天猫数据:天猫新手案例思路:预算分配怎样优化人群画像
很多天猫新手把预算分配理解成“哪个人群转化高,就给哪个人群更多钱”,结果计划越投越窄,点击成本上升,成交越来越依赖少数老客。我的判断是:预算分配的真正任务,不是把钱投给已经看起来最好的画像,而是用不同预算购买不同阶段的人群证据,再根据证据修正画像。下面以一个新消费家居品类的匿名案例为基础,拆解从冷启动、测试、放量到复盘的完整过程。
新店刚开始投放时,后台可以看到年龄、性别、地域、消费层级、兴趣偏好等标签,但这些标签只是平台对用户行为的归纳,不等于用户的真实购买动机。一个被标记为“高消费”的用户,可能只是偶尔购买高价商品;一个被标记为“低消费”的用户,也可能在特定场景下接受更高客单。
因此,我不会在第一天就把预算全部集中给“高消费女性”“一二线城市”“某个兴趣标签”。这些标签可以作为测试入口,却不能直接作为最终结论。前期预算应该同时承担三项任务:获取有效点击、观察商品被谁接受、验证什么卖点能推动成交。
我通常把预算分为四个账户任务,而不是四个人群标签:
在没有足够数据时,我更建议采用“探索多一点、验证稳一点、放量慢一点”的结构。很多新手一开始就把七成预算放到看似精准的人群,实际上是在用很少的样本过早做判断。
| 预算任务 | 建议占比 | 主要观察指标 | 不适合承担的任务 |
|---|---|---|---|
| 探索 | 25%,35% | 点击率、停留时长、收藏加购率 | 直接追求最低成交成本 |
| 验证 | 25%,35% | 加购成本、支付转化率、新客成交率 | 无限扩大曝光 |
| 放量 | 20%,35% | 成交额、投产、边际转化成本 | 测试大量新变量 |
| 防守 | 10%,20% | 回访转化、老客成交、购物车转化 | 替代拉新 |
这套比例不是固定模板。若商品客单高、决策周期长,验证预算需要提高;若商品复购快、老客规模已经形成,防守预算可以提高;若店铺完全没有历史数据,则探索预算不能压得太低。

一笔预算可能带来成交,也可能带来重要信息。比如某类人群点击率很高,但详情页停留短、加购弱,说明广告承诺吸引人,却没有解决购买疑虑;另一类人群点击率一般,但加购率高,说明它可能更接近真实需求,只是创意表达还不够强。
所以我会给预算建立一个“信息产出”概念。可以用以下方式做内部评估:有效信息产出=完成有效行为的人数×行为权重÷消耗。有效行为包括深度浏览、收藏、加购、咨询和支付。这样做不是替代投产,而是避免把所有低于即时投产的流量都当成浪费。
单纯写“25,35岁女性,二线城市,中高消费”几乎不能指导投放。能指导预算的是更具体的场景,例如“刚搬家、需要快速整理小户型空间、在意安装难度、愿意为省时间支付溢价”。后者可以直接对应创意、详情页、客服话术和优惠结构。
我建议至少把画像拆成五层:谁在买、为什么现在买、担心什么、用什么标准比较、什么因素会让他下单。预算优化的过程,本质上就是不断补齐这五层信息。
下面案例来自我整理的一组匿名投放记录,商品是售价约169元的家居收纳用品,主打“免工具安装、适配小户型、节省整理时间”。店铺上线初期没有稳定自然流量,商品评价数量较少,详情页只有一套主图和一版基础卖点。
首周设置了三个大方向:小户型居住人群、收纳兴趣人群、近期浏览家居用品人群。预算每天约1800元,初始分配较平均。三天后,系统报告显示某类高消费女性用户点击率最高,运营便把预算快速向该类人群倾斜。
问题在第七天暴露出来:点击率从2.6%提升到3.4%,但加购率从8.1%降到5.7%,支付转化率没有同步增长,单笔成交成本反而上升。表面看,广告更“精准”了;实际看,流量被缩窄后,剩下的用户并没有更强的购买意愿。
| 阶段 | 日均消耗 | 点击率 | 加购率 | 支付转化率 | 成交成本 |
|---|---|---|---|---|---|
| 第1,3天,均衡测试 | 1780元 | 2.6% | 8.1% | 2.2% | 81元 |
| 第4,7天,集中高消费标签 | 1815元 | 3.4% | 5.7% | 1.6% | 113元 |
| 第8,14天,恢复场景分层 | 1795元 | 3.0% | 8.8% | 2.8% | 64元 |
这组数据说明一个很容易被忽略的事实:点击率高不代表画像更准,可能只是创意更容易获得点击。真正值得加预算的,是点击之后仍然能完成加购、咨询或支付的人群组合。

