Lookalike часто перестаёт давать стабильный результат не из-за «плохого источника», а из-за того, что база для обучения устаревает, сужается или собрана из слишком разного поведения. Алгоритм находит похожих, но похожих на кого именно — на покупателя, кликера, лида с брака?
Слабые сигналы почти всегда выглядят так:
— слишком маленькая база;
— в seed попали и дешёвые лиды, и качественные;
— слишком длинное окно отбора;
— один и тот же LAL гоняют месяцами без обновления.
Если Lookalike просел, не надо сразу отключать масштабирование. Сначала раздели аудиторию по качеству: покупка, валидный лид, повторный заказ, высокий чек. Потом проверь, не смешаны ли у тебя холодный трафик, ретаргет и старые конверсии в одном семпле.
Вместо слепой веры в LAL лучше работают связки: broad с жёстким креативом, интересы как фильтр на старте, ретаргет по вовлечению и свои сегменты по поведению на сайте. Для CPA особенно полезны аудитории по микроконверсиям: просмотр ключевой страницы, старт формы, добавление в корзину.
Если Lookalike начал деградировать, проблема чаще в seed и логике сегментации, а не в самом формате. Обновляй базу, режь мусор и тестируй broad рядом с LAL — так быстрее видно, где реально есть масштаб.
Performance Case
@admediaperformance
Почему Lookalike ломается в CPA и чем его заменить без потери объёма
Этот пост опубликован в Telegram-канале Performance Case. Подписаться можно по ссылке: @admediaperformance.