你的 LinkedIn 广告“相关性”评分只有 3/10？别急着扔钱，先跟我聊聊
嘿，朋友。如果你正在看这篇文章，八成是刚打开 LinkedIn 广告后台，盯着那个刺眼的“Ad Relevance”评分发愁。可能是个红色的 3，或者是个尴尬的 4。你心里想：“我明明定位了行业，选了看起来很对口的受众，为什么系统告诉我，我的广告跟他们‘不太相关’？”
这感觉太熟悉了。就像你精心准备了一场演讲，结果台下的人全在玩手机。更糟的是，LinkedIn 这个“裁判”还直接给你亮了红灯，不仅不给你流量，还把你的单次点击费用（CPC）抬得老高。
很多人遇到这种情况，第一反应是：“是不是图片不够高大上？”或者“是不是出价太低了？”然后开始疯狂调整预算，或者换个封面图。但说实话，这通常是在隔靴搔痒。LinkedIn 的 Ad Relevance 评分（也就是我们常说的“相关性诊断”），它的算法逻辑其实比我们想象的要细腻得多。它不仅仅是在看你的广告本身，它是在衡量你的受众、你的文案、以及你的落地页这三者之间，是否真的在“说同一种语言”。
今天，咱们不谈那些虚头巴脑的理论，就用大白话，像朋友之间复盘项目一样，把这事儿彻底捋清楚。我会带你用费曼学习法的思路——也就是把复杂的问题拆解成最简单的概念，再一步步组装回去——来搞定这个该死的评分。
第一步：先别动代码，搞懂 LinkedIn 这个“相亲算法”在想什么
在优化之前，我们得先像侦探一样，搞清楚 LinkedIn 的评分标准。它给了三个指标：
- 质量得分 (Quality Score)：你的广告互动率怎么样？大家是点赞、评论，还是看一眼就划走了？
- 相关性分数 (Relevance Score)：你的广告内容和你选择的受众，匹配度高吗？
- 预期点击率 (Expected CTR)：系统根据历史数据预测，你这条广告被点击的概率有多大？
这三个指标综合起来，决定了你的 Ad Relevance 评分。但我们要透过现象看本质。LinkedIn 其实是在问你三个直击灵魂的问题：
- 你找对人了吗？（你选的受众，真的会对这个话题感兴趣吗？）
- 你说对话了吗？（你的文案和图片，能瞬间抓住他们的痛点吗？）
- 你带对路了吗？（用户点击后，看到的东西和你广告承诺的一致吗？）
任何一个环节掉链子，评分都会往下掉。所以，优化不是瞎改，而是要针对这三个问题，逐一排查。
第二步：受众定向——别把“卖铲子”的广告推给“挖金矿”的人
这是最常见的翻车现场，也是优化的第一步。很多人觉得，LinkedIn 的定向功能这么强大，我得把条件都选上，越精准越好。结果呢？你选了“IT 服务行业”+“经理级及以上”+“关注数字化转型”+“在一线城市”……听起来完美，但系统跑出来的受众可能只有几百人，或者这几百万人都被你“杀”得太细，导致系统没有足够的数据去学习谁才是真正的感兴趣者。
我们要换个思路：不是“我要找谁”，而是“谁会主动需要我”。
举个例子，假设你是卖企业项目管理软件的。你可能会直接定向“项目经理”。这没错，但太宽泛了。一个在传统制造业做项目经理的人，和一个在互联网大厂做敏捷开发的项目经理，他们对“项目管理”的理解完全不同。
如果你的广告文案是“告别加班，敏捷开发必备”，那你定向给传统制造业的项目经理，Ad Relevance 肯定低。因为人家根本不搞敏捷，人家看的是甘特图和流水线。这时候，系统就会判定：你找的人对你的内容没反应，所以你的广告“不相关”。
优化动作：
- 做减法，而不是加法： 如果你的受众太窄（比如少于 10 万人），试着去掉一两个限制条件。比如去掉“关注数字化转型”这个行为定向，或者把“经理级”放宽到“专员级”。给系统多一点“找人”的空间。
