巨量千川基础属性与行为兴趣定向叠加时如何计算覆盖人群？

定向设置的科学性直接影响流量精准度与转化效率。当基础属性定向与行为兴趣定向叠加时，其人群覆盖的计算逻辑需遵循特定规则。

一、人群覆盖的底层计算逻辑

巨量千川定向体系采用分层交集 + 并集组合的算法模型：

1. 基础属性定向（交集关系）
   地域、年龄、性别三者需同时满足（例如：北京 + 25-35 岁女性），覆盖人群为三者的重叠部分。若其中任一维度未设置，则默认全量覆盖。【千川直播间人群标签精准洗法】

2. 行为兴趣定向（并集关系）
   行为标签（如 “近 15 天浏览过美妆产品”）与兴趣标签（如 “护肤达人”）为或关系，用户满足其中任意条件即可被覆盖。类目词与关键词采用动态匹配机制，每日更新覆盖范围。

3. 整体覆盖人群（双重交集）
   最终人群 =（基础属性交集）∩（行为兴趣并集），即用户需同时满足基础属性条件与行为 / 兴趣任一条件。

二、实操步骤与人群估算技巧

1. 基础属性定向设置

• 地域选择：优先锁定产品高需求区域（如美妆选新一线城市，农产品选产地周边），建议初期控制在 3-5 个核心城市。

• 年龄与性别组合：根据产品特性设定核心区间（如母婴产品选 25-35 岁女性，数码产品选 18-40 岁男性），避免过度宽泛。

• 设备与网络：可选择性设置（如仅 Wi-Fi 环境），但需注意可能减少覆盖量。

2. 行为兴趣定向配置

• 行为标签：选择与产品强相关的电商互动行为（如 “近 30 天下单过家居用品”），时限建议 15-30 天，保证数据新鲜度。

• 兴趣标签：匹配长期偏好（如 “智能家居”“北欧风装修”），可叠加 3-5 个二级类目词，扩大潜在人群基数。

• 关键词优化：优先选择精准产品词（如 “智能扫地机器人”），辅以场景词（如 “解放双手”），剔除泛兴趣词（如 “生活方式”）。

3. 人群覆盖量估算公式

覆盖量 = 基础属性交集人群 × 行为兴趣定向渗透率
示例：
某美妆品牌设置 “上海 + 22-30 岁女性”（基础属性交集约 500 万人），行为标签 “近 15 天浏览过精华液”（覆盖 200 万人），兴趣标签 “成分党”（覆盖 300 万人）。行为兴趣并集渗透率 =（200 万 + 300 万）/ 总用户数 ×100%，最终覆盖量 = 500 万 × 渗透率。

三、优化策略与风险规避

1. 初期定向建议

• 覆盖范围：初始人群控制在 4000 万 - 8000 万，避免过度狭窄导致曝光不足。

• 组合测试：建立 3 组差异化计划：
  ① 精准组（基础属性 + 高意向行为）
  ② 潜力组（基础属性 + 兴趣标签）
  ③ 混合组（基础属性 + 行为 + 兴趣）
  通过 A/B 测试筛选最优组合。

2. 数据驱动调整

• CTR 与 CVR 监控：若点击率低于 2% 或转化率低于行业均值，需收缩行为兴趣定向范围，优先保证流量质量。

• 人群画像反推：利用 “人群画像分析” 工具，对比实际转化人群与定向设置的差异，动态调整标签组合。

3. 常见问题解决方案

• 覆盖量不足：逐步放宽地域或年龄限制，增加兴趣标签数量。

• 转化成本偏高：收紧行为标签时限（如从 30 天缩短至 15 天），叠加 “排除低转化人群” 功能。

四、案例解析：某家居品牌的人群优化实践

某品牌冷启动期设置 “杭州 + 28-40 岁 + 近期搜索过家具”（基础属性交集约 300 万人），行为标签 “近 7 天浏览过沙发”（覆盖 150 万人），兴趣标签 “北欧风装修”（覆盖 200 万人）。初始覆盖量 = 300 万 ×[(150 万 + 200 万)/ 杭州总用户数]≈180 万。
通过以下调整：

1. 地域扩展至长三角核心城市（增加南京、苏州）；

2. 行为标签增加 “近 30 天咨询过客服”；

3. 兴趣标签叠加 “智能家居”。
   最终覆盖量提升至 500 万，CTR 从 2.1% 提升至 3.8%，转化成本下降 15%。

五、总结

巨量千川基础属性与行为兴趣定向的叠加计算，本质是通过多维度筛选实现 “精准触达与流量拓展” 的动态平衡。商家需结合产品特性与数据反馈，灵活调整定向组合，同时关注人群覆盖量与质量的双重指标。