Что такое look alike аудитория: определение и настройка на площадках

Когда тёплая аудитория исчерпана, ретаргетинг дорожает, а таргетинг по интересам приводит случайных посетителей, рекламодатели ищут способ найти новых людей, похожих на своих лучших клиентов. Разберём, что такое look alike аудитория: это сегмент новых пользователей, которых рекламная система подбирает по сходству с вашей исходной базой — клиентами, подписчиками или посетителями, совершившими целевое действие. Ниже — определение, логика работы алгоритма, как этот инструмент называется и настраивается в Meta, Google Ads, TikTok, Яндекс Директе и VK Рекламе, чек-лист подготовки базы и схема запуска без пересечения сегментов.

Что такое look alike аудитория: определение и базовая логика

Look alike аудитория (похожая аудитория, lookalike, LAL) — это группа пользователей рекламной площадки, которых алгоритм отобрал по сходству с исходной аудиторией, которую вы ему передали. Исходной аудиторией (источником, seed) обычно служат список клиентов из CRM, пользовательская аудитория посетителей сайта, люди, взаимодействовавшие с вашей страницей или приложением, или события пикселя.

Термин пришёл из англоязычного маркетинга: «look-alike» буквально означает «двойник», «похожий на кого-то». Главное отличие от ретаргетинга — вы обращаетесь к людям, которые ещё не знакомы с брендом. Главное отличие от таргетинга по интересам — признаки выбирает не специалист вручную, а модель площадки, сравнивая множество сигналов о поведении пользователей.

Подход	В чём ключевое отличие	Наглядный пример
Look alike аудитория	Система находит незнакомых с брендом людей, чьё поведение похоже на поведение вашей исходной аудитории	Показ рекламы людям, которые не знают ваш интернет-магазин кофе, но по поведению похожи на его постоянных покупателей
Ретаргетинг	Повторный показ рекламы тем, кто уже контактировал с сайтом или приложением	Напоминание о брошенной корзине человеку, который ушёл с сайта без покупки
Таргетинг по интересам	Ручной выбор тем и увлечений, которые площадка присвоила пользователям	Выбор категории «Спорт и фитнес» без учёта реального намерения купить абонемент

Пример для иллюстрации. Владелец небольшой обжарочной мастерской хочет расширить продажи. Раздавать листовки каждому прохожему — это широкий охват без фильтрации. Звонить только тем, кто заходил на прошлой неделе, — ретаргетинг. А если взять анкеты самых постоянных покупателей, заметить общие привычки и поручить промоутеру искать людей с такими же привычками — это и есть логика look alike.

Зачем бизнесу похожие аудитории и где их место в воронке

Основная задача похожих аудиторий — масштабирование. Аудитория ретаргетинга конечна: если просто поднимать бюджет на тёплых пользователей, растёт частота показов, люди начинают скрывать объявления, а стоимость целевого действия (CPA, Cost Per Action) увеличивается. Широкий таргетинг по интересам даёт объём, но приводит много случайных переходов. Look alike аудитория занимает промежуточное положение: она расширяет охват на холодных пользователей и при этом опирается на признаки тех, кто уже купил.

В воронке это выглядит так:

• До запуска: вы собираете исходные данные — выгрузку из CRM, список покупателей, подписчиков или сегмент посетителей, выполнивших ключевое событие на сайте.
• Во время кампании: площадка показывает рекламу новым людям, похожим на источник, и приводит холодный трафик на посадочные страницы.
• После первого контакта: те, кто проявил интерес, но не купил сразу, попадают в ретаргетинг и email-цепочки.

Оценивать такие кампании стоит по окупаемости, а не по кликам: расчёт окупаемости рекламы по формуле ROMI покажет, оправдывает ли похожий сегмент вложения при росте бюджета.

Когда look alike аудитория ещё не нужна? Во-первых, если у бизнеса пока мало продаж и конверсий: площадке не на чем учиться, и сегмент получится случайным. Во-вторых, в ультралокальном бизнесе с маленьким радиусом обслуживания, где геотаргетинг проще и точнее. В-третьих, когда вы ещё не настроили аналитику и не можете отличить хорошие заказы от плохих: сначала стоит наладить учёт конверсий.

Как называются и настраиваются похожие аудитории на разных площадках

Механика похожа везде, но названия, источники и настройки отличаются. Ниже — то, что описано в официальных справках площадок; конкретные пункты меню со временем меняются, поэтому перед запуском сверяйтесь с актуальной справкой.

