一、持續優化，直通車轉化超過10%
淘寶在2013年提出一個依靠淘寶大數據及雲計算的排名算法，通過對用戶個人瀏覽行為，給每個用戶都打上了標籤，用標籤去匹配相對應的寶貝，提升流量的精準度，提高店鋪轉化率。
不同的人搜索同一個關鍵詞時，看到的寶貝也不同，也叫“千人千面”。而這個相同屬性的每個人組合成一個群體，叫人群標籤。
淘寶搜索流量是系統個性化匹配的，但是直通車流量卻是要根據需求自己控制的。系統匹配的流量非常精準，直通車系統功能完善，但操作轉化率效果因人而異。普遍來說，搜索流量轉化率會比直通車要高。
直通車每年都會改版升級，加入新的功能。也加入一些自動化推廣，如系統推薦，智能推廣，這些自動推廣的轉化率和產出還是不錯的。
對於一些小白來說，這些自動化推廣真的是他們的福音。但是對於經常操作直通車的人來說，自定義推廣更能靈活操控。初上車，人幹不過系統。持續優化，系統幹不過人。
因為自定義操作，需要測試大量數據，割捨不好的，留下好的。這個過程，需要大量的時間和推廣費。
總結一句話，直通車的數據，是可以持續優化的。比如，你的搜索轉化率有5%，而你開直通車卻發現轉化率只有2%，你完全可以通過持續優化，讓直通車轉化率高達10%甚至更高。
二、直通車測試人群
直通車人群逐步升級後，功能十分完善。最近又加入身份屬性人群，升級行業定向人群，店鋪長期價值人群，比以前可以選擇的人群更多了。
我想問一下，你們的直通車有多少個人群標籤？不同直通車的人群有所不同，如果全部組合的話，肯定有上千個人群。
但是直通車能夠容納多少個人群呢？答案是一百個以內。
那麼我們要做的是從這樣上千個人群標籤裡，去測試出轉化率最高的100個出來。只要你深入瞭解人群，最後根據測試出來的數據取捨，轉化率做到搜索兩倍是不成問題的。
我每次開車，滿滿的100個人群全開，還嫌少了。比如這個燈具直通車人群。
這裡只截了三屏，轉化率有高有低。截取其中幾個數值1.36%，3.19%，5.58%，8.33%，9.57%。轉化率最高的人群有15%，最低的人群不轉化。100個人群數據全部截圖，至少需要10屏。我把這些數據下載到excle表格裡面，按轉化率高低排序。
就會發現，前面30個人群轉化率在4%以上，中間30個人群轉化率從4%一直低到1.6%，而後30個的人群轉化率1%以下，最後二十幾個人群完全沒轉化。
那麼按照這個圖表，我想要把轉化率做到4%以上，把後兩個轉化率低的人群直接停掉，轉化率是不是上去了？答案是肯定的。
那麼這些人群如何測試，又如何分層，又如何組合呢？回答這個問題前，我先跟大家講講人群標籤的分類和關係。
三、直通車的人群標籤
如上圖，直通車人群分類為寶貝定向人群、店鋪定向人群、行業定向人群、基礎屬性人群這四個板塊（當然下面還有個系統推薦人群板塊，不過系統推薦人群也是從上面的人群裡面去推薦，我就不多說了）。
有些人群板塊又分為幾小類板塊。比如基礎屬性人群分為人口屬性人群、身份屬性人群 、天氣屬性人群、淘寶屬性人群和節日屬性人群這五個板塊。
這樣分可能比較詳細，卻有些複雜，總的分成兩類就好。第一類，獨立人群。這類人群不可以組合，也不可以拆分。第二類，可自由組合人群。這類人群可以自由組合，也可以拆分。
比如人群“女”，是個單獨的人群，人群“18-24歲”也是個單獨的人群。同時人群“女18-24歲”組合也可以是一個人群。同時也可以是“女18-24歲 單身一級城市……”可以按層級組成四層五層甚至六層人群。
四、人群與人群的關係
接下來講人群之間的關係。人群與人群，總共包含這三種關係。
1、人群與人群部分重疊。就比如智能拉新人群會與部分村淘人群重疊，也和部分高消費金額人群重疊。
2、人群包含人群。這類人群，屬於上下附屬關係。比如人群“女”；人群“女，18-24歲”；人群“女，18-24歲，月消費額度1750元及以上”；人群“女，18-24歲，月消費額度1750元及以上，單筆消費50-100元”；人群“女，18-24歲，月消費額度1750元及以上，單筆消費50-100元，韓版”，逐層遞增。
3、人群相互獨立，相互不包含彼此。比如“女，18-24歲”；“男，18-24歲”；“女，28-29歲”；“男，25-29歲”。
五、人群層級
接下來再跟大家講一下什麼叫人群層級。以自定義人群舉例如下圖。
第一層人群、性別；
第二層人群、性別+年齡；
第三層人群、性別+年齡+月均消費額度；
第四層人群、性別+年齡+月均消費額度+單筆消費。
當然，沒有規定哪個就是第一層，哪個就是第二層。你也可以把性別+月均消費額度為第二層，把性別+月均消費額度+年齡稱為第三層。
