这里我们不考虑产研侧，仅讨论运营侧（包含投放），我常遇到的一类情况，尤其是高客单品类，DTC业务基本过了$30M/年，GMV 和 ROAS 常会遇到双卡点，如何破局？
要么促销拉量没利润，要么维持一定的利润但销量阴跌，陷入两难，长期看，一定是靠品牌突破，但眼下怎么解决？
大部分人认为问题出在广告上，特别是拉新上，ROAS 过低了，因为转化camaign，尤其是 remarketing 广告 ROAS 是一般都比较高，所以很少被怀疑，然而我经手的大部分项目，问题最明显的往往是 转化Campaign ， 很基础，但却很致命的 Audience 错误
有一个比较典型的案例，我用一组模拟数据代替，45天弃置购物车实际总人数，优化前是10000人，优化后是20000人，但第一次从GA4推送到Google ads的人数只有2000，推送准确率只有20%，后续通过一系列的优化配置，实际推送人数上升到10500人，推送准确率上升到52.5%
同样用Display Campaign 创建 Remarketing 再营销广告，前后GMV，ROAS 对比数据模拟如下：
那么关键点来了
- 为什么转化 campaign ROAS 也提升了？(20%权重)
- 为什么最初的Audience 数据同步只有20%，后续又是如何提升的？（20% 权重）
- 45天弃置购物车人数是怎么从 10,000人 提升到 20,000人？（60%权重）
这3个点对应到下面3个步骤里
我们按照图片的流程 倒过来 拆解每一个点，第③步 到 第①步，权重依次升高
为什么转化 campaign ROAS 也提升了
答案在第③步，即广告优化，这里我以Google PPC为例（实际上Meta 也是一样的），用Display campaign 创建 Remarketing 广告, 设置Targeting 的时候，有2个选项特别关键：
一个是 Audience segments, 还有一个是 Optimised targeting （就是下文提到的 audience signal）
Remarketing 广告仅限定 Audience Segment + 关闭 use optimised targeting
绝大多数的广告优化师默认都点击了 use optimised targeting， 那么最初的 2000人，在不足以支撑 35%的广告预算消耗的情况下，Google 会自动把剩余的预算覆盖到其他人群
那么这个ROAS 一定是不如（可能远低于） 45天弃置购物车 Audience， 特别是你的Bidding（竞价策略）设置的是 Maximise Clicks 或 Conversions， 会直接拉低你的整体转化广告ROAS
要调整为：Audience segments 是 100% 限定在 45天弃置购物车， 同时关闭 Optimised targeting 选项 （即不要勾选 use optimised targeting）也就是说 广告预算全部消耗在这 10500人身上
不要限定Frequency+增加ads 变体
另外我发现很多优化师会习惯的把Dispaly 广告的frequency 设定在x次/天以内，往往是受Meta 广告的影响，认为 Frequency 升高，转化效果就会下滑，其实要分情况，特别是 弃置购车 用户，不要去限定，选择 第1个选项，Let Google Ads optimise how often your ads show (recommended) 。
反过来，如果是拉新 Campaign，记住一定要限定 frequency， 根据品类不同，通常2~5次/Day 之间；另外不论是拉新还是转化，尽量在ads 层面多做变体，素材和文案要提前准备充分。
这里再补充一些常见的广告设置问题，audience segments 和 audience signal 是有区别的，做的久一些的优化师应该能注意到，以往后台只有audience，后来Google 做了调整，改为audience segments, 然后新增了Audience signal；
Audience segment 和 Audience signal 的性质和用途区别很大，比如 ：
- Pmax 广告中设置的是是 Signal 而不是 Segment
- Search 广告中设置的是 Segment， 而不是 Signal
- 展示转化类广告一定是关闭signal 优化，严格限定segment
- 而展示拉新广告一定是打开 signal （勾选 use optimised targeting）
（ P.S 后续会专门更新一篇广告投放的文章，内容太多，这里不展开）
为什么最初的Audience 数据同步只有20%，后续又是如何提升的？
这里就涉及到第②步骤：注意这里指的是GTM服务器端的GA4 客户端 向各平台同步 event 和 parameter
