[方法论] 从7595个搜索词中，还原非标品买家画像的新思路- 大数跨境

首页

[方法论] 从7595个搜索词中，还原非标品买家画像的新思路

从宇宙大爆炸到PPC

2026-11-03

阿波罗skill：

来源：数据取自某美国站男士内衣类目账号的 Sponsored Products 搜索词报告。品牌与竞品名已脱敏，比例与金额为原始数据，未做美化。

正文

62 天，7,595 个搜索词，时间窗 2026 年 3 月到 5 月，按搜索词聚合去重后剩下这么多。文中品牌与竞品一律用代称。我们平时打开这份报表，翻的是另外两件事：哪些词出了单，哪些词该否掉。这两件事都在投放层，回答的是钱花在哪。它还压着第三个答案，一直没人去翻：买家到底是谁，他习惯用什么话描述自己要的东西。

产品开发阶段写下的用户画像，很多是拍出来的。年龄、体型、场景、价格带，几个人在会议室商量出一版，事后没有任何一份现成的数据去校验它对不对。等到链接上线跑满两个月，画像错在哪一格，往往还是靠感觉。

搜索词报告补的正是这一格。一个搜索词就是一次真实的需求表达，还带着花费、点击、订单一起落地，所以「这句话是谁说的、说了多少遍、说完有没有买」这三个问题能同时回答。7,595 个词，就是 7,595 句买家自己说出来的话。

一、先把问题问对

常规用法的三个动作是加词、否词、调价，处理对象都是单个词：一个词出三单，加进手动；花 20 美金零单，否掉。这套动作跑得很顺，因为它默认逐个词判断就够了。

画像层的问法不一样。它不问这个词值不值得投，它问这 7,595 个词合起来呈现什么形状：款式词占多少、材质词占多少、有多少人在报尺码、有多少人在提功能、有多少人在抱怨同一件事。单个词的结论会被一个周末的波动翻掉，分布不会。

分布回答的是产品层的问题：这批买家受过什么教育、习惯用什么语言、缺什么、不缺什么。投放层的问题可以靠结构和出价解决，产品层只能靠改产品、改图片、改文案解决，两者的时间尺度也差很远，一个是一周，一个是一季。

所以同一份报告值得用两次。投放复盘每周看一次，画像这一份每季看一次，两本账分开记。

二、三层方法：从行级透视到语义标签

三层是递进的：第一层把报表压成能算的形状，第二层给出可以逐条核对的硬计数，第三层才交给模型读语义。不能直接从第三层起跑，那样拿到的是一堆没法验证的漂亮结论，一旦被问「这个词凭什么算痛点」，答不上来。

三层方法

图 1｜三层是递进的，越往左越硬，越往右越细第 1 层：把行级报表压成词级透视

报告的原始形态是「活动 × 广告组 × 搜索词」的行，一行一个组合。同一个词可能在几十个活动里都出现过，因为这些活动在抢同一批词。不合并就回答不了「这个词代表多少人、成交多少」，更麻烦的是同一个词被算几十遍，所有比率都会失真。

第一步以搜索词为唯一键，数值列全部求和：曝光、点击、花费、销售额、订单、件数。派生列现算，CTR、CVR、CPC、ACoS、ROAS，再加几个描述列，词长、是否含数字、是否疑似型号。合并之后是 7,595 行、二十多列，出过单的词 1,211 个，零单词 6,384 个，这两个数后面还要用到。

最容易踩的一处在这里：合并之后，「订单 / 点击」这类比率不能对行求平均，必须拿合并后的分子除以合并后的分母重算。行平均会把一个只花了 2 美金、恰好出一单的小活动算成高转化，一个词的噪声就能把整张表的结论带偏。

第 2 层：词汇家族命中

这一层把买家可能用到的词按维度列成词表，款式名、材质、功能技术词、尺码体系、颜色、体型人群、场景、主观评价词、数量量贩，再用词边界精确匹配，统计每个维度覆盖了多少个词。

先做这一层，是因为它给出「有多少词提到了这件事」这个最硬的事实。每一个命中都能把真实搜索词逐条打出来核对，不依赖任何模型判断，后面所有比例第一步都得先过它。

匹配必须按词边界走，brief 不能命中 briefcase，这类误伤会让款式维度凭空虚高。另外，一个词可以同时命中多个维度，所以各维度比例相加会超过 100%，这是特性不是 bug。

两个坑值得单独说。

第一个是单字母尺码词，S、M、L 直接匹配会命中 men's 里那个 s，尺码维度凭空多出几千个词，要改用显式写法：size、xl、2xl、waist、big and tall。
第二个是 pack 的写法，只写「数字 + pack」会漏掉 underwear for men pack 这类最常见的说法，多件装维度的覆盖会少一大截。