复盘素材后发现,三个人群看到的是同一张主图、同一句“容量大、安装方便”。这等于让不同需求的人接受同一套说服逻辑。小户型用户关心占地和收纳效率,租住用户关心拆装和搬运,家庭用户关心承重和耐用性。
当所有人群都使用同一个卖点时,运营很容易把某一类素材的点击表现误认为某一类人群的价值。实际上,素材、人群、落地页三者没有配套,后台画像就会出现混杂。
平台画像通常来自用户历史行为、购物行为和内容互动。它对投放很有帮助,但存在三个限制:第一,标签有时间延迟;第二,同一用户可能同时属于多个兴趣群体;第三,成交样本少时,画像很容易受偶然订单影响。
在案例中,前七天只有几十笔支付订单,直接根据订单画像下结论,样本量明显不足。我会把订单画像、加购画像、咨询画像和高停留未购买画像分开看,只有当几个行为层级呈现相近方向时,才会把它升级为重点人群。
消费层级反映的是用户过往平台消费行为,不是用户对当前商品的支付意愿。高消费用户可能在意品牌、设计和服务,低消费用户可能只在意功能价格。若商品的购买理由是“省空间、安装快”,消费层级未必是最重要的区分维度。
我的做法是先观察不同消费层级在商品具体行为上的差异,再决定是否保留这个标签。至少要同时比较点击后的有效行为、优惠敏感度、咨询内容和支付时延,而不是看到客单高就默认人群优质。
成交数量高,可能因为该年龄段获得了更多曝光,也可能只是当天的活动和素材更适合他们。判断年龄段是否优质,应该看单位曝光产生的有效行为、单位点击产生的支付,以及在相同素材和相近出价条件下的表现。
例如,30,39岁用户带来20单,18,29岁用户带来12单。若前者获得了60%的曝光,后者只获得20%的曝光,那么不能简单说前者更优。预算调整要看相对效率,而不是看绝对订单数量。
投产是结果指标,但新店早期的成交可能受优惠券、活动、自然搜索和客服跟进共同影响。若只看最后支付,很难知道预算到底买来了什么。我的复盘表会把路径拆成曝光、点击、详情页深度浏览、收藏、加购、咨询、下单和支付。
| 路径环节 | 主要回答的问题 | 异常表现 | 优先检查对象 |
|---|---|---|---|
| 曝光到点击 | 创意是否吸引目标用户 | 点击率低 | 主图、标题、利益点、展示位置 |
| 点击到深度浏览 | 商品是否兑现了广告承诺 | 停留短、跳失高 | 首屏、价格、规格、场景匹配 |
| 浏览到加购 | 用户是否认为值得购买 | 收藏高、加购低 | 优惠、信任、使用效果、对比信息 |
| 加购到支付 | 最后阻力是什么 | 加购多、支付低 | 价格、运费、库存、客服、促销时机 |
如果今天换人群,明天换主图,后天改优惠,最终即使数据变好,也无法知道到底是哪一个变量产生作用。新手预算有限,更需要控制变量。我一般把测试拆成“人群不变测卖点”“卖点不变测人群”“人群和卖点确认后测出价”三个阶段。

