Сообщить об ошибкеКороткий ответ
Нужно загрузить качественную seed-аудиторию (например, список покупателей или пиксельную аудиторию с ценным действием), убедиться, что её размер достаточен для обработки алгоритмом, и выбрать процент похожести аудитории, балансируя между точностью сходства и объёмом аудитории.
Как это работает подробнее
алгоритм ищет общие признаки seed-аудитории (поведенческие и демографические сигналы) и строит сегмент пользователей с похожими характеристиками в пределах выбранного процента похожести.
Что использовать на практике
- Подход. чем точнее сегментирована seed-аудитория (например, только покупатели с повторной покупкой, а не все посетители сайта), тем выше качество итоговой look-alike аудитории; слишком широкий процент похожести снижает точность в пользу объёма.
- Пример. Интернет-магазин загружает базу из 8000 клиентов с LTV выше среднего и строит look-alike 1% в VK Реклама. Результат сравнивается с look-alike на базе всех посетителей сайта по CPA за одинаковый бюджет — более точная seed даёт CPA ниже на 25%.
Подводные камни
- Ошибка. использовать в качестве seed слишком разнородную аудиторию (все подписчики сообщества вместо покупателей) или не обновлять seed-аудиторию по мере накопления новых данных, из-за чего look-alike «устаревает».