在投放領域，我曾跟很多人讨論過定向，發現兩個誤區是最常見的。

第一即遵循“爆量随機論”，背景是投放之初做了很多定向，結果精确定向沒爆，不相關定向爆了，因此得出結論，搞個雞毛定向，反正爆不爆就TM看運氣。

這樣的現象确實存在，但是并不足以否定定向合理搭配的價值，原理是作為一個新戶，缺乏交易模型，系統無法預估初次展現給你的用戶類型，所以需要你對定向的主動選擇，幫助系統捕捉素材所針對的人群。

我們要深刻去理解，千川PM對于功能的開發不是随意臆造的，對于定向這類功能的推出一定有他的道理。

第二即時時刻刻拉滿通投，拉滿通投看似金科玉律，但實際上并不是适合所有團隊，大部分能夠拉滿通投的行業，産品本身就是高毛利，或者在人群屬性上适合通投，如果盲目按照通投的方式去操作，帶來的就是投産的不穩定，以及初始人群的不精準。

當一個投手在面對定向時，一定要卻想清楚定向帶來的兩個維度是什麼。

定向的兩個維度，第一是不同定向選取的精準性，即我選取什麼類型的定向，比如徕卡、達人、dmp哪個效果更好，第二是人群規模的适配性，比如3000萬以内還是5000萬到8000萬，哪個人群規模能兼顧跑量跟ROI。

定向AB測試的過程，就是控制A變量，解決B變量的過程，我們首先從不同定向的搭配，結合寬窄邏輯，學會如何去合理使用定向。

所有的定向搭配組合，都可以被拆分為四大定向系統，基礎定向、徕卡定向、達人定向，以及DMP定向。

日常在實際操作中，可以通過不同定向的組合，既可以測試各定向的人群覆蓋，還可以得出不同定向的數據效果。

1、最初級的定向

即指在定向當中，我們隻選擇一個定向，比如隻選擇“基礎屬性”，徕卡、達人都不選。

實際上如果選取的是基礎屬性，那麼幾乎已經接近拉滿通投了，但如果選擇達人，當然定向就更為精準一些。

整體上我們常說的最初級定向，用的最多的還是選擇基礎屬性，或者徕卡，這樣的優勢由于定向搭配少，在于人群覆蓋面廣，放量速度快，出價較低即可獲取流量、創建計劃也簡單方便。

我們通過一個定向模式，就可以讓系統廣泛探索人群，但是也會存在一個問題，就是相比較其他定向而言，人群精準度不夠，數據反饋相對差一點。（從整體的大盤投放數據，不排除差異性）

2、兩兩定向交叉

即指在定向當中，通過兩個定向做組合，我們都知道同一定向為并集，不同定向為交集，比如一個計劃既選擇基礎屬性，又選擇徕卡，交叉之下的人群量就會變小。

如果說最初始的定向按照基礎屬性、徕卡、達人、Dmp包隻能組合4種，那麼兩兩交叉就能組合6種形式，比如基礎定向 行為興趣、基礎定向 相似達人、基礎定向 更多人群、行為興趣 相似達人、行為興趣 更多人群、相似達人 更多人群等。

兩兩定向的組合有一個好處點，就是通過交叉人群，讓系統探索的人群更為精準，日常常用的兩兩定向，即基礎定向 行為興趣、基礎定向 相似達人、行為興趣 相似達人。

3、定向三維交叉

三維交叉即指在定向當中，通過三個定向做組合，一旦三個定向做交集，人群面從整體上來說就會更小，比如基礎屬性 徕卡 達人，選定的人群量很有可能就是在1000萬以内了。

能夠用到三位交叉定向的階段，基本是産品人群覆蓋面很大，即便做窄定向也不擔心探索過度困難，或者是投放預算有限的情況下，将已爆量計劃，将本身最原始定向開始往複雜交叉定向轉移，通過定向做窄在一定程度上拉高投産。

