开放直通车产品必须满足两个核心条件。

是产品转换周期较短。让我们来思考一下，为什么所接触到的高客单家具、大家电这些产品，会盛行补单之风。正是因为转换周期过长，才导致了直通车数据(主要是转化率)不稳定，甚至跟不上形势。在前期你可以做到很高的点击率，通过体量拉一拉很快得到第一波权重，但到中后期，没有稳定的转化率，没有稳定的出单量，没有稳定的直通车权重。再次看看高客价产品，基本上可以和较长的转化率划等号。

好不好做个产比。有钱的老板可以不管。一般情况下，一条线路能够长期持续投入产出比保证持平或微亏是可以接受的。在产比方面，我认为直通车技术是次要的，或者说直通车技术只有技巧，没有技术可言。每个人都是基于操作的，思路，其实都是很多的。就客观而言，行业平均价格、产品的真实数据、利润空间，都决定着产品能否畅通无阻。再厉害的直通车手，只能做到提升数据，不可能做到数倍于数的数据反转。

怎样的产品适合大众做人群？

一、产品受众面广，如女鞋、服装这些肯定是大众才能做的。许多目的不大的群体并没有这样做。

二、人群特征明确。例如，该产品以18-24岁的女性为核心消费者群体。

三、群体标识稳定性。这是怎样理解的，有些人，一天一个数字。这适得其反，我们就会延长判断力。例如至少7天或15天作为判断数据。此类产品可能与其他变化因素，如天气等有关。

第三部分，关于人群的分类。

一、出价与人群溢价之比率。大致分为三种比例：词多，人多，或者两者都是平衡的。

二、做群众，让群众展示的数量/点击率接近100%。例如，计划好1400个点击量，然后让观众产生近1400个点击量。展示给观众看，让观众尽可能地了解你。

做群众的目标：提高点击率，增加收藏量，增加转化率。实际上也就是要把自己的产品展示给消费者。

4.关于人群重叠，删去替代。以下是细说。

我在使用人群中遇到的一些问题。

一、群众得不到展示。

数据反馈的准确率和准确率也不高。

三、人口数据有很大波动。

对于所遇到的问题，我将分享2个案例。

例1：女鞋类目录。这款女鞋面向中年女性，母亲鞋，老人鞋。老实说，经营这么多商店，这个商店是我遇到过最棘手和懵逼的商店了。尽管全神贯注于此，但仍然会遇到很多棘手的问题。

一、本产品应该算是女鞋中的“标品”吧，PPC含量奇高，一般女鞋都是1块以上的PPC。此产品PPC最高时均价为2.8元。即使是现在，平均工资也只有1.8元左右。而且客价也不算高。因此，直通车做产比是很困难的，因为行业的平均价格在那里。

二、我们首先看一下普通女性鞋子的人群比例。

看看这款产品的人群比例。

这双鞋，按惯性思维，既然是给中年女性买的，那就卡在这些年龄吧。其实，可以说这款鞋的消费群，是全年龄段的。

欢迎与有这种女性经验的朋友交流。在我看来，操作这个产品的经验是非常缺乏的。

例2：户外分类目下的分类子。这种产品的价格跨度很大，从10块一斤到几千块一斤。经测试，过滤目标物的效果几乎没有用。再定位为高端，受众群体小，难以支撑大规模的人群筛选。

上述内容，算是对导图的整理。下面我来简单介绍一下我是如何操纵观众的。

贴士：之前我说过，我们要做数据分析。只有真实的数据具有参考价值。假如是补单商店，数据原本是假的，很难有准确的参考。真的没有办法，可以参考老客户的数据，结合大盘数据。

第一部分，商店人群和产品人群的初步收集。

1.通过商店收集的来访者数据：业务参谋-流量-来访者分析-来访者对比。

二、如果市场有高级版的行情，可以去收集产品的核心关键词，看看关键词的人群数据。能够比较3个单词，7天的数据是比较准确的。

尤其是在属性画像中，可以对不同数据下的人群、地域数据进行筛选。类似于看搜索量大，还是转换成单一量。这需要有目的地收集、筛选数据。取流量，还是取产量比值。

可分人群看，可分省、市看。包含我们在直通车上做区域优化时，也可以参考，只是参考而已。由于这是大盘，不是您的单品数据。在直通车中，后期也是可以根据数据做地域优化的，虽然一般的地域优化都是后期的事情。

如何确定出价与人群溢价之比？

如前所述，要做到群体化，就是让你所发布的展示点击量尽可能保持100%覆盖人群。

至于这个比例，其实也是PPC问题。在拖式中，我们通常不会直接使用动词的出价。拖价可以通过分配时间，人群溢价比例进行调整。

大市场因素，大市场人群覆盖度足够支持你收集数据。具体地说，可以参考前面提到的适合人群的产品条件。

关于系统化群体和自主性群体。

系统人群，就是系统给你分类的人群，比如智能拉新类的人群。通用系统推荐的一群人都依赖大盘走势。此预先建议不进行选择，或过滤少量的数据。

二、自主的人群，是我们自己去组合的人群。

对于这群自律性的人的组合，我的想法是从大到小展开。当然，这与你的受众群体大不相干，有些产品开3级人群的展示量也很足，有些产品开2级人群的展示量都不够。

之前我就讲过初步筛选的方法，这个时候，我们就要建立第一波人群。收集数据，并根据数据进行调整。

经过一段时间的训练后，我们可以根据数据的反馈来优化赛马系统。在这里，我想讲的是许多人容易忽视的一个基本概念。收集数据时，要注意数据的可靠性。这些数据不可靠，因为它们太小了。

对于怎样筛选人群，就做个选择。这取决于你想要什么。点击，收藏，购买率，转化率，产量比率。这取决于你的个人目标和思想。

能开到什么级别的人群？

这是基于产品受众的能力，与您的要率指标，也与数量指标有关。一般而言，直通车，如果要追求数据的极致，肯定要牺牲一部分体量。这一取舍也需要具体案例具体分析。

移除人群重叠的替代。

象我们组合的人群，实际上难免有人群重叠覆盖的情况。这时，我们会发现，例如，我们所建立的，A类人群和A类人群之间，存在一种关联。(实际上很多地方都感觉到了，在直通车中很多地方都存在这种牵制效应)。此时，如果是更多的人群，我将选择删除上一群人。(假设大盘有足够的支撑)，否则剪掉体量就会掉。

例如，首先我对18-24岁的女性进行了调查，在此之后，延伸的调查组合可以是18-24岁的女性+类别单笔18-24岁的女性+月消费。这是横向的结合，也是垂直的结合。