一、直通车人群会不会叠加?先理解人群包之间的关系
淘宝直通车的人群溢价本身可以叠加,但这里的叠加并不是指两个人群包的人数直接相加,而是指当同一个买家同时落在多个人群包中时,系统会按照规则对这些人群的溢价进行叠加计算。比如你同时设置了“喜欢相似宝贝的访客”溢价10%,又设置了“高消费金额访客”溢价20%,如果一个买家同时满足这两个条件,那么他最终获得的人群溢价就不是10%或20%,而是两者相加后的30%。
这背后的逻辑是:直通车关键词竞价决定基础流量池,人群溢价则是在这个基础上对特定标签进行加价,以提高广告对这部分人的展现概率。系统判断用户是否命中人群时,是按照标签条件逐项匹配,因此一个用户可以命中多个标签。命中的标签越多,叠加的溢价就越高,实际点击扣费也可能越高。
不过要注意,不是所有人群都会叠加。同一维度下互斥的人群不会叠加,例如性别男和性别女不会同时命中。但跨维度的人群,例如性别、年龄、消费层级、行为偏好等,往往可以同时成立,这些才是叠加的主要来源。
二、人群叠加后的溢价如何计算?溢价公式要清楚
直通车人群溢价的计算基础是关键词出价,而不是直接把溢价加到分时折扣或移动折扣上。常见的计算公式可以理解为:最终出价等于关键词出价乘以分时折扣,再乘以移动端折扣,再乘以一加总人群溢价比例。举例来说,关键词出价1元,分时折扣100%,移动折扣100%,人群A溢价10%,人群B溢价20%,用户同时命中A和B,那么总溢价比例为30%,最终出价就是1元乘以1.3,等于1.3元。
这个公式看似简单,但在实际操作中,很多卖家会忽略多个溢价叠加后的放大效应。当人群包设置较多、每个溢价都不低时,总溢价可能达到50%、80%甚至100%以上,导致实际扣费远超关键词出价。更需要注意的是,直通车扣费并不是最终出价,而是下一名出价乘以质量分相关因子,也就是通常说的下一名出价加0.01元,但人群溢价会抬高你的出价上限,因此会间接提高点击成本。
通过表格可以更直观地看出不同人群叠加情况下的出价变化。
| 人群设置 | 溢价比例 | 是否同时命中 | 总溢价 | 关键词出价1元时最终出价 |
|---|---|---|---|---|
| 仅人群A | 10% | 是 | 10% | 1.10元 |
| 仅人群B | 20% | 是 | 20% | 1.20元 |
| 人群A+人群B | 10%+20% | 同时命中 | 30% | 1.30元 |
| 人群A+人群B+人群C | 10%+20%+30% | 同时命中 | 60% | 1.60元 |
从表中可以看出,每增加一个可叠加的人群,出价上限都会明显上升。因此,如果投产比已经比较紧张,建议不要把过多高溢价人群同时开启,否则流量精准了,成本也可能失控。
三、人群怎么组合更合理?从三个维度拆解
人群组合的核心不是堆叠,而是找到覆盖精准用户和扩充流量的平衡点。比较稳妥的做法是先用基础属性人群做底,再用行为人群做增量。基础属性人群包括性别、年龄、消费层级等,这些标签稳定、覆盖面较大,适合长期投放;行为人群包括浏览未购买、收藏加购、购买过店铺商品等,这些标签离转化更近,可以适当提高溢价。
第一类组合是基础属性加行为偏好。例如“女性、18到24岁”叠加“收藏过店铺商品”,这种组合能够圈出年轻女性中已经对店铺有兴趣的人,转化率通常较高。第二类组合是类目相关人群加消费能力。例如“高消费金额访客”叠加“喜欢相似宝贝的访客”,适合客单价较高、需要拉新的店铺。第三类组合是自定义人群包之间的组合,例如把店铺长期积累的成交人群和近期加购人群分开测试,再观察哪个组合投产更高。
组合时还有一个关键原则:不要同时开启大量相互覆盖的人群包。比如同时设置“浏览未购买”和“收藏加购访客”,两个包都包含收藏加购的人,重叠度较高,容易重复加价。建议先单独跑数据,再根据点击率和转化率决定要不要合并或拆分。一般来说,数据量小的店铺可以先合并同类人群,等到点击量足够后再拆开精细化测试。
四、人群叠加常见误区与优化建议
第一个误区是认为人群溢价比关键词出价更重要,于是把关键词出价压得很低,人群溢价拉得很高。这样虽然能控制非人群流量,但也可能导致关键词基础排名过低,人群根本拿不到展现。正确做法是先保证关键词有一定的基础出价,再让人群溢价在合理区间内加价。
第二个误区是只看点击率,不看转化和投产。有些人群点击率高,可能是因为标签吸引眼球,但实际购买力不强。遇到这种情况,要结合收藏加购率、成交转化率和投产比综合判断,不能单纯因为点击率高就持续加价。
第三个误区是溢价设置后长期不变。人群数据会随着大促、季节、店铺产品结构调整而变化,建议每周或每两周复盘一次。对高消耗低转化的人群降低溢价或暂停,对高转化人群适当提高溢价,并可以把表现好的人群组合保存为单独计划继续观察。
总的来说,直通车人群会叠加,而且叠加会直接影响出价和点击成本。组合人群时,先分清同维度互斥和跨维度叠加的关系,再控制总溢价上限,优先测试离成交近的行为人群,配合基础属性人群做流量分层。数据稳定后再逐步放大高投产组合,这样既能保证流量精准度,也能避免预算被无效点击消耗。