达人投放里，选号是唯一一个错了之后没法补救的环节。
内容不好可以改脚本，节奏不对可以调排期，归因口径有问题可以事后补上观察维度。但人选错了，后面所有优化都是在一个错误的前提上做微调——预算已经花出去了，内容已经发了，观众也不是你要找的那批人。
这篇不讲道理，讲流程：从几千个候选缩到最终名单，每一轮该看什么、该淘汰什么。
第一轮：粗筛，把范围缩到可人工处理的量
粗筛的目的不是选出好达人，而是高效地排除掉明显不合适的。这一轮可以靠平台后台和工具批量做。
先定人群，而且要定到场景。 这是整个筛选流程里最容易糊弄过去、也最影响结果的一步。
平台给的粉丝画像是人口统计学的——性别、年龄、地域。但你的产品面对的通常是一个场景人群：不是"25–35 岁女性"，而是"租房住、不能在墙上打洞、又想让家里看起来不像出租屋的人"。
前者能匹配上几千个达人，后者可能只有几十个。用前者去筛，等于没筛。
粗筛阶段的硬性排除条件：
- 内容方向和你的品类完全无关（不是"不够垂直"，是根本不搭边）
- 最近一到两个月没更新——账号处于停更状态，分发能力不明
- 粉丝地域和你的可交付范围对不上（本地生活类尤其要注意）
- 明显的数据异常：粉丝量很大但互动长期极低
走完这一轮，几千个候选通常能缩到几十个。剩下的必须人工看，没有捷径。
第二轮：人工核，看后台数据看不出来的四件事
这一轮是拉开效果差距的地方，因为这四件事任何后台报表都不提供。
一、最近十条内容的表现分布
不要看平均值，看分布形态。
最近十条的互动量是稳定在一个区间，还是靠一两条爆款把平均值拉起来的？稳定说明这个账号有可预期的分发能力；靠单条撑起来的平均值，意味着你买到的是一次抽奖。
一个实用技巧：把最近十条的数据抄下来，看最低那条。 最低值代表这个账号的保底能力，它比平均值更能预测你这条会拿到什么结果。
二、商业内容占比
翻主页数一下：最近的内容里有多少条是广告。
一个十条里有七条是广告的账号，它的粉丝对广告已经脱敏了——刷到就划走。这个数据不在任何后台里，只能人工看，但它对结果的影响往往大于任何一个可量化指标。
三、评论区在聊什么
评论的成分比数量重要得多。
- 全是表情和"哈哈哈"——观众是来看热闹的，带不动需要理解成本的产品。
- 有人问细节、问哪里买、说自己也遇到过同样的问题——观众是带着需求在看的。
后者才是能种草的账号。 一个评论少但都在问细节的账号，价值高于评论多但全是灌水的账号。
四、历史合作内容的真实表现
看这个达人过去接过的同类品牌合作，那几条的数据相对于他自己的日常内容是高还是低。
明显低于日常水平，说明他一接广告观众就跑——这种账号不管报价多低都不划算。
第三轮：定量级和配比
选完人还要定"用多少、怎么配"。这一步取决于你现在缺什么，不存在通用公式。
- 缺认知——用户根本不知道有这类产品，需要有人把品类讲清楚。头部/腰部权重高，数量少但内容要深。
- 缺信任——用户知道但不敢买，需要看到很多真实的人在用。KOC 权重高，靠数量和真实感堆密度。
- 缺决策理由——用户在几个品牌之间比较，需要具体的对比和使用细节。深度测评类权重高。
一个常见错误是用 KOL 的标准去筛 KOC：花 KOC 的钱、用 KOL 的内容要求，结果拿到的是既不够多也不够好的中间态。
KOC 的筛选标准应该是数量、真实感、覆盖的场景够不够杂，而不是单条内容做得多精致。
报价合不合理怎么判断
不要拿"粉丝量对应的行业报价"当基准——粉丝量本来就是最不该付钱的指标。
更实际的做法是把报价换算成单位有效互动的成本，然后横向对比候选达人。
"有效互动"要按你的品类自己定义：评论区问"哪里买"和单纯点赞，价值完全不是一回事。定义清楚之后，同一个口径去比所有候选，贵不贵立刻就看得出来。
议价时有个判断：如果一个达人的报价明显高于同量级，那他必须能给出高出来的理由——更精准的人群、更高的完播、更好的历史合作表现。给不出理由的溢价，通常就是在为粉丝量付钱。
一张可以照抄的筛选清单
每个进入最终名单的达人，都应该能回答这几个问题：
- [ ] 他的观众和我的场景人群对得上吗（不是人口属性，是使用场景）
- [ ] 最近十条内容的最低播放/互动是多少
- [ ] 最近的内容里广告占多少条
- [ ] 评论区是在灌水，还是在问细节
- [ ] 他接过的同类合作，数据比日常内容高还是低
- [ ] 这次让他承担什么任务：认知 / 信任 / 转化
- [ ] 按单位有效互动成本算，他排在候选里的第几档
- [ ] 如果报价高于同量级，理由是什么
答不上来的项越多，这个达人的不确定性就越大。不确定性不是不能接受，但要体现在预算分配上——把大头压在确定性高的人身上。
筛选三轮速览
| 轮次 | 目的 | 看什么 | 淘汰谁 |
|---|---|---|---|
| 粗筛 | 缩小范围 | 场景人群匹配、更新状态、地域、数据异常 | 明显不搭边的 |
| 人工核 | 拉开质量差距 | 最近十条分布、商业内容占比、评论成分、历史合作表现 | 数据靠单条撑、观众来看热闹的 |
| 定配比 | 匹配目标 | 缺认知 / 缺信任 / 缺决策理由 | 用错层级的（拿 KOL 标准筛 KOC） |
写在最后
达人筛选没有黑科技，它是一个把不确定性一层层剥掉的过程：先用批量条件排除明显不合适的，再用人工核验找出后台看不见的问题，最后按目标分配量级和预算。
真正让投放效果拉开差距的，往往不是找到了某个"神号"，而是没有把预算浪费在一批看起来还行、实际上带不动的账号上。
如果你想知道自己的品类该找什么类型的达人、什么量级，可以把品类和目前的投放情况告诉我们，我们会回一份具体的判断。点这里提交，不收费，也不绕弯子。