Lookalike-Publikum. Der heutige Gastbeitrag kommt von Etgar Shpivak, dem Mitbegründer von Fixel.ai, die erklärt, wie du diese wertvolle und beliebte Art der Zielgruppenansprache skalieren kannst.
Was sind Lookalike Audiences?
Lookalike Audiences sind eine Gruppe von sozialen Teilnehmern, die durch ähnliche Merkmale zusammengefasst werden. Sie sind eines der mächtigsten Werkzeuge im Arsenal des modernen Marketings und werden auch als LAL, LAA oder LLA bezeichnet. Sie werden oft eingesetzt, um bestehende Zielgruppen auf neue Standorte und Produkte auszuweiten, aber ihr wahres Potenzial ist viel breiter und kann bei der Skalierung von praktisch allem helfen.
Erstmals eingeführt von Facebook im Jahr 2013Lookalike Audiences sind heute ein fester Bestandteil der Branche und auf vielen Werbeplattformen verfügbar, darunter Facebook, Google Ads, Outbrain, Snapchat und Quora, um nur einige zu nennen. Das Prinzip besteht darin, dass der Algorithmus der Werbeplattform aus einer Gruppe von Nutzern eine zweite Gruppe zusammenstellen kann, die der ursprünglichen Gruppe ähnelt. Facebook hat sogar einen Ähnlichkeitsgrad hinzugefügt, der von 1 % bis zu 20 % Unterschied in der Stichprobengröße reicht.
Wie man ein ähnliches Publikum aufbaut
Wir wollen das Ganze ein wenig aufschlüsseln und uns genauer ansehen, was Lookalikes sind und was du wissen musst um konsequent effektive Lookalikes aufzubauen.
Die Saat
Alle Lookalikes beginnen mit einer Saat. Das ist die "erste Gruppe", die wir bereits erwähnt haben, und sie ist die Basis für das Publikum. Ähnlich wie bei den Pflanzen sind nicht alle Samen gleich und die Auswahl des richtigen Samens ist eine kleine Kunst, aber dazu kommen wir gleich.
Saatgutgröße
Im Allgemeinen liegt die ideale Größe für ein Lookalike-Publikum bei etwa 2.000 Nutzern. Entgegen der Intuition bedeutet ein größerer Seed nicht gleich eine bessere Zielgruppe, im Gegenteil. Angenommen, dein Lookalike-Seed besteht aus Zehntausenden von Nutzern. In diesem Fall wird es für die Werbeplattform schwierig sein, Nutzer/innen zu finden, die mit allen in der Gruppe übereinstimmen, was zu einer weniger genauen Lookalike Audience führt.
Lookalike Audience-Prozentsätze: Ähnlichkeit vs. Reichweite
Lookalike Audiences nehmen das oberste Perzentil der Besucher, die die meisten Gemeinsamkeiten aufweisen, als Ausgangspunkt für die Zielgruppe. Wenn du das oberste 1% wählst, erhältst du eine kleinere, aber homogenere Zielgruppe. Wenn du ein größeres Perzentil wählst, z. B. 5 % oder 10 %, erhältst du eine größere, aber weniger homogene Zielgruppe. Es ist ein klassischer Balanceakt zwischen Größe und Effektivität.
Grundsätze für den Aufbau eines Lookalike Audiences Seed
Es gibt viele "Best Practices" für die Erstellung von Lookalike Seeds. Diese sind oft für einen bestimmten Anwendungsfall effektiv und für einen anderen weniger. In Wirklichkeit gibt es keine Patentlösung, die für alle funktioniert. Vielmehr ist es wichtig, das Lookalike-Seed an die verfügbaren Daten, Kennzahlen und Unternehmensziele anzupassen. Zu diesem Zweck können wir ein paar Leitprinzipien aufstellen.
Verlassen Sie sich auf Metriken: Wie misst man ein ähnliches Publikum?
Viele Metriken können als Grundlage für ein Lookalike-Seed verwendet werden. Hier sind ein paar praktische Beispiele:
CRM-Daten
CRM-Daten beziehen sich auf Informationen, die typischerweise in einem CRM-System gespeichert sind und einen breiteren historischen Kontext haben. Diese Kennzahlen sind in der Regel eher strategisch und langfristig ausgerichtet.