其次，這只是在人口屬性人群中的人群層級。你也可以在身份屬性、天氣屬性中設置人群層級，根據自己需要來就好。
六、細分人群層級
人群層級說明白了，接下來跟大家講如何分層測試人群。
舉例說明，你是賣女裝的，風格韓版，客單價79，年齡範圍在25-29歲，按照自己的理解，那麼層級最高，轉化率最好的人群應該是“韓版，50-100，1750元及以上，25-29歲女”。
這個人群，共5層，5層組合的人群，雖然轉化率很高，但最後就會拿不到多少流量。那麼人群該如何開呢？答案是每層都開。這樣開起來，像極了金字塔。
為了方便大家理解，我先取可拆分組合的人群，來說明它們之間的關係，如下圖：
普遍人群分層金字塔就如上圖，人群層數越多，轉化率越精準，和自己寶貝匹配的那類人群轉化率越高，覆蓋人群越少。人群層數越少，覆蓋人群越多，轉化率就越低。
七、打造理想型高轉化人群金字塔
但問題是，我們需要的是轉化率高的人群越多越好，轉化率低的人群越少越好。那該怎麼辦呢？答案是人群全開，用溢價錯開不同層級的人群。
轉化率高的人群高溢價，轉化率低的人群低溢價。這樣設置之後，就會形成一個倒金字塔。如下圖（以下是為了方便大家理解定的參考數值，實際數據因類目和產品不同而不同）：
當你把轉化率最高的人群加大溢價投放，是不是排名更靠前？獲取流量就越多？這個不難理解吧！但仔細發現人群層級越少降低溢價之後，轉化率卻變高了，這是什麼原因？
這個其實不難理解，你們是否有碰到，店鋪有些產品流量少的時候，轉化率很高，但是流量爆發了，轉化率就低了？
對，直通車也是這樣，有些時候直通車測試轉化率不錯，但是加大投放，流量放大了三四倍之後，發現轉化率下滑了。
這個是因為，加大投放的時候，排名就靠前了，獲取的流量就多了，會觸發一些轉化率不好的人群。當你流量少了，排名下滑了，轉化率卻上去了。因為當你排名下滑後，很多人沒翻到你的寶貝就下單了，證明他的需求已經滿足了，不用繼續向後翻。
但是很多人找了很久都沒找到自己心儀的寶貝，終於，翻了幾頁，找你的寶貝，最後卻發現你的寶貝剛好是TA所需要的，於是就下單了。
意思就是，排名靠前的寶貝會更容易流失，找了好幾頁才下單的寶貝轉化的人更加精準。而很多排名靠前的產品轉化率卻很好，是因為銷量高和評價多導致的，而不是流量大和排名靠前轉化率高。
特別聲明一下，不要用自己主觀的判斷去決定開哪一類的人群。運營是建立在數據的基礎上，而不是自己主觀的判斷。
比如你的寶貝價格是59元，按照自己主觀判斷，單筆消費是50-100元，然後自己就不開0-20元、100-150元、150-300元、300元以上的人群，這樣其實是不對的。因為單筆消費可能是買家在整個淘寶上購買同類產品的平均價格，沒有什麼是一成不變的。
比如同樣是賣杯子，有個人買了一個普通玻璃杯自己喝水，價格19元。又買了個680元的高檔水杯送人，那麼他的平均消費就是349.5元。人群標籤屬於300元以上，這樣你賣19元的水杯不開300元以上的人群，註定錯過這樣一個也買19元水杯的用戶。我只是一個假設，並不能說淘寶的算法就是如此。
淘寶如何決定一個人群標籤的算法實際會更復雜，每一個人會有多個標籤。所以，開人群最好的方式，是每個人群都去測試。最後開自己測試轉化率最高的人群，轉化率低的降低溢價。
八、打造終極高轉化人群金字塔
那這樣開人群，問題來了，直通車後臺人群組合之後，高達上千個，可是後臺只能容納100個人群，那這個如何測試呢？因為篇幅問題，這裡不詳細介紹。
我只能大概告訴你，選擇其中一類人群去分層測試，層級越少，轉化率仍然很高的人群就別加層測試了。站在流量的角度，能不加層的，儘量不加層。加層之後，覆蓋人群就變少了。
只有當人群轉化率不夠高，沒達到預期，再加層。當你逐步測試足夠的數據後，再來進行刪減組合。優先刪除溢價開到很大卻沒有展現和轉化的人群。再刪除有展現沒轉化的人群。最後刪除有展現但轉化率低的人群。刪除之後，再來把另外一類的人群放進來測試組合。最後把各種不同的人群合理溢價，設置出一個終極金字塔人群，如下圖。
最頂上的，是購物車人群，這個人群基本上來說，是所以人群中轉化率最高的，所以溢價也最高。中間兩層包含數個小金字塔，是各種不同組合的自定義人群。下面幾層，是一些自定義人群轉化率太差，刪除後過漏掉的人群，我們只能用另外非自定義人群來轉化。
當然，下面那幾類人群，只是用某個直通車測試出來按層級排列。並不是所有的直通車都應該這樣排列。具體因人而異。
作為賣家我們要與時俱進，不斷研究最新玩法。私信“學習”，我可以將實戰乾貨電子書作為粉絲福利分享給你！
如果你什麼都不懂，彆著急，問我，我一定知而盡言！沒有套路，只求一讚
閱讀更多 墨辰運營 的文章