Meta (Facebook и Instagram)

В Справочном центре Meta для бизнеса инструмент называется «Похожая аудитория». По справке, система использует информацию об исходной аудитории (например, демографические данные, интересы и поведение) и находит новых людей с похожими характеристиками. Источником служит пользовательская аудитория — например, список клиентов, посетители сайта или пользователи приложения; сохранённые аудитории источником быть не могут.

Что важно знать по справке Meta:

• исходная аудитория должна включать не менее 100 человек, рекомендуемый размер — от 1 000 до 5 000 человек;
• люди из исходной аудитории не попадают в похожую;
• размер задаётся ползунком в процентах: чем ниже диапазон, тем больше новая аудитория совпадает с исходной, чем выше — тем шире охват;
• путь в кабинете: раздел «Аудитории» → «Создать аудиторию» → «Похожая аудитория»; местоположение теперь берётся из настроек геоданных группы объявлений;
• похожие аудитории ограничены или недоступны в рекламе финансовых продуктов и услуг, жилья и трудоустройства.

Отдельно учитывайте похожую аудиторию Advantage+: она автоматически включается в группах, где используются пользовательские аудитории на основе списка клиентов, данных сайта или приложения, и позволяет системе показывать рекламу людям за пределами вашей похожей аудитории. Справка Meta также подчёркивает качество источника: в зависимости от цели аудитория только из лучших клиентов может дать результат лучше, чем аудитория из всех клиентов. Подробнее о работе в кабинете — в руководстве по Meta Ads Manager.

Google Ads: что стало с похожими сегментами

В Google Рекламе раньше были «похожие сегменты» (Similar audiences), но этот вариант таргетинга больше не используется. Справка Google Рекламы прямо предлагает: вместо таргетинга на похожие сегменты включите для группы объявлений оптимизированный таргетинг и добавьте собственные данные (например, сегменты с данными клиентов) в качестве подсказок. Для видеокампаний с целями «Узнаваемость и охват» или «Готовность» справка рекомендует добавить сегменты с собственными данными и охватить похожих на них пользователей с помощью расширения аудитории. В кампаниях «Создание спроса» (Demand Gen) Google также предлагает собственный вариант похожих сегментов на основе ваших списков — условия проверяйте в справке Google Рекламы.

TikTok Ads

В TikTok Ads Manager есть похожие аудитории (Lookalike Audience), которые строятся на основе ваших пользовательских аудиторий: списков клиентов, посетителей сайта, вовлечённых пользователей. Размер аудитории регулируется выбором режима охвата — от более узкого и точного к более широкому.

Яндекс Директ и VK Реклама

В экосистеме Яндекса похожие аудитории создаются в Яндекс Аудиториях как сегмент типа look-alike на основе уже созданного сегмента (например, загруженного списка клиентов или данных Метрики). При создании вы выбираете баланс между точностью и охватом, затем используете сегмент в условиях подбора аудитории в Яндекс Директе. В VK Рекламе также можно строить похожие аудитории на основе ваших списков и сегментов. Названия разделов и минимальные требования к объёму в этих системах меняются, поэтому сверяйтесь со справкой площадки перед запуском.

Сравнительная таблица площадок

Таблица ниже помогает быстро сопоставить механику. Последний столбец заполните сами по результатам ваших тестов.

Площадка	Как называется	На чём строится	Как регулируется размер	Ваши результаты
Meta	Похожая аудитория	Пользовательские аудитории: список клиентов, сайт, приложение; источник — не менее 100 человек	Ползунок в процентах: ниже — точнее, выше — шире	[заполните]
Google Ads	Похожие сегменты больше не используются; вместо них — оптимизированный таргетинг и расширение аудитории	Сегменты с собственными данными и данными клиентов как подсказки	Включение оптимизированного таргетинга или расширения аудитории	[заполните]
TikTok Ads	Похожая аудитория (Lookalike Audience)	Пользовательские аудитории: списки, посетители сайта, вовлечённые пользователи	Выбор режима охвата: от узкого к широкому	[заполните]
Яндекс Директ	Сегмент look-alike в Яндекс Аудиториях	Существующий сегмент: список клиентов, данные Метрики и другие	Баланс между точностью и охватом	[заполните]
VK Реклама	Похожая аудитория	Ваши списки и сегменты	По справке площадки	[заполните]

Если вы ведёте рекламу сразу в нескольких кабинетах, Orova Ads собирает кампании Google, Meta и TikTok на одной панели и выполняет действия по правилам, которые вы описываете своими словами.

Как работает алгоритм: от исходной базы до сегмента

Рекламная система не оценивает людей интуитивно: она сопоставляет данные и ищет статистические закономерности. Понимание этапов помогает управлять результатом.

