做信息流投放，定向策略是决定“给谁看”的一环。很多优化师有个误区：觉得定向越精准越好，把地域、年龄、性别、兴趣、行为全叠加上去，恨不得只圈出几百个人。结果呢？计划跑不出量，成本还高。
一个做本地家政的账户，定向设置是“所在城市 + 25-45岁 + 女性 + 兴趣：家居护理 + 行为：近期搜索过保洁”。条件叠了五层，覆盖人群不到两万。计划上线后，曝光量极低，系统根本跑不出去。后来把兴趣和行为去掉，只保留“城市 + 年龄 + 性别”，覆盖人群扩大到几十万，成本反而降了，线索量也上来了。
定向的核心不是“找到最精准的那一小撮人”，是“找到足够大、又足够相关的那群人”。
基础定向是粗筛。 地域、年龄、性别，这是最粗的一层，也是最容易被忽略的一层。做本地服务，地域一定要卡准，但不要卡得太细，同一个城市不同区，用户都可能跨区消费。
兴趣行为定向是细筛。 兴趣定向适合拉新，行为定向适合收割。但两者不要同时叠加太多条件，条件越多，覆盖越窄，成本越高。
人群包和DMP适合有存量客户的企业。 把已有客户数据上传，让系统找相似人群。如果没有足够的客户数据，别硬用，系统学不出东西。
定向的策略是：先宽后窄，逐步优化。先跑出量，再根据数据反馈，慢慢收窄。一上来就卡死，计划连学习期都过不了。
