品多多操作推广实例充分分析，DMP实用干货看这里
什么是DMP？
DMP是一个统计买家属性和行为的数据分析系统，可以简单理解为人们做广告的工具。Ps:这个& rdquo圈子& rdquo应该是胡安的发音(莫名其妙的滑稽)。
分类管理是通过标注不同买家(全网)来进行的(旨在为不同买家推荐相应的产品)。目前，组标签总结如下:
请注意，除属性之外的所有动态标签都是时间敏感的，例如最近7/15/30/90天内的行为。
深度分析
商家通过标签组合筛选人做精准广告，站内流量分布也是基于这个数据。两者产生的数据都可以反馈，让流量更精准(精彩)。通过这个原理，我们也可以看到自然的流量触发机制。
因此，DMP的经典特色不仅仅是表面追求的ROI/点击率，更是提升平台流量价值的深层使命。如下图:
场景定向DMP定向
空间有限(？本文只谈DMP在场景推广中的应用。场景推广可选定位包括一般投资(所有人)或预设人(下图白色背景)，DMP有各种标签人。两者之间的详细比较如下:
仔细阅读官方应该能发现场景部分的方位与DMP标签重合。毕竟仔细挑选流水线的预设衬衫是情有可原的。如上所示，相同的颜色部分都是对应的方向:
鸭屎绿:
场景重定向:最近90天(可选)在店铺或商品内有浏览和购买(可选)；
用户轨迹标签:最近7/15/30/90天在店内浏览购买(可选)或商品；
稀土黄:
相似商品导向:系统通过商品推广数据自动匹配推广相似商品覆盖群(全自动)；
自定义标签:手动添加竞争产品覆盖的人员(仅手动添加)；
月经红:
相似店铺定位:系统通过商品推广数据自动匹配推广相似店铺覆盖群(全自动)；
自定义标签:手动添加比赛店铺覆盖的人群(纯手动添加)；
焦宝蓝:
叶类定向:90天内浏览购买过(非可选)三级品类商品的人；
类别偏好标签:最近7/15/30/90天在某个类别浏览购买的人(可选)；
同性恋紫色:
场景兴趣点:最近90天对标题中某个属性词或相关属性感兴趣的人；
行业偏好标签:最近7/15/30/90天内搜索过某个关键词的人(可选)；
生活是灰色的:
这是DMP独有的标签，所以可以看出DMP标签比场景的预设方位更加精致。
DMP申请步骤
一个
设定目标
推广目标一定要明确，比如新的测试重点是获取点击数据，冲刺重点是GMV，收获重点是ROI等。(其实都是ROI，心照不宣)；
2
选择标签组合
在选择标签组合之前，对相应的人群画像进行分析和推广，然后根据推广预算批量选择标签进行测试；
三
数据分析
选择点击率/GMV/投资回报率较高的组合进行放大投放；
设定目标和测试方法并不难。如何选择合适的人是孔方焦虑的对象。
实用案例类别:女装产品编号:50+单价:中低(连衣裙
第一步:分析店铺人群的画像
不规范的特点在于商品有自己的风格，第一个命题是什么样的人有促销商品的购买意向，所以需要先确定买家的头像(这样可以节省一些钱)，方法包括但不限于以下几种。
01
出口订单判断人群
导出最近一个月的所有订单信息进行分析(可以整合处理多个同风格店铺，老霸统计太卡，单个项目可以逐个分析，订单量大)，如下图。
(出口订单)
然后选择要过滤的省份，然后点击分析，即可得到右侧省份交易的顶部数据。
这个数据可以确定区域标签，数据显示广东、湖南、河南、四川、广西等地是交易的TOP(前排区域相对统一)。
注意:这个数据只是交易的顶部，不代表点击率或者转化率也很优秀，仅供参考。
小贴士
通过该表，我们可以进一步分析TOP省的气温波动和日周转率，并在换季时预先选择气温波动较大的省份。比如秋冬模式可以优先考虑气温下降早的省份(天气预报最终投入使用)。
开过摊的宝宝应该知道，温度对服装生意的影响几乎是致命的。这可以追溯到很多年前的夏天为了延缓气温下降而杀死一位大师的祈祷。因此，他们明白中国大部分地区典型的季风气候会导致每年不同月份的温度周期性变化。巴拉巴拉(嗯，我不会编辑)~
继续细分蹂躏，开始推测买家身份。在地址中搜索(ctrl+f)所学校/中学/学院，得到结果:
这些关键词在地址中同时出现的概率比较低，所以可以判断店里至少有20%(5.8k/2.7w)的买家是学生，所以并不是说大部分店铺都是学生，其他不规范的商家也可以通过买家的地址来揣摩身份，比如公司/社区等关键词。
呃& middot& middot插入一个主题，15%的买家地址包含& ldquo村庄& rdquo暗示的尴尬只能希望明天会更好。
02
分析搜索推广关键词数据
除了导出订单分析人群，还可以分析搜索和推广关键词数据。方法步骤是导出主推关键字报表-ctrl+f学生查看并分析点击率或转化率，受推广选词精度限制。
03
售前和售后示例
