巨量引擎投放优化，线索成本下降 47%。
某教育品牌在抖音与巨量引擎投放信息流广告，前期跑量快但线索成本高。八藏 SEM 团队介入后重做了账户结构、人群定向与创意矩阵。
接手前的状态是：账户一天能出几百条线索，投放团队认为跑得不错，但财务口径下这笔钱不划算——线索单价高，且销售反馈「打过去一半是问着玩的」，有效线索比例低。
更麻烦的是责任不清。投放团队认为是素材问题，内容团队认为是产品问题，两边互相等对方先改，结果谁都没改。
一个推广单元里塞了十几个不同课程的素材。算法无法判断该向谁学，只能按平均表现分配预算——跑量的素材不一定是最能转化的，但预算会流向它。
只按年龄段和地域定向，没有按「是否已有明确学习需求」分层。泛人群点击成本低但转化差，拉高了整体单价。这个问题在信息流里很常见：低成本点击看起来很漂亮，实际是把预算花在了不会成交的人身上。
素材讲的是「名师」，落地页第一屏是「品牌介绍」。用户点进来看到的和点之前承诺的不一样，跳出率高。
只回传了表单提交，没有回传后续的有效线索与成交。算法优化到「有人填表」就停了，优化不到「有人报名」。
按课程品类、人群意向、地域三层拆分推广单元，每个单元只放同类素材。单元内关键词与素材标签保持一致，让算法有清晰的学习样本。重构后账户的计划数量翻了一倍多，但每个计划的样本纯度提高，学习期反而缩短。
把定向从「年龄 + 地域」改成「意向层级 + 行为特征」的组合。泛人群单独建组、单独控预算，不与高意向人群混跑。
按「痛点 / 效果 / 价格 / 口碑」四类卖点各做一组素材，与落地页一一对应，落地页首屏只讲素材承诺的那一件事。四组素材的表现差异很大，其中「价格」组的点击率最高但转化最差，「效果」组相反——这个发现直接影响了后续的预算分配。
把有效线索与报名数据通过官方通道回传平台，让优化目标从「表单提交」前移到「有效线索」。这一步需要客户侧有人记录线索状态，项目里由销售团队每天更新。
判断投放优化成不成，要同时看四个数：线索单价、月线索量、ROI、线索有效率。四者里有一个掉了，结论就不同。
这个项目单价降 47% 而量不掉，靠的是「同样的预算买到更多有效线索」，来源是账户结构、素材匹配和回传链路三处同时改善。只做其中一项，通常只能做到「降单价必降量」。
对教育、医美、家装这类「填表不等于成交」的行业，回传链路才是决定长期成本的关键。算法只能优化到你告诉它的目标：目标定在表单，它就找爱填表的人；目标定在有效线索，它才去找真的想报名的人。
这一项的技术难度不高，难在执行——需要客户侧持续记录线索状态。很多项目卡在这里，回传只做了一半，效果自然打折。
首月没能建立完整的行业基准。客户此前没有保留系统性数据，历史报表只有月度汇总，缺少分单元的转化数据，导致基准值只能按行业区间估算，第二个月的 KPI 设定偏保守。如果客户此前有完整的账户历史，前两个月的优化效率会更高。
「四类卖点 × 对应落地页」的创意矩阵、意向分层的人群结构、以及把优化目标前移到有效线索的回传做法，在大多数信息流项目里通用。不建议照搬的是预算分配比例——教育行业的有效线索识别周期短，医美与家装更长，回传的滞后会影响优化节奏。
八藏做了一件让我特别佩服的事——他们给我们做了一份“AI 引擎监测报告”，每周告诉我们“豆包、通义、Kimi、文心”四家 AI 在哪些问题里提到了我们。这种用数据驱动 GEO 的思路，在国内我还没见过第二家。…
— 八藏 GEO 金融监测做得扎实 · 头部金融机构
扫码关注我们