Исходная аудитория (источник)

Источник — это список или сегмент людей, которые уже доказали свою ценность для бизнеса: покупатели, повторные клиенты, лиды, дошедшие до сделки.

• Что передаётся: телефоны и адреса электронной почты (площадки хешируют их или требуют хеширования), идентификаторы устройств, события пикселя или серверные события с ценностью заказа.
• Что получается: часть списка, которую площадка смогла сопоставить со своими пользователями.
• Где ломается: устаревшие номера, клиенты с возвратами, дубликаты, разный формат телефонов (+7, 8 и т. д.).

Если вы загружаете списки клиентов, убедитесь, что сбор и передача персональных данных соответствуют требованиям закона 152-ФЗ «О персональных данных» и правилам рекламной площадки.

Сопоставление и поиск похожих признаков

Когда источник сопоставлен, модель ищет общие признаки у людей из списка и то, чем они отличаются от остальных пользователей площадки. Учитываются как явные параметры (география, возраст, устройство), так и поведенческие сигналы — какой контент человек смотрит, с какими страницами и объявлениями взаимодействует. Конкретный набор признаков площадки не раскрывают.

• Что важно для качества: однородный источник. Если смешать в одном списке оптовых B2B-закупщиков и розничных покупателей, модели сложнее выделить общий портрет.

Размер сегмента: точность против охвата

Затем алгоритм ранжирует пользователей выбранной страны или региона по степени сходства с источником. Узкий сегмент (в Meta — нижний диапазон процентов) содержит самых похожих людей, широкий — больше людей с менее выраженным сходством. Выбор слишком широкого сегмента при маленьком бюджете размывает показ. Если источник слабый, расширение только усилит шум — сначала очистите базу. Если источник сильный, а бюджет растёт, расширяйтесь каскадом от узкого сегмента к широкому.

Серверная передача конверсий и приватность

Раньше похожие аудитории строились в основном на браузерных пикселях. После появления App Tracking Transparency в iOS 14.5 и ограничений сторонних cookie браузерные сигналы стали теряться: блокировщики и настройки приватности разрывают цепочку отслеживания.

Поэтому площадки предлагают передачу событий с сервера: Meta Conversions API, TikTok Events API, загрузку данных клиентов в Google Рекламу. События о покупках и заявках уходят из вашей базы или CRM напрямую в рекламную систему, контактные данные передаются в хешированном виде. Если у вас ещё нет единого учёта сделок, начните с внедрения CRM-системы: без неё сложно передавать площадке реальные оплаты, а не только заявки.

Как подготовить исходную базу: чек-лист

Сырая выгрузка из учётной системы или таблиц учит алгоритм на шуме. Перед загрузкой пройдите семь шагов. В основе — RFM-подход: давность (Recency), частота (Frequency) и сумма покупок (Monetary).

1. Очистите базу от брака: удалите заказы, которые были отменены, возвращены или не выкуплены.
2. Отберите свежих клиентов (Recency): оставьте тех, кто покупал недавно, — поведение давних клиентов хуже отражает текущий спрос. Период определите по циклу покупки в вашей нише.
3. Отделите повторных покупателей (Frequency): для источника лучше подходят клиенты с несколькими покупками, чем разовые.
4. Отсейте низкую ценность (Monetary): уберите клиентов с минимальными чеками, если ваша цель — привлекать покупателей с более высоким чеком.
5. Приведите телефоны к единому формату: международный стандарт E.164, например +79991234567 — без пробелов, скобок и дефисов.
6. Нормализуйте адреса почты: нижний регистр, без пробелов в начале и в конце.
7. Проверьте объём: список должен быть не меньше минимума площадки (в Meta — не менее 100 человек, рекомендуемый размер — от 1 000 до 5 000). Если ценных клиентов мало, используйте более частые события — качественные заявки или добавления в корзину.

Шаблон сравнения двух источников

Распространённое заблуждение: «чем больше база, тем лучше сработает look alike». Часто небольшой однородный список сильных клиентов даёт лучший результат, чем большая выгрузка всех заявок подряд. Проверьте это на своих данных: запустите два похожих сегмента одинакового размера из разных источников с одинаковым бюджетом и креативами и заполните таблицу.

