信息流广告推广：性别、年龄、地域，你真的会

小提示：您能找到这篇{信息流广告推广：性别、年龄、地域，你真的会}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的信息流广告推广：性别、年龄、地域，你真的会内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

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。

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。

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的。

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。

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，这也是少有我确定代写文案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、做人群细南昌市网站开发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。