在美國做數位行銷十五年，我學到最反直覺的一課是：真正會買單的客戶，通常不會按讚你的廣告。
這聽起來有點違反直覺，對吧？畢竟我們從小就被教育，社群平台上的互動率就是成效指標。按讚多、分享多、留言多，就代表廣告做得好。但在Twitter（或者說現在的X）上，這套邏輯往往會害你燒光預算。為什麼？因為平台上超過六成的活躍用戶，壓根不愛跟任何品牌互動。他們每天打開App、滑時間軸、看推文、讀新聞，然後默默關掉。沒有按讚，沒有轉推，沒有回覆，更不會點擊你的廣告鏈結。這群人，我們稱為「沉默的多數」。
偏偏，多數廣告主設定的定向條件，全都建立在「用戶必須做過某件事」的基礎上。興趣定向抓的是那些曾經按過相關主題讚的人；關鍵字定向找的是那些在推文裡打過特定詞彙的人；類似受眾則是從你既有的互動客戶名單去延伸。結果是什麼？你的廣告只會不斷打到同一批愛按讚的少數活躍用戶，而那些真正有購買意願的沉默潛在客戶，根本看不到你的訊息。
我在2023年到2024年間，幫一家美國中西部家居品牌操盤Twitter廣告時，親眼驗證了這件事。初期用傳統的興趣加關鍵字定向，每次取得一個客戶的成本高達58美元，轉換率只有0.3%。我們細看後台數據才發現，超過六成的購買客戶在轉換前，從來沒有在Twitter上跟品牌互動過--他們就是沉默受眾。但我們的廣告卻完全沒打到他們。
這篇文章，我想分享三個我實際用過、而且證明有效的高階定向手法，幫你真正觸及那些「什麼都不做」卻願意掏出信用卡的消費者。
為什麼傳統定向策略對沉默受眾完全無效？
要破解這個問題，得先理解Twitter廣告系統的底層邏輯。Twitter不像Google搜尋廣告那樣能直接捕捉用戶的「即時意圖」，它主要靠的是行為訊號：你按過什麼讚、追蹤了誰、轉推過哪一則內容。這些訊號被記錄下來後，系統才能把你分類到某個興趣池裡。
但沉默受眾的行為模式是「被動消費」：他們只閱讀，不發表；只看內容，不點擊。他們不會在你的推文下面留言，也不會去搜尋你的品牌關鍵字。這代表所有以「明確行動」為基礎的定向選項，都無法命中他們。
舉個具體例子：你設定「興趣：運動鞋」，系統只會把廣告投放給過去30天內，曾經與運動鞋相關推文互動過的帳號。一個每天讀運動鞋新聞、追蹤各大品牌帳號、但從來不按讚的用戶，永遠不會被選中。你花了錢，卻只打到那些喜歡公開討論鞋子的人，而這些人往往只是在搜集資訊，根本沒打算買。
關鍵字定向的陷阱更明顯。很多人以為設定「購買球鞋」「推薦跑鞋」就能打到潛在買家，但沉默用戶從不使用這類詞彙--他們只讀不寫。結果是你的廣告只會出現在那些喜歡在網路上大聲嚷嚷的人面前，而真正的買家連看都看不到。
類似受眾（Lookalike Audience）的問題在於樣本偏差。如果你的種子名單來自既有客戶，而這些客戶多數是沉默型消費者（他們購買前從未在Twitter互動），Twitter的機器學習模型因為缺乏足夠的行為特徵，無法提煉出有效的群體模式。最後生成的類似受眾往往過於寬泛，導致廣告支出浪費。
破解沉默受眾的三個實戰手法
第一層：瀏覽轉換的逆向操作
大多數品牌都有安裝Twitter Pixel，但只會追蹤「點擊後轉換」--也就是用戶點擊廣告進到網站後完成購買。這當然重要，但你忽略了一個更關鍵的數據：瀏覽轉換（View-through Conversion）。
