





TikTok广告的“相似受众”功能是基于机器学习算法的智能定向工具。该功能通过分析品牌现有客户或高价值用户的人口属性、兴趣偏好和行为特征,在TikTok海量用户中寻找具有相似特征的新潜在客户。其核心价值在于能够突破品牌原有客户范围的限制,实现精准的受众扩展。
1. 数据源质量要求
种子受众数量:单个受众源至少需要100个有效用户,推荐300-1000个用户以获得最佳效果
数据新鲜度:近期180天内的活跃用户数据效果最佳
数据维度:包含用户ID、手机号、邮箱等至少一种标识符
2. 数据源类型选择
高价值客户:过去30天内完成购买或高消费金额用户
活跃用户:近期与品牌有深度互动的用户(如视频完播、点赞评论)
转化用户:完成注册、咨询、加入购物车等关键行为的用户
1. 数据上传与处理
首先进入广告后台的“资产”模块,选择“受众”功能,点击“创建受众”后上传客户数据文件。TikTok支持CSV或TXT格式文件,需确保数据符合隐私政策要求,完成上传后系统需要4-48小时进行数据匹配。
2. 相似度设置策略
根据营销目标选择相似度等级:1%相似度(约200万用户)覆盖范围最广,适合品牌曝光;10%相似度(约20万用户)平衡覆盖与精准度,适合产品促销;1%相似度(约2万用户)精准度最高,适合高价值产品转化。
3. 排除策略设置
为避免资源浪费,需要设置排除规则:将现有客户、近期购买用户纳入排除列表,确保广告投放给全新潜在客户。同时可排除已转化用户,避免广告重复触达。
1. 分层测试策略
建议同时创建多个相似受众组进行A/B测试:可以按1%、5%、10%相似度创建不同组别,也可以按不同数据源(如购买用户、注册用户)分别创建。通过3-7天测试期对比效果,保留表现最佳的受众组。
2. 结合其他定向条件
相似受众可与其他定向条件叠加使用:在相似受众基础上,增加地域、年龄、兴趣等限制条件,可以进一步提升精准度。例如,相似受众+25-40岁女性+美妆兴趣标签。
3. 动态更新机制
定期更新种子受众数据:建议每30天更新一次数据源,去除已流失用户,新增高价值用户,保持模型的时效性和准确性。同时监控效果变化,及时调整相似度比例。
1. 核心评估维度
匹配率:数据源中匹配到TikTok用户的比例,通常为30%-70%
点击率:相似受众组的点击率表现
转化成本:获取每个转化的平均成本
ROAS:广告支出回报率,衡量投入产出比
2. 优化调整时机
当相似受众组的CPC高于平均20%时,需要考虑调整相似度或更换数据源;当转化率持续下降时,需要检查数据源质量和新鲜度。
