实操分享：直通车属性人群标签实操。

一头蒜

一、人群标签的基本认知
1、标签维度选择
直通车的人群标签种类有多种，这里只讨论人口属性人群标签的操作。人口属性人群有 四个维度：类目笔单价、性别、年龄、月均消费额度。如果全不勾选，覆盖人群即关键词所覆盖的所有人口属性人群。如果仅勾选四个维度中的一个维度下的全部标签，会发现性别、年龄、月均消费额度这个三个维度的标签人群数量和关键词总覆盖人群是很接近的，而类目笔单价却只有关键词总覆盖人群的70%（这个数值不同类目应该是不一样的）左右。这又是为何呢？原因很简单，类目笔单价只有在该类目下有历史消费才会打标，如果仅搜索而没有购买是不会有类目笔单价标签的。因此，我们在做属性人群细分时，只选性别、年龄、月均消费额度三个维度。

2、标签的组合
性别维度下有2个标签，年龄维度和月均消费维度下都是7个标签，因此总的细分人群标签数量是2x7x7=98个。打个比方，女性对应有7种年龄分类，这7种分类的人群每一种又对应7个不同的消费维度，这样女性对应就有49种人群标签。

3、标签与人群展现
应该很多人会问为什么要把标签弄这么麻烦，三个维度组合最多有98个标签。大多数划分人群标签时只选1个维度，比如“女”就当一个标签，还有“18-24岁”当一个标签，这样四个维度都考虑的话标签总数也只有5+2+7+7=21个人群标签，为什么不这样设置人群标签呢？这里我们假设人群只考虑一个维度设置成21个人群标签，一个月均消费300元以下18-24岁的女性搜素宝贝关键词，并不会在“女”、“18-24岁”、“月均消费额度300元以下”三个人群标签上都增加一个展现，而只会在人群溢价更高的那个标签上面增加展现。所以会出现这样一个情况，你卖女性产品，你把“女”这个人群标签溢价最高，你会发现其他人群标签的展现几乎没有了，而展现都算到“女”这个标签上来了。这样导致的结果是你测试到的人群是非常泛的，通过人群溢价对点击转化的提升非常低。

二、人群标签实操
1、人群标签添加
在关键词中加几个符合产品的行业大词。关键词覆盖的人群总数最好能超过1万，越多越好，当然前提是加的词要相对精准。关键词覆盖人群要多是因为人群标签最低显示的覆盖人数是30个，总人群太少的话可能很多标签的人群数量就只有不到30个甚至几个，不利于人群标签的合并。如下面图片所见，“女18岁以下”组合月均消费额度时，月均消费额度后面四个标签对应的组合标签人群显示都是30个，而合并后面四个标签时对应的人群数也仅50个。如果宝贝是第一次来测试属性人群，每个标签人群的覆盖人群数量最好不要低于总覆盖人群的1%，如果覆盖人数过低，后面测试时该人群的展现会很少，很难达到测试精准人群的需要的数据量。

2、人群溢价初始设置
通过前面标签与人群展现的描述，我们知道展现只会落在溢价高的人群标签上。因此，如果要测试属性人群标签，就必须让属性人群溢价高于其他人群溢价。
有两种选择，第一种只添加人口属性人群，初始溢价全部设置为5%；第二种是其他人群全部溢价5%，属性人群全部初始溢价6%。


3、加人群降分时
前期由于没有数据参考，所有人群溢价最开始几天不要去调整，先积累人群数据。正常需要人群点击到50个左右才能初步确定出人群标签的好坏，然后再考虑人群溢价。不过，根据个人操作经营，当一个人群标签展现有1000左右的时候，而且点击率很高，这样的人群可以优先提高溢价，因为通常点击率高的人群转化也不会差。积累几天人群标签数据后，对表现好的属性人群的加价，最好是每次加1%，如果没那么多时间操作可以2~5%往上加，每天可以加3次左右，直到增加溢价人群展现不增加为止；对表现差的人群和展现很低的人群，可以选择直接删除；对当前数据无法确定好坏的人群，可以选择继续低溢价积累更多数据，或者适当提高溢价来更快积累人群数据。总之，表现好的人群提高溢价，表现差的人群直接删除，不确定的人群维持低溢价或者适当增加溢价。


4、高溢价低分时
当好的人群标签基本测试出来后，把所有表现好的人群都往上加溢价，每次加1~5%，每天加3次左右，表现越好的人群可以加得越多，同时降低分时折扣，分时折扣每次降低1~2%，也是每天3次左右。同一个小时内尽量最多操作一次，如果降低分时折扣后关键词展现一下子少了很多时，就要往回加一次分时折扣。最终我们可以把表现很好的那部分人群标签溢价100~300%，同时分时折扣降低到30~50%。这样溢价高的人群虽然平均点击花费会稍微偏高，但是转化率更高，投入产出比也会比原来高很多；而溢价低的人群虽然转化率相对要低，但是平均点击花费比溢价高的要低很多，投入产出比也会比较理想。


三、实操数据分析
1、带标签和不带标签人群的数据对比
本人自己实操过的一款小钱包的一些数据。其实从数据中可以看出带人群标签的买家比不带标签的买家各项数据都要好很多，尤其是转化率和收藏加购率，前者要远优于后者。当时未添加人群溢价前宝贝点击率是4.90%，转化率是1.67%。添加人群溢价后点击率增加到6.19%，转化率增加到2.32%，且还在持续优化增加，好的人群标签转化率和收藏加购率数据要比其他人群和非人群数据好非常多，甚至高出数倍。

2、精细化人群数据分析
以下选取的是转化率超过3%的人群标签近30天的统计数据。这款小钱包受众人群是学生人群或者年轻女性，客单价是20元。没测试前认为受众人群应该是24岁以下女性，而实际转化好的前20个人群里，24岁以下女性只有4个，占比只有20%。从所有人群的数据中得出了这款小钱包的几条规律：（1）女性人群月消费额度越低转化越差，而月均消费额度越高转化越好；（2）30岁以上的人群转化都非常好；（3）年轻男性人群月消费额度越低转化越好，而月均消费额度越高转化越差；（4）低消费人群相对转化要差很多。通过数据总结再反思这些结论，其实也不无道理，这里就不再详细解释。

四、实操小结
这样操作人群是个细致活，第一步添加人群就要非常细心，一旦勾选错了，后面的测试就白费。如果是细分98个人群，调整溢价和筛选数据会比较费力，所以最初就根据人群覆盖人数尽量合并一些近似人群。如果操作时间有限，人群溢价调整幅度可以大一些。判断一个人群好坏至少要有50个点击，这个是最低标准，其次也要综合考虑点击率、收藏加购率等来衡量人群的好坏。对于不好判断的人群，最好不要轻易删除，可以留着积累更多的数据再判断。