Основы таргетинга в соцсетях по look-alike: что такое и зачем

Нужно ли собирать look-alike в 2021 году

Может показаться, что look-alike — это единственный способ запускать рекламу и получать 100% целевую аудиторию в Facebook, которая точно заинтересуется предложением.

Есть несколько мнений на этот счет: кто-то запускает рекламные кампании на широкую аудиторию с четкими рекламными креативами и добивается лучших результатов, чем при запуске таргетинга на основе look-alike.

Главное, что нужно понимать при запуске таргетинга, — всегда надо тестировать. Потому что любая аудитория, даже самая широкая, выгорает, и ее нужно оптимизировать.

Раньше мы использовали look-alike аудиторию в Facebook для рекламы, но она показывала плохие результаты. Я проконсультировался с менеджером Facebook и узнал, что алгоритм соцсети обучается и ищет подходящих людей, даже если реклама настроена на широкую аудиторию.

Другой вопрос в том, что когда вы делаете таргетированную рекламу на широкую аудиторию, очень важно досконально знать свою ЦА, чтобы создать креатив, который попадет точно в цель. Это станет определяющим в показе рекламы для холодной аудитории

Артём Гайнетдинов
Таргетолог Carrot quest

Мы в Carrot quest чаще запускаем рекламу на широкую аудиторию с точечными креативами под каждый сегмент ЦА — у нас так лучше результат. С такой рекламы мы получаем больше заявок, а цена за совершение целевого действия получается ниже.

Мы узнали мнение экспертов в таргетинге о том, в каком случае лучше работает широкая аудитория, а в каком однозначный победитель — look-alike. Кратко — look-alike точно не стоит списывать со счетов

Широкие аудитории в Facebook Ads действительно отлично работают. На практике у нас получалось привлекать пользователей c сохранением целевой стоимости качественного лида в Edtech-проекте со средним чеком в 530 000 рублей.

C другой стороны, если говорить про e-com проекты, look-alike аудитории круто работают по сегментам базы. Неоднократно сталкивались с тем, как look-alike по сегменту текущих клиентов с высоким средним чеком дают больше выручки относительно look-alike аудиторий, построенных по всем покупателям или по событиям пикселя.

Также look-alike аудитории в Facebook используют в b2b: когда нужно привлечь специфических пользователей из конкретной индустрии. Однозначно говорить, что эпоха look-alike аудиторий прошла и можно все запускать на широкую, я бы не торопился.

В проектах Qmarketing мы всегда тестируем и look-alike аудитории, и широкие аудитории без настроек критериев соответствия, и широкие аудитории по прямым интересам.

Индивидуально настроенные аудитории хорошо себя показывают в большинстве случаев

Важно помнить, что для них нужен качественный датасет: однородная выборка пользователей с валидными контактными данными, которые помогут алгоритму Facebook найти этих и похожих пользователей в своей экосистеме

Но то, что Facebook Ads и другие рекламные системы делают все больше шагов к максимальной автоматизации, — тоже факт: UAC и умные кампании в Google Ads, автоматизированная реклама приложений в Facebook Ads, автотаргетинг в Директе.

Окончательный вердикт — тестируйте и смотрите, что лучше работает на вашем проекте.

Александр Миллер
Head of Targeting, Qmarketing Agency

Часть таргетологов крупных бизнесов, с которыми мы пообщались, считают, что реклама на широкую аудиторию с хорошим УТП и креативами работает, но нельзя использовать ее как единственный прием. Это всего лишь один из рабочих инструментов. Look-alike работает только в том случае, если изначальная база аудитории качественная.

Небольшому бизнесу действительно может быть выгоднее запускать рекламу на широкую, но крупным компаниям часто нужна реклама на основе look-alike, так как широкая аудитория выгорает, как и все остальные.

Концептуально look-alike-аудитории – прекрасная вещь. Если описывать аудиторию стандартным небольшим набором характеристик — пол, возраст, интересы — в выборку попадают очень разные люди. Модель, которая учитывает весь вектор признаков, сможет описать пользователя точнее. Значит, эффективнее сработает.

На практике — надо тестировать. Запуск любой кампании — эксперимент с неизвестным заранее результатом. Стоимость аудиторного A/B теста настолько низкая, что нет причин его не проводить. Как правило, look-alike работает хорошо, особенно в сочетании с другими параметрами аудитории. Но если в конкретном случае альтернативы приносят лучшие результаты, почему бы и их не использовать?