- 建立受众对照组： 不要只跑一个广告组。你可以尝试创建两个不同的受众包。比如一个包是“行业：软件开发”，另一个是“职位：产品经理”。看看哪个包的评分更高。这能帮你验证，到底哪类人对你的产品更感冒。
- 善用排除法： 如果你发现某些行业的人总是点你的广告但不转化（或者根本不点），在后台把这些行业或者职位排除掉。这能有效提升你的预期 CTR。
第三步：广告创意——别做“说明书”，要做“朋友圈”
受众找对了，接下来就是怎么“撩”他们。LinkedIn 上的广告，最忌讳的就是一股浓浓的“推销味”。用户上 LinkedIn 是为了看行业动态、学习知识、拓展人脉的，不是为了看广告的。
你的广告如果长得像一张巨大的海报，上面写着“XX 软件——行业领先的解决方案”，那用户的反应只有三个字：划过去。这种低互动率，直接拉低了你的质量得分。
我们要做的是“原生内容”。
想象一下，你在刷朋友圈，看到一个朋友分享了一篇文章，标题是《为什么 90% 的项目都会延期？这 3 个坑你避开了吗？》。你会不会点进去看？大概率会。因为这看起来像是在分享经验，而不是在卖东西。
优化动作：
- 文案结构：痛点 + 解决方案 + 行动指令。
- 错误示范：“我们提供最好的 CRM 系统，点击了解详情。”（谁理你？）
- 正确示范：“还在用 Excel 管客户？漏单、跟进不及时是不是让你头大？试试这个方法，让转化率提升 30%。”（这说到了我的痛处。）
- 图片/视频要“人性化”： 尽量少用冷冰冰的产品界面图。用真实的人物、团队的照片，或者一张简单的白底黑字图，上面写着一句扎心的行业洞察。比如：“数据不会说谎，但你的 Excel 会。” 这种带有情绪和观点的图片，更容易引发停留和互动。
- 测试不同的“钩子”： 同一个受众，你可以测试三种文案风格：
- 数据型：“我们帮 A 公司节省了 200 万成本。”
- 疑问型：“你的团队是否也面临沟通效率低下的问题？”
- 指令型：“立即下载《2024 营销趋势报告》。”
跑个两三天，看哪个文案的 Ad Relevance 评分高，就说明哪种沟通方式是这个受众群体喜欢的。
第四步：落地页——别让用户“跳崖”
这一步经常被忽略，但它对评分的影响是致命的。什么叫“跳崖”？用户在 LinkedIn 上看到你的广告说：“点击领取免费试用”，结果一点进去，跳到了一个全是公司简介、找不到“试用”按钮的首页。或者更惨，直接跳到了一个注册表单，要填 10 个字段。
用户的信任感瞬间崩塌，立刻关掉页面。这个动作会被 LinkedIn 记录下来：用户点击了，但秒退（高跳出率）。系统会认为：你的广告承诺和落地页体验不一致，这是欺骗行为。于是，你的相关性评分和预期 CTR 都会暴跌。
优化动作：
- 保持“视觉和语言”的一致性： 落地页的主标题，必须和广告文案的核心关键词对上。如果广告里说的是“免费试用”，落地页第一屏就必须出现“免费试用”的按钮。
- 减少摩擦力： 能用单页解决的，别让用户跳转。能用 LinkedIn 原生表单（Lead Gen Forms）的，就别跳外链。原生表单能自动填充用户的 LinkedIn 资料，一键提交，体验极佳，转化率通常比外链高很多。
- 移动端适配是底线： 超过 50% 的 LinkedIn 用户是在手机端。如果你的落地页在手机上加载慢、排版乱，评分不可能高。在发布前，务必用手机点开自己的链接检查一遍。
第五步：数据诊断——用表格说话，别靠感觉
说了这么多，到底怎么知道哪一步出了问题？别猜，看数据。在 LinkedIn 广告管理器的“诊断”列里，你可以看到具体的评分详情。如果系统没有显示，你可以自定义列，把“质量得分”、“相关性分数”、“预期点击率”都拉出来。
