淘宝超级推荐实操解析
发布日期:2020-06-05 15:56 作者：代运营
今年，大家对于这个相对较“新”的推广工具逐渐重视，而超级推荐由于在资源位与整体的竞价模式与其他两项的区别也带来了更好的ppc和流量的广度。
超级推荐的底层逻辑就是把宝贝推荐给需要的人，也就是“主动的”流量，简单的说，也就是系统会根据大数据测算出买家的需求，根据买家的需求去推荐给你类似的宝贝，这个就牵扯到一个比价比同行的问题了，直通车是直接大量的同类对比，而推荐流量就不会。并且超级推荐据官方说是信息流，会自己给自己精准流量，也就是说超推刚开始可能数据反馈较差，随之时间的累计，数据的累计，系统会把更多精准的流量投放给适合的买家。
01超级推荐的计划类型
其实相对来说进行过一段时间的调整之后对于我自己来说可能是前期的启动和计划的搭建选择比较困难，在计划跑了一段时间之后的调整相对来说可能会更容易一些，其实在前期的时候我刚接触超级推荐面临的第一个问题就是要搭建什么类型的计划。
超级推荐的计划搭建和直通车钻展有一定区别的，超级推荐有不同的计划营销场景。一般来说，活动计划给的人群包都是比较高质量的。如果有官方的大促，我一般会新建一个活动计划，有一些之前跑的平稳了的老计划转换成活动计划的话可能会对计划本身的数据造成一些影响，虽然说超级推荐的计划权重是建立在商品之上的但是也可以注意到其实电脑的学习调整有时候会比操作上的手动调整更加重要，所以可以去新建一个活动的计划没有必要冒风险去转换计划类型正好也满足看活动期间的引流需求，图上的三个计划来讲新品计划是有一定的限制的需要在新品的周期之内，虽然新品推广的规定比较严格但是相对来说系统给出的人群包和该计划的人群质量都是比较不错的，如果需要推广的商品还处于新品周期内一般就直接放到新品计划了。
相对来说在爆款拉新和自定义计划来说他们的相差性还是比较大的，一般情况下来说前期如果预算充足的情况下可以先建立爆款拉新计划和自定义计划进行对比测试，根据实际的效果判断去留存和优化那个计划，当然在前期来说是很容易出现没有成交的情况，我一般情况下在前期主要投产和和转化很少的情况下是没有参考性的，在前期需要尽快了解数据的话需要计算的数据维度我一般是依据以加购为中心的一系列数据进行对比然后得出整体的计划是否需要保留与优化的决定。
02超级推荐的数据选择维度
最核心的数据维度当然是加购率和加购成本，这两项数据的好坏很大程度上决定了这个计划之后的潜力与可优化的空间，这两项也是我的主要判断依据，点击率在一定程度上决定了点击单价的好坏结合超级推荐这款工具低价流量的定位点击率的好坏也是很重要的影响指标但是相对来说点击率也有很大的可控因素所以处于第二需要考虑的梯队，之后根据账户情况和自己的布局如果店铺对于超级推荐的主要需求就是拉新那么需要对比一下各项计划的拉新消耗和拉新成本。
03超级推荐的预算及出价
之前刚刚接触超级推荐的时候,对于超级推荐的前期花费模式和花费的分配有过一定的考虑，究竟是刚刚接手时搭建花费比较多的计划比较好还是平均一下整体的花费多建几个计划比较好一些，经过测试来说其实一般情况下是多建计划平均预算进行测试会好很多。
在搭建之后主要的问题就集中在了出价的控制上了，这个也是在开始时很让人头疼，各个类目和行业没有一个统一化之的标准，当我们的产品基础，权重都比较差时，可以通过提升出价的方法，来提升产品的竞争度，因为超级推荐是竞价工具，当产品拿不到流量时，可以在手淘首页猜你喜欢提高溢价比例，日限额最好是在200-300，前期不适合投入太多，当系统没有分发好适合产品的人群时，投入的越多，往往数据越差，当预算烧完时，稳定几天之后就可以降低溢价，降价到原来合理的范围在开始重新头加大投放。
然后在人群的选择之上其实也是没有一个明确的标准，一般我再新建计划时人群的选择都会稍微多一些，如智能人群，拉新人群，重定向人群，达摩盘等多种人群筛选，让系统有足够的时间来挑选匹配的消费者，有关兴趣的流量，可以多选择定向人群，不过选择的人群一定是精准人群，这些人群的数据不好，系统会判定是产品的问题，不适合这类型的人群，在接下来的引流当中也不会给这部分人群推荐产品。
对于我来说整体的难点可能更集中在前期的计划搭建和选择上所以以上的都是围绕着前期计划的建立与出价人群的选择之上。
04相关数据
这是不同计划类型在数据累计上的一些差异，大部分的计划都是重复的店铺内销量靠前的宝贝，可以看到不同计划类型在数据累计上的一些差异，爆款拉新的投产以及转化情况性对来说是最好的，自定义计划根据不同需求倾向有着不近似相同的表现，所以在计划的搭建上倾向会以爆款拉新为主
同类目的另外一家店铺可以看到在相同类型的商品计划的变现数据会有很大的不同这个店铺是以自定义的计划为主向外扩展的所以在建立计划的时候应该尽可能多的尝试计划类型与计划的倾向进行测试。
05小结
1. 超级推荐的计划搭建最好多计划投放少预算进行测试
2. 数据选择的维度建议以收藏加购率和收藏加购成本为主，其他的数据维度（点击率，拉新消耗，拉新成本）也会在适当的时候帮助我们了解计划的情况
3. 预算的控制前期最好低一些，如果花不出去钱可以先找资源位溢价的方式弥补，不要花不出去钱就猛提出价
