2024年夏天，我们团队接手了一个年销售额6000万元的食品店铺，当时付费投放的ROI已经从3.1掉到2.2，最直接的诊断结果不是“流量变贵”，而是人群包太粗。所有广告都压在“零食人群”这个亿级池子上，点击、加购、购买三种行为混在一个包里，系统根本不知道应该优先优化哪类人。
这篇文章要聊的“天猫数据受众深耕”，不是教你多建几个人群包，而是把受众数据当成一套可以不断复利的资产来经营。精准受众数据精细化运营的核心，不是圈人多准，而是让每一次投放都能把行为信号沉淀下来，反哺下一次投放。
很多运营认为，做了达摩盘、做了人群定向，就等于在做精准运营。其实人群包只是一个“圈人入口”，真正有价值的，是投放之后回流到系统里的行为标签。
举例来说，一个用户点击了A款商品但没有加购，另一个用户加购了B款商品但一直没有支付，第三个用户在直播间停留超过5分钟却什么都没买。这三个人都叫“兴趣人群”，但他们的决策状态完全不同。
真正的受众深耕，是能拆出“动作+货品+时间窗口”的交叉标签。比如“近7天点击过坚果类目但未加购”“近30天加购过肉脯大规格装”“大促期间多次进店未下单”。这些标签才是人群资产的原始材料。
判断一家店有没有在做受众深耕，不需要看它的计划数量，只需要看它能不能把一次投放的点击、收藏、加购、支付等信号还原成下一轮可用的决策依据。如果不能，那只是在机械地执行系统操作。
ROI是一个结果指标，它只能告诉你这笔投放是赚是亏，不能告诉你下一轮该往哪个方向投。我们团队在复盘时，更关注四件事：新增资产人数、资产升级率、人群资产总量环比、沉默人群唤醒率。
ROI可以靠压低出价、缩小人群临时做高，但人群资产的净增长做不了假。一个计划如果ROI很高，但每一轮投放带来的新客占比持续下降，那么它本质上是在“吃老本”。
下面这张图来自我们服务某食品品牌时的30天对照实验，未分层人群包和分层人群包在点击、加购、支付、复购四个环节上的差异非常明显。
平台在竞价时会预估“这个人会不会买”，如果人群包太大、太杂，系统只能用商品类目去预估，成本自然高。如果人群包本身带有明确的货品偏好、消费力、购买频次、内容互动等标签，系统就有更多校准信号。
我们观察到一个非常直接的现象：同一个店铺，人群包从5000万缩小到600万之后，很多计划的CPC下降了15%-25%。原因不是人变少了，而是系统更容易判断“这个包里的用户应该匹配什么创意、什么价格带、什么商品”。
受众深耕的本质，是给算法提供更少但更明确的变量。这不是传统意义上“把人群圈准”，而是让算法理解你的消费者处在什么位置、离成交有多远。
2020年以前，天猫大部分成交仍然依赖搜索，关键词加上基础人群包就够了。现在很多类目被推荐、直播、短视频、图文内容分流，用户可能在内容场景先建立兴趣，再去搜索品牌词成交。
这种跨触点路径带来的直接问题就是：同一个用户被拆散到不同流量渠道里，普通复盘只会看到“搜索成交”或“推荐成交”，看不到消费者真实完整的行为链条。
我们根据服务品牌的投放数据做过一个内部观察，近四年站内流量结构正在从单一搜索入口走向内容+推荐+直播混合入口。
一个典型用户可能是这样的：在短视频里刷到某款零食，点进商品页但没有买；第二天收到直播预告，进直播间看了几分钟；第三次在大促预热期搜索店铺名称并加购；最后在活动当天支付。
这种旅程前后可能跨两周，涉及内容、直播、搜索、购物车等多个触点。如果只看最后一步成交来源，你会误以为这是搜索流量带来的转化，从而把预算继续加在关键词上，忽略了真正起作用的兴趣培育环节。
受众深耕要解决的，就是把这些分散的互动信号合并成“一个人的完整行为轨迹”，再根据轨迹位置决定下一步动作。
那个食品品牌最典型的问题，是一个人群包投了整整一年。运营团队为了守住ROI，不断缩小人群范围，最后预算几乎都集中在老客身上，出单虽然稳定，但规模一直上不去。
我们接手后做了三天人群资产盘点，发现品牌人群资产里有28万人是“高活跃、多次浏览但从未购买”的用户。这个池子从来没有被单独投放过，因为它在数据银行里被归在“兴趣人群”大类下，被平均值和老客数据掩盖了。
