2026 年 7 月，站里整理了多篇营销平台的功能与标签资料。名字看起来很密，分开读时像翻好几份菜单；按实际问题重新排一次，反而能看清不同资料各自有什么用途。
本文以 7 月 21—26 日的站内整理为主，补充前后的相关旧文。它是一份历史资料导读，不是今天的平台操作手册。具体字段、权限与功能是否仍可用，须以当前后台为准。
第一层：先看平台支持哪些工作
巨量云图功能模块 把功能按人群、内容、商品、营销触点、营销决策与数据工厂等部分展开。
我会先读这份总览，因为它让人知道：同一个平台里，有些功能负责描述，有些功能负责比较，有些功能负责圈选或建模。先说清要做什么，再找菜单，比把每个菜单点一遍更容易形成自己的工作路线。
例如，想了解内容，应先分清是在看自有素材、行业灵感还是目标人群内容偏好。想看生意，也要分清历史复盘、当前追踪还是某个商品的观察。问题不同，资料入口也不同。
第二层：这个人群如何被描述
巨量云图用户属性 整理了年龄、性别、消费、职业、人生阶段、设备与地域等字段；云图兴趣偏好 则进入内容、应用和其他兴趣偏好。
这两份资料可以连起来，但不能当成同一种信息。人口与设备字段描述一些属性，内容偏好描述一些兴趣侧面，它们都只是理解人的一部分。
巨量云图行业品类兴趣 和 巨量云图 IP 偏好 可以继续补充行业品类兴趣与 IP 偏好。我会把它们当作提出内容假设的材料：某类话题是否可能相关，什么场景值得进一步观察。标签本身不能证明某个人必然会买，也不能替代实际用户表达。
读属性字段时，值得补上 2024 年的人口统计学变量说明 与 营销分析师自查。原文提醒我们注意预估属性、地域基数和年龄分段，这些细节会直接影响结论。
第三层：他与品牌实际发生过什么
云图触点场景圈人条件 将广告、内容营销等触点与曝光、点击、观看、互动、转化等行为放在一起，也保留了行为时间等条件。
这是我觉得最该仔细读的一层。喜欢某个内容方向，是兴趣线索；与某个品牌发生过某种行为，是触点记录。两者可以交叉，但不能用一个名称把它们混起来。
同样叫“互动”，来自什么内容、什么位置、什么时间范围，会改变它的含义。读圈选条件时，至少要记下对象、行为和窗口。这样留下来的群体描述，才更容易复查。
接着读 云图建模特征体系，会看到人群特征、兴趣偏好和触点等材料如何进入特征目录。目录能帮人认识变量，但不意味着拿到一组变量就已经完成了有效预测。
第四层：看流量时，别把不同维度排成一列
抖音流量体系 整理了品牌广告、竞价广告、达人营销、品牌阵地、自然流量等入口。
若想理解这些名称背后的分类问题，可以补读 7 月 7 日的 巨量引擎方舟里品牌、品牌 PMP、效果、效果 RTB之间是什么关系？。原文把营销目标与交易方式拆开讨论，提醒我们菜单里并列的名字，不一定来自同一维度。
再向前读 来，看看抖音的 3000 多个流量池，它用用户特征解释“流量池”的一种思路。原文里的特征数量属于当时观察，这个比喻也不是平台内部全部推荐机制的证明。它适合帮助打破“一个人只能属于一个池”的想象。
关于指标，再接上 为什么 eCPM 忽高忽低？；关于从种草到进一步行动，接上 A3.5：抖音为什么开始强调“泛进店”？。两篇都有具体的原文背景，重读时要保留定义和时间，不能把旧版本的术语直接套到当前报表。
第五层：跨平台，先翻译含义再比较数字
小红书用户标签体系 整理了小红书内容标签与用户属性。把它放在云图资料旁边，很容易想做一张字段对照表。
我会先克制一点：名称相近不意味着定义相同，年龄段、内容分类、行为深度和覆盖范围都可能不同。先记录含义、来源和时间，再考虑怎样对照。
这也是为什么我建议连读 2025 年的小红书人群跨平台转译探索 与 族群研究永不过时。它们提醒人把标签体系放回真实生活，而不是沉迷于给字段找一个漂亮的新名字。
一条适合重读的路线
功能总览 → 用户属性 → 兴趣偏好 → 品牌触点 → 建模特征 → 流量入口 → 跨平台对照。
读到最后，可以给每份资料写一句话：它能回答什么，它还回答不了什么。这样做，比收藏一大堆目录更容易形成可用的判断。
接着读
- 2025 营销旧闻回顾，补上人群研究的背景。
- 2026 年 9 月达人榜整理回顾，从用户标签转向内容账号。
- 旧文阅读总导览，查看整个系列。
暂无评论