聊聊 LinkedIn 广告里那个特别好用但总被忽略的“经验水平排除”

说真的，我刚开始玩 LinkedIn 广告那会儿，跟大多数人想法一样，就盯着受众的职位、行业、公司规模这些硬指标。预算本来就不多，总想着怎么把网撒得更精准点，别浪费钱。直到有一次，我给一个做 B2B 软件的客户投广告，明明定位的是“总监”级别，结果后台数据拉出来一看，一堆刚毕业的实习生和初级专员点了广告。不是说他们不好，只是对于那个客单价六位数起步的产品，他们根本不是决策圈的人，甚至连建议权都没有。那次之后，我才真正开始研究 LinkedIn 广告后台里那些“隐藏”的开关，其中一个就是“经验水平排除”（Excluded by years of experience）。这功能用好了，真的能帮你省下不少冤枉钱。

这功能到底是个啥？

先别急着问怎么用，咱们得先搞明白它到底是干嘛的。简单来说，LinkedIn 会根据用户自己填写的工作经历，给他们贴上一个“经验水平”的标签。这个标签不是我们自己去设的，是 LinkedIn 系统根据算法算出来的。通常分成几个档，比如：

• Entry level（入门级，通常是 0-2 年经验）
• Mid-Senior level（中高级，通常是 3-10 年经验）
• Director（总监级）
• VP（副总裁级）
• Owner（企业主）
• Partner（合伙人）

这个“经验水平排除”功能，就是让你在设置广告受众的时候，不仅可以“包含”某些人群，还可以直接“踢掉”某些人群。比如，你觉得刚入行的人买不起你的服务，那就可以在后台把这个选项设置成“排除 Entry level”。这样一来，你的广告预算就只会花在那些有一定资历的人身上，不会被那些暂时没有购买力或者没有决策权的人点掉。

我记得有一次和一个做猎头的朋友聊天，他抱怨说 LinkedIn 广告效果越来越差，花了几千块，收到的简历全是刚毕业一两年的小朋友。我问他：“你广告受众里，有没有排除经验水平？”他一脸懵，说还有这种操作？我让他回去把“Entry level”和“Mid-Senior level”都排除掉，只留下 Director 以上级别。过了一个礼拜，他跟我说，虽然简历数量少了，但质量高得吓人，面试转化率直接翻倍。这就是精准打击的力量。

为什么这个功能这么重要？

很多人觉得，我做品牌曝光嘛，人越多越好，管他什么经验水平。这话对一半，错一半。如果你是做职场培训、大学生求职课程的，那确实不需要排除。但如果你是卖企业级软件、高端咨询服务、或者针对高管的猎头服务，那这个功能简直就是救命稻草。

首先，是成本控制。LinkedIn 广告的 CPC（单次点击成本）是所有社交媒体里最贵的之一，动辄几十块甚至上百块人民币。如果一个刚毕业的学生点了你的广告，对你来说就是一次无效点击，钱就这么白白烧掉了。通过排除低经验水平的用户，你可以显著提高广告的转化率，降低获客成本。

其次，是提升广告相关性。LinkedIn 的广告系统会根据用户的互动行为来优化后续的展示。如果你的广告被大量不需要的人点击，系统会误以为你的广告适合这些人，从而把广告更多地推给他们，形成恶性循环。排除掉不相关的人，相当于告诉系统：“嘿，我只想要这样的人，请别给我乱推。”

最后，是保护品牌形象。这个可能很多人没意识到。想象一下，你是一个高端品牌，广告语写着“赋能企业决策层”，结果点开你广告评论区，全是“学长，这个岗位还招人吗？”或者“我是大一新生，该怎么准备？” 这会让真正的目标客户怎么看？他们可能会觉得你的品牌不够专业，或者定位模糊。把广告精准地投放给对的人，也是在维护你的品牌调性。