某个计划点击成本只有0.6元,看起来非常漂亮,但若100次点击只有1次加购,实际加购成本就是60元;另一个计划点击成本1.1元,100次点击有5次加购,加购成本只有22元。后者虽然点击更贵,却更接近可成交流量。
我会至少同时看点击成本、加购成本、支付成本和有效咨询成本。不同商品的决策周期不同,支付成本不能脱离加购和咨询行为孤立判断。
我不会把所有行为等量齐观。对于大多数非标或半标品,支付是强证据,加购是中强证据,收藏和深度浏览是中等证据,单次点击是弱证据。咨询则要结合问题质量判断,问“有没有优惠”与问“承重多少、适不适合租房拆装”代表的购买阶段不同。
可以采用一个内部评分模型进行排序,但不要把它当成平台真实算法。示例权重如下:
人群证据分可以按“总行为分÷有效点击人数”计算。这样,某个人群即使订单还少,只要深度行为密度较高,也不会被过早清零。
我在复盘时会把后台标签翻译成业务语言。比如“25,34岁、华东、家居兴趣”只是原始标签,必须继续追问:他们是否处于搬家阶段?更关注空间利用还是外观?是否担心安装?是否因为价格犹豫?这些问题可以通过搜索词、咨询记录、评价内容和详情页停留数据交叉验证。
| 画像层 | 后台可见信息 | 需要补充的业务问题 | 对应投放动作 |
|---|---|---|---|
| 基础属性 | 年龄、性别、地域 | 是否与配送、季节和居住场景相关 | 设定初始测试范围 |
| 行为兴趣 | 浏览、搜索、互动 | 是长期兴趣还是近期购买需求 | 区分拉新和再营销 |
| 需求场景 | 商品类目、关键词 | 为什么现在需要这件商品 | 匹配创意和落地页 |
| 购买阻力 | 咨询、退出、加购未付 | 价格、质量、尺寸还是信任问题 | 调整详情页、客服和优惠 |
第一种是获取成本,即点击或访问成本;第二种是说服成本,即让用户完成加购、咨询所需要的成本;第三种是成交成本,即最终支付成本。低获取成本的人群未必低说服成本,低成交成本的人群也可能规模很小。
我会用“规模、效率、稳定性”三个维度给人群打分。规模表示可持续获得的有效流量,效率表示每个阶段的成本,稳定性表示连续三到五天是否保持相近表现。只有三项都合格,才适合进入放量池。

当预算从每天500元增加到1000元时,新增的500元带来多少新增成交,才是扩量决策的核心。整体投产可能仍然不错,但如果新增预算带来的边际成交成本快速上升,说明核心人群已经接近饱和,继续加钱会买到更弱的流量。
我常用的判断方法是把预算分成阶梯:每次提高20%,30%,观察未来两个完整观察周期。若消耗增加30%,新增支付金额增加超过20%,可以继续;若消耗增加30%,新增支付金额只增加5%,则要暂停放量,重新找增量人群或优化承接。
案例店铺最初把人群改成三种场景,而不是继续堆叠标签:刚搬家整理、租住空间优化、家庭收纳升级。每类场景配一套素材,分别突出“快速整理”“可拆装搬运”“承重和耐用”。每组预算每天300元,剩余预算用于基础搜索承接和回访。
三天后,刚搬家整理人群点击率并非最高,但加购率和咨询质量最好;租住空间优化人群点击成本最低,却出现较多规格咨询;家庭收纳升级人群支付客单较高,但决策周期更长。
| 场景人群 | 点击率 | 有效咨询率 | 加购率 | 支付转化率 | 主要阻力 |
|---|---|---|---|---|---|
| 刚搬家整理 | 2.9% | 3.8% | 9.6% | 3.1% | 到货时间、安装步骤 |
| 租住空间优化 | 3.5% | 4.5% | 8.2% | 2.4% | 尺寸、拆装和搬运 |
| 家庭收纳升级 | 2.4% | 2.9% | 7.5% | 2.7% | 承重、材质和耐用性 |
如果只看点击率,租住空间优化会被判定为第一名;如果看支付,刚搬家整理更适合作为短期主力;如果看客单和长期价值,家庭收纳升级不能直接放弃。不同指标得出的第一名不同,这正是预算不能只按一个指标分配的原因。
第二阶段没有简单把刚搬家人群提高到最高,而是把预算拆成:刚搬家人群用于成交验证,租住人群用于规格疑虑解决,家庭人群用于内容教育和回访承接。这样一来,每一类人群都对应不同任务,数据也更容易解释。
具体预算安排为:刚搬家场景占35%,租住场景占25%,家庭场景占20%,搜索承接占10%,回访与老客占10%。三天后,根据边际成交成本再做第二轮调整。