把这28万人单独拿出来，配合店铺新客专享券做召回计划后，第二周这个包贡献了全店12%的成交，加购成本比店铺平均水平低了31%。这个案例让我意识到，受众深耕的第一步不是扩标签，而是查库存。
很多人认为人群包越大，曝光越多，拿量越容易。但平台冷启动阶段需要对“什么样的人会转化”做预估，人群越杂，模型越难收敛。
我们见过一个服饰店铺，把5000万泛人群包直接用于新品推广，结果是曝光很高、点击率极低，ROI一直在1.5以下。后来把人群包拆成“风格偏好+价格带+近期加购行为”三个维度，规模缩小到300万，点击率和ROI反而回升。
人群包不是“池子越大越好”，而是“包里的用户与商品的相关性越明确越好”。
新锐白领、精致妈妈、小镇青年这些标签是平台给人群做的“社会分层”，不是“消费决策分层”。它们本身太大，直接投放等于把几千万人同时塞进一个计划。
比如“精致妈妈”可能是8000万人的大盘，如果不叠加“母婴类目近期行为”“奶粉价格带偏好”“宝宝月龄阶段”等条件，这条人群包对一家婴童食品店铺几乎没有参考价值。
正确的做法是把平台的社会分层当作底座，继续叠加品类偏好、生命周期、复购周期等二级标签，直到人群规模落在“足够精准”的范围内。
付费流量不仅带来直接成交，还常常带来品牌搜索、店铺访问、收藏关注等非直接转化行为。这些行为如果在广告后台没有被归因，就会被误判成无效。
很多精细化人群包在7日ROI上并不惊艳，但放到15日或30日看，再叠加自然搜索增长、会员绑定率、回购率，整体回报远高于通投。
如果只看7日ROI，你会持续低估受众深耕的价值，最后又回到高成本抢泛流量的老路。
人群包本质上是“某个时间点的用户状态快照”。用户上个月加购，这个月可能已经在别家买完；用户上个月还是高潜兴趣，这个月可能已经进入沉默区间。
我们建议每两周做一次人群包版本更新，每四周做一次整体资产盘点。对长期不更新的人群包，系统算法也会失去校准依据，投放效率会逐步衰减。
下面这张雷达图是我们项目内部常用的一种评估方式，用来对比三类人群策略在点击率、加购率、ROI、复购率四个维度上的归一化表现。
受众深耕不是靠感觉做判断，而是要有一套可执行、可复用的标签结构。我们内部常用三层标签矩阵：基础属性、行为偏好、生命周期。
{
"基础属性": ["性别", "年龄", "城市层级", "消费力分层"],
"行为偏好": ["类目浏览", "品类深度", "直播间互动", "内容停留时长", "价格带偏好"],
"生命周期": ["未触达", "认知", "兴趣", "首购", "复购", "流失"]
}
这个结构看起来简单，但实际执行时大量店铺只停留在第一层。真正有价值的是第二层和第三层，尤其是“行为偏好”与“生命周期”的交叉组合。
不同阶段的用户需要不同的承接方式。认知人群要解决“为什么要买”，兴趣人群要解决“为什么现在买”，购买人群要解决“为什么在你这买”，忠诚人群要解决“为什么继续买”。
| 人群阶段 | 推荐计划类型 | 核心目标 |
|---|---|---|
| 认知人群 | 拉新快、品牌特秀、内容种草 | 扩大触达，建立品牌认知 |
| 兴趣人群 | 货品加速、万相台拉新、直播引流 | 促进加购与收藏 |
| 首购人群 | 关键词成交、万相台货品运营 | 临门一脚，催化支付 |
| 复购人群 | 会员专享、客服触达、老客召回 | 提升复购频次与客单价 |
| 沉默流失人群 | 优惠券召回、短信触达、专属活动 | 唤醒并重新激活 |
这套匹配逻辑的关键，是不让一个计划承担“既要拉新又要成交又要唤回老客”的复合任务。每个计划只有单一目标，系统更容易优化。
不要一上来就把80%预算砸进新人群包。我们通常的做法是：先选一个中等规模人群包，用店铺日常预算的10%跑1到3天，观察点击率、加购率、收藏率和搜索溢出。
如果数据高于店铺平均值，再逐步加预算；如果数据连续两天低于平均线，直接放弃或调整标签组合。这种小成本试错的节奏，能避免精细化运营变成预算黑洞。
很多时候团队不是不会建标签，而是没有耐心等测试结果，急着把所有计划同时铺开，最后无法判断是哪个人群包带来的增量。