第 3 层：语义标签

第三层给每个词打五个语义维度和一组痛点主题。

表达方式分八档：只报品类、品类加修饰、带用途、在问问题、在比较、点名品牌、直接贴型号、口语成句。
谁在买分四档：自己穿、替家人朋友买、明确送礼、没交代。
需求明确度五档：笼统、说清规格、说出问题、锁定品牌、锁定型号。
诉求类型七类：手感、功能、好看、版型、划算、场合、身份身材。
语体两种：目录式堆词、自然语言。
痛点主题十一类：摩擦、卷边、闷热、腰头、前开口、无痕、支撑、长短、异味、材质、松垮。

这一段为什么不能交给正则，四个例子就够了。cotton 可能是材质，也可能是某个品牌名的一部分；for men 是人群限定，不是品类；support 在内衣里指囊袋支撑，换个类目可能指客服；no fly 是「没有前开口」这个诉求，字面读成「没有飞」。四件事讲的是同一个道理：这些判断要上下文，正则拿不到上下文。

做法是批量送模型，每批四五十个词，要求输出固定字段的 JSON，温度设 0，让同一个输入尽量给同一个结论；解析失败用兜底规则重试，最多三次。结果逐行落 JSONL，支持断点续跑，7,595 个词跑下来断过两次，续跑没丢数据。

模型会漏词。全量跑完有 68 个没打上标签，按缺失记，不插补，也不猜。这 68 个词占全部花费的 0.58%，把量级说清楚就够，硬填进去反而制造假精度。

三、动手之前先把口径定死

口径要在动手之前定下来，事后再补来不及。这份数据我们定了六条。

一是去重，统一小写、去首尾空格之后按搜索词合并。原始报告里同一个词会因为大小写不同被拆成两条，不去重就是重复计数。

二是只保留花费大于 0 的词。没有曝光的词不进画像，因为没人搜过的话，不能算买家说过的话。

三是零单词单列。6,384 个词没出单，单独统计它们的规模，不混进转化率的分母，混进去会把转化率稀释成一个没有意义的数字。

四是样本门槛，这条最重要：一个类别少于 100 个词，或者少于 15 次点击，只作参考，不作结论。实测里踩到过，全部词里只有 5 个问句式搜索词，它们恰好成交 2 单，算出来转化率 40%。这个 40% 不能写进任何结论，它只是 2 除以 5。

五是不确认也不否认。模型对某个词拿不准、置信度低于 0.7 时，标「存疑」单列，不并进主结论。

六是分母写在前面。每个比例都要标明分母是全部词、有花费的词、还是出单词，分母不同，同一个现象能推出相反的结论。

四、这份数据讲出来的五件事

三层跑完、六道口径对齐，能站得住的结论有五条。

4.1 认知停在款式、材质、尺码、颜色这一层

维度	覆盖词数	占 7,595 词
说得出款式名	3,694	48.6%
直接报型号	1,608	21.2%
会带尺码	1,054	13.9%
会带材质	912	12.0%
会带颜色	666	8.8%
会说数量（pack）	524	6.9%
会用功能技术词	260	3.4%
会加主观评价	179	2.4%

维度	覆盖词数	占 7,595 词
会提体型	124	1.6%
会说使用场景	82	1.1%

款式名覆盖近一半，但市场实际只用两个词：brief 3,058 个、boxer 1,862 个，trunk 只有 22 个，hipster 只有 1 个。品类内部的款式词汇表比想象中窄得多。

材质这一维覆盖 912 个词，光 cotton 一个就占 618 个；bamboo、silk、polyester、modal、microfiber 五种加起来不到 200 个，连 cotton 的三分之一都不到。颜色更集中，black 一个词 555 个，第二名是泛指的 color，只有 56 个。

功能技术词这一行最能说明问题：260 个词、3.4%，排第一的是 tagless（无标签）76 个，后面 breathable 46、dri fit 43、support 39、pouch 34、moisture wicking 33、seamless 17，七个加起来 288 个，连款式维度的零头都够不上。

这是一个成熟品类的老练买家：他知道要什么款式、什么材质、什么尺码、什么颜色，但他不会用「吸湿排汗、无缝、凉感」这一套词。

认知程度

图 2｜一半的人说得出款式名，用得上功能词的只有 3.4%

4.2 找产品的公式是固定的

品牌名（可选）+ 款式 + 材质或尺码或颜色 + for men + pack。

品牌这一格有空位。竞品合计被点名 1,247 个词，本案品牌只有 111 个，差了 11 倍；点名最多的那个竞品 657 个词，第二 200 个，第三 87 个，第四 80 个。

换成比例更清楚：每 100 个搜索词里，16 个点名了竞品，只有 1.5 个点名我们。这个类目有品牌意识，买家会点名牌子，只是名单第一格不是本案品牌。这件事本身就是一条结论。