瀏覽轉換捕捉的是「看過廣告但沒有點擊，卻在30分鐘內透過其他方式完成轉換」的用戶。例如他用電腦滑推文時看到你的廣告，雖然沒點擊，但記住了品牌名稱，接著在手機瀏覽器直接搜尋你的官網，然後下單。這群人就是沉默受眾的最佳代表--他們不願意在社群平台上留下足跡，但購買意願非常強烈。
實際操作步驟：
- 在Twitter廣告管理員中建立「網站轉換」事件，選擇「瀏覽後30分鐘內的轉換」。
- 將這個事件設定為「加入購物車」或「提交表單」等關鍵行動。
- 等待累積至少500個瀏覽轉換事件後，以此為種子建立類似受眾。
- Twitter會從這些用戶的共同特徵（如使用裝置類型、活躍時段、瀏覽深度）中學習，建立出沉默用戶的行為模型。
進階小技巧：瀏覽轉換的歸因視窗可以調整。對於高單價商品（比如汽車、金融服務、家電），建議使用60分鐘視窗，因為沉默用戶需要更多時間自行搜尋比較，才願意下決定。
第二層：用排除法精準捕捉
既然Twitter系統不提供「從未互動」的定向選項，我們可以反過來用排除法，把那些有互動的人剔除，剩下的就是沉默受眾。
步驟如下：
- 建立一個「互動受眾」：包含過去30天內曾對你的任何推文按讚、轉推、回覆或點擊的用戶。
- 建立一個「網站訪客受眾」：包含過去90天內造訪過你網站的用戶（透過Pixel記錄）。
- 建立一個「品牌搜尋受眾」：如果你有設定關鍵字定向，可以匯出那些曾搜尋你品牌名稱的用戶。
- 在廣告活動設定時，將上述三個受眾全部排除。
剩下來的那些人，就是看過你的內容但什麼都沒做的沉默用戶。這個群體的規模通常只有原始目標受眾的20%到30%，但轉換率可能高出3到5倍。為什麼？因為他們沒有被你的廣告打擾過，看到你的訊息時新鮮感更高；而且他們本來就是會默默做決定的人，一旦產生興趣，購買行動很乾脆。
注意事項：排除受眾會大幅縮小潛在觸及人數，所以建議同時保留一組較寬鬆的興趣定向（例如與產品類別相關的大方向興趣），確保廣告能順利投放，不會因為受眾池太小而花不掉預算。
第三層：第三方數據的行為意向疊加
這是美國頂尖廣告主（像是Nike、Uber、甚至一些大型金融機構）在用的付費解法，成本高一點，但效果非常精準。
Twitter有一個「資料合作夥伴定向」功能，你可以上傳第三方數據供應商（比如Oracle Data Cloud、LiveRamp、Epsilon）提供的客層區段。這些供應商擁有跨平台的瀏覽行為數據，能標記出「高頻閱讀特定主題但極少在社群互動」的用戶。換句話說，他們已經幫你把沉默受眾分類好了。
實戰推薦：
- Oracle Data Cloud：提供超過2000種行為區段，其中「被動型消費者」類別對於沉默受眾定向特別有效。
- LiveRamp Identity Graph：可以整合你的CRM名單，將其與Twitter用戶進行配對，即使這些客戶在Twitter上毫無行為足跡。
成本方面，每次千次曝光（CPM）大約會增加1到3美元，但轉換率通常能提升40%以上。對於客單價較高的品牌，這個投資非常划算。
創意策略：為沉默受眾設計「零互動」的溝通方式
當你成功用上述三層手法鎖定到沉默用戶之後，可不能直接用傳統的「點擊了解更多」或「立即購買」按鈕--因為他們的天性就是不點擊。你需要重新設計廣告的溝通邏輯，讓他們在完全不離開Twitter的情況下，就獲得足夠的決策資訊。
一、品牌提示型廣告
