360信息流定向怎么設置效果好，360信息流代運營(yíng)專(zhuān)業(yè)的公司！
360搜索信息流定向的一些思考，性別、年齡、地域，你真的會(huì )設么？
在投放360推廣過(guò)程中，性別、年齡、地域這三大基礎定向是受眾分析的“必選項”。大家常會(huì )有結論：投放男性、23-50歲、排除偏遠地區轉化效果好。
但這個(gè)判斷有多可靠，是不是真的經(jīng)得起推敲？下面聚搜營(yíng)銷(xiāo)就來(lái)細聊一下這三大定向的玩法。
一：性別、年齡在360推廣信息流后臺定向怎么設置
聚搜營(yíng)銷(xiāo)將頭條的定向簡(jiǎn)單分為自然屬性和興趣行為，區分的標準是能否明顯反應用戶(hù)喜好。
比如360推廣、地域不能明顯反應出用戶(hù)喜歡什么，但是手機里安裝了什么應用、下載過(guò)什么廣告則能一定程度上表明用戶(hù)的偏好。
聚搜營(yíng)銷(xiāo)將頭條常用定向劃分如下：
自然屬性定向：性別、年齡、地域、平臺、網(wǎng)絡(luò )、運營(yíng)商、新用戶(hù)
興趣行為定向：興趣、人群包、app行為
先說(shuō)觀(guān)點(diǎn)：
自然屬性定向覆蓋人群較廣、難明顯反應用戶(hù)喜好，除非數據是壓倒性的，不建議做結論性限制。
來(lái)看一個(gè)交友產(chǎn)品的案例：
這是一條點(diǎn)擊數超過(guò)20萬(wàn)的計劃，女性成本比男性高出30%，能得出結論女性用戶(hù)效果不好嗎？
這怎么辦？女性到底好不好？
把各賬戶(hù)里其它top計劃的數據都拉出來(lái)，看近1年的整體數據：
結論：
通過(guò)以上360推廣中信息流7條計劃的數據，發(fā)現女性成本普遍高于男性10%以上。這個(gè)時(shí)候可以初步判斷：女性用戶(hù)確實(shí)轉化率低于男性，成本高于男性。
此產(chǎn)品性別定向建議方案：如果想成本越低越好，可以只投放男性用戶(hù)；如果想拓量，可以通投，整體成本還是能滿(mǎn)足出價(jià)。
這個(gè)是比較明顯的數據差異，但是其它自然屬性定向就很難有明顯的偏向性。比如年齡。
還以上面的交友產(chǎn)品為例，拉出top計劃近1年的數據，看分年齡段的數據：
結論：
4條計劃成本最低的年齡段各不相同，只看360推廣對接到轉化的數據（可能后端轉化數據有明顯不同），無(wú)法判斷哪個(gè)年齡段非常差、一定要排除；也無(wú)法判斷哪個(gè)年齡段是360推廣帶來(lái)的優(yōu)質(zhì)人群。
那怎么辦？當你沒(méi)有明確結論的時(shí)候，你就依靠360的智能。
前面聚搜營(yíng)銷(xiāo)說(shuō)，要不要做定向的一個(gè)判斷標準可以是“你和模型誰(shuí)找的人比較準？你有多大把握？”而在自然屬性的定向上，聚搜營(yíng)銷(xiāo)的判斷很難比模型更準，所以建議放開(kāi)。
還是這個(gè)公式：
找到目標用戶(hù)量=特征轉化率*人群范圍
限制自然屬性定向特征轉化率提升把握未必大，但是人群范圍是實(shí)實(shí)在在縮小了，不劃算。
有一個(gè)對比測試的提示：
不要輕易做結論性限制——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、什么定向不好的判斷，起碼要滿(mǎn)足2個(gè)條件：長(cháng)期、明顯數據差異。
2~3條計劃無(wú)法得出結論，只能是個(gè)現象。像我上面做的7條top計劃、近1年數據，可以得出初步判斷，但沒(méi)辦法確定地下結論“這個(gè)產(chǎn)品女性用戶(hù)成本就是比男性高”，因為跟素材也有關(guān)系、而且7條計劃計劃數還不夠，存在一定偶然性。