精细化运营不只做加法，也要做减法。一个最近30天购买过同一款低价零食的人，可能不会马上再买同类商品；一个大促期间反复领券找便宜的用户，大促结束后48小时内转化率会极低。
把这类人从新客计划中排除，反而能降低无效曝光，让系统把预算花在更可能转化的人身上。
我们经常在计划里设置“近15天已购买该商品用户”和“近30天已领取店铺大额券但未使用用户”等排除条件。这样的受众深耕更贴近真实消费节奏。
回到开头那个食品品牌，我们并没有增加预算，只是把原来一个月50万的投放拆成了九个人群包。拆分的依据不是货品，而是消费者的真实决策状态。
九个包分别是：坚果类目高潜新客、肉脯大规格买家、膨化食品内容互动人群、新品接受度较高人群、价格敏感型囤货人群、跨类目零食兴趣人群、老客复购人群、历史加购未支付人群、店铺沉默流失人群。
每个包匹配不同的商品链接、创意卖点和出价方式：老客复购包主要推大规格家庭装，新品接受度人群推第二件半价，历史加购未支付人群用专属优惠券催付。
优化后一个月，广告花费从50万降到42万，加购成本从19元降到14元，新客成交占比从31%提升到47%。下面这张帕累托图展示了优化后不同人群包对GMV的贡献结构。
母婴类目是受众深耕价值最高的类目之一，因为用户的决策状态和宝宝月龄高度绑定。
我们服务过的一家母婴店铺，原来把所有妈妈都装进一个“宝妈人群”包里。后来拆成孕早期、孕晚期、宝宝0到3个月、3到6个月、6到12个月、12到24个月六个阶段，每个阶段匹配对应的纸尿裤、辅食、玩具等商品。
运营逻辑也随之改变：孕晚期人群重点推待产包和新生儿用品，宝宝6个月以上人群重点推辅食和咬胶，1岁以上人群推益智玩具和绘本。
结果最明显的变化不是单次ROI暴增，而是老客复购周期提前了22天，会员绑定率提升了18%。因为用户在每个宝宝月龄阶段都接收到“恰好有用”的推荐，不再是被动硬广。
直播流量来得快，去得也快，很多品牌只把直播间当成“卖货渠道”，忽略了直播间产生的大量行为信号。
我们帮一个服饰品牌做过一次测试：把“观看直播超过3分钟但未购买”的用户单独拉出来，在直播结束后24小时内用“直播同款”商品包二次追投。
这批用户因为已经建立了一定的信任感，点击率和加购率都比普通兴趣人群高。追投的成本看起来多花了一部分，但整体直播间成交ROI比原来提升了26%。
这个案例说明，受众深耕不只是投放前的定向，还包括投放后的“数据再加工”。直播结束后，观众的行为标签还没有被充分利用，这恰恰是精细化运营的机会窗口。
我们团队陆续诊断过20个天猫店铺，分别记录了他们在投的人群包数量、点击率、7日ROI等核心数据。当然，这不是全量行业统计，只是项目内部样本观察，只能代表趋势。
整体来看，完全不做人群拆分的店铺ROI偏低；过度拆分、人群包过多且互相重叠的店铺，ROI反而会回落。真正健康的状态，是在人群包数量和预算规模之间找到平衡。
月投放预算在10万以内的店铺，不建议一上来就做20个人群包。预算不够，分得太细会导致每个计划都拿不到足够样本，系统无法学习。
我们建议只搭三个包：已购买未复购用户、加购未支付用户、竞品店铺高意向用户。
这三个包分别对应最确定的复购机会、最临门的转化机会和最容易抢过来的新客机会。
每周再做一个动作：打开达摩盘或者客户运营平台，检查每个包的规模变化。如果人群包规模一周下降超过30%，就要马上分析原因，可能是标签过期，也可能是行为窗口太短。
月投放预算在30万到50万之间的店铺，可以进入完整版受众深耕。
我们常用的结构是“一计划一包一预算”，每个计划只放一个人群包，避免系统在多个标签组之间摇摆。
每周复盘时要看每个包的“曝光-点击-加购-支付”四步损耗率。如果某个包曝光高但点击低，问题在创意和商品匹配；如果点击高但加购低，问题在详情页和价格带；如果加购高但支付低，需要补优惠券或催付动作。
这个阶段的重点是培养“用数据定位断点”的能力，而不是机械地追踪ROI。
月投放预算超过100万，或者有多品类、多店铺的成熟品牌，需要把受众数据从投放层面提升到品牌资产层面。
