Как формируется look-a-like аудитория в социальных сетях

Технология look-a-like аудитории используется для таргетированной рекламы. Для этого программа анализирует пользователей, сравнивая их с характеристиками целевой аудитории. В итоге получают людей, максимально похожих на представителей ЦА. Причем отбор может осуществляться по различным критериям, например, по возрасту, месту жительства, интересам и другим.
Важным моментом при применении механизма look-a-like является выбор нужной исходной базы для анализа аккаунтов. Для этого пользователей делят по основным факторам:
— наличие взаимодействий с рекламным постом;
— наличие переходов по ссылке;
— активность на сайте;
— регистрация на сайте;
— наличие совершенной покупки.
Для каждого из этих пунктов создается своя база аккаунтов. Уже на ее основе формируется look-a-like аудитория. В первую очередь ориентируются на тех пользователей, которые ближе всего в воронке к совершению желаемого целевого действия. Для них наиболее эффективно будет работать аудитория двойников.

Всю работу по поиску look-a-like выполняют нейросети, однако важно понимать, что для улучшения их навыков необходимо обучение. Алгоритмы делают все самостоятельно, однако им нужны данные для такого процесса. Например, для улучшения таргетинга соцсети Facebook и Instagram можно обучать на базах данных любого размера, однако специалисты рекомендуют, чтобы количество пользователей здесь составляло более тысячи аккаунтов. При этом важно понимать, что база должна включать в себя большее количество, так как тысяча человек — это значение, которые выдаст нейросеть после обработки всех данных.
Для определения look-a-like аудитории необходимо в рекламном кабинете соцсети загрузить список с адресами электронной почты или телефонными номерами. Далее алгоритмы сравнивают эти данные с собственной информацией. И если контакты есть в базе соцсети, тогда аккаунт попадает в новую базу. При этом сервисы не сохраняют информацию о пользователях – после обработки они сразу удаляются. Таким образом соцсети придерживаются политики защиты конфиденциальных данных. Кроме того, составленную новую базу невозможно выгрузить из кабинета, чтобы минимизировать риски утечки личной информации пользователей.
После этого приступают к созданию look-a-like аудитории, выставляя определенный процент сходства с исходной ЦА. В данном случае можно экспериментировать, тестируя разные варианты по одним и тем же характеристикам. Чем выше процент сходства, чем меньше будет база.
Look-a-like был бы идеальным инструментом для бизнеса, который хочет охватить большую аудиторию пользователей, заинтересованных в покупке, однако пока у него мало данных о потребителях. В таком случае похожая аудитория позволит увеличить охват пользователей, ориентируясь на определенные характеристики потенциальных клиентов.