（5）转化率。

不同行业的数据不同，没有明确的标准。数据受客单价影响很大，客单价高数据低，客单价免费数据就会很高。这个不能比较，重要的是多关注，尽量优化数据，保证账户的稳定性。

3. 账户预算

账户预算是影响账户质量评分的重要因素。如果平常只跑 20 条线索，今天突然跑了 50 条，那后几天你会发现账户的获取线索质量明显下滑。为了不影响账户的质量和评分，预算不要过多的调整，尽量稳定。

操作技巧

操作技巧是提升展现量、获取精准客户以及找到优质客户的重要因素。它不仅有根据产品特性、目标人群的定向今日头条号，还有被忽略的东西，如创意标题和标签的写法。

1. 创意标题写法

做 C 端和 B 端投放有很大差别。在 C 端，大家更多地去蹭一些热点，会用 XX 活动类噱头来吸引客户。如 XX 婚纱摄影平台限时免费领取，惊爆价 XX，这类标题能够让顾客产生快速购买的满足感。但这类操作完全不适用于 B 端，只会带来一些薅羊毛的人。当很多「羊毛党」在你的广告账户中留资，系统会认为这类人群符合你的标准和需求，会不断地更改系统人群模型的定位。

我为大家总结了四个能够提升展现量以及能帮助系统定位到精准人群的创意标题写法，适用于百度、头条、腾讯等所有渠道。公式如下：

（1）XX客户+产品名称+成果

例子：百度汽车在使用的营销系统，一天获取300条线索。

（2）产品名称+成果

例子：蓝天巡检系统，无需培训即可轻松使用。

（3）用户群体+产品名称+成果

例子：餐饮门店需要这款巡店系统，一个督导轻松管理10家门店

前三个公式需要注意的是，在描写成果时最好是描述现象，而不是一个结论。比如，一些客户本身自带流量，又是你的典型客户，那么在沟通的时刻，让他的品牌带入你的广告，这是个很好的赋能。

（4）地点+用户群体+产品

例子：成都的餐饮老板都在使用这款财务系统。

要知道，地方一方面会让广告有针对性，另一方面可以丰富标题模型。

2. 标签公式

标签是抖音渠道特有的定向方式。创意分类和创意标签是广告对系统的自我介绍，帮助系统了解产品的功能，从而帮你找到准确的人；创意分类的选择思路是“越准越好”，广告是哪个分类就选那个分类；创意标签的思路是“越准越好、越细越好、越多越好 ”。

To B 行业抖音投放的标签公式如下：

（1）行业+目标人群+功能描述

（2）竞品+功能描述+成果描述

（3）目标人群+客户行业知名品牌+功能描述

这三种组合方式是我在做 B 端时的经验。在这个问题上，跟大家分享一下 C 端和 B 端写标签的不同。

C 端产品覆盖人群和用户基数大，在做投放时，采用的标签策略时加入热点事件，或者和产品相关的自带流量的人物。这种人物关键词的搜索频率和事件触达频率高，并且本身用户基数和观看者的匹配度高，因此大多数时候能做出不错的产出。

但是 B 端产品有明确的行业和功能，用户群体小，不适用于用C 端的标签定向方式。

用户体量

1. 用户覆盖数量

通常我们投放广告很多时候出现一个问题：在合理的大盘出价范围内没有展现。这种情况 80% 的原因是用户人群覆盖量少。当用户群体高于 1000 万人，会有好的展现；当用户群体低于 1000 万人，即使有很多的输出，也很难展现。

例如，我有一个朋友的产品，客单价在 50 万左右，为了节省销售人力，在定向上非常严苛。在投放广告时，将区域定向到北京市西城区西单金融街这类明确的地理位置，将手机价格定位在 1 万元以上。但是账户却没有消费。是渠道的问题吗？我们调查了在抖音上的同行竞品数据，日均账户都在 5W 以上。

我的建议是：适当地放宽定向扩大用户群体，广告投放的计划人群覆盖量尽量超过 1000 W，定向方面由创意标题以及标签写法的角度作补充。

2. 渠道选择

如母婴、宠物产品的用户群体今日头条号，他们主要集中在美优母婴、美柚宠物等垂直平台。之前鲁扬在《短视频营销战役，To B 企业如何突围？》中分享过平台特性，我这里不再赘述。

资源

资源部分主要讲渠道返点。

如果有长期做投放的打算，希望大家能去和渠道处好关系，会带来隐形福利，如大盘价格数据、同行竞品数据，甚至免费的资源。比如，腾讯就免费赠送过我几期免费的 MBA 广告。

更重要的还是返点。实际充值的钱和在账户中体现的钱是不一样的，每个渠道都会给使用者提供渠道返点。在 2018 年和 2019 年时，抖音渠道还能找到 37%~40% 的返点，从 2020 年开始，抖音渠道的政策逐渐降低。

目前一些小渠道上的代理商给的政策差异化还是蛮大的，如像 360、搜狗， UC 等，一方面取决于他们是在什么层级的代理，另一方面取决于与你的客户关系。建议大家多多比较，找到能给到合适代理政策的渠道。

03投放数据化模型

从 C 端投放切入到 B 端，最难适应的一点是 B 端的成交周期长。一开始没有成交量，缺少数据支撑，难以确认是投放的问题还是其他问题，也没办法找出优化的方向。后来通过数据化模型统计，发现我最大问题在待成交客户阶段。因此数据搭建、数据精细化运营和市场数据化至关重要。

最开始，我们关注的数据有数据量、数据成本、有效数量、成交率。在客户画像上，市场部门的职责是获得足够多的数据量来符合 MQL 标准，看重有效率而非成交率。后面按照销售里程碑的数据化模型统计，当每个阶段都呈现出来后找到问题进而优化。维度包括：画像、成果、方案的匹配，以及待成交客户、成交客户和增购客户。

来源【抖音特训营】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！