深度剖析：一文带你读懂腾讯广告人群包玩法

今天我将为大家梳理一下人群包的玩法，同时分享我在使用人群包过程中的踩坑经验。

目前在人群包运用方面表现出色的行业，主要集中在游戏、金融、教育等对考核要求较为严格的广告主领域。大家不妨多与这些行业的资深人士交流交流。

今天的文章主要聚焦于常用的一方和二方数据，三方数据在日常使用中的频率相对较低，暂不做讨论。下面先来了解一下这些数据的概念。

第一方数据

这是广告主自身拥有的数据，例如投放 APP 的广告主所掌握的激活、注册、在线时长、付费金额等数据。

第二方数据

即媒体平台数据或垂直平台数据。以腾讯广告平台为例，可根据需求提取广告互动行为数据，像转化用户、不感兴趣用户等相关数据。

了解了上述概念后，相信大家对数据资产分类有了一定认识，接下来直接进入正题，看看如何使用这些数据。

定向玩法一：拓展人群

比如，若广告主的考核目标是表单填写、次日留存、付费等行为，可向广告主获取对应目标人群的数据，打包后上传至媒体后台进行拓展。

数据类型主要包含 QQ 号、手机号、IMEI、IDFA。

注意别踩坑

1、拓展人群的最少基数为 50 万，一般达到百万级别在全国投放时才更容易获得曝光。

2、推荐种子人群基数应在要拓展量级的 20 – 50 倍区间。拓展量级过大，易导致拓展包人群不精准；拓展量级过小，则可能难以获得曝光。

下面这两种玩法对中小型广告主的数据资产管理能力较为友好。

定向玩法二：扩量种子人群

逻辑是借助一方数据人群帮助机器进行建模。

该功能对人群基数的要求相对较低，数量在 100 – 10 万之间即可。

媒体推荐基数在 2K – 1W 个数据较为合适，不过我通常会放到 10W +，因为我坚信数据量越大，误差越小。

定向玩法三：标签广场

此功能依据腾讯对用户的多维度信息，如用户行为（行为、兴趣）、人群属性（消费能力、工作状态等）、行业标签（游戏、金融、教育等）进行标签细分。

你可以根据已知的人群画像进行筛选，实现精准人群投放。

定向玩法四：拉新/拉活/提高预估点击率/转化率

拉新时，排除已经转化的受众；拉活时，排除已经转化但不活跃的用户；提高预估点击率或转化率时，排除曝光、点击、转化过的受众以及不感兴趣的受众等。

这种定向方式适合与前三种定向搭配使用，效果更佳。

避坑汇总指南

1）绑包投放每个计划可以绑几个包？

方式一：并没有确切的标准，可通过预估曝光是否能达到千万量级来判断。前期先用与考核标准最接近的包度过冷启动阶段，有几十个转化（我一般以 50 个为起点）后，再逐渐增加绑包数量。

方式二：在搭建计划时，通过绑定多个精准分层的包进行投放。

2）投着投着忽然跑不动了怎么办

先自我排查，与媒体确认当天是否有品牌买量情况，观察一上午再做判断。

排除上述可能性后，可能是包内人群被筛选过一遍，导致曝光量下降。此时可以稍微提高出价（比如 0. 几），给机器一个正向反馈刺激，同时增加一些新的包或者开启自动拓量功能。

3) 我不知道自家的人群画像咋办

可以打包以前的转化数据或提取自有转化人群数据，然后在 DMP 数据管理平台通过人群洞察分析出受众画像。（悄悄说，我上传后分析出的人群画像与实际情况会有一点差异，但还是按媒体的结果来吧。）