在投放领域，我曾跟很多人讨论过定向，发现两个误区是最常见的。
第一即遵循“爆量随机论”，背景是投放之初做了很多定向，结果精确定向没爆，不相关定向爆了，因此得出结论，搞个鸡毛定向，反正爆不爆就TM看运气。
这样的现象确实存在，但是并不足以否定定向合理搭配的价值，原理是作为一个新户，缺乏交易模型，系统无法预估初次展现给你的用户类型，所以需要你对定向的主动选择，帮助系统捕捉素材所针对的人群。
我们要深刻去理解，千川PM对于功能的开发不是随意臆造的，对于定向这类功能的推出一定有他的道理。
第二即时时刻刻拉满通投，拉满通投看似金科玉律，但实际上并不是适合所有团队，大部分能够拉满通投的行业，产品本身就是高毛利，或者在人群属性上适合通投，如果盲目按照通投的方式去操作，带来的就是投产的不稳定，以及初始人群的不精准。
当一个投手在面对定向时，一定要却想清楚定向带来的两个维度是什么。
定向的两个维度，第一是不同定向选取的精准性，即我选取什么类型的定向，比如徕卡、达人、dmp哪个效果更好，第二是人群规模的适配性，比如3000万以内还是5000万到8000万，哪个人群规模能兼顾跑量跟ROI。
定向AB测试的过程，就是控制A变量，解决B变量的过程，我们首先从不同定向的搭配，结合宽窄逻辑，学会如何去合理使用定向。
所有的定向搭配组合，都可以被拆分为四大定向系统，基础定向、徕卡定向、达人定向，以及DMP定向。
日常在实际操作中，可以通过不同定向的组合，既可以测试各定向的人群覆盖，还可以得出不同定向的数据效果。
1、最初级的定向
即指在定向当中，我们只选择一个定向，比如只选择“基础属性”，徕卡、达人都不选。
实际上如果选取的是基础属性，那么几乎已经接近拉满通投了，但如果选择达人，当然定向就更为精准一些。
整体上我们常说的最初级定向，用的最多的还是选择基础属性，或者徕卡，这样的优势由于定向搭配少，在于人群覆盖面广，放量速度快，出价较低即可获取流量、创建计划也简单方便。
我们通过一个定向模式，就可以让系统广泛探索人群，但是也会存在一个问题，就是相比较其他定向而言，人群精准度不够，数据反馈相对差一点。（从整体的大盘投放数据，不排除差异性）
2、两两定向交叉
即指在定向当中，通过两个定向做组合，我们都知道同一定向为并集，不同定向为交集，比如一个计划既选择基础属性，又选择徕卡，交叉之下的人群量就会变小。
如果说最初始的定向按照基础属性、徕卡、达人、Dmp包只能组合4种，那么两两交叉就能组合6种形式，比如基础定向+行为兴趣、基础定向+相似达人、基础定向+更多人群、行为兴趣+相似达人、行为兴趣+更多人群、相似达人+更多人群等。
两两定向的组合有一个好处点，就是通过交叉人群，让系统探索的人群更为精准，日常常用的两两定向，即基础定向+行为兴趣、基础定向+相似达人、行为兴趣+相似达人。
3、定向三维交叉
三维交叉即指在定向当中，通过三个定向做组合，一旦三个定向做交集，人群面从整体上来说就会更小，比如基础属性+徕卡+达人，选定的人群量很有可能就是在1000万以内了。
能够用到三位交叉定向的阶段，基本是产品人群覆盖面很大，即便做窄定向也不担心探索过度困难，或者是投放预算有限的情况下，将已爆量计划，将本身最原始定向开始往复杂交叉定向转移，通过定向做窄在一定程度上拉高投产。
4、四维定向交叉
四维就不用普及了，随着4个定向做交叉组合，人群面变得更窄，在我日常的投放当中我用的非常少，因为人群实在太小了。
在四个级别的定向搭配中，我们应该如何使用?以我们做食品、百货、美妆工具为例。
在日常当中，如果是新户，我一般会应用原始定向跟两两交叉定向、三维定向居多，其中前两者定向占据70%，为什么这么操作?因为对于一个新户，本身没任何数据支撑，我需要通过放宽定向，让系统快速探索到人群。
当然这里要避免一个误区，就是定向不要全部都是通投，对于一个户来说，前期的模型非常重要，我们经常所谓养户，更多层面就是如何培养一个既出量又保投产的种子户。
定向如果不做搭配设置，所有跑出来的计划都是通投，随着投放时间拉长，后期再想把人群拉正就会有问题，特别是过度通投的计划实际上ROI也不理想，比如以投产2为例，前期放开了投放投产投到1.5，不要小看0.5的差距，一旦模型拉跨，后期想要拉正就非常难。
同样相反，一个新户如果前期做的过窄，账户连量都跑不出去，怎么可能判断出一个计划优质呢?对于一个计划的判断，基本离不开出价、定向、素材，所以定性也同样不宜过窄，避免因为人群太少导致计划被限制。
好问题就来了，对于投手而言，第一，宽跟窄的规模如何去界定?第二，到底定向应该由宽到窄，还是由窄到宽。
首先针对第一个问题，从单维定向到四维定向的递进关系，我们就能大致去完成定向由窄到宽。
