个选项、年龄有不同年龄段6个选项、但是地域……300个城市还不止……只看省级也有34个。

比如上面那条广告计划,“广西”是量又大成本又低的,但是下一条广告计划广西可能完全没有量。我们不知道广西成本好不好、以后要不要重点投。

所以不是很建议分地域做测试,包括只投一线城市和排除偏远地区这种常见的思路,起码不建议做重点关注。


有了“长期、明显”数据差异这两个标准,我们还有能得出结论的对比测试吗?


有,还真有。



四、建议分类测的人群

1、分系统  


投H5安卓iOS分开投,cpc、转化率差异比较明显,这也是少有我确定地得出结论的对比测试——“iOS的转化率绝大部分比安卓高”。
随手找个例子:
2、分广告位
不同广告位ctr和转化率差异还是比较大的,而且你可以决定单条计划哪个广告位成本过高停掉这个广告位。
抖音的ctr普遍不足1%,但是成本难有确定的结论-抖音成本高或者低。




投放经验总结:
1、按“能否明显反应用户喜好”为标准,将定向简单分为自然属性和兴趣行为定向。自然属性定向覆盖人群较广、难明显反应用户喜好,不建议轻易做结论性限制;
2、我们做投放是为了增加找到目标用户的数量(找到目标用户量=特征转化率*人群范围),所以定向的初衷是帮助提升“特征转化率”,但是自然属性定向很难判断出明显的转化率规律。3大基础定向中又可以按“得出结论可靠程度和难易程度”排序为“性别>年龄>地域”,地域最不建议做分类测试,因为选项多、并且很不稳定;
3、我们判断要不要排出某一类人,不是看量多少,而是看成本好不好。不要因为偏远地区量少就不投放;
4、做人群细分还是能提升转化率,如果要得出结论,要满足“长期、明显”数据差异这两个标准。
不能以1条计划数据表现下结论。只能说是“这一条或这几条计划的现象”数据要累积到一定量、并且要看多条广告计划;
5、建议投放H5区分安卓、iOS、分资源位做投放;
以上分享,希望对你有帮助。
相关阅读:
信息流定向8种组合玩法,可运用测试


©版权声明
1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源。
2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任。
3.作者投稿可能会经我们编辑修改或补充。

相关推荐

评论

  • 昵称 (必填)
  • 邮箱
  • 网址
二维码
评论