我们先看下正常情况下，Google ads 的Audience 从 GA4 同步过来的操作步骤，再分析这个步骤里面的问题（注意GA4 的数据不仅仅是同步给Google ads， 也是后续打通Meta，Tik tok 的关键桥梁
Audience 从GA4 同步到 Google ads 的基本步骤
开打路径： GA4 admin – 》 Data Display – Audience
其中 All users 和 Purchasers 是 GA4 自动为每个 Data stream 创建的，其余的你可以自己创建，接下来我们需要把这些Audience 数据同步给 Google ads
先在GA4 中，关联对应的 Google ads account, Admin -> Product Links -> Google ads links
点击蓝色的 Link 按钮，绑定你的 Google ads 账户ID，（注意，你需要有 google ads 和 analytics 对应的编辑权限才可以做这一步操作）
然后我们再到Google ads 账户后台，Tools -> Data manager , 点击添加 Connect product
然后到Google ads 后台，Tools -> Shared library -> Audience manager
在 Audience Manager -> Your data segments 下，点击add filter, 选择 source, 条件设置为 contains Any google analytics 4 , 就可以看到所有从GA4 同步过来的 Audiences，如下图：
理解思路，造成Audience 数据差异的根源
如果你足够细心，你会发现，相同的 Audience 从GA4同步到Google ads 数据量是不同的，All users 在GA4 显示的是786万，但是在Google ads 后台显示是 340万，大概只占 43%
重点来了，这个差异是怎么产生的？
如果你问GPT和DeepSeek，答案全部是零散的点，浅层表述，却没有在关键点上深挖，所以这里我跳过90%的点，之聚焦在最重要的1点：广告平台的再营销机制问题
我画了一个再营销的系统机制，适用于任何广告平台，不管是Google 广告平台还是Meta，或者TK，X，Reddit，Pinterest…
基于上述机制，你重点要解决的是绿色模块：A和B， 其中A权重最高，B的概率很小（欧洲和英国除外，因为他们有GDPR 政策，需要部署Cookie Consent，这里不展开，后续我单独写一篇针对EU,UK市场的应对方案），暂时忽略B，主要看怎么解决A
在了解 A：拒绝个性化广告条款 解决方案之前，你需要明白，用户是在哪里拒绝了个性化广告， 这里我仍然是以 Google 为例，其他的平台逻辑都差不多
登录我的 Google account – Data & Privacy – Personalized ads， 在这里用户一旦选择拒绝相关的个性化广告推荐，那么任何采用Google Ads 的网站/品牌都是无法推送再营销广告给用户的，同理，Meta，Tik Tok, Reddit, X 都必须遵循这一政策
目前官方未公开过这类数据，但根据我以往经验判断，以美国为例，大概有10%~20%的人选择拒绝，欧洲30%~40%，遇到这种情况，我们就要采用多平台的remarketing 广告来覆盖，只要有1个平台通过，那么某种意义上， 针对同一个 user 来说，再营销广告就是100% 覆盖到：
一般来说， “A：拒绝个性化广告条款 ” 中至少有40% 以上的Audience 可以被重新覆盖到，但是一定要根据自己的业务，人群特点来选择多广告平台，正常情况下Google+Meta 是必选的，其次再搭配1~3个广告渠道即可
你的Audience可能从来都没拉通
实现上图中的再营销机制 的重要前提是：在多平台拉通Audience，而不是在每个平台单独创建Audience，这里以 “近45天弃置购物车人群” 为例，小明 是其中一员，Google 平台可以识别，但在Meta，TK 上无法识别，因为各平台创建Audience 的标准不同，就会出现同一个人 在不同的平台，会被归到不同类型的人群
想象一下，小明在自己的Google 账户上，设置 拒绝 “个性化广告”， 即便他被Google ads 归入到 “近45天弃置购物车人群” ，他也是无法看到这类广告的，但是小明白在Meta，TK, Reddit 上都不被认为是 “近45天弃置购物车人群”，也就不会看到再营销广告，那么他永远无法被再营销广告转化
再想象一下，另外一种常见的情况：假设小明 被 Google 和 Meta 识别为 “近45天弃购未转化” 用户，小明被 Google 再营销广告成功转化，但是Meta 仍然再向小明投放再营销广告…….