品牌的空位

图 3｜每 100 个搜索词里，16 个点名竞品，1.5 个点名本案品牌

4.3 搜索行为：快、点名、一次性

打字长度是双峰分布：1 到 2 词 1,947 个、3 词 1,258 个、4 词 1,923 个、5 到 6 词 1,957 个、7 词以上 510 个，五项相加正好是全部词数。两词一头、四到六词一头，中间的三词反而是低谷。

七成六的搜索词在 62 天里只出现一天，共 5,761 个；整季天天都在被搜的只有 60 个。写成一句话的只有 66 个，用问句的只有 5 个。

这里看到的是熟练点单，探索式购物的痕迹很少。教育型内容在这个类目的杠杆很小，因为买家不缺认知，缺的是「同一个款式凭什么选你」。

搜索行为

图 4｜七成六的搜索词整季只出现一天，会写成一整句的只有 66 个

4.4 买家画像：一个很「素」的人

谁在穿这一维，自己穿 5,304 个词占近七成，没交代 2,214 个占近三成，替家人朋友买 6 个，送礼 3 个，两项加起来不到千分之一。

体型几乎不提，98.3% 的词没有任何体型描述，大码 85 个词、运动体型 29 个。价格也几乎不提，92.3% 的词没有价格词，要量贩多件的 524 个，要便宜的 9 个，要高端的 20 个。场合更干净，98.9% 不提，运动健身 62 个，通勤出差 28 个。

一句话：成年男性，给自己买，黑色棉款，按多件装买，不谈功能、不谈场合、不送礼。

买家画像

图 5｜成年男性，给自己买，不说场合、不说体型，也不买来送人

4.5 痛点：说得最多的三件事，恰是最接不住的

十一类痛点主题里，可统计的词 677 个、894 次点击。按点击量排前六：

抱怨内容	词数	点击	订单
闷热不透气	176	243	17
囊袋支撑	88	119	8
前开口不好用	73	108	8
腰头勒、卷	62	73	9
卷边往上跑	25	34	4
长短不合适	15	16	2

再补一组交叉，只作佐证：功能类诉求的词 567 个，转化率 6.9%，ACoS 37%；手感类词 871 个，转化率 13.4%，ACoS 24%；直说痛点（卷边、闷汗、摩擦）的词整体转化率 7.0%，ACoS 42%。方向可信，但样本只有 894 次点击，具体数值不当铁律。

这组交叉能算成一笔实账。同样 100 次点击，落在手感类词上是 13 单，落在直说痛点的词上只有 7 单；换成销售额口径更直接，做到 100 美金销售额，手感类要花 24 美金广告费，直说痛点要花 42，差出来的 18 美金就是「接不住抱怨」的成本。

把这笔账放大到一个月看：假设一个链接月销 1 万美金，六成走直说痛点的词，按 42% 的 ACoS 算是 2,520 美金广告费；同样六成走手感词，按 24% 算是 1,440。一个月差 1,080，一年差一万三。销售额和占比是假设，两个 ACoS 是实测，能复算的就是那 1,080。

痛点主题

图 6｜抱怨最多的三件事，正好是转化最低的三块

五、把这套画像落到链接上

标题与五点照着买家的公式排：品牌 + 款式 + 材质 + 尺码段 + 人群 + 多件数。功能词别塞在最前面，买家自己都不这么说话。

主图与 A+ 先回答三个抱怨：闷热、支撑、前开口。这三件事说得最多、转化最低，承接要补在最前面。

颜色与规格结构：黑色当主力色、多件装当主 SKU 形态，这两个结论分别有 555 个词和 524 个词撑着。

不用再为送礼场景做素材：实测等于零，3 个词，不到千分之一。

教育型内容在这个类目没有杠杆：买家不缺认知，缺的是同一个款式为什么非得是你。

这套动作也有不该做的时候。如果款式、材质、尺码这几个维度覆盖全都不到两成，说明这批词还停在泛搜阶段，买家连自己要什么款式都没想清楚，这时候做画像只能得到噪声，先做认知再谈画像；反过来，如果产品还没定稿、标题和图片这一季都改不动，那读画像只是满足好奇心，等能改的时候再读更划算。

六、这套方法的边界

只覆盖看到广告的人搜的词，不是全市场样本，存在选择偏差。只有 62 天、单季，季节差异看不到。

词不等于人。一个词可能被很多人搜，算不出人数，只能算词的规模。

一个词的语义标签来自模型推断，买家本人没有这样说过；置信度低的已经单列，但仍属推断。

要坐实产品结论，还需要按 ASIN、按变体的报告。现在只能看到两成的人报型号，看不到他最终买了哪个颜色、哪个尺码。

搜索词报告最容易被浪费掉的用法，是只拿它做否词。它记录的是一群人怎么开口要东西，这份记录在后台报表里找不到第二份。

但有一点值得思考：如果连目标ACoS都定不合理，AI调价再精准，又能帮你解决多少问题？

工具可以替你执行，却不能替你决定哪些流量值得争取、哪些预算应该收回来。这些判断，才是真正影响广告利润和增长的关键。