看同一场比赛的球迷，为什么不应该收到完全一样的体育广告？

同一个直播间里，至少坐着六种不同的足球用户

先把人分清楚。下面这张表是一个模拟分类，用来说明同样在看足球的人，来看比赛的理由、看完之后会做的事情，以及最不应该收到的广告，可以差得很远。

这张表最容易被误读的地方是：它看起来像六个互不重叠的格子。实际上一个人往往同时占两三个格子，一位青训家长本人也可能是多年的球衣消费者，一个数据用户同样可能每年到现场看五六场比赛。分类的目的不是给人贴一个永久标签，而是在某个具体时刻判断：这个人此刻最主要的兴趣是什么，他离哪一种消费行为最近。

兴趣落在哪一层：运动、球队、球员，还是内容本身

在体育广告里，“兴趣”至少有四个层次，Sport、Team、Athlete、Content，它们决定了广告应该挂靠在什么对象上。

运动层（Sport）的兴趣最宽。青训家长就是典型，他们关心的是足球这项运动能不能让孩子更健康、更有纪律，至于哪支球队赢了，并不重要。给这类人推主队球衣，命中率往往不高；推周末体验课、儿童护具、训练营开营信息，反而更贴近他们的需要。

球队层（Team）的兴趣最常见，也最容易被当成全部。球衣消费者和现场观赛用户大多在这一层，他们对球队有归属感，愿意为球队花钱。但同样是球队层的兴趣，一个人把钱花在装备上，另一个人把钱花在门票上，广告内容完全不同。

球员层（Athlete）的兴趣跟着人走。球星粉丝关心的是某位球员，如果这位球员下赛季转会，他们的注意力很可能跟着转移。游戏用户也在球员层，只不过他们看的是能力、状态和身价，不太在乎球员穿哪件球衣。

内容层（Content）的兴趣最容易被忽视。数据用户喜欢的是比赛被拆解、被解释的过程，他们会反复打开战术复盘和统计图表。这类人对硬性促销很冷淡，但对深度内容订阅、赛后分析栏目、数据会员的接受度可能明显更高。

把兴趣拆到这一层，才能回答一个基本问题：这条广告到底是在卖“足球”，卖“这支球队”，卖“这位球员”，还是卖“一种看比赛的方式”。卖错了对象，素材做得再漂亮，也只是在错误的人面前表演。

把兴趣变成受众，还差购买、会员和互动三类信号

兴趣只能说明一个人关心什么，不能说明他愿意为什么付钱。要把“足球兴趣人群”变成真正可以投放的受众组，还需要把 Purchase、Membership、Engagement 三类信号叠加进来。

• 购买信号（Purchase）：买过什么、多久以前买的、单价在什么区间。一个半年内买过两件球衣的人和一个三年前买过一条围巾的人，虽然都算“买过周边”，下一次的购买可能性差距很大。
• 会员信号（Membership）：是不是会员、会员等级、权益使用情况。一个持有季票的会员，给他推单场门票基本是浪费；给他推座位升级或会员专属商品，才可能有意义。
• 互动信号（Engagement）：看了多少场直播、读了哪些内容、在哪些环节停留。互动频繁但几乎不消费的人，更适合内容和会员拉新，而不是直接推高价商品。

这几类信号来自不同的系统：购买和会员记录通常在 CRM 数据里，观赛和内容互动在行为日志里，商城浏览在电商数据里。在欧宝体育的 AI球迷画像 流程中，这些数据先被合并到同一个用户视图下，再交给分群模型做聚类，把行为相似的人归到一起；随后由预测模型估算每一群人在未来一段时间内购票、购买商品或加入会员的可能性。生成模型只在最后一步参与，用来按群体写素材初稿，而不是由一个聊天模型从头到尾拍板决定谁看什么。

这里有一个经常被跳过的细节：信号是有时效的。一个用户上个赛季频繁购票，这个赛季因为搬家一次都没来，如果系统仍然按旧数据把他归为“现场观赛用户”，门票广告就会持续打偏。所以受众组需要定期重算，至少在赛季开始、转会窗口结束和重要赛事前各更新一次。

同一场比赛，六类人应该看到六种不同的广告

当受众拆清楚之后，广告内容才有了明确的对象。下面是同一场比赛里，六类用户可能对应的广告方向（模拟方案，非固定规则）：

1. 球星粉丝：赛后推送该球员本场高光集锦，并附上球员同款训练服或签名纪念品。关键是和“这个人”挂钩，而不是和“这支队”挂钩。
2. 球衣消费者：新款球衣的细节展示、主客场版本对比、个性化印号服务。如果他上个月刚买了主场款，更适合推客场款或纪念款，而不是同一件衣服的折扣。
3. 现场观赛用户：下一个主场的开票提醒、座位区域介绍、多人同行套票。对已经买过票的人，改推停车、餐饮或赛前球迷活动。
4. 数据用户：深度战术复盘栏目、数据会员试用、赛季统计报告。素材语气要克制，少用感叹号，多给信息。
5. 游戏用户：球员真实表现与能力变化的内容、球员评分互动。直接推门票转化率通常很低，更现实的目标是先让他关注球队账号，进入长期运营的视野。
6. 青训家长：周末体验课、青训营开营时间、儿童装备。投放时间应避开深夜比赛时段，放在周末白天或工作日晚饭后更合适。