我们可以做一个简单的表格来分析：
| 广告名称 | Ad Relevance 评分 | 质量得分 | 相关性分数 | 预期 CTR | 可能的问题点 |
|---|---|---|---|---|---|
| 广告 A：痛点型文案 | 8 (高) | 8 | 9 | 7 | 表现良好，可适当增加预算。 |
| 广告 B：硬广推销 | 3 (低) | 3 | 4 | 2 | 文案太硬，用户不感兴趣，互动差。 |
| 广告 C：受众过窄 | 5 (中) | 6 | 5 | 5 | 受众可能太少，系统学习空间不足。 |
通过这种对比，你能非常直观地看到问题所在：
- 如果“预期 CTR”低： 90% 是文案或图片的问题。你的“钩子”不够吸引人，或者没有戳中痛点。赶紧去改文案，换图。
- 如果“相关性分数”低： 说明你的受众定向和内容不匹配。你需要重新审视你的受众画像，是不是把“卖铲子”的广告推给了“挖金矿”的人。
- 如果“质量得分”低： 这通常意味着落地页体验差，或者用户点击后的行为不好（比如停留时间极短）。检查落地页，或者看看是不是广告误导了用户。
第六步：A/B 测试的“心法”——一次只改一个变量
这是老生常谈，但也是最容易犯错的地方。很多人为了快速出结果，同时改了文案、换了受众、还换了落地页。结果评分变好了，却不知道到底是哪个改动起了作用；或者评分变差了，也不知道该把哪个改回去。
真正的优化，是像科学家做实验一样严谨。
假设你现在有一个评分 3 的广告。你想优化它：
- 第一轮测试（改文案）： 保持受众、图片、落地页完全不变。只把文案从“硬广”改成“痛点型”。跑 3 天，看评分变化。
- 第二轮测试（改受众）： 如果文案改了评分还是低，说明受众可能不对。保持新文案、图片不变，换一个更宽或者更精准的受众包。再跑 3 天。
- 第三轮测试（改落地页）： 如果前两轮评分上去了，但转化还是不好，那可能是落地页的问题。尝试把落地页换成 LinkedIn 原生表单，或者简化落地页的表单字段。
这种“单变量测试”虽然慢，但它能帮你找到那个真正导致评分低的“病根”。一旦找到，你就可以把这个成功的元素复制到其他广告系列中，形成正向循环。
一些容易被忽视的“潜规则”
除了上面这些大头，还有一些细碎的细节，可能会在不知不觉中拖累你的评分：
- 广告疲劳度（Ad Fatigue）： 同一个创意，同一个受众，跑了很久之后，用户看腻了，互动率下降，评分自然会掉。这时候，即使是微调一下文案的前几个词，或者换个背景色，都能“骗”过用户的眼睛，让数据回升。
- 预算太小： 这听起来反直觉，但如果你的预算太小，广告每天只能获得寥寥几次展示，系统根本收集不到足够的数据来计算评分，或者评分波动极大。LinkedIn 建议，每个广告组每天至少要有 50 次转化事件（点击、互动等）才能跑出稳定的数据。如果预算有限，不如把受众放宽，集中火力。
- 行业竞争： 有时候不是你做得不好，是你的竞争对手太强。如果某个时段，很多大公司都在抢同一个受众，你的展示次数份额（Impression Share）会下降，导致数据样本变小，评分不稳定。这时候，避开高峰期，或者在文案中寻找差异化，是更好的出路。
优化 LinkedIn 广告的 Ad Relevance 评分，其实就是一个不断与用户“对齐”的过程。对齐他们的需求，对齐他们的阅读习惯，对齐他们的点击预期。这事儿没有一劳永逸的绝招，只有持续的观察、测试和微调。当你不再把评分看作是一个冰冷的数字，而是看作是用户对你的一次次“投票”时，优化的方向自然就清晰了。