Zum Beispiel:
- Höchster Lifetime-Wert - Kunden, die den höchsten Gesamtwert über einen "Lifetime"-Zeitraum erzielt haben, der mehrere oder viele Geschäfte umfassen kann
- Höchster Warenkorbwert - Kunden, deren einzelne Geschäfte oder Einkäufe den höchsten Wert hatten
Umrechnungsdaten
Conversion-Daten beziehen sich auf die "harten" Aktionen eines Besuchers, die Absicht signalisieren und relativ einfach zu messen sind.
Zum Beispiel:
- Formular-Einsendungen - Besucher, die ein Kontaktformular ausgefüllt oder ein Angebot angefordert haben
- Zum Warenkorb hinzufügen - Besucher, die ein bestimmtes Produkt in den Warenkorb gelegt haben
- Kauf - Besucher, die ein Produkt gekauft oder ein Geschäft abgeschlossen haben, werden zu Kunden
Engagement Daten
Engagement-Daten beziehen sich auf "weiche" Aktionen eines Nutzers, die oft komplexer zu messen und zu verstehen sind.
Zum Beispiel:
- Seitenbesucher - Besucher, die eine bestimmte Seite aufgerufen haben, die eine gewünschte Absicht signalisiert, z. B. ein Besucher eines Reisebüros, der sich über das Wetter und die Wechselkurse eines vorgeschlagenen Reiseziels informiert.
- Engagement Level - Besucher, die eine Aktion ausführen, die ihr Engagement Level signalisiert. Dies kann von spezifischen Mikro-Conversions wie Scrolltiefe und Verweildauer auf der Seite bis hin zu generierten Metriken wie den Facebook-Top-Percentile-Listen oder der KI-generierten Engagement-Bewertung von Fixel reichen . Ein Beispiel: Ein Besucher, der sich mit einer Produktseite beschäftigt hat. Eine Zielgruppe, die auf diesen Besuchern basiert, wäre ähnlich wie eine "In den Warenkorb"-Zielgruppe, aber größer.
Substitution für Lookalike Audiences
Es ist wichtig zu wissen, dass viele dieser Metriken einfachere oder minderwertige Versionen der anderen sind. So können z. B. Daten zu vergangenen Käufen durch "In den Warenkorb"-Zielgruppen ersetzt werden, die wiederum durch "Produktbetrachter" ersetzt werden können, die sehr engagiert waren.
Mit der metrischen Substitution kannst du konsistentes ähnliches Saatgut erzeugen, was sehr wichtig ist.
Saatgut mit der Absicht des Nutzers in Einklang bringen
Einer der wichtigsten Faktoren, den du bei der Erstellung eines Lookalike Seeds beachten musst, ist die Konsistenz. Die Grundregel lautet: Je konsistenter der Lookalike-Seed ist, desto einfacher ist es für den Facebook-Algorithmus, Nutzer zu finden, die ihm entsprechen.
Um Konsistenz zu erreichen, ist es besser, Daten aus einer bestimmten Kategorie zu verwenden, auch wenn die Qualität der Aktionen nicht so gut ist. So sollten z. B. Add-to-Cart-Daten aus einer bestimmten Kategorie den Kaufdaten aus allen Kategorien insgesamt vorgezogen werden.
Um das zu erklären, nimm einen Lebensmittelladen, der viele verschiedene Verbrauchertypen anspricht. Die Verwendung von Kaufdaten ohne Kategoriekontext würde zu einem Seed führen, der sowohl Mütter, die Windeln gekauft haben, als auch Männer, die Rasierapparate und Aftershave gekauft haben, neben Sportlern, die Muskelbalsam gekauft haben, enthält. Das Lookalike-Seed wäre in diesem Beispiel sehr ineffektiv, weil die Gruppen nicht die gleiche Kaufabsicht haben.
Schau über die Metriken hinaus: Die User Journey
Um das Prinzip der Konsistenz beizubehalten, ist es wichtig, über die reinen Kennzahlen hinaus auf die User Journey zu schauen und die Beweggründe und den Kontext zu verstehen, die das spezifische Verhalten, das du bei der Lookalike-Zielgruppe wiederholen möchtest, ausgelöst haben.
Um dieses Prinzip zu erklären, betrachte den Valentinstag für den gleichen CVS-Laden. Auf der Grundlage der Kaufdaten des letzten Jahres in der Zeit vor und unmittelbar nach dem Valentinstag könnte ein großartiges Lookalike-Seed erstellt werden. Die Logik dahinter ist, dass es sich bei den Käufen in der Parfümabteilung in diesem Zeitraum um Geschenke handelt und die gleiche Art von Menschen daran interessiert ist, sie in der nächsten Weihnachtssaison erneut zu kaufen.