比如最原始定向选取基础属性，人群量基本都是在8000万以上，如果选取两两交叉定向，在原有的8000万交叉徕卡，人群基本就会在5000万以内，再往下会越窄。
其次，我认为每一个户都应该建立自己的人群规模级别模型，以我们目前投放的品类为例，我们就创建了自己的级别模型，从一级范围到五级范围分别如图所示。
注意了，以上的人群规模是根据我们所选品类，以及日常习惯的归纳方式得出，并不适用于所有户，所有品类，这也是投放圈经常有的误区，看到外部团队给出一个数据，只会生搬硬套，而不是因地制宜做改良。
得出了如上，这时候我们就可以结合定向的搭配，去得到不同数值的人群范围，这么做的好处是，一方面我们通过多样化的定向搭配，解决了定向搭配的AB测试问题，第二是根据搭配不同人群规模的比例，可以保证初始账户不同计划人群规模的多样化。
对于一个新户，当我们无法去判断什么定向，什么人群规模适合，这样的处理方式是最佳的。
答案是都可以，但是不同的方法，使用的策略不一样，针对两种模式分别来做下拆解，我个人是比较喜欢由宽到窄，而对于的策略如下。
对于一个新户来说，我习惯优先选择两两定向交叉，定向覆盖面在人群3000万以上，人群不会过窄，从一个新户50条计划的角度，占比可以达到50%以上，其余的分配在单维度定向30%，单维度基本就是8000万以上了，这样能保证有适当比例放宽定向，其次搭配20%的三维定向交叉，人群规模量就是1000万以内。
以上是初始投放的第一阶段，第二阶段也就是进行投放的过程中，观察不同定向所带来的整体跑量情况，一般情况下如果定向很泛，但是投产不错，那么针对该计划会复制并压缩定向规模，通过更精准的人群获得更高的投产，当然结果并非绝对化，投放中会出现定向过窄还不如宽松计划带来的效果好，这是一个不断测试的过程。
对于本身定向精准，而且投产不错的计划，就可以通过不断抬高出价，用价格提升Ecpm排名拿到更多的量。
当然这是一个符合预算有限的团队的操作，因为预算有限，所以会选择重新压缩定向，用更高投产获取单位投放成本下的收益，如果预算充足，不管定向多么宽泛，只要投产为正，就可以不断增加预算，直到计划衰退。
针对由宽到窄的操作如上，由窄到宽则前期更多做更复杂的定向，再配合低预算+高出价竞量，通过这样的方式跑计划有一个特点，从整体上消耗量级的突增是缓慢的，但是投产相对高而稳定。
出现了投产为正的计划保持渡过冷启动，出现不稳定的计划，则发现ROI下降时及时用预算逼停计划，这样做的目的是让账户在初始阶段窄定向+多计划+高出价拉取消耗，又通过优质投产养户。
等户养到一定阶段，就可以去做两个事情，第一是原有的窄定向通过智能放量放开，定向相对而言也比较稳定，但是跑量量级会上来，第二是根据已跑量素材，加宽定向投放，投产也不会很差。
整体上，定向由宽到窄，前期通过放量消耗跑数据，再通过筛选计划缩窄定向或放大，缺点是相对投产会比由窄到宽有更多的不确定性。定向由窄到宽，通过前期拉精准模型，后期再放量的角度增加消耗，缺点是容易对计划不消耗造成对素材的误判，其次是计划起量的周期相对会更长。
最后对定向的使用做一下总结。
1、如果说什么是定向的最佳工具，其实不是定向，而是素材，定向更多是辅助系统帮你探索人群，但最终决定用户为什么愿意进入直播间，核心靠的是素材。
2、一定情况下，定向的宽窄与出价呈反比，一定情况下，定向的宽窄与投产呈反比，一定情况下，定向的宽窄与周期呈反比
3、对于定向的依赖，新户冷启动阶段尤为明显，因为系统无法精准探索人群，定向设置的作用就非常大，等到人群跑通，把定向交给系统去做智能推荐会更有帮助。智能有时候为什么比人工要效率低下，不是智能不好，而是数据训练的还不到位，从复杂的定向设置到智能投放的过程，实际上就是后台数据在不断建模的过程。
4、定向搭配短视频与直投，后者对定向的依赖性远远大于前者，因为直投无法像短视频一样，通过一个几秒甚至几十秒的视频，把产品介绍、卖点、痛点全部讲解到位，进而精准完成种草到转化，直投的实时展现注定了投放质量的不稳定，这时候就需要更为精细化的定向来帮助系统找到合理人群。
5、作为一名专业的投手，不要被外界的总结所迷惑，因为每个团队的品、毛利、承接能力都不一样，别人的利润能够支撑通投你不能，别人家的主播能够承接泛粉转化你不能，别人家的品是爆品但你不一定是。
投手要去深刻理解不同直播间的差异化，遵循爆量随机论，盲目+随意搭配定向不可取，忽略了现实情况跟客观规律，注定只能看到表面，而无法深入本质。
通过以上的方法，对于任何一名对定向有误区的投手，相信都能获得更为结构化、系统化的方法论，而投放往往依靠的就是投手的细节处理。
