audience-targeting

受众定向

Agent Skills™ 的一部分，由 googleadsagent.ai™ 提供

描述

受众定向技能负责统筹 Google Ads 的完整受众生态系统，在转化漏斗的每个阶段触达合适的用户。从利用有购买意向的受众和自定义意向受众广泛挖掘潜在客户，到通过客户匹配和动态列表精准开展再营销，该技能构建分层受众策略，在保持转化质量的同时最大限度提高触达效率。

Google Ads 提供的受众分类日益复杂：有购买意向的受众（正在积极研究产品的用户）、自定义意向受众（根据关键词和 URL 定义）、自定义兴趣相似受众（根据兴趣和行为定义）、相似受众／类似受众、客户匹配（上传第一方数据）、再营销列表（网站访客、应用用户、YouTube 观看者）以及组合受众（跨细分受众运用布尔逻辑）。该技能通过将每种受众类型映射到最适合的漏斗位置和广告系列目标，驾驭这种复杂性。

对于 Performance Max 广告系列，受众信号尤为关键。虽然 PMax 使用自动定向，但受众信号的质量会极大影响 Google 算法最初将探索重点放在哪里。该技能通过组合第一方数据、自定义细分受众和 Google 受众，构建经过优化的受众信号包，从而加快 PMax 的学习阶段，并在整个广告系列生命周期中提升信号质量。

适用场景

• 用户询问“受众定向”或“受众策略”
• 用户提及“再营销列表”或“再定向设置”
• 用户想要创建“自定义受众”或“自定义意向受众”
• 用户询问“有购买意向的受众”或“兴趣相似受众”
• 用户提及“客户匹配”或“上传第一方数据”
• 用户询问 Performance Max 的“受众信号”
• 用户想要“构建类似受众”或“相似受众”
• 用户提及“受众细分”或“受众分层”
• 用户想要在保持转化质量的同时“扩大触达范围”

架构

flowchart TD
    A[Business Objectives] --> B[Audience Strategy Builder]

    B --> C[Prospecting Layer]
    B --> D[Consideration Layer]
    B --> E[Conversion Layer]
    B --> F[Retention Layer]

    C --> C1[In-Market Audiences]
    C --> C2[Custom Affinity]
    C --> C3[Demographic Targeting]
    C --> C4[Lookalike/Similar Audiences]

    D --> D1[Custom Intent Audiences]
    D --> D2[Website Visitor Lists\n1-30 Day Windows]
    D --> D3[YouTube Viewers]
    D --> D4[App Users]

    E --> E1[Cart Abandoners]
    E --> E2[Product Page Viewers]
    E --> E3[High-Value Visitors\nMultiple Sessions]
    E --> E4[Form Starters]

    F --> F1[Customer Match\nEmail, Phone, Address]
    F --> F2[Past Purchasers]
    F --> F3[Lapsed Customers]
    F --> F4[High LTV Segments]

    C1 --> G[Audience Combiner]
    C2 --> G
    C3 --> G
    C4 --> G
    D1 --> G
    D2 --> G
    D3 --> G
    D4 --> G
    E1 --> G
    E2 --> G
    E3 --> G
    E4 --> G
    F1 --> G
    F2 --> G
    F3 --> G
    F4 --> G

    G --> H[Campaign Assignment Engine]
    H --> I[Search: Observation + Bid Adj]
    H --> J[Display: Targeting Mode]
    H --> K[PMax: Audience Signals]
    H --> L[YouTube: Targeting + Exclusions]

实现

受众策略构建器与漏斗映射：

const FUNNEL_STAGES = {
  AWARENESS: 'awareness',
  CONSIDERATION: 'consideration',
  CONVERSION: 'conversion',
  RETENTION: 'retention'
};

async function buildAudienceStrategy(customerId, config) {
  const { businessType, conversionGoal, firstPartyDataAvailable } = config;

  const existingAudiences = await getExistingAudiences(customerId);
  const conversionData = await getConversionAudienceData(customerId);

  const strategy = {
    prospecting: buildProspectingAudiences(businessType, conversionData),
    consideration: buildConsiderationAudiences(customerId, existingAudiences),
    conversion: buildConversionAudiences(customerId, existingAudiences),
    retention: firstPartyDataAvailable
      ? buildRetentionAudiences(customerId, config.crmData)
      : { available: false, recommendation: 'Upload customer list for Customer Match' }
  };

  return {
    audiences: strategy,
    pmaxSignals: buildPMaxAudienceSignals(strategy),
    exclusions: buildExclusionLists(strategy),
    bidAdjustments: calculateBidAdjustments(strategy, conversionData)
  };
}

function buildProspectingAudiences(businessType, conversionData) {
  const topConvertingInMarket = conversionData.inMarketSegments
    .sort((a, b) => b.conversionRate - a.conversionRate)
    .slice(0, 10);

  return {
    inMarket: {
      recommended: topConvertingInMarket,
      mode: 'observation_with_bid_adjustment',
      bidAdjustment: '+20%'
    },
    customAffinity: {
      interests: deriveAffinityInterests(businessType),
      mode: 'targeting',
      bestFor: 'display_and_youtube'
    },
    demographics: {
      age: conversionData.topConvertingAgeRanges,
      gender: conversionData.topConvertingGenders,
      income: conversionData.topConvertingIncomeRanges,
      mode: 'observation_with_bid_adjustment'
    }
  };
}

function buildConversionAudiences(customerId, existingAudiences) {
  return {
    cartAbandoners: {
      definition: { visitedPage: '/cart', didNotConvert: true, window: '7_days' },
      estimatedSize: existingAudiences.cartVisitors?.size || 'unknown',
      bidAdjustment: '+50%',
      priority: 'critical'
    },
    productViewers: {
      definition: { visitedPage: '/product/*', didNotConvert: true, window: '14_days' },
      estimatedSize: existingAudiences.productViewers?.size || 'unknown',
      bidAdjustment: '+30%',
      priority: 'high'
    },
    multiSessionVisitors: {
      definition: { sessionCount: '>= 3', didNotConvert: true, window: '30_days' },
      bidAdjustment: '+40%',
      priority: 'high'
    },
    formStarters: {
      definition: { startedForm: true, didNotSubmit: true, window: '14_days' },
      bidAdjustment: '+60%',
      priority: 'critical'
    }
  };
}