租住人群的咨询集中在“能不能一个人装”“搬家时能否拆”“尺寸是否适配出租屋”。这说明人群已经有需求,但详情页没有及时回答。运营把安装步骤、拆装时间、尺寸示意和适配场景放到首屏后,租住人群的加购率从8.2%提升到10.1%。
这一步很关键,因为如果只减少租住人群预算,表面上可以改善整体投产,却会错过一个本来可以通过页面优化转化的增量群体。有些低转化人群不是应该被淘汰,而是应该先解决它的具体阻力。
经过两周数据积累后,我不会继续使用“优质人群”和“低质人群”这种过于粗糙的分类,而是建立四类池。主力池负责稳定成交,观察池负责寻找新增量,修复池负责验证页面或素材是否能解决问题,暂停池则是连续多个周期都没有有效行为的人群。
| 人群池 | 进入条件 | 预算动作 | 复盘周期 |
|---|---|---|---|
| 主力池 | 连续3天支付效率达标,边际成本可控 | 每次增加20%,30% | 每日看异常,3天看趋势 |
| 观察池 | 有加购或咨询,但支付样本不足 | 保持小额稳定投放 | 3,5天 |
| 修复池 | 点击和深度浏览正常,后段流失明显 | 先改页面、客服或优惠 | 改动后至少一个完整周期 |
| 暂停池 | 连续多个周期无有效行为且无特殊战略价值 | 暂停或保留极低探索预算 | 7天后复查 |
新店最容易犯的错误是预算太少、变量太多。每天只有几百元,却同时测试十几个年龄段、十几个兴趣标签和多套出价,最终每组都没有足够样本。
我的建议是先减少变量,优先验证“场景和卖点”,而不是一次性验证所有标签。可以采用以下步骤:
如果商品客单较高,不能用一两天支付订单判断人群生死。可以把加购、咨询、收藏和深度浏览作为过渡指标,但必须设置后续支付观察窗口。
这类店铺不要立刻把预算砍掉。先判断收藏和加购是否来自同一批人,如果收藏高而加购低,通常说明用户感兴趣但还没有形成明确购买理由;如果加购高而支付低,则更可能是价格、信任、优惠或决策周期问题。
行动上可以先做三项排查:
此时预算不宜大幅扩量,应把一部分预算转为修复测试。页面修复后的效果如果只改善点击率,没有改善加购或支付,就说明问题可能在价格或商品竞争力,而不是表达方式。
这通常不是计划突然失效,而是核心流量规模有限。原来每天500元只覆盖最容易成交的人群,增加到1000元后,系统开始触达更外围的人群,边际成本自然上升。
这时有三个选择:第一,接受更高成本换规模;第二,寻找新的场景人群;第三,提升客单或复购,消化更高获客成本。不能只通过不断调低出价来解决,因为出价过低可能导致流量断层,原有稳定性也会消失。

老客和回访用户通常转化效率较好,容易让整体投产看起来很漂亮。但如果新客预算不足,店铺会出现“老客越投越依赖、新客越来越贵”的结构性问题。
我建议把老客预算和拉新预算分开核算。老客计划看复购周期、回流成本和客单变化;新客计划看首次支付成本、新客成交占比和后续留存。两者混在一起,无法判断店铺是否真正获得了新增用户。
季节性商品不能照搬平日人群画像。活动前,用户可能处于对比和收藏阶段,点击和加购更有参考价值;活动当天,优惠和库存会强烈影响支付;活动后,回访和未支付用户的承接更重要。
因此,预算应该按照时间段重新分配:
| 时间段 | 主要目标 | 预算重点 | 核心指标 |
|---|---|---|---|
| 活动前3,7天 | 积累意向人群 | 探索和收藏加购 | 收藏成本、加购成本、回访人数 |
| 活动当天 | 集中成交 | 主力人群和回访承接 | 支付转化、成交成本、库存消耗 |
| 活动后1,3天 | 承接犹豫用户 | 加购未购和咨询用户 | 回流支付率、优惠使用率 |

小预算阶段优先效率是合理的,因为现金流承受能力有限;但如果长期只投最容易成交的窄人群,店铺会失去新增量。我的建议是设定两个账户目标:主力账户保证效率,探索账户购买增量。不要要求探索账户每天都达到主力账户的投产水平。
取舍标准可以是:主力账户的边际成本不能超过可接受上限,探索账户则要求在规定周期内产生足够有效行为。探索账户连续两轮没有加购、咨询或支付信号,再考虑暂停。
人群越窄,画像看起来越清晰,但流量规模和抗波动能力通常越差。人群越宽,覆盖更大,却需要更好的素材和更强的系统学习能力。新店不应在精准和覆盖之间二选一,而应采用“核心窄人群加外围宽人群”的组合。
| 策略 | 优势 | 风险 | 适合阶段 |
|---|---|---|---|
| 窄人群集中 | 数据容易解释,短期效率较高 | 规模小,容易遇到流量饱和 | 刚验证出主力场景时 |
| 宽人群探索 | 覆盖广,可能发现新需求 | 浪费风险高,对素材要求高 | 冷启动和寻找增量时 |
| 核心加外围组合 | 兼顾稳定成交与新增量 | 需要更细的预算和指标管理 | 进入稳定增长阶段 |
回访用户和老客通常能带来较好投产,但它们不是无限增长的。新客投放可能短期更贵,却能扩大店铺的未来成交池。若每次复盘都只保留即时投产最高的人群,店铺会越来越依赖回访流量。
我会把预算拆成短期收益和长期资产两部分。短期收益看支付和利润,长期资产看新客占比、收藏加购沉淀、内容触达后的回访和后续复购。对于复购周期较长的商品,不能用当天支付完全否定新客探索。