上面2种情况非常普遍，我合作的绝大部分客户，他们其中不少都是GMV 在$10M/年 + 的DTC品牌，要么不知道需要在 多平台拉通 Audience，要么不清楚他们现在的 Audience 是什么情况
回到实际操作层面，比较复杂，因为这已经超出了优化师和IT人员的能力范畴，你需要把底层的 Audience（用户）+ Event （事件）+ Platform （平台) 数据拉齐，联动起来，如果小明在Google 侧被转化了，那么这个时候他就不是 “近45天弃购未转化用户”， 而是自动变为 “Purchasers”， 几乎是同时在Meta, Tik Tok， Reddit…. 端，小明身份都是 Purchasers， 他将自动从再营销广告中被移除
如果你需要统一Audience，联系我
45天弃购人数是从 10,000到 20,000
这里就涉及到第①步骤，也是权重最高的一步
他并不是简单的在官网上安装GA4的追踪代码，或者配置个插件这么简单，这一步的核心目标是：
- 准确的把访客行为事件传输到GA4,Meta, TK…
- 同时准确的保留Cookie ID & 时效
- 稳定的把1PD 数据同步到各个广告平台
其中一个环节出错，整个步骤都会出问题，所以在实际落地的时候 要配合GA4 debug （如果你的独立站是用shopify 搭建的，那么还需要 DataLayer check plus 浏览器插件配合debug）
如何准确的把访客行为事件传输到GA4，Meta, TK….
你需要先明确哪些访客行为事件对你的业务是重要的，以 Ecommerce 为例，标准的行为事件就包括
光有标准事件远远不够，还需要自定义事件，即custom event， 我们追踪用户行为，是为了更好的做用户分层，而用户分层是为了更好的创建 转化campaign （如remarketing），从而获得更好的ROAS
假设你的网站加购率（注意不是下单率）是10%，那么仍然有90% 访客流失掉，而这些访客大多是你拉新 campaign 带来的，我们需要重点拉回这90%流失访客中的高潜人群
如何识别这些高潜人群，我们就可以通过筛选其中哪些人触发了Custom event (即自定义事件) ，比如
- 产品详情页浏览超过1分钟，但没有加购的人群
- 一个有效session中，查看了产品页&访问了关于我们页面，但没有加购的人群
- 在移动端浏览了关于我们页面且访问深度超过75%，但没有加购的人群
……
以上这些自定义事件是无法通过GA4进行创建，因为 GA4或者google ads，meta ads 后台只能做非常简单的 url 规则，这些规则只能创建非常受限的 audience，这里我们需要使用Google tag manager 来进行配置，Tag/Triggers/variables 全部要拉齐，如下图
这里需要注意，如果你是用Shopify 搭建的独立站，那么你大概率是启用了 Google & Youtube app，优点是可以简单有效的关联GA4, Google ads, Youtube，GMC 等一系列的账户，也可以同步标准事件到GA4和 google ads。
但缺点在于你没办法启用Google tag manager 来创建自定义事件，同时你也没有办法打通服务器端Cookie，拓展有效期， 也就意味着你后续的转化类 campaign 一定存在短板。
简单点说，对于没有专业数据追踪团队，且项目刚处于初期，可以启用 Google & youtube app, 提升效率，这也是为什么Google 官方一直推荐这套配置；
但对于营收超过$50万/月的独立站团队，就要尽快切换到 Google tag manager，并关闭掉Google & youtube app (同理 Facebook & Instagram app 也要关闭)， 通过shopify 的 custom pixel 来配置GTM， 从而拉通主流平台的全部事件
具体配置教程，可以看这篇文章 Shopify 店铺高级追踪配置教程2025版 – By Elvis 。
以上操作都完成之后，还需要验证是否成功同步到 各个数据后台，比如GA4, Google ads, Meta， TK…..
