作者 | 寧阿姨
責編 | 一點也點
適合的定向能夠幫助計划快速通過冷啟動。
針對現在冷啟動難通過的問題，人群包是非常好用的工具。人群包能夠精確到一個用戶“是或否”的行為，一個用戶展示、點擊過幾次你的廣告，是信息流里最精准的定向，也是頭條和廣點通最好用的定向。
關於人群包的教程很多，但人群包本身功能多樣、看起來比較難懂。然而只要理順幾條大的邏輯就能用的比較順手，我們非官方地來看一下人群包的使用思路。
本篇主講基礎操作（共計3500字，包含大量操作步驟圖）新手可以直接對照着操作，老司機可以略過圖片不看，但有幾個細節還挺有意思的。
01
人群包是什么？
DMP全稱Data Management Platform，即數據管理平台，是互聯網高度發展下對用戶數據管理應用的必然。人群包是在數據管理平台上通過一些方式、把用戶打成一個包，就稱為“人群包”。
比如你上傳了一個app現有已經安裝過的用戶，把這類用戶打成一個包，就成為一個已安裝app人群包。
02
人群包的使用
人群包的使用需要兩步，第一步是有數據來源，第二步是對數據的應用。
數據來源有三種：廣告主自己的數據、投放媒體的數據和第三方數據。
DMP平台能支持把這些人群做加減運算，比如把兩個包做加法、合並成一個新的包。通過對數據的應用，能有效提升對目標人群圈定的准確度。
舉個簡單的例子：
你要給支付寶做拉新，是不是得把支付寶現有用戶排除掉再投放？要不得有多少老用戶的點擊！這就需要廣告主把已有用戶信息打包上傳上去。（上傳的數據可以是加密之后的設備號、手機號、qq號等信息。是的，一定會加密）
做優化的小伙伴馬同學自己已經安裝了陌陌、但是每天至少刷到3條陌陌的廣告，有一天居然刷到了他自己投放的陌陌廣告！他趕緊看賬戶自己是不是沒選過濾已安裝，確認之后發現已經過濾了，但還是有展現。
這說明計划層級的過濾已安裝功能沒有那么可靠。你選擇了過濾已安裝、排除已轉化，但廣告還是可能出現在已經安裝過的用戶手機上。
所以如果廣告主內部可以溝通的話，尤其是那些現有用戶量級很大、或者投放量級很大的產品，還是建議廣告主上傳用戶信息做排除。
建議廣告主上傳排除包：已有存量用戶或全渠道投放已轉化用戶（非各渠道只排除自己已轉化用戶）
有了數據來源之后，對數據的應用有兩類：一類是定向，一類是排除。即我想要的和我確定不要的。
以頭條為例，把頭條DMP常應用的數據分成4類：
人群包的使用就是對上面這4類數據做加法或減法、然后做定向和排除。
接下來我們會頻繁用到這張圖。一起看幾個案例。
03
人群包應用案例
1排除無可能轉化
這是最簡單、使用頻率也最高的人群包用法，屬於基本操作。
所有已轉化人群打個大包，排除。會自動更新，干干凈凈、清清爽爽。
應用“已投放數據”
貸款產品-排除在頭條所有代理已轉化人群
-
具體操作步驟截圖：
① 選擇精准廣告
② 選擇客戶、這樣可以排除這個資質在頭條開的所有賬戶，跨代理商
③生成人群包
用這種方式建的人群包會自動更新，對比看一下12月28號建的已轉化人群和11月19日建的覆蓋人數是一樣的。
這是一個月以前建的人群包，當時覆蓋人數是49萬
-
使用方案：
排除在頭條所有代理已轉化人群
2排除無可能轉化、定向轉化率高的
比上面稍微復雜一點，加了定向，排除的也加了廣告主數據。到這一步基本達到了大部分優化師日常使用習慣。
排除無可能轉化：頭條所有已轉化人群、廣告主自有已注冊用戶（包含全渠道近期已轉化和歷史存量用戶）
定向轉化率高的：行業數據
注：對於投放量比較大的廣告主，歷史存量用戶比較難溝通的話，排除全渠道近期已轉化用戶也有很大價值。
應用“廣告主已有數據、已投放數據、行業數據”
排除廣告主自有數據、定向行業人群
【排除無可能轉化】
-
具體操作步驟截圖
① 廣告主上傳近期全渠道已注冊人群：
idfa是iOS設備號，IMEI是安卓設備號。
廣告主加密上傳
-
使用方案：
排除頭條所有已轉化人群、廣告主近期全渠道已注冊人群
【定向轉化率高的】
應用“行業數據”：
我們應用到了媒體行業人群包和系統自動推薦人群包。
#媒體行業人群包
媒體行業數據在“廣告行為數據”和“行業偏好”這里
-
具體操作截圖：
