大家好，我是Zoe，从业七年，目前是一家教育公司投放部门的负责人。
之前坊间盛传，腾讯广告要下线一些定向产品，引起了各种猜测。
近期，靴子终于落地：腾讯广告宣布逐步下线“智能定向”和“自动扩量”这两大功能！
对于优化师来说，后台能够操作的空间被进一步压缩。
得知腾讯广告将要调整这两个定向功能的消息后，我们的团队一开始非常紧张，因为之前在投放中，我们使用上述两个功能的频率非常高。
为了应对这一变化，我组织了整个投放团队开会讨论：我们应该如何理解定向这一功能？把定向交给系统，真的有利于效果提升吗？此次定向升级后，我们应该如何应对？
我是宁阿姨的第一批读者，在公众号刚成立的时候，前几篇文章都是关于定向的，读完我受益匪浅！所以，这次我也和宁阿姨进行了一些交流，她鼓励我把“定向”的新感悟分享给大家。
01
定向的三大原则
所谓定向，其实就是对于广告受众的一种筛选。优化师先从所有的用户池里圈定一个范围，然后模型从中找到目标用户。定向的本质就是找人。
这对于广告主来说，好处是显而易见的，那就是可以高效地选择出适合自己的流量，有效触达人群，这可以提高转化率，降低转化成本，在一定程度上也有利于跑量的提升。
对于平台来说，在降低自身成本的同时也可以更好地满足广告主的诉求。
无论产品如何改变，在日常投放的过程中，关于定向的设置主要有三大原则：
第一，不能要的坚决去掉，提前设置过滤机制。
通过定向排除设置，能够有效提升展现覆盖用户群体的精准度，对转化效果的提升、转化成本的降低有促进作用。比如通过人群包排除无效用户，就是投放过程中节省推广成本的关键方式之一。
再比如，电商行业在做投放时，经常会在定向方面设置去掉不能发货的地区，这样确定排除之后，你所圈定的地区用户就不会看到广告，从展现层级就进行了拦截，就不存在展现浪费，也就不存在点击广告、完成转化行为的后续行动，这些都能减少无效消耗浪费。
第二，有希望的定向尽量都放开。
比如我们在投放教育产品时，经常会遇到一个问题，要不要排除偏远地区的人群？
在此之前，我们需要先思考一个问题：我们排除的是量少的、还是量不好的？
如果你排除偏远地区仅仅是因为人少，所以不要，那就很奇怪：难道蚊子腿不是肉？量少就直接不要了？
我们之前也就偏远地区进行过测试，结果发现西藏、青海地区的后端转化率虽然降低了16%，但是成本也同比降低了33%。相信随着后端转化团队的磨合与升级（比如，我们发现话术一定要调整），完全可以把定向都放开。
这个原则的核心就是，在定向的过程中排除的应该是成本高的，而不是量少的。具体应该如何做呢，我们拿“地域”这个定向进行说明：
1、建议先通投，投放一段时间后逐个地域做数据分析，看成本高低。
2、如果该产品在某些地区基本分不到什么量，但是成本不高建议放开。
3、如果成本明显很高，则排除该省（不把偏远地区归为一类、拆开单独看）。
总体来说，有长期、明显数据表明某个省份成本高、可以排除该省；数据不稳定的情况下，建议放开投。
第三，不确定这个定向合适或不合适，尽量都放开。
还是以我的投放经验举例。我们公司是做教育产品的，之前经过投放后明显发现，其实80%的转化用户都是女性，但在设置定向的过程中，选择放开定向，性别不限。
结果发现，相比限制，放开定向后在成本上几乎没有发生什么变化，但是量级却增长了30%。
为什么会这样呢？原因就在于，即使我在定向时选择性别不限，但是由于大多转化数据都是女性用户，所以系统模型会根据转化数据去帮你探索相似人群，从而把广告推送给更多女性群体。
但由于定向是放开的，也会有那么一部分的男性用户是可以被转化的。如果我只是限制了女性用户，那这部分潜在男性用户就可能被我放弃掉了。
所以，我们在设置定向的过程中，不确定适不适合的定向尽量都放开，剩下的学习和探索就交给系统去处理就可以了。即使不做任何定向限制，模型也会对人群进行筛选，起到找人的作用。
02
为什么让系统来定向，是一个更加明智的选择？
首先说，“智能定向”和“自动扩量”这两个功能实际上并不是“消失”了，而是被系统写进了投放策略里，这和优化师手动开启定向拓宽的底层逻辑是完全一致的。
本次定向升级简化后，有两大优势：
第一，系统算法有助于降低认知偏差。
我们可以先回溯一下，之前在投放中时是如何设置定向的。
传统的定向方式是基于先验经验的，即广告主和优化师基于历史投放数据、产品市场调研，同时结合优化师的个人经验去进行定向的。这种方式的目的无非就是为了减少试错的成本，最大限度地获取目标用户。
然而，这种定向方式存在很多非理性的因素，往往是优化师认为什么样的用户能转化，就去圈定什么样的人群。
而系统模型找人则是基于后验经验，数据显示什么样的人能转化，就会持续去找与之相似的用户。
正如我前面提到的教育产品的案例，在我们放开性别定向，不再圈选人群后，让系统自己去寻找目标人群，结果发现成本不仅没有上涨，量级还增加了不少。
这说明了，当我们把定向交给系统算法后，让系统自己去寻找目标人群，非但不比原来的效果差，还能带来很多认知以外的投放增量。也契合了目前平台的规划，即广告系统把定向因素写进策略里。