Димитрий Лесневский
партнёр агентства Виноу, сооснователь Optia.ai

Особенности рекламы на похожую аудиторию

Советы:

— Регулярно обновляйте исходную базу. Если создавать look-a-like с одного и того же источника, со временем в базу будут попадать, и те, кто меньше похож на людей из исходной базы (так как самые похожие отбираются вначале)

Эффективность РК по этой аудитории пойдет на спад, поэтому важно поддерживать «свежесть» базы

— Попробуйте создать аудиторию, отталкиваясь от суммы среднего чека. Например, средний чек у вас — 2 500 рублей, создайте аудиторию, похожую на клиентов со средним чеком ДО 2 500 рублей и второй список — аудиторию, похожую на клиентов со средним чеком ОТ 2 500 рублей.

— Заранее обозначьте метрики для выявления самых ценных клиентов, по которым потом будет создаваться look-a-like: размер среднего чека, количество и частота повторных покупок, подписка на рассылку, участие в программах лояльности. Работа с похожей аудиторией, собранной на основе выборки самых преданных и платежеспособных клиентов всегда будет эффективнее, чем работа по базе посетителей сайта или разовых покупателей.

Лайфхак: формируя собственную базу, разделите аудиторию по этапам воронки продаж, например:

  1. зарегистрировались на сайте, но ничего не купили;
  2. смотрели конкретные страницы;
  3. совершили покупку;
  4. совершили покупки на определенную сумму.

Будет легче прогнозировать результаты РК.

Пример. Сеть медицинских лабораторий запустила акцию на одну из своих услуг. Задача — увеличить количество клиентов. Была запущена РК на 4 разных аудитории — look-a-like, подписчики конкурентов, подписчики медцентров в области, женщины 25-45 лет, проживающие в городах, где есть лаборатории заказчика. Эффективнее всего оказался таргетинг на look-a-like и подписчиков конкурентов:

Заключение

Look-a-like позволяет сэкономить рекламный бюджет, так как аудитория, собранная таким образом, максимально похожа на вашу ЦА. Вероятность того, что пользователь заинтересуется рекламным предложением и сделает покупку — очень высока. Но не все так просто — есть свои нюансы, влияющие на качество собранной аудитории — количество пользователей в исходной базе, метрики, по которым собиралась база, ее свежесть.

Не стоит надеяться только на look-a-like — используйте несколько инструментов продвижения, например, ретаргетинг, программы лояльности, акции.

Полезные ссылки:

  • Как запустить рекламу в сторис Инстаграм
  • Сколько стоит реклама у блогеров в Инстаграм
  • Что делать если Facebook заблокировал рекламный кабинет

Перед началом сделайте это

Источники данных

Перед тем как создать и настроить похожую аудиторию в фейсбук, вы должны выбрать исходник.

Такми образом у нас будут 2 разные аудитории:

  1. Аудитория A (Исходная)
  2. Аудитория Б ( Look a like)

Это могут быть подборки, созданные разными способами:↓

  1. Посетители вашего сайта, на котором установлен пиксель фейсбук (к примеру, те, которые посещали определенные разделы и выполняли определенные действия);
  2. Подписчики страницы фб или профиля инстаграм.
  3. Пользователи, просмотревшие видео или объявление, посетившие мероприятие или совершившие покупку на фб.
  4. Люди, установившие приложение или выполнившие в нем определенные действия.
  5. Данные, собранные формой для генерации лидов.
  6. Подписчики конкурентов, собранные при помощи парсинга.
  7. Ваша собственная клиентская база.

Вид исходника определяется прежде всего целями рекламной кампании. Если нам необходимо привлечь подписчиков, мы будем таргетироваться на людей, схожих с теми, кто уже подписался. Когда необходимо получить продажи – ищем пользователей с параметрами тех, кто уже совершал покупку.

Главные условия подбора аудитории по look a like:

Как создать ?

Работа по созданию и редактированию пользовательских подборок ведется в , в разделе «Аудитории». Его можно открыть, нажав по значку «Инструменты» в левом верхнем углу.