我们以 产品页停留≥60S 事件 为例, 假设小明在官网上触发了该事件，这里我们在GA4，Meta 后台检查事件以及相关参数是否被准确接收到。
GA4的 debug view 出现了该事件，同步成功：
Meta Pixel 也同时收到 该事件，同步成功
以上说明第一步已经成功，即自定义事件同步没有问题，接下来我们可以选择把事件作为 campaign 的目标来优化广告，也可以选择从GA4，Meta, TK 等数据检测后台同步对应的auidence 到广告端（设置Campaign）
该自定义事件在 Google ads 后台设置为Conversion （注意并不是从GA4直接同步conversion，Google ads 原生目标配置，优点是100%按照Google ads 归因逻辑，而不是GA4），特别是在大促前30天左右，据我观察，纯拉新 campaign单独以ATC加购目标 效果远不如 混合自定义事件
同样的在Meta 广告后台，自定义事件不管是对于拉新 campaign 还是 转化 campaign 都有非常好的助力。
如何准确的保留Cookie ID & 时效
提到Cookie，真正理解的人非常少，特别是配合广告的高阶打法，我们先来看下面这张图，New users 占比 92%，Returning users 占比8%，你看出来问题了吗？（这是一个非常常见的问题，特别容易被忽视）
New users 占比虚高，比如实际情况是 新访客 6000人，老访客 4000人，但GA4 后台显示的是 新访客9000人，老访客1000人，同理，你在GA 后台创建的近 30天加购 未成交用户，正常应该是10000人，但后台显示的是2000人，为什么？
因为其余的8000人被归到了 new users，也就是说，这8000人的加购行为直接被抹掉了， 所以即便你开启了 Remarketing 广告，这8000人也无法覆盖到。
你需要明白Google 识别用户的机制，即Cookie， 任何一个访客来到你的网站，Google 都会通过配置在网页上的Gtag.js 为访客创建一个client id，你可以理解为访客的虚拟身份证，比如 GA1.1.16267745.1754313190，其中16267745 就是访客的Client ID。
,而1754313190是一个时间戳，这个时候访客产生的所有事件，都会和 cookie 一起打包成为一个 Object （即js 里的对象）传送给 google 服务器, Meta 的用户追踪cookie 是 fbp，广告追踪cookie 是 fbc ， 下面是一个常规网站的cookie 。
Google 会根据Client ID 下的时间线和对应的事件，来识别用户的行为轨迹，但是近些年由于 类似GDPR的隐私政策，ITP政策（Safari,IOS 全部浏览器，Chrome 也在推出屏蔽3rd cookie……） Ad blocker 等因素的影响，即便你的cookie 有效期设置的再长（_Ga 默认2年）也没用，往往会被缩短到7天，1天，甚至直接屏蔽掉； 比如：
类似于同一个用户，今天的虚拟身份证是123，结果第二天再来的时候，变成456，第三天变成了 789，这样你永远没法定位到123， 456这些访客（实际上是同一个人），这就导致你的new users 虚高。
你的 30天加购未成交 用户数减少，而且你定义的天数越长，失真率就越高，如果你是高客单的DTC独立站，用户决策周期就越长，广告端的影响就越大
在测试这么多解决方案之后，我个人认为，建立 1PD solution 来尽快替换掉 3rd Data solution 是当前最有效的解决方案， 可以有效屏蔽掉以上各类政策与技术限制的影响（Privacy policy，类似GDPR, CCPA, APPI…. 除外）
通常来说，广告端在不做其他优化的情况下，ROAS 也能有 5% ~ 30% 的提升，由于实际操作层面有非常多的细节，这里我就不展开，有服务需求的朋友，可以联系我
我们结合一个组数据来看下第1方和第3方数据： 加购未转化 Audience 数量随时间的变化。
由于第3方cookie 特别容易收到ITP, Ad blocker 等因素的限制（最多7天有效期），随着时间的拉长，数据差异就越大，所以不管你是高客单还是低客单的DTC业务，你会发现对 近7天加购未转化的 用户 进行remarketing 的效果会比 14天，30天…. 都要好。
特别是高客单业务的老板会很困惑，按理来说，顾客的决策周期远不止7天，广告优化师给到的理由也很难让他信服，其实根本原因是 7天还在有效期内，流失率低，所以在第3方数据下的 remarketing，7天内效果最好，但在第1方数据下，特别是高客单，一定符合实际顾客决策周期的 弃购用户 效果最好，比如30天/45天，甚至60天。
现在回过头去看，文章开头的 45天弃购用户数从10000人提升到20000人，就是用了这个方法提升
小结：
一家年营收$1亿+，百来号人的DTC公司，广告可能比你想象的要乱，砸钱拉增长的红利期基本过去了，接下来比拼的一定是精细化运营和投放，专业的数据埋点，追踪和分析是投放的黄金搭档，如果你的DTC业务也面临增长瓶颈，很可能不是 “测” 素材，“测”人群能解决的，很多时候，看似广告端该做的优化都做了，但实际上存在着明显的可优化空间，一堆基础问题，只是没有人意识到。