Look-alike строятся на основе поведения лучших клиентов, но часто сваливаются в мусор. Проблема не в самой идее, а в том, какую базу вы берёте за основу.
Типичные ошибки:
• Берёте всех, кто хоть как-то конвертился, даже убыточных. Look-alike тянет характеристики всех в выборке — включая шум.
• Создаёте аудиторию на покупателях со сроком менее месяца. За короткий период алгоритм не улавливает настоящие паттерны, только выбросы.
• Заливаете в одну аудиторию покупателей с разными моделями поведения: кто купил один раз, кто регулярно, кто по акции, кто в полную цену. Система теряется в противоречиях.
Что реально работает: используйте 90–180 дней качественных конверсий. Отфильтруйте убыточных и одноразовиков. Если продукт многоуровневый, разделите покупателей по сегментам: отдельно для базовой версии, отдельно для премиума. Каждой группе — свой look-alike.
Проверьте перед запуском: ROAS look-alike на холодный трафик выше чем у остальных холодных источников как минимум на 10–15%. Если нет — пересмотрите выборку или дождитесь большей базы.
Иванов | PR и бренды
@ivanov_traffic_lab_4388840881
Look-alike аудитории: почему они часто не работают и как их спасти
Этот пост опубликован в Telegram-канале Иванов | PR и бренды (@ivanov_traffic_lab_4388840881). Все его публикации — на странице канала.
Открыть в Telegram