Look-alike, или LAL, — аудитория людей, похожих на тех, кого вы уже знаете. Вы отдаёте площадке список своих клиентов, она находит других пользователей со схожим поведением.
Логика простая: если система умеет описать ваших покупателей, она умеет найти таких же среди тех, кто о вас ещё не слышал.
Откуда берётся исходный список
Качество LAL целиком зависит от того, из кого его строят.
Те, кто купил. Лучший вариант. Список клиентов из CRM, загруженный в Яндекс Аудитории или в кабинет ВКонтакте.
Те, кто оставил заявку. Хуже, чем покупатели, но объём больше.
Посетители сайта с целевым поведением. Сегмент из Метрики: кто был на странице услуги, провёл больше минуты, дошёл до формы.
Подписчики сообщества. Работает во ВКонтакте, но осторожно: подписчики не равны покупателям.
Правило, которое стоит запомнить: чем ближе исходный список к деньгам, тем лучше LAL. Похожие на покупателей — это одно, похожие на всех посетителей сайта — почти случайная аудитория.
Где это сработало у нас
Найм курьеров. Задача была нестандартная: аудитория разнородная — разные города, типы транспорта, графики. Поиск не укладывался в целевой CPA, и основной объём мы переносили в РСЯ.
Масштабировали через сегментацию: LAL, автотаргетинг, интересы, ретаргетинг. LAL здесь был одним из четырёх векторов, а не единственным решением — и вместе они дали снижение цены лида с 738 до 558 ₽ при пике 356 заявок в неделю.
Детская мебель. Здесь показателен соседний приём. Мы не угадывали демографию заранее, а тестировали — и нашли высокую конверсию у мужчин-покупателей. По логике ниши эту гипотезу никто не поставил бы первой.
Смысл в том же: алгоритм видит в данных то, чего не видит здравый смысл. LAL работает именно потому, что не опирается на ваши представления об аудитории.
Когда LAL не нужен
Список слишком мал. Площадкам нужен объём для поиска закономерностей; на сотне контактов ничего осмысленного не построится.
Спрос уже сформирован. Если люди сами ищут вашу услугу в поиске, начинайте с поиска — там человек уже готов. LAL добирает объём там, где спроса мало.
Продукт слишком узкий. Если ваши покупатели — двадцать заводов в стране, похожих на них система не найдёт: это ручная работа, а не таргетинг.
Исходный список мусорный. Похожие на случайных людей — тоже случайные люди.
Как проверить, что он работает
Сравнивать с другими сегментами той же кампании по цене целевого действия, а не по охвату или CTR.
LAL часто даёт хороший объём и посредственную конверсию — это нормально: аудитория холодная, она вас не искала. Оценивать надо по цене клиента, а не по цене клика.
И держите LAL отдельным сегментом, чтобы его результат было видно. Смешанный с остальными он растворяется в общей цифре, и вы не узнаете, работал он или нет.
Частые вопросы
Коротко
Look-alike — аудитория, похожая на ваших клиентов. Качество исходного списка важнее его размера: похожие на покупателей и похожие на всех посетителей сайта — совсем разные вещи.
В проекте по найму курьеров LAL был одним из четырёх векторов масштабирования вместе с автотаргетингом, интересами и ретаргетингом — вместе они уронили цену лида с 738 до 558 ₽.
Держите LAL отдельным сегментом и оценивайте по цене клиента. Хороший охват при плохой конверсии — обычная картина для холодной аудитории, и сама по себе она ни о чём не говорит.