手把手教你用：在哪里找到这个开关？

好了，说了这么多好处，咱们来看看具体怎么操作。这个功能藏得有点深，不像地理位置或者职位名称那么显眼。

当你在创建一个新的广告系列，走到“受众群体”（Audience）这一步时，你会看到一堆筛选条件。别急着点“保存”，往下拉，或者找找有没有一个叫“更多受众属性”（Additional audience attributes）的折叠选项。点开它，你会看到几个分类，比如“公司”、“教育”、“性别”等等。你要找的“经验水平”（Years of experience）通常在“人口统计”（Demographics）或者类似的分类下面。

这里有个小坑，很多人以为“经验水平”只能用来“定位”（Targeting），其实 LinkedIn 很贴心地给了你一个“排除”（Exclude）的选项。你点开“经验水平”之后，会看到一列多选框，每个选项后面都有一个“包含”和一个“排除”的按钮。你想排除谁，就点那个“排除”按钮。

举个例子，假设你在推广一个针对企业高管的领导力课程。你的受众定位可能是“C-Suite”、“VP”、“Director”。但你知道，很多刚晋升的经理或者资深专员也会好奇点进来。这时候，你就可以在排除列表里，把“Entry level”、“Mid-Senior level”甚至“Manager”这个级别都勾选上排除掉。这样，你的广告就只会出现在那些真正有决策权的人面前。

这里有一个细节要注意：LinkedIn 的经验水平划分是基于用户填写的简历，不是我们自己定义的。所以，它有一定的不准确性。比如有的人工作了 15 年，但简历写得乱七八糟，可能被系统误判为“Mid-Senior level”。但总体来说，这个数据维度的参考价值非常大，尤其是在 B2B 营销场景下。

实战策略：怎么搭配才最香？

光会操作按钮还不够，关键是怎么用它来制定策略。这里分享几个我亲身实践过，或者看到别人用得很成功的组合拳。

组合拳一：高客单价产品 + 排除低经验水平

这是最基础也是最有效的用法。比如你卖的是几十万一年的 ERP 系统。你的目标受众肯定是企业的 IT 总监、CFO、CEO 这些人。在设置受众时，除了精准定位他们的职位和行业，一定要记得把“经验水平”在 3 年以下的全部排除。为什么？因为一个在公司待了不到 3 年的人，很难接触到这种级别的采购决策。哪怕他点了，也是浪费钱。

我之前操作过一个项目，客户是做高端商务舱机票代理的。他们的目标客户是经常出差的企业高管。一开始没做排除，广告费花得飞快，但咨询量很低。后来我们分析数据，发现点击广告的很多是“Entry level”的年轻人，可能只是对商务舱好奇。加上排除之后，虽然总点击量下降了 30%，但咨询转化率提升了接近 2 倍。这就是典型的“把钱花在刀刃上”。

组合拳二：招聘广告 + 排除不匹配的经验层级

招聘广告是 LinkedIn 的核心业务之一。很多人招高级职位，却吸引来一堆初级求职者，很头疼。比如你要招一个 5 年以上经验的高级工程师，你可以直接在受众设置里，把“Entry level”和“Mid-Senior level”（或者具体到 0-3 年）排除掉。这样，你的招聘广告就不会被那些刚毕业的学生看到，避免了无效的申请，也节省了 HR 筛选简历的时间。

当然，反过来也一样。如果你要招实习生，那你可能需要排除掉那些“Director”、“VP”级别的人，因为他们肯定不会来应聘一个实习岗位，看到这种广告反而会觉得被打扰。

组合拳三：内容营销 + 经验水平分层

这个玩法稍微高级一点。假设你是一家咨询公司，写了一篇行业深度报告。你想通过广告推广这篇文章。这时候，你可以创建两个不同的广告组，用同样的创意素材，但受众不同。

• 广告组 A： 目标受众是行业内的“Entry level”和“Mid-Senior level”人群。广告文案可以侧重于“学习行业趋势”、“提升专业技能”。
• 广告组 B： 目标受众是“Director”及以上级别。广告文案可以侧重于“战略洞察”、“市场格局分析”。

通过这种分层，你可以用同一篇内容，触达不同经验水平的人，但传递的价值点完全不同。这比用一个笼统的文案去覆盖所有人要有效得多。而且，你还可以通过对比这两个广告组的数据，分析不同层级的人对什么话题更感兴趣。

