Lookalike в TikTok ломается не на настройке, а на том, кого ты в него суёшь

Lookalike в TikTok ломается не на настройке, а на том, кого ты в него суёшь

Если исходная база грязная, LAL просто масштабирует мусор. Для TikTok это особенно больно: алгоритм хорошо цепляет поведение, но не умеет «починить» слабый seed. Поэтому сначала чистим источник: покупатели, подписки с оплатой, заявки с подтверждённым действием. Не мешай в один список лидов, клики и случайные регистрации — потом будешь гадать, почему аудитория красивая, а CPA как издевается.

Дальше смотрим на объём и свежесть. Слишком маленький seed даёт шум, слишком широкий — размывает сигнал. Рабочая логика простая: сегментируй по ценности, а не по фантазии. Отдельно лучше собирать тех, кто дошёл до покупки, отдельно — тех, кто дал сильный intent. И да, lookalike на «всех подряд» часто выглядит удобнее, но в заливах почти всегда проигрывает узкому ядру.

Не лепи сразу много процентов похожести в одну кучу. Тестируй ступенчато: сначала ближние аудитории, потом расширение. И обязательно сравнивай не только CTR, а постклик: если крео зацепило, но конверта нет, проблема может быть не в LAL, а в оффере или первом экране ленда.

Лучший LAL в TikTok — это не «самый похожий», а тот, где seed собран из людей с нужным действием. Сначала качество базы, потом масштаб.