随着底层广告系统的不断升级，对比人工经验，我更相信系统算法。
第二，将定向交给系统算法可以让投放“更简单、更安全”。
就拿“自动扩量”这个产品来说，我们日常在使用这个功能的频率还是比较高的。但对对于优化师的日常操作而言，自动扩量这个功能打开或者不开，什么时候打开，以及打开之后应该放上哪个人群包，其实都是对他们能力的考验。
不同的优化师会基于他们各自的经验去判断，但这些“主观判断”可能会大大影响投放的效果。
但是，当我们把定向交给系统算法去探索时，这一步完全就省略了，可以有效降低投放中的不确定性，从而让投放效果更加稳定。
对于优化师来说，尤其是新手小白来说，投放的操作门槛也是降低了不少，不需要再去花精力研究和测试这些定向能力，投放负担也能减轻很多。
再说“安全生产”问题，我接受媒体培训时，有两个关于定向的案例印象很深，在我们团队里也出现过类似情况：
1、在投放某产品时，目标人群是男性用户。优化师在【定向设置-性别】选择了【男】，同时开启【自动扩量】，但是却忘记勾选不可突破选项，结果触达的人群里有男有女，和广告主实际意愿相反。
2、有广告主希望根据自己的人群定向，让系统帮助扩量。优化师在操作的过程中，在【定向设置-性别】选择了【男】，结果忘记开启自动扩量，无需勾选不可突破选项，最终导致广告计划触达人群较少，跑量能力受到限制。
此次定向功能简化升级后，就能有效规避优化师手动定向时，由于操作失误导致的这些投放事故。
另外，我也听到有些小伙伴的疑虑：在过去，我们通常会先使用一方包，然后再启用自动扩量。那么现在自动扩量已经下线，对我使用定向包会有影响吗?
实际上，对于定向包的使用并没有任何影响，咱们依然可以借助一方包让系统帮忙找到潜在的相似人群或者做人群排除。这里分两种操作习惯来看：
一种是过往习惯先自定义人群定向，投放一段时间后再开启扩量的方法，在本次升级后，也依然可以选择先绑定向包投放，一段时间后再解绑，把定向放开。
另一种是对于过往习惯使用定向包+自动扩量/智能定向进行优化的小伙伴，因为这个按钮不在了，所以建议大家调整下基础定向的操作习惯，将定向设置为自己可以接受的最大范围，这样可以最大程度的确保广告投放的效果和效率。
03
面对改变，我们应该如何应对？
当这两个功能下线之后，对于我们后续的投放有什么影响，或者在未来的投放中，我们应该要做出哪些改变？
第一，在定向设置方面，除非有严格的要求，我们应尽量将范围设置为能够接受的最大范围。
例如，在进行广告投放时，如果我们的产品只针对男性客户，我们可以进行性别定向设置；否则，我们应尽量将定向选项打开，让系统进行探索。这样可以确保定向设定的灵活性，并为广告投放提供更多的机会。
第二，增加多流量版位的投放，快速积累投放数据。
通过投放多个广告资源位，可以更快地积累数据模型，系统学习更快，更容易度过冷启动期。在模型建立之后，系统就可以根据已有的转化数据去探索更多的人群，转化率也会不断提升。
不过，现在腾讯广告经过升级迭代之后，只需要创建一条广告计划基本可以投放所有的流量，这一点还是很方便的，不仅操作流程更简单，通过打通了全流量数据模型，也能帮助广告计划更快过冷启动，综合效果更佳。
第三，素材将承担更多定向的角色，要重视素材能力的提升。
随着系统算法的升级，广告投放平台中可以供优化师钻研的空间在减少，唯一值得我们投入精力的就是创意素材。
对于广告主而言，通过制作高质量的素材，不仅有利于广告计划快速起量，提高广告的跑量能力，减少测试和空耗的成本，还能够延长素材的生命周期，稳定账户成本。
因此，我们需要不断在创新素材上下功夫，做好积累，比如打造素材库、总结和积累爆量公式、素材制作方法论，素材元素拆解组合等。优质的素材带来的流量依然是价格最低，性价比最高的流量来源。
04
总结
最后，我们需要明确一点：随着AI技术的不断进步，智能投放已经成为了行业的必然趋势。
作为从业者，我们不必感到恐慌。就像在自动挡汽车尚未普及之前，人们经常说自动挡汽车费油，还是手动挡好。
事实证明，自动挡汽车不仅降低了驾驶门槛，也提高了汽车的燃油效率，从而节省了更多的燃油。
此次定向方面的升级也是同理。人们之前过度依赖定向这一功能，认为靠手动定向可以找到更多符合目标的人群，有效降低投放成本。
实际上，将定向交给系统，不仅使得操作更加便捷，提升了工作效率，投放效果也会更稳定，减少了我们试错的成本。
这说明，在某些方面，机器一定比人更具有优势。
因此，我们需要做的就是紧密关注这一发展趋势，尽快了解智能投放的原理、优势和适用场景。只有这样，才能更好地把握未来的机遇，提升自己的业务水平。
在适应智能投放的过程中，优化师和广告主也需要将自己的工作重点从繁琐的手动调整转向更具有创造力和价值的工作。例如，对广告素材的创意设计和精准定位的策略制定等。
正如美的副总裁兼CTO胡自强所说：流量问题就是效率问题。相信随着智能投放的不断拓展和深化，整个商业化的变现效率也会越来越高。未来，智能投放必将拥有广阔的想象空间。
