Качественный look-alike

Качественный look-alike

Что такое look-a-like?

Цитата из справки FACEBOOK: ​

«Когда вы создаете похожую аудиторию, вы выбираете исходную аудиторию созданную на основе информации, полученной из вашего пикселя, мобильного приложения или подписчиков вашей страницы. ​

Мы выявляем общие качества людей в нем. ​

Затем мы показываем вашу рекламу аудитории, состоящей из людей, которые похожи на них

Это аудитория, составленная из пользователей, обладающих интересами и покупательским поведением схожими с вашей исходной (пользовательской) аудиторией. ​

Все просто! ​

​​

Несмотря на то что определение лукалайк довольно простое, в нем много нюансов, которые упускают из виду, в частности из-за кажущейся простоты определения. ​

Вы передаёте нам данные своих покупателей – мы ищем похожих на них людей. ​

Что может быть доходчивее? ​

​​Но почему одни look-a-like получают высокую конверсию и приносят хорошие результаты, а у других все печально? ​

Да потому что, дьявол кроется в деталях! ​

И чтобы составить качественный лукалайк стоит обратить внимание на ряд нюансов, без соблюдения которых ваш трафик будет гораздо менее эффективным.

Давайте поговорим об этом подробнее:

Пользователю присваивается идентификатор интереса на 30 дней, если он:

— подписан на страницу (аккаунт) связанный с тематикой интереса
— делал шер/коммент/лайк/переход в профиль поста связанного с тематикой интереса
— совершил переход на сторонний ресурс связанный с тематикой интереса (учитывается тайминг нахождения на ресурсе)
— реакции на пост в ленте без клика — тайминг/рескролл

Это first-party data на основании данных собираемых непосредственно ФБ/ИГ. Помимо этого есть события instant article/canvas game/facebook shopping

 

Плюс по информации от сторонних поставщиков. Это отдельный массив, ФБ тщательно отбирает провайдеров данных, чтобы идентифицировать покупательское поведение пользователей ФБ на сторонних ресурсах, и на основании этого присвоить пользователю тот или иной идентификатор интереса.

 

Лукалайк это совокупность пула интересов и покупательского поведения пользователей, на основании слепков предоставленных рекламодателем. Слепок с профиля конкретного пользователя на текущий день.

 

То есть, базы пользователей совершивших целевое действие за периоды 1-30 дней и 30-180 дней имеют несопоставимо разную ценность, так как покупательское поведение пользователей из второй базы частично изменилось. Насколько оно изменилось, зависит от оффера и состава базы, но иногда радикально. То же самое можно сказать о базах 1-7 дней и 7-30 дней, или 1 день и 1-7 дней.
Этот пойнт говорит о временной ценности.

 

Второй пункт — однородность состава базы, чем тщательней кластеризирован сегмент, тем большую ценность он представляет. Если в базе содержатся пользователи совершавшие целевые действия с разной степенью издержек на совершение событий или не сегментированы по степени вовлечения в продукт, это затрудняет алгоритму отстройку оптимизации от такого лал. Кол-во результатов быстро истощается в следствии формирования нерелевантного офферу оптимизационного ядра.

 

Третий пункт — количество данных. Минимальный порог установленный ФБ 100 профилей. Но в основном стоит отталкиваться от кол-ва пользователей в гео(или суммы гео) на которое составляется лал. Для США 100 пользователей будет слишком малым колвом, для Хорватии более чем достаточным.

 

В описании аудитории прослеживается важный пункт — аудитории ФБ, динамичны. Обновление аудиторий происходит ежедневно, иногда по нескольку раз в день! А для лал составленных внутри кабинета (не загруженных из CSV файла) обновляется сама пользовательская база.


Этот пункт говорит о том, что используя бюджет не учитывающий обновление аудиторий вы заставляете алгоритм выбирать из менее конверсионных сегментов, что влечет быстрое выгорание.