4、四維定向交叉

四維就不用普及了，随着4個定向做交叉組合，人群面變得更窄，在我日常的投放當中我用的非常少，因為人群實在太小了。

在四個級别的定向搭配中，我們應該如何使用？以我們做食品、百貨、美妝工具為例。

在日常當中，如果是新戶，我一般會應用原始定向跟兩兩交叉定向、三維定向居多，其中前兩者定向占據70%，為什麼這麼操作？因為對于一個新戶，本身沒任何數據支撐，我需要通過放寬定向，讓系統快速探索到人群。

當然這裡要避免一個誤區，就是定向不要全部都是通投，對于一個戶來說，前期的模型非常重要，我們經常所謂養戶，更多層面就是如何培養一個既出量又保投産的種子戶。

定向如果不做搭配設置，所有跑出來的計劃都是通投，随着投放時間拉長，後期再想把人群拉正就會有問題，特别是過度通投的計劃實際上ROI也不理想，比如以投産2為例，前期放開了投放投産投到1.5，不要小看0.5的差距，一旦模型拉跨，後期想要拉正就非常難。

同樣相反，一個新戶如果前期做的過窄，賬戶連量都跑不出去，怎麼可能判斷出一個計劃優質呢？對于一個計劃的判斷，基本離不開出價、定向、素材，所以定性也同樣不宜過窄，避免因為人群太少導緻計劃被限制。

好問題就來了，對于投手而言，第一，寬跟窄的規模如何去界定？第二，到底定向應該由寬到窄，還是由窄到寬。

首先針對第一個問題，從單維定向到四維定向的遞進關系，我們就能大緻去完成定向由窄到寬。

比如最原始定向選取基礎屬性，人群量基本都是在8000萬以上，如果選取兩兩交叉定向，在原有的8000萬交叉徕卡，人群基本就會在5000萬以内，再往下會越窄。

其次，我認為每一個戶都應該建立自己的人群規模級别模型，以我們目前投放的品類為例，我們就創建了自己的級别模型，從一級範圍到五級範圍分别如圖所示。

注意了，以上的人群規模是根據我們所選品類，以及日常習慣的歸納方式得出，并不适用于所有戶，所有品類，這也是投放圈經常有的誤區，看到外部團隊給出一個數據，隻會生搬硬套，而不是因地制宜做改良。

得出了如上，這時候我們就可以結合定向的搭配，去得到不同數值的人群範圍，這麼做的好處是，一方面我們通過多樣化的定向搭配，解決了定向搭配的AB測試問題，第二是根據搭配不同人群規模的比例，可以保證初始賬戶不同計劃人群規模的多樣化。

對于一個新戶，當我們無法去判斷什麼定向，什麼人群規模适合，這樣的處理方式是最佳的。

第二個問題，到底定向應該由寬到窄，還是由窄到寬？

答案是都可以，但是不同的方法，使用的策略不一樣，針對兩種模式分别來做下拆解，我個人是比較喜歡由寬到窄，而對于的策略如下。

對于一個新戶來說，我習慣優先選擇兩兩定向交叉，定向覆蓋面在人群3000萬以上，人群不會過窄，從一個新戶50條計劃的角度，占比可以達到50%以上，其餘的分配在單維度定向30%，單維度基本就是8000萬以上了，這樣能保證有适當比例放寬定向，其次搭配20%的三維定向交叉，人群規模量就是1000萬以内。

以上是初始投放的第一階段，第二階段也就是進行投放的過程中，觀察不同定向所帶來的整體跑量情況，一般情況下如果定向很泛，但是投産不錯，那麼針對該計劃會複制并壓縮定向規模，通過更精準的人群獲得更高的投産，當然結果并非絕對化，投放中會出現定向過窄還不如寬松計劃帶來的效果好，這是一個不斷測試的過程。

對于本身定向精準，而且投産不錯的計劃，就可以通過不斷擡高出價，用價格提升Ecpm排名拿到更多的量。

當然這是一個符合預算有限的團隊的操作，因為預算有限，所以會選擇重新壓縮定向，用更高投産獲取單位投放成本下的收益，如果預算充足，不管定向多麼寬泛，隻要投産為正，就可以不斷增加預算，直到計劃衰退。