Beispiele für Lookalike Audience Seeds
Wertbasierte Lookalikes Saatgut
- Relevante Metriken - Lifetime Value, Höchster Warenkorbwert, Frühere Käufe, In den Warenkorb
- Ähnlichkeit - 1%-2% bevorzugt
Wertbasierte Lookalikes sind die am häufigsten verwendeten Lookalike Seeds. Wenn sie richtig eingesetzt werden, liefern sie einige der effektivsten Lookalikes, die es gibt.
Es ist jedoch wichtig, daran zu denken, dass Konsistenz der Schlüssel ist und dass es besser ist, eine konsistente Zielgruppe von Nutzern zu haben, die ein Produkt in den Warenkorb gelegt haben, als eine inkonsistente Zielgruppe, die auf dem Lebenszeitwert oder Käufen basiert.
Saisonales und wiederkehrendes Saatgut
- Relevante Metriken - Höchster Warenkorbwert, Frühere Käufe, In den Warenkorb legen in einem bestimmten Zeitrahmen
- Ähnlichkeit - 1% bevorzugt
Die Weihnachtszeit bietet enorme Umsatz- und Wachstumschancen für eCommerce-Unternehmen. Da die Medienpreise jedoch ein Allzeithoch erreicht haben, ist es wichtig, sich auf die richtigen Zielgruppen zu konzentrieren.
Eine effektive Taktik ist die Erstellung von 1% Lookalikes, die auf neu gewonnenen Kunden aus der vergangenen Saison basieren. Diese Zielgruppen repräsentieren Menschen, die deine Produkte oder Dienstleistungen im Rahmen der Weihnachtszeit nützlich fanden.
Diese Taktik funktioniert auch für alle Arten von wiederkehrenden Veranstaltungen oder Unternehmen. Von Konferenzen über Live-Events bis hin zu saisonalen Dienstleistungen.
Engagement-basierte Lookalikes
- Relevante Metriken - In den Warenkorb, Inhalt, Micro Conversions, Engagement Scoring von Fixel
- Ähnlichkeit - 1% bevorzugt
Für eine neu gegründete Agentur, die mehrere Dienstleistungen anbietet, oder ein E-Commerce-Unternehmen, das mehrere verschiedene Produkte anbietet, kann es unpraktisch sein oder einfach zu lange dauern, bis jedes Produkt oder jede Dienstleistung genügend Verkäufe oder Abschlüsse erreicht hat, um einen soliden Lookalike-Seed zu bilden.
Viele opfern in diesem Fall die Granularität und verwenden die allgemeine Metrik "Käufe" als Lookalike-Seed. Das ist ein häufiger Fehler. Es ist besser, Engagement-Metriken zu verwenden, um deine Lookalike-Seeds konsistent zu halten.
Letztlich ermöglichen auf Engagement basierende Lookalikes eine schnellere und feinere Skalierung.
Anzeigenskalierung mit Lookalike Audiences
- Relevante Metriken - Anzeigenkonversionen wie z. B. Klicks
- Ähnlichkeit - 1% bevorzugt
Wenn du ein neues Produkt einführst, ist es oft schwierig zu wissen, an wen du dein Produkt richten sollst. Eine interessante Lösung besteht darin, eine breite Zielgruppe anzusprechen und dann die Klickkonversionen als Lookalike-Seed zu verwenden, um einen verbindenden Faktor in der Zielgruppe zu finden.
Zusammenfassung
Trotz der offensichtlichen Vorteile, die Lookalike Audiences haben, sind sie nicht allmächtig und auch die Algorithmen der Anzeigenplattform haben ihre Grenzen. Wenn du etwas aus diesem Artikel mitnimmst, dann ist es die Wichtigkeit der Konsistenz und Granularität der Daten.
Der Aufbau einer großartigen Lookalike Audience erfordert eine ausgewogene Nutzung von Metriken und die Fähigkeit, die Motivationen deiner Nutzer/innen zu verstehen.
Dieser Ansatz wird dir helfen, diese leistungsstarke Funktion auf neue und spezifische Weise zu nutzen, die für dich relevant ist, um effektiv zu wachsen und alles zu skalieren.
Mehr wie dies