使用單張高品質圖片或簡短影片，直接展示產品外觀、價格、核心賣點，文案不要要求任何行動。目的是讓用戶在腦中留下印象，等他們離開Twitter後，自己會去搜尋你的品牌。
文案範例：「我們的全新跑鞋已在官網上線。單隻190公克，鞋底回饋率85%，適合長距離訓練。」--不用加任何連結，也不用說「點這裡」。沉默用戶會記住，然後自己打開瀏覽器去查。
二、推文預覽型廣告
利用Twitter的輪播格式，在一條推文中嵌入多張圖片，同時在文案中直接回答常見問題。例如：「這款沙發適合哪些空間？圖片1：小客廳；圖片2：開放式書房；圖片3：商業大廳。」用戶滑動就能看到所有答案，不需要點擊任何東西。
三、動態產品廣告（DPA）
Twitter的動態產品廣告會自動展示用戶曾經在你的網站上瀏覽過的商品。沉默用戶可能曾在你的官網逛了一陣子，卻沒留下任何聯絡資料。DPA可以在他們滑推文時，再次展示那雙鞋或那張沙發，並附上庫存狀態與折扣訊息。重點是：設定受眾時，要排除那些已經在Twitter互動過的用戶，確保只打到沉默訪客。
一個真實案例：從CPA 58美元降到22美元
回到我前面提到的那個美國中西部家居品牌。他們的客單價大約在800到1200美元之間，目標是降到每次獲取成本30美元以下。
初期用興趣定向（家居裝潢、現代家具）加上關鍵字定向（「沙發推薦」「餐桌選購」），CPA高達58美元，轉換率只有0.3%。但我們從轉換數據中發現，60%的客戶在購買前從未在Twitter上與品牌互動--他們是沉默受眾。
於是我們開始實施上面說的三層手法：
- 安裝Twitter Pixel並開啟瀏覽轉換追蹤，兩週後累積412個瀏覽轉換事件。
- 以此建立類似受眾，規模控制在美國總用戶的3%。
- 排除過去30天的互動用戶與90天的網站訪客。
- 疊加Oracle Data Cloud的「被動型高收入家居消費者」區段。
創意方面，我們放棄了「立即購買」按鈕，改為展示產品在不同家庭場景中的影片，文案直接標明價格與免運條件。CTA改成「到官網查看更多款式」這種低強度的引導。
結果：
- 受眾規模從原本的1200萬人縮小到210萬人。
- CPA從58美元降到22美元，降幅達62%。
- 轉換率從0.3%提升到1.8%，成長6倍。
- 廣告支出回報率（ROAS）從2.1提升到8.6。
更驚人的是，這群沉默客戶的客單價比活躍互動客戶高出23%，而且退貨率低15%。他們是經過深思熟慮後才購買，不是衝動點擊，所以忠誠度更高。
寫在最後
在美國數位行銷圈子裡，我們太習慣用互動率來衡量成功。開會的時候，客戶總是問：「這支廣告的互動率多少？有沒有人轉推？」但當你真正去分析轉換數據時，會發現那些按讚的人往往只是「內容消費者」，而不是「產品購買者」。
Twitter上的沉默多數提醒我們一件事：互動不等於意圖，沉默不等於漠不關心。這些用戶可能正在你的競爭對手網站上比價，或是在Google搜尋結果中反覆查看你的評價--只是他們不喜歡在社群平台上留下足跡。
Twitter廣告定向選項的設計初衷是捕捉行動，而不是捕捉意圖。要觸及沉默受眾，你必須跳脫既有框架：用瀏覽轉換代替點擊轉換，用排除法代替包含法，用第三方數據補充第一方行為的不足。
下次當你看到廣告後台數據，互動率很低、點擊率也很低的時候，先別急著關閉廣告。去查一下瀏覽轉換數據，或者試著把那些從未互動的人獨立出來投放。你會發現，那些不按讚的人，往往才是真正願意花錢的人。
沉默的多數，就是數位廣告最後的藍海。