二、要不要排除偏遠地區
先思考一個(gè)問(wèn)題：聚搜營(yíng)銷(xiāo)排除的是360推廣量少、還是量不好的？
如果你排除偏遠地區是因為人群少、所以不要，那就很奇怪：蚊子腿不是肉？為啥量少你就不要了？
比如這條360廣告計劃，在香港、澳門(mén)、西藏這些地區成本遠低于上海深圳這些一線(xiàn)城市，為什么要排除呢？
但如果你有長(cháng)期、明顯數據驗證，偏遠地區成本高（包括前、后端成本），那當然可以排除。
要不要排除偏遠地區參考方案：
·先所有地域通投，投放一段時(shí)間后逐省做數據分析，看成本高低（包括前后端成本）
·如果360推廣該產(chǎn)品香港、澳門(mén)、廣西、西藏等地區基本分不到什么量，那建議放開(kāi)（聚搜營(yíng)銷(xiāo)排除的是成本高的，不是量少的）；
·如果成本明顯很高，則排除該?。ú话哑h地區歸為一類(lèi)、拆開(kāi)單獨看）；
·如果數據不穩定、有的計劃成本高、有的成本低，可選是否排除（因為其它城市也一樣不穩定、比如北京）；
·如果后端針對地域有明顯數據差異，可以排除。比如貸款審批不過(guò)、電商無(wú)法郵寄；
總結一下：有長(cháng)期、明顯數據表明某個(gè)省份成本高、可以排除該??；數據不穩定的情況下，建議放開(kāi)投。
另外，不止偏遠地區，分地域就是很難出結論，因為選項多、并且很不穩定。
性別設置只有男女2個(gè)選項、年齡有不同年齡段6個(gè)選項、但是地域……300個(gè)城市還不止……只看省級也有34個(gè)。
比如上面那條360廣告計劃，“廣西”是量又大成本又低的，但是下一條廣告計劃廣西可能完全沒(méi)有量。聚搜營(yíng)銷(xiāo)不知道廣西成本好不好、以后要不要重點(diǎn)投。
所以不是很建議分地域做測試，包括只投一線(xiàn)城市和排除偏遠地區這種常見(jiàn)的思路，起碼不建議做重點(diǎn)關(guān)注。
有了“長(cháng)期、明顯”數據差異這兩個(gè)標準，聚搜營(yíng)銷(xiāo)還有能得出結論的對比測試嗎？
有，還真有。
三、建議分類(lèi)測的人群
1、分系統投H5安卓iOS分開(kāi)投，cpc、轉化率差異比較明顯，這也是少有我確定地得出結論的對比測試——“iOS的轉化率絕大部分比安卓高”。
2、分廣告位不同廣告位CTR和轉化率差異還是比較大的，而且你可以決定單條計劃哪個(gè)廣告位成本過(guò)高停掉這個(gè)廣告位。
抖音的ctr普遍不足1%，但是成本難有確定的結論-抖音成本高或者低。
投放360推廣信息流經(jīng)驗總結：
1、按“能否明顯反應用戶(hù)喜好”為標準，將定向簡(jiǎn)單分為自然屬性和興趣行為定向。自然屬性定向覆蓋人群較廣、難明顯反應用戶(hù)喜好，不建議輕易做結論性限制；
2、聚搜營(yíng)銷(xiāo)做360信息流投放是為了增加找到目標用戶(hù)的數量（找到目標用戶(hù)量=特征轉化率*人群范圍），所以定向的初衷是幫助提升“特征轉化率”，但是自然屬性定向很難判斷出明顯的轉化率規律。3大基礎定向中又可以按“得出結論可靠程度和難易程度”排序為“性別>年齡>地域”，地域最不建議做分類(lèi)測試，因為選項多、并且很不穩定；
3、聚搜營(yíng)銷(xiāo)判斷要不要排出某一類(lèi)人，不是看量多少，而是看成本好不好。不要因為偏遠地區量少就不投放；
4、做人群細分還是能提升轉化率，如果要得出結論，要滿(mǎn)足“長(cháng)期、明顯”數據差異這兩個(gè)標準。
不能以1條計劃數據表現下結論。只能說(shuō)是“這一條或這幾條計劃的現象”數據要累積到一定量、并且要看多條廣告計劃；
5、建議投放H5區分安卓、iOS、分資源位做投放；