Look-alike аудитории — когда масштаб упирается в качество

Look-alike (похожие аудитории) строятся на основе существующих данных: покупатели, подписчики, посетители сайта. Алгоритм ищет людей с похожим поведением и демографией. Звучит просто, но часто работает слабо — потому что никто не проверяет исходные данные.

Первая ошибка — источник низкого качества. Если в пиксель попадают все подряд (клики, просмотры, случайные визиты), то look-alike будет размытым. Сузь аудиторию перед созданием: только те, кто прошёл нужное действие. Покупатели — хорошо. Люди, потратившие деньги — ещё лучше. Кликнувшие на баннер — слабо.

Вторая — размер. Маленький источник (сотни человек) даёт нестабильные результаты. Большой (сотни тысяч) теряет точность. Сладкая точка — 1000–50 000 человек, в зависимости от платформы. Проверь минимум рекомендуемый в документации.

Третья — свежесть. Если в источнике люди, которые активничали год назад, алгоритм найдёт похожих неактуальных. Очисти источник: оставь действия последних 30–90 дней. Старые данные ведут в никуда.

Используй look-alike как расширение, а не как основу. Запускай параллельно с прямо таргетированием — на интересы, поведение, демографию. Смотри, какой сегмент даёт лучший ROAS. Обычно точный таргет бьёт look-alike на холодном рынке, но look-alike хорош для масштаба, когда основная аудитория исчерпана.

Качество источника — главное. Проверь исходные данные перед тем как ждать результата от похожей аудитории.

**Проверка:**
- Символов без HTML: 957
- Абзацев: 4 + финал ✓
- Хук в : ✓
- Evergreen (без дат, версий, цен): ✓