具体动作包括：把达摩盘的标签筛选结果同步到客户运营平台，做周期性会员触达；把人群资产按品类、价格带、渠道来源做统一ID去重；把人群分层结果应用到新品测试、老客召回、产品研发方向判断。
这个阶段不能只靠一个投放专员，至少要配置一个懂数据的运营和一个投放优化师，每周固定半天做人群资产复盘。
很多团队不是不知道方法论，而是不知道从哪里开始。我们通常按四周节奏推进。
人群分得太细，会撞到平台投放的曝光量下限。一个计划如果连续7天连10万曝光都拿不到，说明人群包太小，系统很难完成学习。
我们通常的建议是：如果单个人群包近7天可曝光量低于10万，就不要作为独立计划投放，而是升级到二级标签，把规模放大后再做拆分。
受众深耕要的是“在可学习样本范围内做到最细”，而不是无限细分。
对于生命周期极短的商品，比如爆款服装、季节性食品、大促限定款，精细化运营可能来不及发挥作用。等你花两周测试人群包，商品流量红利已经过去了。
这类商品更适合先用泛人群+高预算快速测款，再同步用受众深耕做搜索承接和二次召回。
相反，对于老客复购型、强关联型、高客单价的商品，受众深耕的复利效应明显，值得持续投入。
复购率越高、决策周期越短、关联购买越明显的品类，越值得做受众深耕。反之，低频耐用品、超高客单价非标品、SKU极少的店铺，精细化运营的边际收益会下降。
下面这张矩阵图是一个建议基准，用来帮助判断你的品类到底值不值得重投入。
很多品牌想把天猫人群数据导出到私域做二次触达，但平台侧的数据保护机制越来越严格，可用的用户级信息非常有限。
如果团队花大量精力做数据抓取、跨平台匹配、外部投放，很可能事倍功半。现阶段的天猫受众深耕，更适合聚焦站内闭环。
建议先盘活店铺自有会员、数据银行人群、付费推广回流标签，做好站内的搜索、推荐、直播、短视频承接，再考虑是否把人群资产能力复制到其他平台。
最后我想说一个反直觉的判断：精准受众数据精细化运营，不是为了把广告投得更准，而是为了让下一轮广告投得更便宜。人群资产是复利机器，但前提是每一轮投放都要留下可复用的行为标签，并且持续更新。
如果你现在还不知道从哪里开始，我建议你不要急着新建计划。先把过去30天的后台数据拉出来，找出那些来过七八次、加购过好几次，却从未被单独对待的消费者。给他们建一个包，跑7天，用结果验证你今天读到的这些判断。
做电商三年，每次店铺推广都是直接圈人群，可同行说要把受众做深，我却还是只停留在加标签拉人群包。大家口中的深耕和精细化，是不是就是把人群包的标签越多越好？第一步到底该怎么走呢？
我最初做天猫推广时，对深耕的理解就是把人名单做得很细：按类目、入圈关键词、性别年龄地域全叠上。结果计划搭建后，展现一路掉到不足五万，点击成本反而涨了40%。这让我意识到，精准不等于细，也不等于深。受众深耕的第一层，是对人群价值做结构化盘点。具体怎么做？
我会用数坊把店铺人群拆成四个池：已成交老客、加购收藏未购、店铺浏览未购、类目潜客。每个池计算三个指标：近30天转化率、客单价、90天复购率。这个动作的核心，是把后台的模糊人群转化成可评估的资产列表。
比如我服务过一个家居个护店铺，盘完数据后发现，加购未购人群的转化率是4.7%，而店铺日常整体转化只有1.9%。预算重心立刻倾斜，ROI从2.3提升到3.6。建议运营们把深耕理解成让数据资产变得更值钱的过程，而不是单纯地叠标签。第一个动作，打开数坊拉出一份简单的人群分层表。
没有这一步，后面任何优化都容易拍脑袋。
我在后台建了好多个人群包，跑了一周也不知道该砍掉哪几个，只能看哪个点击率高就加预算，纯凭感觉调来调去。每次大促前测试都没沉淀下可复用的经验，到底怎样才能科学地迭代人群包？
踩过不少坑之后，我现在坚持一条方法：同一时间只测一个变量。把素材、出价、预算都固定，只切换人群包，跑3天小预算计划，每天维护一份对比表。我用过的模板是：人群包名称、计划预算、展示量、点击率、收藏加购率、转化率、ROI、备注。
