Look-alike: когда расширение аудитории работает, а когда сжигает бюджет

Look-alike: когда расширение аудитории работает, а когда сжигает бюджет

Look-alike (похожая аудитория) — это сегмент людей, которых рекламная платформа находит по сходству с вашей исходной базой: покупатели, подписчики, повторные визитёры, лиды с высокой ценностью. Смысл не в «похожести вообще», а в вероятности повторить нужное действие при минимальном росте CPA.

Чем look-alike отличается от ретаргетинга:
— ретаргетинг возвращает уже знакомых пользователей;
— look-alike ищет новых, но похожих на тех, кто уже дал результат.

Главная ошибка — строить look-alike на сырой базе: всех посетителей сайта, случайных лидов или дешёвых кликов. Тогда алгоритм копирует шум, а не ценность. В 2026 году это особенно заметно: при слабом last-click и дорогом трафике важнее качество исходного события, чем размер аудитории.

Правильная логика такая:
— брать источник с доказанной экономикой: покупки, повторные покупки, квалифицированные лиды, high-LTV клиенты;
— задавать узкий процент сходства для точности и расширять его только после проверки инкрементальности;
— оценивать не CTR, а вклад в маржу, CAC и LTV.

Пример: e-com бренд собирает look-alike не по всем посетителям, а по клиентам с чеком выше среднего и повторной покупкой за 60 дней. В результате платформа находит новых пользователей с чуть более высоким CPA, но с заметно лучшим LTV. Это уже не «дешёвый охват», а управляемое расширение базы.

— @RetentionPaid