Существует два способа, как создать лук лайк аудиторию в фейсбук:

  1. В общем списке имеющихся аудиторий отметьте одну галочкой, после чего нажмите «Создать» — «Похожую».
  2. Нажмите по кнопке «создать» и выберите «Похожую…»

В каждом из этих случаев откырвается окно редактирования, в котором мы решаем, как настроить лук а лайк в фейсбук:

В строке «Выберите существующую…» вы можете указать название своей страницы или приложение.
Нажав кнопку «Создайте новый источник», можно выбрать загрузку своего списка или какую-либо категорию пользователей на фейсбук. В строке «Местоположение» укажите страну или несколько стран для отбора пользователей

Обратите внимание, что город здесь не указывается, более узкое географическое положение задается при размещении объявления. В графе «Размер аудитории» выбирается процент от общего числа пользователей

Значение может быть от 1 до 10. Чем меньше процент, тем меньше выборка, но больше вероятность «похожести» пользователей.
Нажмите кнопку создать. Когда процесс завершится, вы сможете отредактировать название созданной подборки, чтобы ее удобно было определять в общем списке и использовать.

Как пользоваться

Чтобы применить полученную выборку по назначению, вы можете сначала перейти в раздел «Аудитории», отметить ее галочкой, а затем нажать «Создать объявление».

Еще один способ: начните с создания рекламы, в графе «Аудитория» укажите похожую, созданную заранее.

Особенности и советы

  1. На создание может уйти от 6-7 часов до 24 часов. Тем временем пока Аудитория будет использоваться в таргетинге, выборка будет обновляться примерно раз в неделю (минимально раз в три дня).
  2. Отследить точную дату последнего обновления вы можете в столбике «Доступность».
  3. Для тестирования вы можете создать несколько похожих аудиторий с разными параметрами, чтобы настроить на них одну и ту же кампанию. Только вживую можно проверить оптимальные условия отбора.
  4. Не может быть точных рекомендаций по величине выборки. Как правило, 1% имеет более точное попадание, но в разных сегментах могут быть свои особенности пользовательского поведения.
  5. Если базы были собраны достаточно давно, и в прошлом они показывали хороший результат, это не значит, что сейчас удастся повторить успех. Так как первоначально система выбирает максимально схожих людей, при каждом последующем отборе «похожесть» неизбежно будет снижаться.
  6. Попробуйте создавать ЦА по принципу воронок, то есть разделите группы пользователей по этапам принятия решения: те, кто заходил на сайт, просматривал определенные группы товаров, сделал заказ. По каждой категории можно создавать похожие группы пользователей, подходящие креативы, ставить цели рекламной кампании.

https://youtube.com/watch?v=1L7zBDXYpos

Что делать?

Слово «визуализация» стало ключевым для современного look-alike моделирования. Лидеры рынка стараются внедрить в свои платформы графические решения, которые делают максимально наглядным процесс принятия решений клиентом. Помимо нашей компании свои решения в области визуализации предлагают и другие крупные участники интернет-рынка — «Яндекс», Google и российская компания Soloway, один из крупных игроков отечественного рынка программатик-маркетинга. Каждый разрабатывает свой набор элементов, дающих заказчику максимально полное представление обо всех этапах анализа аудитории, построения сегментов и прогнозирования их эффективности.

Один из таких элементов — визуализированный в виде графика или таблицы прогноз эффективности — ключевой параметр, который позволяет до запуска кампании просчитать, каких результатов можно добиться по ее завершении.

Не стоит торопить вашего подрядчика, требуя, чтобы он запустил алгоритм построения look-alike сегмента сразу после того, как система получила и проанализировала входной семпл — информацию, собранную о посетителях сайта с помощью пикселя, данные об итогах рекламной компании, о продажах, даже данные СRM заказчика, включая телефон или электронную почту клиента.

Рекламодателю всегда стоит сделать паузу и подумать, постараться самостоятельно выбрать решение. Определить, что для него важнее — небольшой по объему, но максимально эффективный сегмент или, наоборот, охватная кампания, где показатель эффективности в пересчете на одного уникального пользователя будет немного ниже.

Хорошим инструментом здесь станут интерактивные графики и таблицы, позволяющие в режиме реального времени определять веса аудиторных сегментов и давать прогнозы по эффективности.

