一.深入了解，选择投放宝贝。
隔行如隔山。对于一个行业的新手来说。你让我保证效果这显然很难把。就这一条怕就是够呛了。很多人在开车的时候，根本就不考虑行业的情况，就拿，女装这个类目来说，女装的词太泛滥了。比如你的产品是“连衣裙”，那么现在市场上那家卖的好。他家价格款式等等各方面信息，你都要了解下。这里笔者注意的是“买家”的评价！很多人天天嚷着分析对手，让你分析对手的流量结构，框架以及使用的策略可能不好看明白，不过最起码买家的评价你能看懂吧。一定好奇，为什么要看买家的评价，因为，评价的内容才是用户最关心的问题，通过评价，假如我们发现了，款式，质量，舒服度，价格，运输要求方面买家比较关心，这就为你选择产品打下了坚定的基础。（以用户为中心）这个我管它叫做，借佛献花。通过整理这些宝贵的用户信息后结合店铺自身的情况基本选择出来的宝贝都打死了一大群人。可见了解行业了解用户是多么重要的一件事情啊！这仅仅是通过对手方面的分析，对手的信息放映了用户的情况，可是咱别了，人在屋檐下不得不低头啊。淘宝的数据咱也要分析。当然这个数据分析，是需要基础的，这里就跳过了。通过，行业和对手的分析，我们基本搞明白了，行业方面的动态，就这个一分析，少说也要一星期。。开车的第一个星期基本上等于给淘宝娱乐了。第一步，宝贝分析，行业分析，淘宝分析，用户分析，到位。二.广撒网，跟踪数据，定位产品
经过了上面的分析，宝贝已经选择好了（当然，有的店铺要求做某一个主打宝贝）。现在有了要推广的宝贝，下面就开始整理关键词了。其实这个部分是很无聊的过程。因为，这个地方需要费很大精力。通常情况下，我只投放一个宝贝，这个地方消耗的精力很大，我习惯将关键词整理成三类词。放到三个不同的推广计划中，在经过N次的优化调整删除添加。跟踪定位，周而复始（这个过程通常会持续一个月）因此，一个月调整是必须，这个因素也是不保证效果的原因。到底是哪三种词，且听我道来。
1.行业词通用词
比如：女装，连衣裙，裙子，这样词称之为“通用词”，通用词的特点很明显，不能明确的表明该宝贝的准确属性，但是特点在于流量巨大。通常搜索“通用词”的用户主要表现在，购买目的不明确（随便逛逛，看喜欢就买）或者有明确的购买意向（查看市场中某一个款式比如，韩版对比市场）。这样的客户表现在，有购买意向。但是跳失率高。这下你明白了，第一步市场分析，用户分析的目的原因了吧，（很多东西都是环环相扣）因此，对于客户了解越深入就越能掌握市场趋势。不过，我们还是要考虑直通车带来的本质效果。这样词，自然费用相当的不菲，这样词，没有能力优化到10分的童鞋，就放弃吧。或者放到后面几页，也会带来一部分流量不过转换率太低了。对于资金有限的同学要慎重使用。2.产品属性用户词
比如：女装，我们投放的宝贝是“连衣裙”，我们通过上面的用户和市场行情以及对手分析，整理出来客户关心的几个因素以及产品本身属性所构成的词（有点抽象了）。比如，韩版，纯棉，雪纺。这样表现产品准确属性的词称之为“产品属性词”，通常点击这样词的用户，显然有明确的购物意图。因此，我们上面的用户分析这时候就显得尤为重要了。而你整理的那些因素运营没有解决好（想开好车，运营，策划，分析是基础功夫），那么，这些用“银子”买来的“流量”基本都给马大叔喝茶了。这时候，你会得到一个新的词表，产品属性词表。这个词表转换率最高。同时也是最考验你数据分析技术的词表了。3.长尾+下拉框+相关+其他。
比如：女装，上面，行业词，产品词，都整理好了，剩下的体力话自己干吧。什么相关啊，长尾啊，该搞的都搞上去。这个词表辐射范围很广，指不定那个关键词给你带来流量成交了，通常费用低流量小转换率一般，是小卖家生存的“出路”，缺点太明显了，那就是效果太慢，带来的流量太少了，而且，你不懂产品描述设计，用户流量分解，产品的营销策略，基本上等于请马大叔喝茶（想开好车，描述设计，流量分析，产品营销，也是基础）上面的是笔者删选关键词的三种方式。大家知道直通车可以建设四个推广计划，上面放置了三个。还有一个计划，那个计划有什么用啊，这个是直通车一个很大的秘密，因为有很重要的用途，先空这吧或者投放其他。计划填满了。。第二步，各种关键词整理集合完毕，下面就是分析产生的数据（主意这过程是不断增加删除的过程。因此少也好浪费15天把）三.跟踪数据，定位产品特征，用户特征
我们把车给装好了，词表给填充完毕了。那么直通车上路跑的时候自然会产生大量的数据，这些数据究竟有什么作用！！ 1.通用词，通用词的特点都是流量大，花费高，是你消费和流量的主力军，这样的词转换率有，不高！他是你店铺流量的主要来源，因此，这个词表的价格是从高到低的。你会发现几个问题，（基础数据有统计）NO2.有的词，流量大点击量高花费一般，这种词叫做“点击词”（基础数据中，点击量大的词）
NO3.无用词，这个自己分析，2分，3分，的词，基本可以考虑直接删除了，除非你有能力把它拉到10分
| 留言与评论（共有 条评论） |
