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。

所以不是分镜头脚本范例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。