Платформа Weborama, к примеру, позволяет на специальном интерактивном графике наглядно продемонстрировать зависимость охвата от эффективности и предложить несколько вариантов аудиторных сегментов:

Прозрачный аудиторный сегмент — мечта любого медиаагентства, которое заказывает look-alike для своего клиента. Крайне привлекательной выглядит возможность разложить наполнение look-alike сегмента по целому ряду параметров, в зависимости от того, какие данные были доступны во входном сэмпле: социально-демографические характеристики, время суток, дни недели, наиболее аффинитивные интересы, привязка к местности (гео), типы используемых устройств, поведенческие паттерны.

Поэтому следующий важный инструмент визуализации — так называемое дерево решений, показывающее наполнение интересующего аудиторного сегмента. С помощью такого дерева рекламодатель получает достаточно легко считываемое графическое изображение того, как происходила детализация поступивших в систему целевых действий пользователей.

В качестве примера приведу дерево решений, построенное после анализа аудитории сайта одного из крупнейших производителей обуви:

На входе система получила с сайта клиента 3488 целевых действий. Людей, которые их совершили, как и следовало ожидать, объединял сильный интерес к обуви. Основываясь на полученных данных, система разбила этот массив на две ветки: в первую попали 2438 пользователей, отсортированных на основе данных о ежемесячной частоте посещений страницы сайтов по обувной тематике (serfintencity); во вторую были включены 1050 пользователей, критерием попадания в ветку был показатель вовлеченности пользователя и количество совершенных целевых действий на сайте.

После дробления первичного массива данных система начала выделять поведенческие подуровни. Вторая группа, в свою очередь, разделилась на две ветки: тех, кто интересуется одеждой — 580 человек, и людей в возрасте 25-34 лет — 470 человек.

Кроме того, выяснилось, что после «обувных» вопросов пользователей из второй ветки больше всего интересует просмотр фильмов в интернете, а также среди них нашлись 52 человека, интересовавшихся литературой. Самой же большой группой в первой ветке стали люди среднего достатка.

Наиболее интересные для заказчика сектора выделяются красным: так система помечает те максимально узкие аудиторные сегменты, на которые пришлось максимальное количество совершенных пользователями действий. Соответственно, именно рекламная кампания, охватывающая построенный на их основе look-alike сегмент, может показать максимальную эффективность.

Кто виноват?

«Мы добились поистине удручающих результатов, использовав в рекламной кампании аудиторный сегмент, построенный подрядчиком по look-alike моделированию», — рассказывал на первой встрече один рекламодатель, впоследствии ставший нашим клиентом. — Самые стандартные рекламные кампании с крайне посредственным креативом и без единого намека на технологические изыски приносили нам больше пользы, чем это позорище. Вот вы мне можете объяснить, как такое вообще могло произойти?«.

Объяснить, почему не сработал чужой look-alike алгоритм, нам было непросто. Как потому, что мы не владели материалом по данному кейсу, так и потому, что все заготовленные нами доводы он, как выяснилось, уже слышал от своего первого look-alike подрядчика.

Ему уже показали ссылку на FAQ Facebook и он уже знал, что look-alike подрядчик поставит на его сайт волшебный пиксель, позволяющий:

  • детально проанализировать всю аудиторию,
  • а затем найти и отобрать людей, которые по ряду признаков максимально похожи на его потенциальных клиентов.

И он в курсе, что в конце мы предложим ему как минимум 10, 30 или даже 50 тысяч уникальных пользователей, которые будут как две капли воды похожи на его текущих клиентов, и еще 150 тысяч, которые будут похожи частично.

Вот только почему он должен верить, что эти люди — именно те, кто ему нужен, и что они действительно поднимут его продажи?

Какие минусы

Чем шире охват людей, тем меньше точность подбора аудитории

Несмотря на то, что охват рекламной кампании расширяется, тут есть своя ложка дёгтя. При запуске похожих аудиторий вы всегда должны помнить, что чем меньше будет размер новой аудитории, тем больше шансов добиться того, что она будет полностью совпадать с клиентской базой.

Соответственно, с увеличением охвата снижается точность. По сути, в самом начале кампании вы должны решить — что для вас важнее: точность или охват? И уже в зависимости от этого подстраивать кампанию.

Ограничения настройки

Во всех соцсетях стоит ограничение на минимальный размер первичной аудитории — 1000 человек. Это тот минимум, с которым придётся работать.

Требует времени

Процесс нахождения похожей аудитории — дело не быстрое, придётся подождать. В зависимости от нагрузки, ожидание может растянуться от получаса до нескольких часов, поэтому желательно найти себе какое-то интересное занятие.

