Почему LAL-аудитории не работают? «Похожие» — не значит «нужные»
Lookalike-аудитории (LAL — от Look-Alike ) считаются одним из самых эффективных способов расширения охвата в контекстной рекламе. Однако на практике они работают не всегда. У одних — рост конверсий и прибыли, у других — пшик и слив бюджета.
Почему так происходит? Разберёмся, как работает LAL, какие ошибки чаще всего приводят к провалу и как их избежать.
Как алгоритмы LAL «угадывают» аудиторию — и почему часто мимо?
LAL-аудитория — это группа пользователей, которые по поведенческим и социально-демографическим параметрам похожи на тех, кто уже совершил целевое действие: покупку, заявку или подписку. Алгоритм рекламной платформы (например, Яндекс.Аудитории) анализирует исходную группу и строит новую, максимально близкую к ней.
Если базовый сегмент собран плохо — алгоритм теряет фокус. В результате реклама показывается людям, которые формально подходят под описание, но никак не связаны с вашим продуктом.
Главная ошибка: считать всех, кто купил, подходящим сегментом
Факт покупки объединяет, но ничего не объясняет.
Частый подход — взять всех пользователей, которые достигли цели (например, купили товар), и использовать их как основу для создания похожей аудитории. Проблема в том, что у этих людей может не быть ничего общего, кроме самого факта покупки.
Пример:
Один и тот же телевизор 24 дюйма купили:
- 20-летний студент — для комнаты в общежитии;
- 45-летняя женщина — для кухни.
Объединяет их только факт покупки. Возраст, пол, интересы, потребности — разные. Если создать LAL-аудиторию на основе такой группы, алгоритм попытается найти усреднённый портрет между этими пользователями. Результат — нерелевантная аудитория, которая не имеет отношения к вашему бизнесу.
При создании базового сегмента учитывайте:
Алгоритмы не создают новую аудиторию — они масштабируют имеющуюся. Дайте им хороший исходник.
Чтобы LAL-аудитория работала, важно не просто собирать пользователей, совершивших целевое действие, а понимать, кто они такие. Вот на что стоит обратить внимание:
- Возраст и пол
Если в сегменте 70% — женщины 35–45 лет, а остальные — случайные пользователи, выделите ядро и стройте LAL на нём. - Источники трафика
Пользователи из SEO, медийного трафика и ремаркетинга ведут себя по-разному. Сегментируйте по каналу. - Поведение на сайте
Среднее время на странице, глубина просмотра, путь до конверсии — всё это помогает отделить заинтересованных от случайных. - География и устройство
Города и регионы реагируют по-разному. Мобильные и десктопные пользователи — тоже. - Дополнительные признаки
Используйте CRM или сквозную аналитику. Оцените повторные покупки, средний чек, частоту взаимодействия. Это поможет выделить лояльных клиентов.
Как собрать нормальный сегмент: пошагово
- Выгрузите тех, кто совершил целевое действие.
Используйте метрики: Google Analytics, Яндекс.Метрика, CRM. - Проанализируйте демографию и поведение.
Определите пол, возраст, географию, устройства, источники трафика. - Выделите наиболее однородную группу.
Например: женщины 30–45 лет, Москва, мобильные устройства, средний чек выше X. - Используйте эту группу как основу для LAL.
Не стремитесь к широте — лучше точность. Масштабировать всегда можно позже.
LAL — это не магия. Это аналитика.
Если вы подаёте на вход алгоритмам "всё подряд", на выходе получите "всё подряд". Подумайте, кто именно совершал покупки, по каким причинам, и найдите общее между этими людьми — это и должно лечь в основу сегмента.
Что дальше?
Если вы хотите использовать LAL-аудитории как точку роста, начните с аудита текущих сегментов. Проверьте, кого вы включаете в базу, насколько она однородна и какие дополнительные параметры можно учесть.
И помните: точность здесь важнее масштаба.