針對由寬到窄的操作如上，由窄到寬則前期更多做更複雜的定向，再配合低預算 高出價競量，通過這樣的方式跑計劃有一個特點，從整體上消耗量級的突增是緩慢的，但是投産相對高而穩定。

出現了投産為正的計劃保持渡過冷啟動，出現不穩定的計劃，則發現ROI下降時及時用預算逼停計劃，這樣做的目的是讓賬戶在初始階段窄定向 多計劃 高出價拉取消耗，又通過優質投産養戶。

等戶養到一定階段，就可以去做兩個事情，第一是原有的窄定向通過智能放量放開，定向相對而言也比較穩定，但是跑量量級會上來，第二是根據已跑量素材，加寬定向投放，投産也不會很差。

整體上，定向由寬到窄，前期通過放量消耗跑數據，再通過篩選計劃縮窄定向或放大，缺點是相對投産會比由窄到寬有更多的不确定性。定向由窄到寬，通過前期拉精準模型，後期再放量的角度增加消耗，缺點是容易對計劃不消耗造成對素材的誤判，其次是計劃起量的周期相對會更長。

最後對定向的使用做一下總結。

1、如果說什麼是定向的最佳工具，其實不是定向，而是素材，定向更多是輔助系統幫你探索人群，但最終決定用戶為什麼願意進入直播間，核心靠的是素材。

2、一定情況下，定向的寬窄與出價呈反比，一定情況下，定向的寬窄與投産呈反比，一定情況下，定向的寬窄與周期呈反比

3、對于定向的依賴，新戶冷啟動階段尤為明顯，因為系統無法精準探索人群，定向設置的作用就非常大，等到人群跑通，把定向交給系統去做智能推薦會更有幫助。智能有時候為什麼比人工要效率低下，不是智能不好，而是數據訓練的還不到位，從複雜的定向設置到智能投放的過程，實際上就是後台數據在不斷建模的過程。

4、定向搭配短視頻與直投，後者對定向的依賴性遠遠大于前者，因為直投無法像短視頻一樣，通過一個幾秒甚至幾十秒的視頻，把産品介紹、賣點、痛點全部講解到位，進而精準完成種草到轉化，直投的實時展現注定了投放質量的不穩定，這時候就需要更為精細化的定向來幫助系統找到合理人群。

5、作為一名專業的投手，不要被外界的總結所迷惑，因為每個團隊的品、毛利、承接能力都不一樣，别人的利潤能夠支撐通投你不能，别人家的主播能夠承接泛粉轉化你不能，别人家的品是爆品但你不一定是。

投手要去深刻理解不同直播間的差異化，遵循爆量随機論，盲目 随意搭配定向不可取，忽略了現實情況跟客觀規律，注定隻能看到表面，而無法深入本質。

通過以上的方法，對于任何一名對定向有誤區的投手，相信都能獲得更為結構化、系統化的方法論，而投放往往依靠的就是投手的細節處理。

1、遞進式活動起号玩法

（私信回複“抖音玩法”獲取原圖）

遞進式活動起号玩法，通過迎合直播算法，遞進式拉動直播權重，平衡性獲得直播推薦流量，目前遞進式在個人直播間單月貢獻量級1000萬GMV。

2、短視頻測爆款玩法

（私信回複“抖音玩法”獲取原圖）

短視頻測爆款玩法，相比較傳統的短視頻測爆款，這套玩法能獲得更高的精準自然推薦，普遍應用在服裝、食品直播間，單月貢獻量級2000萬GMV。

3、單品千川投放玩法

（私信回複“抖音玩法”獲取原圖）

千川單品玩法，單品單投放策略，極大降低混品投放門檻，目前在我的直播間月貢獻量級超過5000萬GMV，是我個人應用最多的直播間玩法。

4、三駕馬車混合流量玩法

（私信回複“抖音玩法”獲取原圖）

三駕馬車玩法，三駕馬車的流量結構是未來直播形式中最穩定的模式，但操作過程較為複雜，目前占有月GMV不足1000萬，新手團隊不推薦。

作者：尹晨，抖音直播帶貨一線操盤手，累計帶貨GMV超10億元，千川彙創始會員。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!