Look-alike строят на основе поведения существующих клиентов — люди похожи на них по интересам, демографии, активности. Звучит логично. Но на практике это часто даёт худший результат, чем таргет на саму исходную аудиторию.
Первая проблема — размытие признаков. Алгоритм платформы берёт характеристики покупателей и ищет «похожих». Но «похожесть» считается по множеству параметров одновременно: возраст, пол, интересы, география, девайсы. Результат — аудитория получается широкой и разнородной. Человек, похожий на клиента по возрасту и полу, может вообще не интересоваться вашей категорией товаров.
Вторая проблема — эффект низкого намерения. В исходной аудитории (пиксель, CRM, список контактов) люди уже проявили интерес: купили, добавили в корзину, оставили телефон. Look-alike аудитория — это просто люди с похожим профилем. Они могут быть в начале воронки или вообще вне её. Конверсия падает логично.
Третья — конкуренция в look-alike выше. Если ваш сегмент успешный, конкурентов там тоже достаточно. Цена за клик растёт, а качество трафика не улучшается.
Когда это всё-таки работает: на крупных масштабах с большим бюджетом, когда объём важнее эффективности. Или как дополнение, а не замена: основной бюджет на ретаргетинг и точный таргет, 10-20% на look-alike для теста расширения.
Держи look-alike как инструмент расширения, а не как основу. Начни с максимально точного таргета — и только потом смотри в стороны.
Иванов | Бренд и аудитория
@ivanov_traffic_lab_3823865981
Look-alike аудитории: почему они работают слабее, чем кажется
Этот пост опубликован в Telegram-канале Иванов | Бренд и аудитория (@ivanov_traffic_lab_3823865981). Все его публикации — на странице канала.
Открыть в Telegram