诚然，您把大量的时间和精力花在了广告创意与广告素材制作上，但是如果没有合适的人群看到它们，这一切恐怕都是徒劳的。这就是我们一再强调的，营销效果是多么重要，如今随着技术的发展，“lookalike相似性建模”已经变得更加成熟，广告行业在精准营销、用户人群细分等方面步伐迅猛，但这并不是我们要讲的故事结局。

相似度模型与提供给它的数据同等重要。您的营销目标可能包含

获取更高质量的客户

提升客户生命周期的价值（LTV）

提高媒介采买的投资回报率（ROI）

实现这些目标的关键要素是利用您的第一方数据（企业自身拥有的数据）来优化其“相似度模型”。通常情况下这并不困难，但前提是您确实有了从多个数据源获取到的顾客数据。

接下来我们将逐步帮您正确完成建模过程，最终优化您的广告支出回报率（ROAS）。

我们都知道，网络广告有多种常见的精准投放策略，这里，我们先介绍两种比较常见但非最优的方法，然后给出最佳策略建议。

一般：基于人口特征和兴趣的定位投放

这种方法很多营销人员都在使用，大体效果也还是OK的，因为任何有目标投放都比无目标投放要好。大多数营销人员会自然想到选择广泛的人口特征，例如最简单的选择：女性、30-50岁；或者“猜测”某些用户会对特定产品或类目感兴趣（例如，对于运动服公司选择“跑步”类目，或者航空公司选择“度假胜地”关键词等等）。不幸的是，由于这种方法使用的数据过于广泛，一般质量都较差，而且这些通常调取的都是用户在App里或手机设备里面的记录，建议您看一下自己微信里存储的个人资料，都写了些什么。

不少公司通过第三方购买了一些这样的数据，我们都知道数据是源头，这样的精准营销，低效率、低回报率的营销效果也就不言而喻了。

次优：基于像素点的相似度建模

另一种策略是在您自己的电商网站里**一个像素点，并且根据您的网站访客构建相似度模型，这可能是更靠谱儿的解决方法，因为它直接采用了您的第一方数据，与外部的数据源相比，它们始终具有更高的质量和相关性，虽然有部分局限。

首先，从您的网站采集下来的第一方用户的cookie，去匹配到第三方服务商提供的数据源，这肯定不会完全匹配；其次，我们计算一个匹配率，如果多数能够匹配，则可借此判断该第三方的数据源是可信的，借此办法，您就初步建立了数据的自我优化机制；

然后，可以更多采买被验证过的第三方数据源，将其引入到您的网站，对正确用户进行标记，对错误或误判用户进行修正…… 如此往复，您就基本具备了源源不断的目标用户群体。

最后，我们要提醒您一点，电子商务网站的转化率通常很低，平均最高为3-5％。这意味着您的网站访客绝大部分并不是下单购买者，而且大量闲逛而不买的用户，有些连潜在买家都算不上。如此，您的匹配包含了大量闲逛用户，他们并不是最终买家，如果您只匹配购买用户，按这种方法可匹配的又太少了。

最佳：高价值客户相似度模型

我们可以从上述方法中看出，虽然第二种“相似度建模”优于第一种人口特征定位的方法，但仍然有问题，无法产生更好的营销效果，我们需要准确、丰富、最新、近乎第一方的数据发挥出最佳效能。

问题关键是要通过跨渠道的方式，从可能产生最高购买价值的用户群中挖掘到精准用户，而非所有访客，我们的方法是将线上、线下的交易数据、忠诚度数据等等各种相关第一方数据都汇聚在一起，还要计算用户的生命周期价值（LTV），如此构建出最佳客户的基础模型。有趣的是，通过这一过程，大多数品牌发现由极少数的客户（通常约为10％）创造了其年销售额的30-50％。

然后，您在这个最佳客户基础模型中进一步构建“相似度模型”，延展您的精准用户范围，之所以我们认为这样能获得更好的结果，是因为这个基础模型本身是基于窄众、精准、高质量的数据建立的，这些基础用户的定位，有助于您在更大范围内寻找相似用户。许多类似的建模还提供了“刻度盘”工具，可以根据广告需求随时调节上述模型的相似度，从而使您作为营销人员能够根据广告目标，在准确率和触达率之间取得平衡。

在这里，我们写给您更好地完成“相似度建模”的关键步骤：

1. 创建一个包含顾客自身及其交易行为的全渠道视图，数据源至少应包括用户访问和交易的数据，也包括浏览点击数据和会员忠诚度数据等等。

2. 计算所有顾客的生命周期价值（LTV），主要包括交易方面的属性，例如购买频次和客户盈利能力。

3. 在这个基础上，对高价值客户，全部或按品类，进一步划分“细分人群”。

4. 将这些丰富的第一方“细分人群”基础数据导入到“相似度模型”中，最终产生相似用户。这可以通过两个子步骤来完成：

1）最快的途径是，先导入“细分人群”数据到预先构建的相似度建模工具中，自动形成相似用户集，直接对其进行媒体投放（例如投放到巨量引擎平台），无需您的团队做什么额外的工作，出来即是精准投放的结果。

2）对于想要手动控制模型的广告主而言，则推荐采用另一种方法，以确保针对非常特定类型的客户。在这种情况下，广告主可以自行设定模型参数，然后导出特定模型，对其产生的相似用户集在媒体平台投放。通常，这是一种更高级的技术。

5. 最终我们实现了向精确、高质量、购买商品或服务的人群投放广告。

-END-