Look-alike — копия вашей лучшей аудитории, которую платформа ищет сама. Звучит просто, но на практике это одна из самых недооценённых инструментов. Вот почему они часто не приносят результат и как это исправить.
Самая частая ошибка — строить look-alike на всех, кто совершил целевое действие. Выгружаете всех покупателей за полгода, льёте на них — и удивляетесь слабым результатам. Алгоритм получает размытый портрет: туда попадают как VIP-клиенты, так и люди, которые купили один раз год назад. Вместо этого сужайте: берите только свежих покупателей (последние 30-60 дней) или тех, кто потратил выше среднего чека. Качество исходных данных напрямую влияет на качество look-alike.
Вторая ошибка — недостаточный размер seed-аудитории. Если вы выгружаете 500 человек, платформе сложно найти точные совпадения. Минимум 1000-1500 контактов для стабильного результата. На крупных платформах нужно 5000+. Меньше — и алгоритм начинает искать похожесть по поверхностным признакам.
Третье: забывают проверять результаты look-alike отдельно. Люди сразу объединяют её с основной аудиторией в одну кампанию и не видят, насколько она эффективнее или хуже. Запускайте параллельно: одна адсет на look-alike, вторая на базовую таргетинг. Так вы сразу поймёте, ст
Иванов | PR и отзывы
@ivanov_traffic_lab_3983247461
Look-alike аудитории работают, но большинство сливают их неправильно
Этот пост опубликован в Telegram-канале Иванов | PR и отзывы. Подписаться можно по ссылке: @ivanov_traffic_lab_3983247461.