一、人群標簽的基本認知

1、標簽維度選擇

直通車的人群標簽種類有多種，這里只討論人口屬性人群標簽的操作。人口屬性人群有 四個維度：類目筆單價、性別、年齡、月均消費額度。如果全不勾選，覆蓋人群即關鍵詞所覆蓋的所有人口屬性人群。如果僅勾選四個維度中的一個維度下的全部標簽，會發現性別、年齡、月均消費額度這個三個維度的標簽人群數量和關鍵詞總覆蓋人群是很接近的，而類目筆單價卻只有關鍵詞總覆蓋人群的70%（這個數值不同類目應該是不一樣的）左右。這又是為何呢？原因很簡單，類目筆單價只有在該類目下有歷史消費才會打標，如果僅搜索而沒有購買是不會有類目筆單價標簽的。因此，我們在做屬性人群細分時，只選性別、年齡、月均消費額度三個維度。

2、標簽的組合

性別維度下有2個標簽，年齡維度和月均消費維度下都是7個標簽，因此總的細分人群標簽數量是2x7x7=98個。打個比方，女性對應有7種年齡分類，這7種分類的人群每一種又對應7個不同的消費維度，這樣女性對應就有49種人群標簽。如下圖所示“女18歲以下300元以下”的維度組合就是這98個人群標簽中的其中一個。當然，實際如果每個寶貝計劃都分出98個人群標簽的話，會非常累和浪費時間，因此在月均消費額度這個維度上是可以做一些標簽合并的，正常月均消費額度的7個標簽根據覆蓋人群數量合并到2~4就可以了。

3、標簽與人群展現

應該很多人會問為什么要把標簽弄這么麻煩，三個維度組合最多有98個標簽。大多數劃分人群標簽時只選1個維度，比如“女”就當一個標簽，還有“18-24歲”當一個標簽，這樣四個維度都考慮的話標簽總數也只有5+2+7+7=21個人群標簽，為什么不這樣設置人群標簽呢？這里我們假設人群只考慮一個維度設置成21個人群標簽，一個月均消費300元以下18-24歲的女性搜素寶貝關鍵詞，并不會在“女”、“18-24歲”、“月均消費額度300元以下”三個人群標簽上都增加一個展現，而只會在人群溢價更高的那個標簽上面增加展現。所以會出現這樣一個情況，你賣女性產品，你把“女”這個人群標簽溢價最高，你會發現其他人群標簽的展現幾乎沒有了，而展現都算到“女”這個標簽上來了。這樣導致的結果是你測試到的人群是非常泛的，通過人群溢價對點擊轉化的提升非常低。

二、人群標簽實操

1、人群標簽添加

在關鍵詞中加幾個符合產品的行業大詞。關鍵詞覆蓋的人群總數最好能超過1萬，越多越好，當然前提是加的詞要相對精準。關鍵詞覆蓋人群要多是因為人群標簽最低顯示的覆蓋人數是30個，總人群太少的話可能很多標簽的人群數量就只有不到30個甚至幾個，不利于人群標簽的合并。如下面圖片所見，“女18歲以下”組合月均消費額度時，月均消費額度后面四個標簽對應的組合標簽人群顯示都是30個，而合并后面四個標簽時對應的人群數也僅50個。如果寶貝是第一次來測試屬性人群，每個標簽人群的覆蓋人群數量最好不要低于總覆蓋人群的1%，如果覆蓋人數過低，后面測試時該人群的展現會很少，很難達到測試精準人群的需要的數據量。

2、人群溢價初始設置

通過前面標簽與人群展現的描述，我們知道展現只會落在溢價高的人群標簽上。因此，如果要測試屬性人群標簽，就必須讓屬性人群溢價高于其他人群溢價。

有兩種選擇，第一種只添加人口屬性人群，初始溢價全部設置為5%；第二種是其他人群全部溢價5%，屬性人群全部初始溢價6%。

3、加人群降分時

前期由于沒有數據參考，所有人群溢價最開始幾天不要去調整，先積累人群數據。正常需要人群點擊到50個左右才能初步確定出人群標簽的好壞，然后再考慮人群溢價。不過，根據個人操作經營，當一個人群標簽展現有1000左右的時候，而且點擊率很高，這樣的人群可以優先提高溢價，因為通常點擊率高的人群轉化也不會差。積累幾天人群標簽數據后，對表現好的屬性人群的加價，最好是每次加1%，如果沒那么多時間操作可以2~5%往上加，每天可以加3次左右，直到增加溢價人群展現不增加為止；對表現差的人群和展現很低的人群，可以選擇直接刪除；對當前數據無法確定好壞的人群，可以選擇繼續低溢價積累更多數據，或者適當提高溢價來更快積累人群數據?？傊?，表現好的人群提高溢價，表現差的人群直接刪除，不確定的人群維持低溢價或者適當增加溢價。

4、高溢價低分時

當好的人群標簽基本測試出來后，把所有表現好的人群都往上加溢價，每次加1~5%，每天加3次左右，表現越好的人群可以加得越多，同時降低分時折扣，分時折扣每次降低1~2%，也是每天3次左右。同一個小時內盡量最多操作一次，如果降低分時折扣后關鍵詞展現一下子少了很多時，就要往回加一次分時折扣。最終我們可以把表現很好的那部分人群標簽溢價100~300%，同時分時折扣降低到30~50%。這樣溢價高的人群雖然平均點擊花費會稍微偏高，但是轉化率更高，投入產出比也會比原來高很多；而溢價低的人群雖然轉化率相對要低，但是平均點擊花費比溢價高的要低很多，投入產出比也會比較理想。

三、實操數據分析

1、帶標簽和不帶標簽人群的數據對比

以下是我實操的一款小錢包的近30天數據?？梢钥闯鰩巳簶撕灥馁I家比不帶標簽的買家各項數據都要好很多，尤其是轉化率和收藏加購率，前者要遠優于后者。未添加人群溢價前寶貝點擊率是4.90%，轉化率是1.67%。添加人群溢價后點擊率增加到6.19%，轉化率增加到2.32%，且還在持續優化增加。從下表更能看出，好的人群標簽轉化率和收藏加購率數據要比其他人群和非人群數據好非常多，甚至高出數倍。

2、精細化人群數據分析

以下選取的是轉化率超過3%的人群標簽近30天的統計數據。這款小錢包受眾人群是學生人群或者年輕女性，客單價是20元。沒測試前認為受眾人群應該是24歲以下女性，而實際轉化好的前20個人群里，24歲以下女性只有4個，占比只有20%。從所有人群的數據中得出了這款小錢包的幾條規律：（1）女性人群月消費額度越低轉化越差，而月均消費額度越高轉化越好；（2）30歲以上的人群轉化都非常好；（3）年輕男性人群月消費額度越低轉化越好，而月均消費額度越高轉化越差；（4）低消費人群相對轉化要差很多。通過數據總結再反思這些結論，其實也不無道理。

四、實操小結

這樣操作人群是個細致活，第一步添加人群就要非常細心，一旦勾選錯了，后面的測試就白費。如果是細分98個人群，調整溢價和篩選數據會比較費力，所以最初就根據人群覆蓋人數盡量合并一些近似人群。如果操作時間有限，人群溢價調整幅度可以大一些。判斷一個人群好壞至少要有50個點擊，這個是最低標準，其次也要綜合考慮點擊率、收藏加購率等來衡量人群的好壞。對于不好判斷的人群，最好不要輕易刪除，可以留著積累更多的數據再判斷。