如果你在琢磨怎樣分析受眾的人口統計資料，好讓媒介計劃觸達對的人群，簡短的答案可能不太中聽：人口統計能告訴你在哪裡買量，卻幾乎說不清別人憑什麼理你。真正奏效的計劃，從人們在想什麼、怕什麼、聊什麼出發，年齡和收入只用來收窄採買。AI 能把這件事規模化，前提是用的人有判斷力。
最新的例子來自西班牙保險公司 Santalucía。營銷總監 Laia Prunera 在接受西班牙營銷媒體 Reason Why 採訪時說，公司告別了年度比稿，直接委託 Oriol Villar 打造品牌平臺，並決定長期經營品牌。五年裡，品牌的無提示知名度從 45% 升到 62%；而據 Prunera 說，競爭對手的投入最高是他們的八倍。
八倍的預算能買到大量 GRP。拼不過投放量，就只能拼理解。Santalucía 找到的差異點在服務、陪伴和情感層面，而不在某個年齡段。對每一位做媒介策劃的人來說，這層意思再直白不過。
為什麼只靠人口統計已經做不好媒介策劃？
因為它描述的是一大群彼此並不相像的人。“35 至 54 歲女性、城市、中高收入”，既包括剛生了第一個孩子的人，也包括在照顧父母的人，還包括正在自己創業的人。她們在表格裡共用一個格子，卻沒有相同的煩惱、作息和螢幕。
而且，人口統計定向早就不是優勢了。任何廣告主都能在同樣的平臺上，點幾下就買到同樣的人群。如果你的計劃和競品的區別只在預算分配，那其實就沒有區別。
還有碎片化的問題。固定樣本組（panel）說一套，平臺資料說一套，客戶的 CRM 又是一套，社交聆聽還有第四套。每個來源都只講了部分真相，媒介策劃最後成了幾套互不相通的系統之間的翻譯。幾周時間就這樣耗掉，更糟的是，人們真正在意的東西也跟著丟了。
問題的根源：資料很多，理解很少
資料質量理論把這件事歸結為一個簡單的想法：資料好不好，要看它能不能服務於你要做的決策；不看它是否更精確，也不看它是否更多。一個測得分毫不差的年齡，如果要決定的是什麼資訊能讓人停下來，它就是個糟糕的資料。
做媒介策劃時，我們常把精確當成有用。對某個目標人群的覆蓋率能算到小數點後一位，卻幾乎不知道這群人看到廣告時心裡在擔心什麼。所以互動遲遲上不去：互動源於理解，而不是數字。
資料來源一碎片化，這種效應會被放大。每個團隊都在最佳化自己那份資料，卻沒人對真正重要的問題負責：這個人正在經歷什麼？品牌此刻能怎樣幫到他？
什麼是按消費者張力做媒介策劃？
張力（tension），是一個人想要的東西和阻礙他的東西之間的衝突。它不是一種屬性，而是一個活生生的問題，人們會在社交媒體、論壇、評價和評論區裡談論它。在這種思路下，一個人群畫像指的是一群共享同一種張力的人，哪怕他們年齡並不相同。
設想一家平價連鎖健身房。傳統 brief 會寫“18 至 34 歲、城市人群”。讀一讀這群人釋出的內容，可能會冒出兩類人：一類想開始鍛鍊，卻因為不會用器械而難為情；另一類已經在練，抱怨高峰時段場館太擠。年齡段相同，計劃卻截然相反：前者需要教程式、讓人安心的內容；後者需要在做決定的那一刻，看到關於時段和人流的資訊。
| 維度 | 按人口統計規劃 | 按張力規劃 |
|---|---|---|
| 規劃單位 | 按年齡、性別、收入和地區劃分的目標人群 | 因共同張力聚類出的人群畫像 |
| 主要來源 | 固定樣本組和平臺的申報資料 | 受眾釋出的討論和內容 |
| 回答的問題 | 我該買給誰？ | 對方為什麼會注意我？ |
| 渠道選擇 | 親和度和單次觸達成本 | 張力在哪裡、在什麼時候出現 |
| 資訊 | 整個目標人群一條通用資訊 | 每種張力一條資訊，各有各的語氣 |
| 衡量 | 覆蓋率和頻次 | 覆蓋率，加上每種張力的響應 |
| 主要風險 | 計劃和競品一模一樣 | 張力未經核驗，可能讀錯 |
如何用 AI 一步步做出按張力規劃的媒介計劃
不必推翻現有計劃，只是調換順序：先理解，後採買。
- 界定品類，而不只是品牌。收集圍繞客戶所解決問題的討論，包括競品周邊的討論。張力往往不在品牌自己的主頁上。
- 把內容聚類成人群畫像和張力。AI 在這一步能省下幾周手工活。比如 Defy Monitor 會自動把受眾內容聚類成人群畫像和張力，讓你從真實討論出發做規劃，而不是從一張人口統計卡片出發。
- 用例項核驗每一種張力。去讀背後的帖子。如果一種張力找不到具體案例支撐，就捨棄它，哪怕放進提案裡很好看。
- 按聲量和契合度排序。留下兩三種體量足夠、品牌又能可信地解決的張力。
- 把每種張力轉化為渠道、時機和資訊。問問自己：這個問題在哪裡出現？在一天或一年中的什麼時候出現？那就是你的採買場景。
- 最後才用人口統計。到這一步再按年齡、地區或收入收窄，避免為不匹配的觸達買單。
- 按張力衡量響應。按資訊線拆分結果，看哪種張力最能帶動效果，在下一波投放中重新分配預算。
想看看從社交聆聽到分析，這套流程如何在同一個環境裡跑通，可以瞭解一下 Defy 平臺。
和客戶的對話會發生什麼變化？
變化在於你積累的知識型別。Prunera 在 Reason Why 的採訪中，把這一點作為反對一輪又一輪比稿的理由：打造品牌需要知識、品牌符號、經驗積累和信任，而這些只能來自持續的合作關係。
張力地圖正是這種可以積累的知識。每一波投放都會告訴你哪種張力有回應、哪種沒有，下一份計劃就更精準。人口統計式的計劃，任何一次比稿都能照抄；對受眾的深度理解，抄不走。
會議的語氣也會變。你不再靠百分比去捍衛預算分配，而是展示人們用自己的話說了什麼，並解釋每一筆預算為什麼放在那裡。和一段真實的討論爭論，比和一個假設爭論難得多。
哪些事不該交給 AI？
AI 很擅長把成千上萬條討論聚類、發現規律，卻不擅長判斷什麼對品牌重要。有三條邊界要記住：
- 發帖的人不等於所有人。社交討論會高估最活躍的那群人。在挪動一大筆預算之前，先用客戶自己的資料交叉驗證這些張力。
- 沒有證據的張力只是觀點。每一條結論，都要求看到支撐它的帖子。
- 判斷依然屬於人。選擇品牌能解決哪種張力、用什麼語氣，是策略的工作。分類交給 AI，判斷留給你的團隊。
Santalucía 拿下 17 個百分點的知名度提升，靠的不是比誰都多的資料。按其營銷總監的說法，靠的是找到一個品牌真相，並長期堅持。這一部分無法自動化。能自動化的，是今天讓你騰不出時間做這件事的一切。