预算越分散,测试速度可能越快,但每组样本越少,结论可靠性越差。预算越集中,数据更快形成,却容易错过其他有效场景。实际操作中,我会先做大方向测试,再做细标签测试,而不是一开始就把人群切成很细。
如果每天只能产生十几次点击,就不要同时比较十个年龄段;如果每天有几百次有效点击,再进一步拆年龄、地域和兴趣。拆分颗粒度应该由样本量决定,而不是由后台标签数量决定。
先写出三个可验证假设。例如:“刚搬家人群更在意安装效率”“租住人群更关注拆装和尺寸”“家庭收纳人群更看重承重和材质”。每个假设必须对应素材、落地页和指标,否则后面无法判断是人群问题还是表达问题。
同时记录商品毛利、可承受成交成本、最低库存和发货时效。预算优化不是孤立的广告动作,库存和履约一旦跟不上,前端投放越成功,后端损失越大。
这两天主要看点击后的行为质量,包括深度浏览、收藏、加购和咨询内容。支付订单如果太少,只能作为辅助信息。不要因为某个计划当天没有成交就立刻暂停,也不要因为某个计划出现一两单就立即翻倍。
我会把异常记录下来,例如某场景点击高但停留低,某场景咨询多但支付少,某素材点击一般但加购强。异常比平均值更值得分析,因为它能暴露人群和卖点之间的错位。
此时可以把预算向行为证据更完整的人群倾斜,但每次增幅控制在20%,30%。同时保留至少一组探索预算,避免系统只在原有窄池里循环。
如果某人群点击和加购都好,但支付弱,先进入修复池;如果点击弱、加购也弱,才更接近人群或素材不匹配;如果支付好但规模小,则进入主力池并观察扩量后的边际成本。
复盘表至少应包含日期、计划、场景、素材、曝光、点击、深度浏览、收藏、加购、咨询、下单、支付、消耗、成交金额、新客占比和边际成本。每个字段都要有统一口径,不能今天用订单数,明天用支付人数。
最后把人群分为主力、观察、修复和暂停四类,并写下下一周期唯一的主要动作。一次复盘不要同时改变五个方向,否则下一周仍然无法判断变化来源。

天猫数据里的画像不是一张静态身份证,而是一组不断变化的行为证据。新手最应该做的,不是寻找一个听起来完美的人群名称,而是建立“假设,测试,观察,修复,扩量”的循环。
预算分配也不是简单地把钱从低投产计划挪到高投产计划。更准确的做法是:把钱分给不同的决策任务,让探索预算发现可能性,让验证预算确认规律,让放量预算获得规模,让防守预算承接已经产生兴趣的人群。
如果你正在经营一个没有稳定数据基础的天猫店铺,建议今天先完成三件事:第一,把当前画像改写成两个到三个具体购买场景;第二,为每个场景准备对应的卖点和详情页首屏;第三,按照探索、验证、放量、防守四类任务重新分配预算。
接下来连续记录七天,不要每天凭单一指标大幅调整。重点比较点击后的深度行为、加购成本、支付成本和边际成交成本,并把咨询内容同步反馈给详情页和客服。
我最看重的判断是:一个人群是否值得加预算,不取决于它的标签是否漂亮,而取决于它能否在合理成本下持续产生可解释、可复制、可扩大的购买行为。当你能说清楚“谁因为什么场景购买、被什么卖点说服、在哪个环节犹豫、增加预算后成本如何变化”,你才真正拥有了可以指导经营的人群画像。


读者评论
文章把预算分配从单纯追求低投产,转向验证不同阶段的用户证据,这个思路比较适合没有历史数据的新店。尤其是点击率上升但加购和支付下降的案例,说明只看前端指标确实容易误判。
标签画像”转向“场景画像”的分析很有启发。年龄、地域和消费层级只能作为测试入口,真正影响转化的可能是搬家、租住、空间限制等具体需求。不过文中的数据多为示意,实际应用时还需要结合更长周期和更大样本验证。
文中关于控制变量的建议比较实用,人群、素材和出价同时调整会导致复盘失去依据。建议再补充不同客单价、复购周期下的预算阈值和停投标准,这样新手执行时会更容易落地。