受众细分

受众细分是一组由共享特征或行为、人口统计、兴趣、过往购买、网站活动等定义的人群，广告主或广告网络将其作为一个单元进行定向，而不是向所有人展示相同的广告。细分将原始数据转化为竞价系统可以实际利用的东西。

细分是如何构建的#

细分由多种来源构建而成：直接从您的网站或应用收集的第一方数据、从数据代理或平台许可的第三方数据，以及推断信号，例如某人阅读的内容或他们浏览时所在的地理定向区域。数据管理平台是典型的基础设施组件，用于摄取所有这些信息并将其打包成广告主可以在购买界面中选择的细分。

常见的细分类型包括人口统计细分（年龄、性别、收入阶层）、行为细分（近期购买者、购物车放弃者、重复访问者）、兴趣细分（持续参与健身或个人理财内容的人）以及相似人群细分（与现有客户列表相似的人，由需求方平台或网络自身的建模构建）。

具体到原生广告中的细分#

原生网络倾向于构建比大型围墙花园更轻量的细分，因为它们没有搜索或社交平台那样的第一方登录图谱。许多原生定向工作在发布商类别和上下文定向层面，实际上是一种代理细分，根据广告投放的位置而非具体谁看到来构建。广告主通过像素在用户访问过一次他们的网站后，在其上叠加自己的重定向细分。

这对垂直领域选择也很重要。如果您正在测试一个新的垂直领域（联盟营销），该网络为该细分市场提供或不提供的细分选项，决定了在您建立自己的第一方重定向池之前，您可以进行多精确的定向。

从竞争对手的活动中读取细分#

您看不到竞争对手使用的确切细分定义，这些数据保留在他们的广告账户内。您能看到的是结果：一个广告持续针对哪些发布商类别和地理区域投放，这告诉您很多关于他们最终选择的细分信息，即使没有原始的定向设置。通过Ad Intelligence视图从竞争对手已采集的创意历史中提取该模式，比从零开始测试细分要快得多。

细分也会衰退。六个月前在某个广告上转化良好的受众，随着创意疲劳的出现以及同一群人已经多次看到该广告，通常需要更新。观察竞争对手是持续针对同一发布商集群轮换创意，还是放弃它，是判断其细分是否仍然有效的一个不错指标。

关于重叠的实用说明#

细分的重叠程度往往高于媒体购买者的想象。一个“近期抵押贷款利率搜索者”细分和一个“50岁以上房主”细分会共享大量相同的人群，这也是同时运行多个相似的细分通常只会让你自己的预算被分散、自相竞争，而不是触达真正的新潜在客户的部分原因。在将支出扩展到多个细分选项之前检查这种重叠，通常比在三个已经看起来几乎相同的细分之上再添加第四个或第五个变体更有效。