CPV广告投放:渠道新增用户和原有客户再次咨询如何分开看

📍 WDQWDWQD987AAAAA:216.73.216.252
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /ddec90653fc3.html
📄

CPV广告投放:渠道新增用户和原有客户再次咨询如何分开看

可以分开看,但前提是你在投放前就定义了“新”和“旧”的判定口径,并且能在同一条咨询记录里同时读到广告来源和客户身份。若只靠咨询内容里有没有出现产品名、有没有问价格来判断,规模化后几乎一定会把老客户再次咨询误算成新增线索。更稳妥的做法是:先按可核验的身份字段分流,再按广告接触点归因,最后用一批人工抽检校准。这个顺序不能倒,倒了就会把渠道拉新效果和存量客户唤醒效果混成一个数字。

先定义“新用户”和“再次咨询”的判定字段

分开看的第一步不是看报表,而是确定用什么字段判定身份。常见的可核验字段有三类:

只有第一类字段往往不够。同一个客户换手机号再次咨询,会被判成新增;同一个手机号被同事借用,又会被判成老客户。因此建议至少用“联系方式 + 主体身份”两字段交叉,命中任一历史记录即归入原有客户再次咨询,两字段都无记录才归入渠道新增用户。

这里有一个容易被忽略的边界:判定“新”的时间窗口必须写死。比如以最近12个月内有成交或有效咨询记录为老客户,超过窗口则视为新机会。窗口不同,新增和再次咨询的比例会明显变化,所以这个窗口一旦确定,就不要在投放中途随意调整,否则前后数据不可比。

广告来源和客户身份必须分成两个维度记录

很多团队把“来源”和“身份”塞进同一个标签,结果只能回答“这条线索是不是广告来的”,回答不了“广告带来的线索里有多少是老客户”。正确做法是让每条咨询同时携带两个独立字段:

两个字段交叉后会出现四种组合,每种组合的下一步动作不同。假设一批咨询的分布如下(仅为说明比较方法的假设数字):

  1. 广告来源 + 新增用户:计入渠道拉新,重点看后续有效沟通率。
  2. 广告来源 + 原有客户再次咨询:计入存量唤醒,重点看是否推进了此前停滞的需求。
  3. 非广告来源 + 新增用户:属于自然或其他渠道新增,不应记到CPV广告投放头上。
  4. 非广告来源 + 原有客户再次咨询:属于常规复购或售后咨询,与拉新无关。

如果只统计第一类,你会低估广告对存量客户的触达价值;如果只统计前两类之和,你又会高估广告的拉新能力。分开看的价值就在于,让这两件事各自有独立的分子和分母。

为什么小样本成立、规模化后会出现例外

在小范围测试时,咨询量少,运营人员往往能凭记忆判断某条咨询是不是老客户,新增和再次咨询的分流看起来很清楚。但规模化后有三个变化会让这套判断失效:

第一,联系方式复用和多人共用增加。 一个企业账号被多名员工使用,或一个手机号绑定多个业务主体,都会让单一字段判定出错。样本越大,这类噪声越多。

第二,广告触达会同时命中老客户。 老客户本来就有需求,看到广告后再次咨询,这条线索既真实又有效,但它不是新增用户。若把它算进拉新成本,会得出“拉新很便宜”的错误结论;若直接剔除,又会漏掉广告对存量的实际影响。

第三,归因窗口和点击路径变复杂。 客户可能先自然搜索、后点广告、隔几天再咨询。点击与咨询间隔越长,把功劳单独归给广告就越不可靠。此时需要明确:是按最后一次点击归因,还是按首次接触归因。两种口径下的新增和再次咨询数量会不同,不能混用。

一个具体的反例是:某次投放后咨询量明显上升,其中相当一部分来自已有客户。如果只看总咨询量增长,会以为渠道拉新成功;按身份字段拆开后才发现,新增用户数量没有同步变化,增长主要来自存量客户的再次咨询。这个反例说明,咨询量或抓取量上升本身不能单独证明拉新有效,还需要看新增用户这个分项是否同向变化。

用人工抽检校准,再决定是否扩大投放

自动化判定一定会有误判,所以需要一个可执行的动作来校准:从本期广告来源的咨询中随机抽取一批,人工核对身份字段,统计“被判为新增但实际是老客户”和“被判为老客户但实际是新增”的数量。这个动作的结果直接影响下一步:

需要说明的是,付费广告与自然搜索是不同机制,投放广告不构成自然排名的保证,也不能用广告咨询量的变化去推断自然流量的表现。平台当前的审核规则、界面和价格应以官方信息为准,本文不代为断言。把新增用户和原有客户再次咨询分开看,本质上是为了让每个决策有对应的证据,而不是为了得到一个更好看的汇总数字。下一步动作应当是:先固定判定口径,再跑一轮带人工抽检的投放,用抽检结果决定是修正口径还是扩大规模。

图1 图2

nginx