Look-alike строится на данных первой аудитории. Если исходная аудитория слабая — холодная, низкий engagement, много ботов — то и копия будет слабой. Перед тем как запускать похожую, проверь качество источника: CTR, CR, стоимость действия. Если метрики уже плохие, look-alike их не спасёт.
Look-alike часто работает хуже на холодных платформах. На Facebook/Instagram алгоритм хорошо находит похожих, потому что данных много. На TikTok или других сетях с меньшей историей юзеров результаты могут быть размытыми. Тестируй на своей платформе отдельно — не ориентируйся на чужой опыт.
Размер look-alike влияет на качество. Если исходная аудитория меньше 1000 человек — статистика нестабильна, платформе сложно найти похожих. Слишком большая look-alike (100+ млн) становится размытой и теряет специфичность. Оптимум — строить от аудитории 5000+ и выбирать подходящий уровень сходства (tight, medium, broad).
Комбинируй look-alike с другими таргетингами. Сама по себе похожая аудитория — инструмент поиска, а не гарантия. Добавляй интересы, поведение, возраст. Так сужаешь фокус и поднимаешь релевантность. Чистый look-alike без доп. фильтров часто срабатывает хуже, чем казалось.
Look-alike нужно регулярно обновлять. Если аудитория источника поменялась (другие люди подписались, старые отписались) — качество похожей тоже снизится. Пересоздавай look-alike каждые 2–3 месяца или при смене стратегии исходной кампании.
Сначала проверь качество источника, потом тестируй на конкретной платформе с реалистичным размером. Комбинируй с таргетингом и обновляй регулярно — так look-alike становится полезным инструментом.
Иванов | Коммуникации бренда
@ivanov_traffic_lab_4388443408
Look-alike аудитории часто дают хуже, чем думают — вот почему
Этот пост опубликован в Telegram-канале Иванов | Коммуникации бренда (@ivanov_traffic_lab_4388443408). Все его публикации — на странице канала.
Открыть в Telegram