Невысокая эффективность во ВКонтакте

Во ВКонтакте look-alike появился только в декабре 2016-го. Мы считаем его пока сырым инструментом, который сейчас дорабатывают. И если аудитория действительно чем-то похожа, то далеко не покупательной способностью под определённый проект (но исключения есть везде). Таргетологи надеются, что эта функция со временем станет лучше. Ведь Facebook смог, но и появился там look-alike на три года раньше.

В июле 2017-го мы продвигали курсы для студентов-финансистов, настроили look-alike по участникам группы, благо их там было около 20 000, и выборка была достаточно репрезентативна. Настройка вначале сработала хорошо: стоимость заявки сравнима со стоимостью заявки с горячей узкой аудитории, собираемой с помощью парсинга, а look-alike позволил получить охват в 4 раза выше и, таким образом, увеличить объём по заявкам. Однако при повышении ставки CTR не рос, а клики стали дорогими. Обычно на хороших аудиториях при повышении ставки растёт CTR, и в целом показатели не сильно ухудшаются, иногда даже наоборот. Здесь такого не было.

Look-alike — однозначно полезная настройка. В Facebook и Instagram обязательно запускаем, а во ВКонтакте запускаем, если уже протестировали другие идеи и надо увеличить охват. 

Look-alike не всегда даёт стопроцентный результат, поэтому всегда лучше тестировать настройку в начале проекта

Важно помнить, что на эффективность влияют: проект, посадочная площадка, какие баннеры и тексты использовались для рекламной кампании, социальная сеть и множество других факторов. Попробуйте использовать те рекламные объявления, которые уже показали хорошие результаты на других целевых аудиториях.

Кейс 2

Мы интегрировали наш SDK в продукт наших партнёров Beresnev Games — игру Flippy Knife.

Целевым действием для заказчика было определённое количество просмотров рекламы за одну игровую сессию. Алгоритмы HQ проанализировали аудиторию этой игры и определили психосегменты, склонные к совершению целевого действия.

Оказалось, что четыре психологические характеристики и их сочетания повышают вероятность целевого действия на 30–50%. Эти характеристики — ценности стимуляции и гедонизма, эмоциональная стабильность и интеллект. Были выбраны два психосегмента пользователей, которые чаще других смотрят рекламу в игре.

  1. Люди, которые ценят получение удовольствий, стремятся баловать себя (ценность «гедонизм», согласно модели ценностей и мотивации Шварца).

  2. Люди с низковыраженной ценностью яркой и насыщенной жизни, полной впечатлений (ценность «стимуляции», согласно той же модели).

Далее мы выгрузили эти два психосегмента и аудиторию людей, которые совершили целевое действие, в рекламный кабинет Facebook. Потенциальный охват у всех аудиторий получился одинаковым — по 170 тысяч пользователей. Для первого теста мы решили ограничиться только Россией. Соответственно, все кампании запускались только на российских пользователей.

Затем мы запустили рекламные кампании на все три аудитории, при этом сохраняя все остальные настройки идентичными.

Результаты:

Относительные различия кампании на людей с высоким гедонизмом относительно контрольной* кампании Относительные различия кампании на людей с низкой стимуляцией относительно контрольной* кампании
CPM −3,50% −9,98%
CTR 2,26% 12,31%
CPI −5,68% −18,00%
CPC −5,64% −19,85%
CR 2,31% 9,78%
ЦД конверсия 18,59% 29,36%
CPA −23,11% −36,95%

* В виде контрольной кампании выступала кампания на LaL-аудиторию по пользователям, совершившим целевое действие.

Как видно в таблице выше, и в этом случае удалось получить хорошие результаты.

  1. CPM (цена за тысячу показов), CPC (цена за клик), CPI и CPA (цена за действие) снизились. Стоимость за совершённое целевое действие упала на 23% для психосегмента с высоким гедонизмом и на 37% для аудитории с низкой стимуляцией.

  2. Выросла конверсия в совершение целевого действия по сравнению с контрольной группой (LaL на людей, которые совершили целевое действие).

  3. Также мы проверили, как изменяются ARPU, CRR (коэффициент удержания) и ROAS. Оказалось, что ARPU в кампаниях по психологическому Lal был выше на 20%, CRR незначительно выше — 5%, ROAS на 25% выше.

