大部分投手盯着回传数据的眼光跟看财务报表一样——”昨天回了87条加粉、43条开口、12条成交，成本分别是45、92、330″。这些数字很重要，但只用来算成本，浪费了回传数据80%的价值。
回传数据的真正威力不在”算账”——在拿已经成交的客户数据去训练模型，让模型自己去找到跟这些人相似的人群。这就是巨量引擎的Lookalike（相似人群扩展）。
一个做IT培训的团队，之前只回传”加粉成功”。广告模型学会了找”容易扫码加微信的人”——拉进来的人加粉成本很低（35元），但成交率只有3%。后来他们把”已成交”客户的回传数据做了清洗和筛选，回传了一组高质量的成交事件，然后用这些数据在巨量上跑了Lookalike。新计划的加粉成本涨到了58元，但成交率从3%涨到了11%——成交成本从1167元降到了527元。
账面上加粉成本涨了，实际上赚钱更多了。因为模型不再找”容易加微信的人”，改找”像已经成交过的那群人”。
回传数据做Lookalike的前提：先把你最好的客户”画像”画出来
不是把所有成交客户一股脑回传就行。你的成交客户里有两种人：一种是”看了广告→加了微信→聊了3天→比了5家→最后还是因为刚好有活动才下单”——这种人对模型的参考价值有限，因为ta的决策链条太长、太复杂。另一种是”看了广告→加了微信→聊了15分钟→直接付款”——这种人就是你的理想客户画像。
在叮咚外链后台筛选做Lookalike的种子数据：
- 成交时间 ≤ 加粉后7天内（快速成交，决策周期短的客户）
- 成交金额 ≥ 客单价的70%（不算那些用了超级优惠券的”体验型”成交）
- 加粉渠道 = 巨量广告（确保种子数据来自同一平台，模型更容易学习）
- 排除退款/投诉客户（这些是负面信号，不能喂给模型）
筛选后的种子用户不需要很多——巨量引擎的Lookalike最低只需要100个种子用户就能启动。但种子质量必须高——100个”真正的好客户”比1000个”有好有坏的客户”对模型更有价值。
操作步骤：从叮咚外链到巨量引擎的数据闭环
第一步：在叮咚外链后台导出种子数据
进入「数据分析 → 转化明细」→ 筛选成交客户（按上述标准）→ 导出包含device_id、IMEI、OAID等设备标识的CSV文件。叮咚外链的回传系统已经在转化发生的那一刻记录了这些设备信息。
第二步：上传到巨量引擎DMP（数据管理平台）
巨量引擎后台 → 工具 → DMP数据平台 → 受众管理 → 上传人群包 → 选择”设备ID”类型 → 上传CSV文件。巨量会自动匹配、去重、校验。通常匹配率在60-80%之间（部分设备ID会失效或无法匹配）。
第三步：创建Lookalike人群
在DMP中选中刚上传的种子人群包 → 点击”创建相似人群”→ 选择扩展倍数（建议从2-3倍开始，不要一上来就扩10倍——扩展越大、精度越低）→ 系统会在24小时内生成Lookalike人群包。
第四步：在广告计划中应用
新建广告计划 → 定向设置 → 选择”自定义人群”→ 勾选刚生成的Lookalike人群包 → 可以同时叠加其他定向条件（年龄、地域、兴趣等）进一步缩小范围。
第五步：回传闭环验证
Lookalike计划跑起来后，叮咚外链的回传数据会显示出这批流量跟普通流量的差异。对比指标：开口率、成交率、成交周期、客单价。如果Lookalike计划的成交率明显高于普通计划——说明种子数据质量不错，可以继续扩大扩展倍数。
Lookalike计划的日常维护
种子数据不是一次性工作——需要持续更新：
- 每两周更新一次种子人群包。因为你的客户画像在变化——新产品上线、新渠道开通后，”最好的客户”可能变了
- 成交数据积累到500条以上，可以拆分种子包：按产品线拆分（”IT培训成交客户””数据分析培训成交客户”），各自跑Lookalike
- 如果发现Lookalike计划的效果开始下降——不是回传有问题，是种子包该更新了。模型已经吃透了这批种子，需要喂新的数据
常见坑：
- 种子包太小（< 100人）→ 模型学不到有效特征，Lookalike效果约等于通投
- 种子包太杂（把各种渠道、各种产品的成交混在一起）→ 模型找不到共同特征，扩展出来的人群不精准
- 扩展倍数太大（> 10倍）→ 精度稀释，拉进来的人跟你种子客户已经不太像了
- 种子里有”运气型成交”——客户正好撞上活动、冲动购买、后来又退款了。这种人应该从种子包里剔除
回传数据不只是账本，是模型的训练数据
大部分投手把回传当成”算账的工具”——昨天加粉多少、成本多少、ROI多少。但回传数据的本质是在告诉广告模型”这是我想要的客户”和”这不是我想要的客户”。
回传了一条”成交”——模型学到一个信号：”原来长这样的人会成交”→ 下次会更多地把广告推给像这个人的人群。
回传了一条”加粉但未成交”——模型学到另一个信号：”这种人会加但不会买”→ 下次减少对这类人的投放。
回传了一条”加粉7天后成交”（通过叮咚外链的回传延迟设置）——模型学到：”这种人决策链条长，但最终会买”→ 模型会调整出价策略，对这类人保持耐心。
你把回传当账本看，模型就帮你记账。你把回传当训练数据看，模型就帮你找人。
产品咨询 / 免费体验：访问 didolink.com 了解更多