適用條件:新帳戶冷啟動、新市場開拓、或既有帳戶要擴量。
核驗日期:2026-11-19。各平台的受眾選項、相似受眾來源與最小規模門檻不同且會更新,以當期官方介面為準。
一、三層的職責
| 層 | 做法 | 職責 | 什麼時候用 |
|---|---|---|---|
| 寬泛層 | 只給地區、語言、年齡等基本條件 | 發現:讓系統自己找人 | 冷啟動、擴量、新市場 |
| 興趣層 | 加興趣、行為、內容主題 | 效率:把起點放在已知相關的人群 | 有明確品類特徵時 |
| 相似層 | 用種子名單(購買者、高價值客)擴散 | 擴張:複製已知好客的特徵 | 已有足夠轉換量時 |
關鍵順序:先寬泛跑出樣本 → 再興趣收效率 → 最後相似擴量。 反過來(一開始就用相似受眾)在樣本不足時很容易跑不動,因為種子名單太小、系統學不到。
二、為什麼「過度細分」是新手最常見的坑
很多人把受眾切成十幾組:興趣 A、興趣 B、A+B、A+排除 C……
代價是: - 每組分到的預算少 → 樣本不足 → 每組都在學習期 - 各組受眾重疊 → 自己跟自己競價 - 資料分散 → 看不出哪一組真的好
一句話:細分是為了「驗證假設」,不是為了「看起來專業」。 沒有明確假設的細分,只是把預算切碎。
三、受眾的三個真實作用(按重要性排)
1. 控制「起點樣本品質」
系統靠前期的轉換樣本學習。起點若混入大量不可能轉換的人,學到的樣本會髒。 這是受眾設定最主要的功能。
2. 控制「預算集中度」
同一筆預算,投在三個受眾 vs 投在一個受眾,學習速度完全不同。 樣本集中,學得快。
3. 控制「排除」
排除比新增重要:已購買、已退款、內部流量、不相關地區。這一項的效果通常比任何興趣設定都明顯。
四、什麼時候該用相似受眾(以及什麼時候不該)
該用:你已有足夠的轉換量(能建出有意義的種子名單),且主要目標是擴量而非驗證。
不該用: - 轉換量太少(種子太小,擴散出來的品質不穩) - 你連「什麼是好客」都還沒定義清楚(用錯種子,會複製錯的人) - 市場剛開,連基本轉換都還沒跑出來
最容易被忽略的一點:種子名單的品質決定相似受眾的品質。 用「所有購買者」當種子,跟用「高回購、高毛利客」當種子,結果差很多。先定義「好客」,再用它當種子。
五、一份可以照著做的搭建順序
- ☐ 定義「好客」(誰值得複製)——沒有這一步,後面都是猜
- ☐ 建排除名單(已購買、已退款、內部流量)
- ☐ 先用寬泛層跑,目標是累積樣本,不是壓成本
- ☐ 樣本夠了,再開興趣層驗證假設(一次只加一個條件)
- ☐ 轉換量足夠後,開相似層擴量
- ☐ 每個階段只保留「有效」的受眾,關掉跑不動的(避免預算碎片化)
第 6 步是紀律:受眾越堆越多,預算就越切越碎,最後每一組都跑不動。定期清理和定期新增一樣重要。
六、這篇文章的缺口
- 各平台的受眾選項、最小規模門檻、相似受眾可用的種子來源不同且會變動,本文只講結構,未列出任何平台的具體門檻數字。
- 「先寬泛後興趣」為一般順序,部分品類(如高度垂直的 B2B)可能相反,需按實際情況調整。
- 未涵蓋受眾重疊的量化方法(各平台的重疊報表不同),本文只提醒「重疊會導致自我競價」。
- 未涉及隱私規範對受眾建立的限制(部分地區對行為定向、相似受眾有額外要求),這屬合規範疇,本文不提供判斷。
- 未涵蓋第一方資料上傳建立受眾的合規要求(需取得同意),這在各市場規定不同。
延伸閱讀
常見問答(FAQ)
Q1:受眾是不是切越細越精準? 不一定。切太細會讓每組樣本不足、全部卡在學習期,還會造成受眾重疊與自我競價。 細分要有明確假設,否則只是把預算切碎。
Q2:新帳戶該從哪一層開始? 從寬泛層開始,先累積樣本。一開始就用相似受眾,常因種子太小而跑不動。
Q3:相似受眾什麼時候可以用? 等你已有足夠轉換量、且定義清楚「好客」之後。用「所有購買者」當種子會複製錯的人。
Q4:為什麼要建排除名單? 排除的效果通常比興趣設定更明顯。 對已購買、已退款的人重複投放,是純浪費且不會出現在報表上。
Q5:受眾越開越多,是不是越好? 不是。預算會被切碎,每一組都跑不動。 定期關掉無效受眾,和新增一樣重要。
文/細科普編輯部(阿KEN)|核驗日期 2026-11-19|本文不構成投放建議
風險告知:本文為受眾結構框架,各平台功能與隱私規範不同且會變動,受眾建立須符合當地法規與平台政策。SaaS 方僅提供知識,不替客戶決策、不承擔任何投放、平台或合規後果。