我投的产品男性用户主导，所以定向只投男性，而且要排除偏远地区
点击箭头处“蓝色字”关注，加入优化师聚集地......
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？
今天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。
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
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
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。
今日优化经验
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；
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；
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；
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；
建议投放H5区分安卓、iOS、分资源位做投放；
是不是得不出结论，我就不能设置定向了
少年，得出结论是指“所有计划都不要这么设置”；如果你发现一条计划女性成本高、可以建一些计划只投男性啊，别一棒子打死就行。
定向系列的其它文章：
头条哪些定向权重比较高？有哪些必须设置的定向？
定向到底宽比较好还是窄比较好？
新号开张，每周更一篇。
从运营的角度看产品逻辑，我们下周见~
不点赞消费如何涨涨涨？