Look-alike: принципы работы

Все это звучит замечательно, но как на самом деле работает похожее моделирование? Допустим, есть определенный бренд, желающий увеличить объем покупок в Интернете. Первым шагом будет размещение пикселя —  небольшого сегмента кода отслеживания — на странице подтверждения покупки. Это позволит вам отслеживать поведение покупателей — во время текущей продажи — по мере их перемещения по сети.

Демографическая и поведенческая информация о клиентах, которые осуществляют покупку, могут быть включены в централизованную базу данных. После того, как данные собраны, их можно проанализировать, чтобы определить, какое поведение и модели наиболее распространены среди людей, которые покупают товары (услуги) в этого бренда. Инструменты искусственного интеллекта делают это точным способом с использованием предварительно настроенных алгоритмов.

После определения характеристик клиента  можно использовать их для привлечения еще большей целевой аудитории. Таким образом, возможности look-alike создают базу онлайн-пользователей, которые действуют так же, как уже существующие клиенты бренда, но все еще не знают именно об этом конкретном бренде. В свою очередь, этот бренд уже может ориентироваться на этих новых пользователей в своих будущих маркетинговых кампаниях.

Доводом, который сработал, стала история о «черном ящике»

«Давайте мы не будем тратить ваше время на страшилки про липовый таргетинг и продажу воздуха, когда под видом аудиторного сегмента подрядчики отгружают наивному клиенту дешевый и к тому же нерепрезентативный трафик, — сказали мы. — Все дело в том, что вы оказались в типичной для потребителя look-alike ситуации, когда продавец принес вам „черный ящик“ — модную, красивую, лакированную коробку и начал ее нахваливать. Вы заслушались и этот ящик купили, даже не попросив открыть — а зачем, если всем известно, что он прекрасно работает?».

Такие «черные ящики» сегодня в основном и предлагают клиентам. Продавая расширение базовой аудитории, компании отказываются раскрывать алгоритмы своей работы и объяснять, каких именно людей и как они собирают.

Часто работа с системой выглядит до смешного просто: на сайт клиента ставят пиксель, затем клиенту предлагается нажать на кнопку «построить look-alike», чтобы через какое-то время система дала ему глубокомысленный ответ «look-alike готов» и предлагает нажать на кнопку «применить».

Услуга оказалась сильно дискредитированной именно из-за подобного подхода. Работая с «черным ящиком», заказчик не понимает, почему результата или вовсе нет, или он нестабилен — один раз look-alike сегмент показал достаточно высокую эффективность, а в следующий раз она полностью отсутствовала. Нет исходной базы данных, которая позволяет проанализировать, что и как именно было сделано.

Конкурентоспособный look-alike алгоритм сегодня отличает большое количество параметров, позволяющих рекламодателю сначала наблюдать за процессом построения аудиторного сегмента, а затем детально анализировать результаты кампании. Необходима максимальная прозрачность при детализации найденной аудитории.

Как настроить LAL в myTarget

Рассмотрим  настройку  LAL на примере того же магазина цифровой электроники, у которого появилась услуга  автопроката фотоаппаратов, объективов, вспышек и т. д. Компания хочет рассказать об этой услуге в соцсетях, но не хочет размывать аудиторию.

Поэтому она запускает рекламную кампанию в myTarget. В качестве источника информации об исходной аудитории будет использоваться список ID пользователей ВКонтакте.

Чтобы осуществить настройку LAL в MyTarget, переходим на вкладку «Аудитории» и в левом меню выбираем пункт «Look-Alike».

Магазин только начал работу в MyTarget, поэтому у него еще нет созданных похожих аудиторий. Для их создания необходимо загрузить данные в систему.

Загружаем в систему список. Для этого переходим в «Списки пользователей» и нажимаем «Загрузить список».

Для загрузки списка в систему проводим такие действия:

  • указываем тип списка – «Список ID пользователей – ВКонтакте»;
  • называем список так, чтобы было понятно о какой аудитории пользователей идет речь;
  • загружаем файл списка в систему.

После клика по кнопке «Загрузить» система автоматически загружает список пользователей и предлагает создать кампанию. Проигнорируем это предложение для завершения настройки look-alike.

Переходим в раздел «Look-Alike». Находим загруженный файл с данными и нажимаем «Создать Look-Alike».