我常看到有人同时改素材又换人群还把出价改成动态，最后数据乱套，根本不知道哪个动作起了作用。有一个案例很典型：某智能小家电品牌，我们圈了“竞品高潜用户”和“店铺搜索未购用户”两个包测试。结果显示高潜用户的点击率高达7.8%，但转化率只有0.6%，查看搜索词后才发现流量主要来自竞品的低价线产品。
我们把条件限定为“近90天加购未下单”后，转化回升到3.1%。这说明测试的意义不只是筛选，还能反过来修正人群包的筛选逻辑。另外注意避开流量波动期。测试计划不要在618、双11预热这类时段进行，否则数据会有干扰。我的习惯是选择日常周三到周五连续测试，观察7天稳定后再决定放量。
每场大促都能积累一堆点击和收藏人群，可活动一结束我就不知道该怎么用了，总觉得这些数据只对当年那一波投放有价值。怎么才能把这些人群做成长期资产，并且在搜索、推荐、直播这些不同渠道里反复利用起来？
先说一个关键判断：人群数据是一次性消费还是资产复用，决定了推广的天花板。我服务过的多数店铺只把数坊当报表看，很少主动做人群沉淀。我自己的流程是每次大促结束后第3天，把人群拉出来分三类：加购未购、收藏未购、已购粉丝。三类分别打上标签，保存为人群资产库。这是后续一切精细化运营的起点。
复用矩阵我有固定打法：加购未购人群在搜索端承担拉回收角色，出价提升20%；在推荐端作为相似人群拓展的种子，让系统寻找类似人群；在直播前两小时做集合页人群召回，用专属券刺激回访。已购粉丝则用于上新期和老客唤醒，以种草素材为主，不以成交为第一目标。
某服饰店铺按这个矩阵复用双11人群后，双12预热期的收藏加购成本下降了32%。建议运营们把人群资产当成库存来管理：定期更新、划分生命周期、明确每个场景的使用目标。放数据吃灰，才是最大的成本。
我越优化越焦虑：人群标签越叠越窄，点击费从两块涨到五块，但转化却没什么变化。身边人说要精准，我精准了反而效果更差，到底是哪里理解错了？做精细化运营到底要避掉哪些坑？
最大误区是把“精准”等同于“窄”。我亲眼见过一个团队把一个智能家居人群包从三层标签叠到十二层，覆盖人数从500万压到了30万，系统完全学不进去，预算花不完，成本飙升。这不是精细化，是自我麻醉。受众深耕要在信号强度和流量规模之间做平衡。
我个人的经验法则是：人群包最低覆盖量尽量不要低于30万，除非客单价极高或类目极度垂直。第二个隐蔽坑是数据空洞。工具后台的人群标签只是近因行为数据，不等于真实意图。同样一批加购未购人群，可能是比价用户，也可能是买给别人的代购。
我处理方式是叠加“近7天店铺浏览加深”与“重点类目互动”作为组合条件，而不是只用一个标签。定出这个规则之前，我们曾经针对加购未购人群高溢价投放，结果ROI只有1.4，低于直接访客定向。此后我把组合标签写成了标准流程。第三个坑是场景错配。老客运营要侧重内容和福利，不能用拉新逻辑去砸日常促销。
我把每个投放计划的受众和玩法写对应关系表：新客看曝光和点击，加购人群看券和提醒，老客看上新和复购。三者混投，系统没法学习。精细化运营的关键不是更小的人群，而是每个经营目标都能找到与之匹配的数据决策。
读者评论
作为操盘手，最戳我的是“人群包投了一年”那个案例。很多团队确实是这样，守着旧包不放，看似稳，其实是把ROI建立在吃老客上。我们店铺也是把人群包从几千万缩到几百万，CPC明显降了。但文章说的三层标签体系实操起来工作量不小，尤其数据清洗和交叉组合，小团队不一定有专门人力持续维护，这点想听更具体的执行建议。
做投放优化的人会有共鸣：行为信号确实比人口属性值钱。我们之前也遇到类似情况，一个用户点了没加购，另一个加购没付款，系统都归成兴趣人群，投放效率就很差。文章提到“动作+货品+时间窗口”的思路很实用，但配图里的对比数据说是示意数据，说服力弱一些。如果能拿到真实脱敏数据，哪怕只放一两个环节，会更可信。
品牌方看这篇，最认同的是“ROI高不一定健康”这个判断。我们去年就发现搜索占比在降，推荐和直播的流量越来越多，但后台归因还是把成交算到最后一次点击，导致预算结构一直调整不过来。文章把受众资产拆成可复利的信号，思路没问题，但普通店铺能接触到的标签和数据维度有限，平台能不能把这些底层能力开放给中小商家，才是落地关键。