Look-alike

Введение

Look-alike (от англ. «похожий») – технология таргетинга, позволяющая рекламодателям находить новых потенциальных клиентов, схожих по поведению, интересам и демографическим характеристикам с уже существующими покупателями или ценными пользователями. Термин широко применяется в digital-рекламе: от социальных сетей до programmatic-платформ.

Ключевая идея: если система знает, кто ваши лучшие клиенты, она может найти миллионы похожих людей среди аудитории площадки. Это позволяет масштабировать рекламные кампании, не жертвуя релевантностью.

История и контекст

Концепция look-alike возникла как развитие математических методов кластеризации и классификации аудиторий. В ранней веб-рекламе таргетинг строился преимущественно на контексте (тематика сайта) или демографии. С появлением крупных социальных сетей и накоплением больших объёмов поведенческих данных стало возможным строить статистические модели сходства пользователей.

Facebook ввёл Lookalike Audiences в 2013 году, что дало рекламодателям доступ к инструменту в один клик. Google Ads последовал с аналогичной функцией (Similar Audiences). В programmatic-экосистеме look-alike-моделирование стало функцией DMP-платформ и DSP-систем. Российские рекламные платформы (ВКонтакте, myTarget, Яндекс) реализовали похожие инструменты для локального рынка.

Ужесточение требований к конфиденциальности (GDPR в Европе, iOS 14.5+ от Apple) осложнило сбор данных для seed-аудиторий и снизило точность look-alike моделей, основанных на сторонних куках. Это стимулировало переход к first-party данным и контекстным сигналам.

Как это работает

Процесс создания look-alike аудитории состоит из нескольких этапов:

1. Определение seed-аудитории – загрузка списка ценных пользователей (покупатели, лиды высокого качества, активные подписчики). Минимальный размер: 100–1000 человек, оптимально 1000–5000.
2. Построение профиля – алгоритм анализирует характеристики seed-аудитории: интересы, поведение, демографию, устройства, паттерны покупок.
3. Поиск схожих пользователей – машинное обучение (обычно логистическая регрессия или градиентный бустинг) ранжирует всех пользователей платформы по «схожести» с seed.
4. Настройка размера аудитории – рекламодатель выбирает процент от общей аудитории платформы (1–10%). Меньший % = более точное сходство, больший % = шире охват.

В programmatic аналогичная логика реализуется через DMP: модель строится на анонимизированных cookie/device ID, а результаты передаются в DSP для ставок на аукционах RTB.

Где применяется

• Социальные сети – Facebook/Instagram Lookalike Audiences, ВКонтакте «похожие аудитории», myTarget
• Поисковая реклама – Google Ads Similar Audiences (для видео и КМС)
• Programmatic DSP – Яндекс.Директ, DV360, The Trade Desk с интеграцией DMP
• E-commerce – поиск покупателей, похожих на тех, кто уже купил конкретную категорию товаров
• Мобильная реклама – поиск пользователей, похожих на установивших приложение и совершивших in-app покупку
• B2B-маркетинг – поиск компаний с характеристиками (размер, отрасль, стек технологий), схожими с лучшими клиентами

Преимущества и ограничения

Преимущества:

• Масштабирование кампаний без ручного подбора таргетингов
• Более высокий CTR и конверсия по сравнению с широкой аудиторией
• Автоматическая адаптация модели при обновлении seed-аудитории
• Работает в связке с ретаргетингом: ремаркетинг удерживает, look-alike привлекает новых

Ограничения:

• Качество зависит от качества seed-аудитории – «мусор на входе, мусор на выходе»
• Ограничения конфиденциальности (iOS 14.5+, cookieless) снижают точность
• Риск «размытия» при больших процентных порогах (10%+)
• Эффективность снижается при маленьком seed (менее 100 человек)
• Закрытость алгоритмов платформ – рекламодатель не видит, по каким признакам строится сходство

Связь с другими понятиями

Look-alike тесно связан с ремаркетингом: оба инструмента работают с аудиторными данными, но если ремаркетинг нацелен на уже знакомых с брендом пользователей, то look-alike ищет новых. Вместе они формируют стратегию «удержание + привлечение».

DMP и CDP служат источником данных для seed-аудиторий: DMP предоставляет анонимизированные поведенческие данные, CDP – идентифицированные профили клиентов. В programmatic-экосистеме look-alike интегрирован в DSP-платформы. Технология активно используется в рамках стратегий ABM для B2B: там look-alike применяется для поиска компаний, схожих по профилю с целевыми аккаунтами.