别再按粉丝数选达人 —— 要按「受众画像」匹配
大多数达人名单是靠两个数字建的——粉丝数和主题标签——而这两个回答的都是错的问题。粉丝数告诉你有多少人。主题标签告诉你达人发什么。谁在听,两者都没回答——而这恰恰是决定你的推荐会不会被接受的唯一变量。下面讲怎么改成读受众,以及一个真实案例:读完 100 条内容后,结论直接反了。
错在哪:对题,但受众不对
拿"AI 工具"这个细分举例。同一个标签下,有的达人观众是自由职业的视频剪辑师,有的观众是企业 IT 采购。同一个标签、同一个名义细分,客户完全不是一批人。 拿 B2B 工作流平台去投前者,你会收到礼貌的沉默;拿消费级视频 App 去投后者,结果一样。
问题不在于这个达人"不相关"。而在于相关性是拿达人本人衡量的,不是拿他的受众衡量的。
受众画像该包含什么
- 职能 —— 受众到底在做什么工作?投放、SEO、客服、电商运营、还是写代码?
- 层级 —— 这是最容易被跳过的一块:他们是能拍板花钱的决策者、用工具但不买单的一线执行者、还是有好奇心没预算的学习者?一大群学习者是很好的内容营销资产,但是糟糕的销售渠道。
- 痛点 —— 他们反复纠结的那几件具体的事。如果你的产品碰不到其中任何一个,触达再大也没用。
- 常讲主题 —— 达人每周都会回到的话题,而不是某一条爆款。
注意这个清单里没有粉丝数。它属于"排触达量"的环节,不属于"判是否契合"的环节。
自己怎么做
- 拉他的近期内容——几十条,不是三条。 几条只能看出主题;要看出"他稳定在服务谁"需要量。达人会发跑题内容、会追热点,样本太小时一条爆款就会定义你的全部印象。
- 对每条问"这是写给谁看的",而不是"这在讲什么"。讲账户结构和 ROI 的,是写给投手的;讲怎么把商品图变成视频的,是写给内容创作者的。
- 从评论区读层级信号。 "我们团队该买哪个套餐"是决策者;"有没有免费的办法"是学习者。
- 把画像写成一句话,然后和你自己的目标客户并排放。如果这两句话没法一口气说下来,就是不匹配。
- 最后才看触达量 —— 在"受众就是你客户"的那批人里面,再按体量和成本挑。
真实案例:读了 100 条,结论反了
我们对一个 AI 类目的 TikTok 达人跑了这套流程——几十万粉,在所有常规筛选里都过关:细分对、评级健康、互动真实。只看粉丝数和主题标签,这是个明显的"可以投"。
读完他 100 条近期内容后,画像是:想用 AI 快速生成视频的中小内容创作者 —— 一线执行者,反复出现的痛点是"静态图怎么转成视频""上传后画质变差""要在太多工具间来回切"。
拿一个假设的 AI 投放优化产品(目标客户:电商和游戏公司的买量投手)去匹配,结论是 不匹配,0.2 分 —— 这群受众是做内容的,不是买流量的。同一个达人、同一批数字,相反的决定。他的触达是真的,只是对着错的人。
这套方法解决不了什么
受众画像回答的是"这类人对不对",它不回答"这类人有多少",也无法告诉你两个达人是不是共享同一批粉丝——那需要完整粉丝名单,而平台不向第三方开放(我们实测过,并写了为什么精确重叠率算不出来)。画像解决"契合"问题,"转化"问题仍然要靠小额追踪试投。
mg.land 把"读"这一步自动化了:每个达人拉最多 100 条近期内容,提炼出受众画像(职能 / 层级 / 痛点 / 常讲主题),并让置信度随可用内容量变化——内容太少时直接不出画像,而不是编一个像样的。填上你自己的产品简介,它会双向算匹配分,用大白话告诉你两边是不是同一群人,不是的时候直接说"别投"。免费、无需登录。