客户匹配和 PMax 受众信号：

async function setupCustomerMatch(customerId, customerData) {
  const segments = segmentCustomerList(customerData);

  return {
    allCustomers: {
      listSize: customerData.length,
      matchRate: await estimateMatchRate(customerData),
      usage: 'exclusion_from_prospecting'
    },
    highLTV: {
      definition: segments.filter(c => c.ltv > segments.ltvP75),
      usage: 'seed_for_similar_audiences',
      bidAdjustment: '+30%'
    },
    lapsedCustomers: {
      definition: segments.filter(c => c.daysSinceLastPurchase > 90),
      usage: 'reactivation_campaigns',
      messaging: 'win_back_offers'
    },
    recentPurchasers: {
      definition: segments.filter(c => c.daysSinceLastPurchase <= 30),
      usage: 'cross_sell_upsell',
      exclusion: 'same_product_campaigns'
    }
  };
}

function buildPMaxAudienceSignals(strategy) {
  return {
    customSegments: [
      {
        name: 'High-Intent Searchers',
        type: 'custom_intent',
        keywords: strategy.topConvertingKeywords,
        urls: strategy.competitorUrls
      },
      {
        name: 'In-Market Converters',
        type: 'in_market',
        segments: strategy.prospecting.inMarket.recommended
      }
    ],
    yourData: [
      strategy.conversion.cartAbandoners,
      strategy.conversion.productViewers,
      strategy.retention?.highLTV
    ].filter(Boolean),
    demographics: strategy.prospecting.demographics,
    signalStrength: evaluateSignalStrength(strategy)
  };
}

function buildExclusionLists(strategy) {
  return {
    converters: {
      window: '30_days',
      excludeFrom: ['prospecting_campaigns', 'consideration_campaigns'],
      reason: 'prevent_wasted_spend_on_recent_converters'
    },
    bouncers: {
      definition: 'single_page_session_under_10s',
      excludeFrom: ['remarketing_campaigns'],
      reason: 'low_quality_traffic_not_worth_remarketing'
    },
    employees: {
      definition: 'ip_exclusion_or_customer_match',
      excludeFrom: ['all_campaigns'],
      reason: 'prevent_internal_click_waste'
    }
  };
}

与 Buddy™ Agent 的集成

受众定向是 Buddy™ Agent 中的触达智能层。平台持续分析转化数据，识别能够带来最高价值的受众细分，并根据新出现的模式自动调整出价修正值、建议创建新的受众。

Buddy™ 管理客户匹配的整个生命周期，包括从 CRM 集成定期刷新列表、监控匹配率以及清理列表。当匹配率低于阈值时，Buddy™ 会建议数据扩充策略。对于 PMax 广告系列，Buddy™ 会评估受众信号质量，并根据素材组表现数据建议优化信号。

该技能与再营销策略技能集成，以便高级统筹再定向；同时与转化跟踪技能协作，确保根据已验证的转化事件正确触发受众成员资格规则。

最佳实践

1. 在将 Search 广告系列切换到定位模式之前，先在观察模式下分层添加受众群体
2. 使用多个时长窗口（7、14、30、90 天）建立再营销名单，以便灵活定位
3. 将近期转化者排除在潜在客户开发广告系列之外，避免浪费支出
4. 每月刷新 Customer Match 名单，以保持较高的匹配率
5. 使用包含竞争对手 URL 和高意向关键词的自定义意向受众群体进行潜在客户开发
6. 将 Search 再营销的最低受众规模设为 1,000 名用户，将 Display 的最低受众规模设为 100 名用户
7. 对越接近转化的受众群体设置越高的出价调整幅度（放弃购物车的用户 > 浏览页面的用户）
8. 将受众群体定位与关键词定位结合，以提高精准度（RLSA）
9. 在观察模式下测试有购买意向的受众群体 30 天，再决定是否调整出价
10. 为不同的受众信号组合建立单独的 PMax 资源组，以便区分效果

平台兼容性

平台	支持
Claude Code	✅
Cursor	✅
Codex	✅
Gemini	✅

相关技能

• 再营销策略 - 再营销名单是核心受众类型；受众群体定位为再营销统筹提供支持
• PMax 优化 - 受众信号是关键输入，可加快 Performance Max 的学习阶段
• 转化跟踪 - 准确的转化事件可确保正确触发受众成员资格规则
• 实体记忆管理 - 跨 Agent 会话跟踪受众细分和定位决策

关键词

受众群体定位、再营销名单、自定义受众群体、有购买意向的受众群体、自定义意向、客户匹配、受众信号、Performance Max 受众群体、类似受众群体、再营销、RLSA、受众细分、受众策略、Google Ads 受众群体、第一方数据

---

© 2026 googleadsagent.ai™ | Agent Skills™ | MIT License