同一场比赛，把预算平均分给这六条广告并不一定合理。某些群体规模很大但转化链路很长，某些群体规模小却离购买很近。体育广告投放的预算分配，应该参考预测模型给出的转化概率和每类转化的价值，而不是按人数平摊。

中场、终场哨和赛后第二天，面对的其实是不同的人

时间也会改变受众。中场休息的十五分钟里，打开手机的人最多，但他们的注意力很短，大多数人只是想打发时间，点开广告后很快会回到比赛。终场哨响后的半小时，情绪最高，赢球时球迷更愿意为纪念品买单，输球时推促销反而可能引起反感。赛后第二天，数据用户和球星粉丝会回来看复盘和集锦，这时候的广告更容易被认真看完。

所以同一类人，在不同时段也需要不同处理。球星粉丝在终场后看到“本场最佳球员纪念款”的效果，可能比在中场看到好很多；青训家长则几乎不会在比赛进行中注意任何广告。把时段因素纳入受众判断，比单纯扩大受众范围更能减少浪费。

每一类受众的“转化”，都不是同一个动作

广告的最后一步是 Conversion，但六类人的转化动作本身就不一样。完整链条可以写成：

在这条链上，如果只用一个“下单率”来衡量所有受众，就会得出错误结论。对于球衣消费者，转化就是购买商品；对于现场观赛用户，转化是购票；对于数据用户，转化可能是开通内容订阅或数据会员；对于游戏用户，短期内能拿到的转化往往只是关注和互动；对于青训家长，转化是预约体验课。

如果不区分这些目标，游戏用户和数据用户的广告看起来永远“效果很差”，预算会被不断挤到球衣消费者身上，最后整个投放只剩下同一群老顾客在反复被触达。这种情况下报表上的转化率可能很好看，但新用户越来越少，老用户越来越疲劳。

比较合理的做法是给每类受众设一个主要转化指标和一个观察指标。例如游戏用户的主要指标是关注球队账号，观察指标是三十天内是否第一次观看完整比赛；青训家长的主要指标是预约体验课，观察指标是体验后是否报名正式课程。这样每一类广告都有自己的衡量方式，也能看出哪一类人正在慢慢靠近更深的消费行为。

分群最容易出错的五个地方

即使数据和模型都在，受众判断仍然会出错。以下几类问题在体育广告里比较常见：

• 一人多身份被压成一个标签：一位家长本人也是十几年的老球迷，如果系统只把他归为青训用户，就会漏掉他作为球衣消费者的价值。更稳妥的做法是允许一个人有主要身份和次要身份。
• 共用设备带来的假画像：孩子用父母的账号玩足球游戏、看球员集锦，系统可能把父母误判成游戏用户。设备使用时段、内容偏好突然变化，都是需要人工复核的信号。
• 球员转会后的兴趣迁移：球星粉丝的兴趣跟着球员走，一旦球员离队，这部分人对原球队周边的兴趣可能快速下降。如果受众组没有及时更新，会继续给他们推原球队的商品。
• 一次性热点被当成长期兴趣：一场焦点战之后，大量平时不看球的人会搜索相关内容，系统可能把他们识别为新球迷。其中只有一小部分会留下来，大多数人一周后就不再出现。
• 高互动被误当成高购买意愿：数据用户的互动往往最频繁，但他们的商品购买率可能并不高。只看互动深度决定出价，容易把预算浪费在“爱看但不买”的人身上。

这些错误没有办法靠模型一次性消除，需要在投放过程中持续观察，并把明显异常的群体交给运营人员人工检查。欧宝体育大模型可以把异常群体标出来，比如“近两周互动暴增但无任何购买记录”，但是否调整策略，仍然需要人来判断。

用留出组和分阶段投放，检验分群到底有没有用

分群本身不是目标，分群之后广告效果有没有变好，才是需要回答的问题。验证可以分三步做（以下为模拟方案）：

1. 设置留出组：在每一类受众里随机留出约一成用户，让他们看到统一的通用广告，其余用户看到针对性广告。一个月后比较两组在各自主要转化指标上的差距。如果差距很小，说明这次分群并没有真正找到差异。
2. 分阶段放量：先挑两三类受众用小预算试投，比如球衣消费者和青训家长，确认转化路径通畅后，再逐步扩大到其他群体。这样可以避免一开始就在六个方向上同时出问题。
3. 拉长观察周期：有些转化需要时间，季票、青训正式课程的决策周期可能长达数周。只看投放当周数据，会低估这类受众的价值。

除了数字对比，还需要人工复核素材和受众是否真的对得上。例如抽查分给数据用户的广告，看看是否仍然夹带了大量促销话术；抽查分给青训家长的广告，看看是否出现在了深夜时段。这类问题靠报表很难发现，但一旦出现，会直接影响用户对品牌的感受。

如果想进一步了解点击数据背后的陷阱，可以阅读点击率很高为什么仍可能说明投放不够精准。在欧宝体育的实际流程里，分群、预测、素材生成和投放验证是连在一起的，每一轮投放结束后，留出组的对比结果会回流到下一轮分群中。看同一场比赛的人不应该收到完全一样的广告，而怎样把人分开、分得对不对，最终都要拿后续的真实行为来检验。