Look-alike аудитория

Look-alike аудитория (LAL) — это пользователи, которые похожи на выбранную рекламодателем аудиторию. 

Алгоритмы рекламных сетей анализируют исходные данные по интересам, паттернам поведения и другим критериям. По результатам анализа подбираются люди, которые максимально похожи на исходный список. На собранную таким образом аудиторию таргетируют рекламу.

Настроить сбор look-alike аудиторий можно во всех популярных рекламных и социальных сетях: рекламной сети «Яндекса», «ВКонтакте», MyTarget, Google Ads.

Поиск LAL в рекламном кабинете VK

Зачем использовать LAL

Привлечь новых клиентов. LAL-технология может найти пользователей, которые похожи на существующих покупателей. Это помогает компаниям расширять охваты и находить тех, кого с большой вероятностью заинтересуют их предложения. 

Например, владелец интернет-магазина музыкальных товаров заметил, что посетители почти не покупают наушники. С помощью LAL-технологии он может загрузить в рекламный кабинет данные о тех, кто уже покупал в его магазине именно этот товар. Алгоритмы системы проанализируют информацию о прежних клиентах и найдут максимально похожих на них пользователей. Тогда продавец сможет показывать рекламу тем, кого с большей вероятностью заинтересуют именно наушники.

Улучшить таргетинг. Когда алгоритмы анализируют исходный список, они выделяют в нем частые паттерны. Это помогает собрать более глубокую информацию о клиентах, чтобы реклама стала прицельнее. 

Допустим, тот же продавец музыкальных товаров знает, что его аудитория — это чаще всего москвичи 30–40 лет. Самостоятельно он настраивает таргет, используя только эти характеристики. LAL помогает найти более глубокие связи среди пользователей исходной аудитории. Например, многие покупатели магазина интересуются благотворительностью и долго сидят в интернете после 22:00. Теперь рекламу будут показывать не только москвичам среднего возраста, а в первую очередь тем жителям столицы, кто сидит на благотворительных сайтах поздним вечером.

Система не покажет, какие общие черты она выделила в исходном списке, но учтет найденные паттерны и улучшит таргетинг. 

Повысить конверсию. Более прицельная реклама позволяет находить более релевантную аудиторию, а значит увеличить вероятность целевого действия.

Основные характеристики для сбора LAL

Для сбора look-alike рекламная система сравнивает пользователей по ряду признаков. Основные из них для любой рекламной платформы:

• Пол. Система подбирает новую аудиторию с тем же соотношением мужчин и женщин, что и в исходном списке. 
• Возраст. В список LAL войдут пользователи того же возраста, что и люди из загруженной базы. 
• Регион. Алгоритмы ищут пользователей, проживающих в регионе выбранной аудитории.
• Интересы. В процессе подбора ищутся пользователи, поведение и интересы которых схожи с паттернами, найденными в  изначальном списке.
• События из рекламных кампаний. Система ищет людей, похожих на пользователей, которые реагировали на рекламные кампании бизнеса. 

Это только базовые параметры для каждой платформы. Алгоритмы рекламных систем учитывают несколько десятков, а иногда и сотен характеристик. К примеру, «Рекламная сеть Яндекса» учитывает используемые в запросах слова, посещаемые сайты, время выхода в интернет. Кроме того, можно задать собственные условия подбора LAL. 

В Яндекс.Директ можно создать собственное условие подбора LAL. Источник

Из какой аудитории создают look-alike

Для формирования похожих аудиторий используют:

• базу клиентов из CRM; 
• подписчиков бизнес-страницы в соцсетях; 
• людей, участвовавшие в проектах компании; 
• посетителей ресурса, собранных с помощью пикселей; 
• списки ремаркетинга; 
• подписчиков страниц и сообществ конкурентов. 

В настройках рекламной платформы обычно можно выбрать конкретный источник данных для поиска LAL. Например, на myTarget можно создавать сегменты из подписчиков групп во «ВКонтакте» и «Одноклассниках».

Создание аудиторных сегментов в myTarget. Источник

Зачем и как сегментировать исходную аудиторию

Если создать список из всех имеющихся исходных аудиторий, результат получится средним: характеристики LAL будут слишком общими. Для более точного подбора базу сегментируют по какому-то признаку, например по этапам воронки продаж. В первую группу можно выделить недавно зарегистрировавшихся на сайте пользователей, во вторую — уже интересовавшихся товаром, а в третью — клиентов, которые уже совершали покупки. 

Параметры могут быть любыми. Например, для клиентов интернет-магазина сегментацию можно выстроить по среднему чеку: до 10 000 рублей и более 10 000 рублей.

Чтобы разделить аудитории, можно использовать пиксели. Они позволяют отслеживать действия посетителей на сайте. Благодаря этому пользователей можно сегментировать в зависимости от совершаемых ими действий. К примеру, первая группа — впервые зашли на сайт, вторая — просмотрели конкретный раздел, третья — подписались на email-рассылку или сделали заказ.

Как работает look-alike аудитория

Вот как работает LAL-технология: 

1. Рекламодатель загружает в систему базу пользователей. Важно убедиться, что исходные данные — качественные. Если неправильно собрать целевую аудиторию, можно слить бюджет впустую. 
2. Алгоритмы выявляют признаки, объединяющие пользователей из списка. 
3. Система сравнивает всех посетителей какого-либо ресурса с паттернами, обнаруженными в исходной базе. Например, LAL-технология в рекламном кабинете VK, найдет похожую аудиторию среди пользователей этой социальной сети.
4. Все найденные похожие пользователи входят в список look-alike. Система обновляет подобранную аудиторию раз в несколько дней, если она используется в активных рекламных компаниях.

 

В исходном списке должно быть не меньше 1 000 пользователей, иначе система может выдать ошибку: слишком мало информации, чтобы алгоритм распознал паттерны. Собрать качественную LAL поможет база, содержащая от 10 000 до 50 000 уникальных пользователей.

Созданный список LAL может содержать несколько миллионов человек. Поэтому для рекламных целей объем можно сократить. Для этого в разделе настроек уменьшают расширение аудитории до нужного значения. 

Настройки подбора LAL в рекламном кабинете VK

Создание похожей аудитории в среднем занимает от 6 до 24 часов, но может длиться и несколько дней. После сбора первого списка каждые 3–7 дней запускается его обновление. 

Алгоритмы LAL  выбирают пользователей, которые максимально схожи с изначальным списком. Но с течением времени система расширяет новую базу и она становится всё меньше похожа на исходную аудиторию — идеальные совпадения заканчиваются. Из-за этого падает конверсия. Поэтому важно регулярно загружать новые списки. Эффективность рекламных кампаний не снизится, если дополнять данные каждые 1–3 месяца.

Стратегии работы с look-alike аудиториями

В зависимости от задачи, выбирают разные исходные источники и по-разному их сегментируют.

• Расширить охват и привлечь трафик — look-alike создают на основе данных обо всех посетителях ресурса компании или её конкурентов.
• Собрать заинтересованных людей — составляют базу из тех, кто  интересовался компанией, но не стал ее клиентом. Например, из посетителей сайта, которые положили товары в корзину, но не оплатили.
• Найти новых клиентов — исходный список формируют из пользователей, действия которых уже влияли на повышение конверсии. Например, только из реальных покупателей. 
• Выровнять спрос — изначальную аудиторию создают из тех, кто взаимодействовал с конкретным разделом сайта или, например, интересовался определенным продуктом.

Главные мысли