客服是面向客户的一线岗位，可以通过获取客户售前售后的聊天语气和日常生活来判断客户身份(无声点击率高的店铺不适用)。
04
凭感觉
.....别这样。
步骤2:标签组合
确定人像(买家群体)后，以该群体为基础进行分组测试，如下图所示:
01
类别偏好组
女装类分三组，比较喜欢90天的人，标签如下:
温馨提示:排除最近七天购买相同叶子产品的人，可以剔除弱推荐(这个群体大多是刚完成付款的强标签)~
品类偏好行为覆盖了过去90天的大量人群，两者在覆盖人数上存在一定差异，因此在投放单品时可以优先选择相同的品类偏好群套餐。
这里，它又被细分为叶组:
(顺序看起来有点乱~)
02
关键词行为群
选词法依然是推广工具——搜索词分析，衍生出商品所属的热词:
根据热度排名TOP选择适合商品属性的关键词，然后在标签池搜索结果中选择要添加的相关词(自古以来精度和覆盖度是不能结合的，看你怎么选择，如果覆盖人数太少，选择全部~ ~)，如下图:
属于不同叶子的关键词搜索行为组被分组以适应商店中不同的叶子产品。相对于类别群，覆盖的关键词数量有些寒酸(这还是最近90天的行为)。
高价女装可以根据商品的款式来选择，用来建立强款商品的专属定位(覆盖的人数还是有些寒酸的)，弱款女装就没必要了~ ~
PS:买家头像是学生，所有与学生相关的女性关键词都可以塞进去~
03
定制商店&商品
把站内类似的店铺/商品统计成一张表，然后把风格类似的店铺/商品分组成独立的人群包。难点在于什么样的店铺/商品才是真正的人。如上所述，不同店铺/商品的优劣可以用在这里~
添加人:
★狙击技巧★低价多同款:选择全网所有同款/相似款，去新疯狂店；低成本风格:选择类似大爆款、弱风格的低成本店铺；高价风格款:选择高价相似风格款和自主品牌风格店；不止同样的价格:你可能就是那个凯子。。
Ps:攻击店建议选择10w+，单品日销量500+。你可以通过搜索小组中的细节、半标题和电视常客来找到竞争产品/竞争商店。
04
轨道
老女装店粉丝不多，只能全选。
为什么不用区域标签？
从主线人群(25岁以下的中老年女装标签)的透视数据来看，区域标签与店铺订单地址相似度较高，不做细分测试；第二，因为最初的万能测试结果覆盖的人太少，没有曝光&区别很小(反正钱你提不出来)。
第三步:测试和分析
同步到场景后，就可以开始了。新的场景计划添加了一个方向下拉框，用于拖出所描绘的高级人群包:
出价和溢价估计是官员们奋斗了几千年的另一个难题。最合适的设定是多少？每次调整多少合适？
为了尽可能将消耗集中在DMP方向，试验方案建议采用低产量高溢流的方法。如果敞口不足，就加保费，顶部没有敞口，就提高基价。重复这个周期，直到曝光节奏接近一天的预算。
小贴士
& ldquo曝光节奏接近当天的预算& rdquo这个关键操作对于某些商家来说可能是玄学，而这样的商家也为今天的冷饭贡献了一些动力。
抿一口无保障裙的现场数据:
目标ROI: 3(优先ROI)；
推广时间:15天；
15天的消费数据揭示了运营上的一点小不足(不要怪促销，太多的运营一个个低效)，那么分析一下手头的数据:
1.最下面四组(灰色)点击小于500，忽略不计参考值；
2.最好的ROI是两个狙击组，点击率为&转化率超过同类产品的定位，后续要向这个方向拓展更多的高素质人才；
3.所有DMP取向的点击成本几乎都高于同类商品取向(全程高溢价)；
4.主线人群&叶子的方向性ROI低，中间放弃处理(反正不能认定是推广的锅)；
5.类别偏好7天和30天疑似与90天重叠，导致无暴露。
摘要
1.组合测试必须使用同一段落、同一时期的数据进行比较，以避免&的问题:由概化图引起的数据波动导致误判。
2.测试无效的主要原因是数据不足！建议每组累计2k点击量，放入5天以上(含高峰期)的数据有参考价值(如果没有这个量，慢慢减少几组标签)。
3.组合标签尽量用500W+覆盖，避免暴露太少(太细的话向上剔除)，不足的话延长检测周期，获取十几天的数据分析(有点鸡肋)。
4.标准产品(弱)&；保量爆款可以把所有人都吃了，DMP影响不大也很正常，所以强烈建议中高单价商家尝试(还有两种高单价不授权公开的情况~)。
5.基于以上测试和所需预算，单个日常场景在当前环境下的DMP消耗量低于商户300元，应谨慎使用(手动)。
不同类别的人作用不同。只有深入培养某一个范畴，才能接触到有需要的人。重点要放在方法的理解性和灵活性上，避免生搬硬套。
DMP只是进一步提高人群准确性的工具。分步实施的改善效果在于对推广人群的了解和测试的深度。也许花里胡哨的技术还不如在选择资金/供给上稍微下点功夫，抱着用工具改变生活想法的官员们还是要照顾好自己。
| 留言与评论（共有 条评论） |
