Look-alike аудитории: почему они часто работают хуже оригинала

Look-alike — это аудитория, похожая на ваших конвертящихся пользователей. Звучит логично: скопировали портрет покупателя, нашли таких же людей, получили такой же результат. На практике часто выходит иначе.

Главная ошибка: think что look-alike автоматически наследует качество исходной аудитории. На самом деле платформа строит модель на основе данных, которые у неё есть. Если исходная аудитория маленькая (менее 1000 конверсий), модель получается размытой — платформе просто не хватает паттернов. Если в исходной аудитории много шума (боты, случайные клики, фейк-установки), look-alike повторит эти ошибки.

Второе: размер seed-аудитории не равен качеству модели. Больше — не значит лучше. Аудитория из 5000 конверсий с ROI 300% даст более точную модель, чем из 50000 конверсий с ROI 120%. Платформа учит похожесть на основе реального поведения, поэтому чистота источника важнее объёма.

Третье: look-alike работает в контексте. В одной гео и вертикали она может конвертить на 40% дешевле, в другой — быть совсем мёртвой. Это не отказ инструмента, а свойство аудитории: люди похожие на ваших покупателей казино в США — это совсем не то же самое, что похожие на них в России.

Практический совет: перед масштабированием на look-alike запустите тестовый бюджет 5–10% от основного, следите первые 48–72 часа. Если CPC стабильный и выше baseline на 20–30% — аудитория рабочая. Если выше на 50–70% — дожидайтесь большей выборки или возвращайтесь к исходной.