При настройке look-alike выполняем такие действия:

выбираем список пользователей. Разворачиваем списки и кликаем по подходящему варианту;

указываем желаемый охват. Перетаскиваем ползунок на нужное значение

Важно помнить, что слева от ползунка находятся пользователи, максимально подобные исходной аудитории. Справа ползунка – все доступные пользователи

Увеличение охвата размывает аудиторию. Всего система предлагает 5 млн пользователей соцсетей, которые максимально схожи с исходной аудиторией. При подборе каждый пользователь сравнивается с этой аудиторией и ранжируется по степени сходства.

После клика по кнопке «Создать Look-Alike» появится сообщение о том, что похожая аудитория успешно создана. Система предложит создать кампанию или закрыть сообщение. Закрываем сообщение и создаем сегмент – это необходимо для использования look-alike в кампании.

Для создания сегмента переходим в «Списки сегментов» и нажимаем на «Создать сегмент».

В списке сегментов выбираем подходящую look-alike аудиторию (ставим галочку) и добавляем сегмент.

Для создания аудиторного сегмента можно использовать один источник или комбинировать их. В нашей кампании используется один источник. Поэтому просто называем его и кликаем на кнопку «Создать сегмент».

Для создания аудиторного сегмента можно использовать два и более источника. Например, списки с номерами телефонов ваших клиентов из CRM, списки ID участников группы в ВК, данные счетчика Top.Mail.Ru. В этом случае следует задать условия для создания сегментов.

Доступны такие условия создания сегментов:

  • сложение (Или). Например, вы выбрали в настройках три сегмента. Реклама будет показываться пользователям, которые входят хотя бы в один из трех сегментов;
  • пересечение (И). Если вы выбрали три сегмента, то реклама будет показываться только тем людям, которые входят сразу во все три сегмента;
  • отрицание условий (НЕ). Если в настройках вы указали несколько сегментов, то реклама не будет показываться пользователям из этих сегментов;
  • соответствие правилу (Выполнено N из M условий). Например, для рекламы вы добавили 15 тематических групп из соцсети с тематикой «Куплю фотоаппарат». Но создали сегмент аудитории из подписчиков, которые состоят в 7 из этих групп.

На этом создание аудиторных сегментов завершено. Можно приступать к запуску рекламной кампании и показывать рекламу похожей аудитории.

Подробнее о настройке рекламной кампании читайте в гайде Как настроить рекламу в myTarget .

Подведем итоги

Настройка LAL в myTarget позволяет найти похожую на клиентов компании аудиторию. При подборе похожей аудитории учитывается пол, возраст, местоположение, интересы и поведение исходной аудитории.

Для настройки похожей аудитории в myTarget нужны данные об исходной аудитории

Это может быть собственный список клиентов, данные из трекера о событиях в приложении, данные из счетчика Top.Mail.Ru.
При настройке LAL важно достигнуть баланса между точностью подбора похожей аудитории и рекламным охватом. Увеличение охвата до 5 млн пользователей приведет к размыванию аудитории, а увеличение точности – к сужению охвата.

Повышайте свой доход от ведения таргетированной рекламы в myTarget и ВК – получайте до 18% по партнерской программе Click.ru!

Требования к базам пользователей у разных площадок

Нейросетям соцсетей нужны данные, чтобы обучаться. И этих данных должно быть достаточно много:

  • ВКонтакте требуется от 1000 пользователей.
  • Facebook будет работать с базой любого размера, но рекомендует использовать от 1000 пользователей.
  • В MyTarget можно загружать лишь списки, где более 2000 пользователей.

Это не означает, что в вашей базе должно быть минимум 1000 человек. База должна быть еще больше. 1000 пользователей — это финальный список, который получает соцсеть уже после обработки ваших данных.

Вы загружаете в рекламный кабинет список почт или телефонов. Соцсеть сравнивает имеющиеся данные со своей базой пользователей. Если по этим контактам находятся зарегистрированные пользователи, они попадают в базу. После обработки соцсеть удаляет загруженный вами список — то есть, непосредственно в Facebook или во ВКонтакте не хранятся ни номера, ни почты, для сохранения персональных данных пользователей.

А получившийся список пользователей выгрузить нельзя. Вы получаете аудиторию в кабинете, в которую входят пользователи, найденные по загруженным вами данным.