【包1】將廣告行為數據-行業分類下，貸款用戶打包
高精度把這些選項全部勾選是不是就和一般精度一樣了？不不不。一般精度是133,767,811，高精度全勾選是7,859,914。一個是百萬級、一個上億了。
【包2】將行業偏好下，借貸意向人群打包
選“創建並推送至本賬戶”，所有人群包建好之后都需要選“推送”、才能在建計划的時候使用。
【包3】因為貸款可能會考核到放款、也可以加上信用較好的人群包
有一個有意思的事情是：
信用較好+信用較差合起來是1.2億人，遠沒達到頭條全部用戶。有一部分人群“沒有信用標記”，所以我們可以同時使用定向“信用較好”和排除“信用較差”。
信用較好1.2億人
信用較差近300萬人
那頭條全部用戶是多少？這個數有一定參考意義。8個億 
基礎定向全部放開顯示預估人群
# 系統自動推薦人群包
媒體根據產品所在行業、自動推送到各賬戶的“行業通用人群包”、“行業優質人群包”、“行業潛力人群包”。
分別對應的運算規則：
行業通用人群包：近7天對互聯網金融/互聯網金融點擊過的人群
行業優質人群包：近30天對互聯網金融/互聯網金融點擊過的人群
行業潛力人群包：近7天對互聯網金融/互聯網金融轉化過的人群
這些不同的人群包，大的邏輯都是基於頭條的用戶數據庫，只不過標簽不一致。從產品的角度，它應該會讓人群包的名字盡可能精確地代表人群特點，來方便用戶使用。我們從名字上來扒一下現有從后台能找到的互聯網金融相關的包：
①廣告行為數據-行業分類-金融保險
②廣告行為數據-行業分類-應用下載-移動應用-金融理財
③行業偏好-互聯網金融-有卡人群
④行業偏好-借貸意向
找不到“互聯網金融”這個類別，也無法區分行業近7天點擊、近7天轉化、近30天點擊。
再看一下護膚產品系統推薦人群包：
近7天對化妝護理/化妝品點擊過的人群
近30天對化妝護理/化妝品點擊過的人群
近7天對化妝護理/化妝品轉化過的人群
同樣按名字來找，我們可以自己生成美妝人群包的，只有1個：
廣告行為數據-行業分類-美容化妝
所以這樣看下來，頭條系統自動推薦人群包，相當於在頭條大的標簽體系下，多了一個標簽展現給我們的維度，並且能夠大規模推送到賬戶里，說明還是值得使用的，推薦嘗試
注：現在有一個bug，這三個包人群預估覆蓋量一致。估計以后會更新解決。現在可以用。
但是有時候系統自動推薦的人群包和我們手動建的是一模一樣的，比如這個：
點進去看一下運算詳情：
發現就是“行業偏好-借貸意向”選了兩個，這種參考意義就不大了。和自己建的一樣。重點是點擊進去看一下這個“運算詳情”
-
使用方案：
除了上面說的人群包外，貸款行業可選人群包還有：
廣告行為數據-行業分類-金融保險-銀行產品、網貸平台 √
廣告行為數據-行業分類-應用下載-移動應用-金融理財
行業偏好-互聯網金融-有卡人群
行業偏好-信用等級-信用較好
行業偏好-借貸意向 √
統自動推薦人群包-行業通用、行業優質、行業潛力
可以用在不同計划上，都可以做投放。
（對號是上面案例里應用的兩個包）
提示：這幾個人群包可以單獨用，也可以合在一起用。但是要看一下預估人群范圍：如果過小（小於百萬級就是過小）會很難花錢，最好和別的人群包一起使用；如果大於1個億參考意義就很弱了，包太大了、要分開使用。
今日優化經驗
-
人群包數據來源分為廣告主自己的數據、投放媒體的數據和第三方數據，然后可以做加減，再用來定向或排除；
-
各類標簽五花八門，只要記住兩條線：排除的是無可能轉化、轉化率低的，定向的是轉化率高的；
-
在計划層級定向包和定向包之間取得是並集，做加法；定向包和排除包取得是交集，是做減法；
只取一個網貸平台是頭條200萬用戶
再打包一個貸款意向變成8000萬
和“一般貸款意向做排除”，只剩下49萬……
-
兩個小提示：
①使用人群包一定要注意預估人群范圍，很容易打一個很小的包，這樣基本沒什么用。參考值是百萬和億，低於百萬要留意提高出價或和其它人群包合並使用，過億范圍比較寬泛、參考意義就很弱了。
②排除賬戶已轉化人群系統會自動更新，一次搭建，終身收益
說了這么多，到底想讓我記住什么？
人群包不難，記住一個排除就能開始用.....