常见误区和注意事项

虽然这个功能很好用，但也不是万能的。用的时候，有几个地方容易踩坑。

第一，不要过度排除。有时候，为了追求精准，新手会把排除条件拉得特别满。比如既要排除低经验的，又要排除某些行业，还要排除某些公司规模。结果受众数量变得特别少，广告跑不出去，系统学习困难，成本反而飙升。一般来说，排除之后的受众规模最好保持在 5 万到 10 万人以上，这样广告系统才有足够的空间去探索和优化。

第二，经验水平不等于职位。这是一个很重要的概念。一个在小公司工作了 10 年的人，可能头衔是“经理”，但经验水平被 LinkedIn 算作“Director”级别。而一个在大公司工作了 5 年的高级专员，头衔可能不高，但经验水平可能是“Mid-Senior level”。所以，经验水平这个维度，更多的是反映一个人的职业生涯长度，而不是他的实际职位高低。它是一个辅助维度，最好和“职位头衔”这个维度配合使用。

第三，数据滞后性。用户更新自己的工作经历后，LinkedIn 系统需要一定时间来重新计算他的经验水平。所以，你排除的人群可能不是实时更新的。但这不影响大局，因为从统计学角度看，这个维度的准确性已经足够支撑我们的广告决策了。

第四，B2C 业务慎用。如果你是做个人消费品的，比如旅游产品、在线教育、健身课程等，除非你的产品有非常明确的职业属性（比如针对高管的减压课程），否则不要轻易排除低经验水平的人群。因为年轻人的消费潜力和意愿可能比你想象的要大得多。

如何评估排除效果？

加了排除条件，怎么知道效果好不好？不能凭感觉。你需要去 LinkedIn 广告后台的数据分析报告里看。在“受众”（Audience）标签页下，你可以看到你的广告实际触达了哪些人，以及这些人的互动数据。

重点关注这几个指标：

• 点击率（CTR）： 排除不相关人群后，CTR 通常会有所提升，因为留下来的人更精准，更有可能对你的广告感兴趣。
• 转化率（Conversion Rate）： 这是最重要的指标。如果排除后，你的线索质量变高了，转化成实际客户的比例提升了，那就说明排除策略是成功的。
• 单个线索成本（CPL）： 虽然点击成本可能没变，但因为转化率高了，平均到每个有效线索上的成本肯定是下降的。

我习惯的做法是，每次调整排除策略后，至少观察 3-5 天的数据，不要急于下结论。因为广告投放有学习期，数据会有波动。看一个周期的平均表现，才能得出比较客观的结论。

有时候你会发现，排除之后，广告的展示量（Impressions）大幅下降。这不一定是坏事。对于 B2B 营销来说，100 次精准的展示，可能比 10000 次泛滥的展示更有价值。我们要的是最终的 ROI，而不是虚荣的曝光量。

写在最后的一些碎碎念

其实 LinkedIn 广告的很多功能，都需要我们像做实验一样，不断地去测试、去调整。经验水平排除这个功能，它不是一个设置好了就一劳永逸的开关。市场在变，你的目标客户也在变，竞争对手也在变。今天有效的排除策略，可能过两个月就需要微调。

我自己的习惯是，每个月都会定期复盘一下广告受众的表现。看看最近是哪些人群在点击我的广告，有没有出现大量不相关的人。如果发现最近的线索质量下降了，我第一反应就是去看看受众设置，是不是哪个排除条件没加，或者哪个包含条件太宽泛了。

说到底，做广告投放，尤其是在 LinkedIn 这种高成本的平台上，核心就是“算账”。每一笔预算花出去，都要想清楚它最有可能带来什么回报。而“经验水平排除”，就是帮你把账算得更精细的一把好算盘。它不能保证你的广告一夜爆火，但它能实实在在地帮你过滤掉噪音，让你更接近那些真正能为你付费的人。

别再让它躺在你的广告后台里睡大觉了，打开你的 LinkedIn 广告管理工具，找到它，试试看。也许下一个让你惊喜的数据提升，就来自于这个小小的改动。毕竟，营销这件事，有时候就是细节决定成败。