Показатель	Как считать	Источник А: все заявки подряд	Источник Б: отфильтрованные по RFM клиенты
Расходы	Из рекламного кабинета	[ваши данные]	[ваши данные]
Заказы	Из CRM или аналитики	[ваши данные]	[ваши данные]
Выручка	Из CRM	[ваши данные]	[ваши данные]
CPA	Расходы ÷ Заказы	[расчёт]	[расчёт]
ROAS	Выручка ÷ Расходы × 100%	[расчёт]	[расчёт]

Пример для иллюстрации расчёта: если расходы составили 100 000 рублей, а заказов — 40, то CPA = 100 000 ÷ 40 = 2 500 рублей; если выручка — 300 000 рублей, то ROAS = 300 000 ÷ 100 000 × 100% = 300%. Цифры условные и нужны только для того, чтобы показать формулу.

Запуск и масштабирование без пересечения сегментов

Частая ошибка при масштабировании — просто поднимать бюджет в самом узком сегменте. Частота растёт, объявления примелькаются, стоимость результата увеличивается. Вместо этого расширяйтесь по горизонтали: добавляйте более широкие диапазоны схожести.

Сегменты разного размера пересекаются: люди из диапазона 1% входят и в диапазон до 3%. Если запустить их параллельно без исключений, ваши объявления будут конкурировать друг с другом в аукционе. Поэтому применяйте каскадные исключения. Условный пример для Meta, где размер задаётся диапазоном в процентах (люди из самого источника в похожую аудиторию не попадают, но других клиентов и недавних посетителей стоит исключать отдельно):

• Группа 1 (максимальная точность): похожая аудитория 1%. Исключить: базу покупателей и недавних посетителей сайта.
• Группа 2 (расширение): диапазон 1–3%. Исключить: группу 1%, базу покупателей и посетителей сайта.
• Группа 3 (широкий охват): диапазон 3–5%. Исключить: группы 1% и 1–3%, базу покупателей и посетителей сайта.

Следите за частотой показов и стоимостью результата: если частота растёт, а стоимость конверсии вместе с ней, обновите креативы или переходите к следующему диапазону. Чтобы видеть поведение каждой группы в веб-аналитике, используйте разметку ссылок через UTM-метки.

Типичные ошибки

Ошибка	Последствия	Как предотвратить
Загрузка сырой базы со случайными лидами	Алгоритм ищет похожих на случайных людей, бюджет тратится впустую	Фильтровать базу по RFM и убирать отменённые заказы
Нет исключения исходной базы	Реклама для новых клиентов показывается тем, кто уже купил	Добавлять списки клиентов в исключения каждой группы
Параллельный запуск 1% и 1–3% без исключений	Внутренняя конкуренция объявлений, рост стоимости показов	Исключать более узкие сегменты из широких
Слишком частая смена настроек	Группа не выходит из этапа обучения, результаты нестабильны	Менять настройки после того, как накопится достаточно данных
Оценка по цене клика	Масштабируется дешёвый трафик без покупок	Оценивать по CPA, конверсии сайта и ROAS

Подключите Orova Ads, чтобы передавать конверсии в Meta, Google и TikTok через один вебхук и видеть, как AI оценивает каждое выполненное действие. Все возможности доступны бесплатно до 7 июля 2027 года.

Как передавать конверсии для похожих аудиторий через Orova Ads

Сами похожие аудитории создаются в кабинетах площадок. Orova Ads не заменяет этот шаг: это AI, который ведёт рекламу Google, Meta и TikTok на одной панели и сам выполняет те действия, для которых вы включили автоматическое выполнение, по вашим правилам. Для работы с похожими аудиториями он полезен на двух участках: передача реальных конверсий в площадки и контроль кампаний после запуска.

Шаг 1. Подключите передачу конверсий в Meta

В разделе «Conversion API» на вкладке «Accounts» выберите рекламный аккаунт Meta Ads, укажите пиксель в поле «Target Pixel» и источник конверсий в поле «Conversion source». Включите «Enable sending conversions» и сохраните настройки кнопкой «Save configuration». Чтобы проверить связку, укажите «Test event code» и отправьте тестовое событие кнопкой «Send test».

На вкладке «API» Orova Ads показывает один адрес вебхука и необязательный секретный ключ, а также примеры тела запроса для Meta Ads, Google Ads и TikTok Ads. Ваша CRM или сайт отправляет на этот адрес событие о покупке, и Orova передаёт конверсию во все три площадки. Журнал входящих событий доступен на вкладке «History».

Шаг 2. Задайте правила для групп с похожими аудиториями

В разделе «Rule Set» нажмите «Create new rule» или выберите готовый шаблон в «Template store». Для каждого действия правило пишется вашими словами — например, когда снижать ставку в группе с похожей аудиторией, если стоимость результата выросла. Режим работы выбираете вы: автоматический, гибридный или режим советника. По каждому выполненному действию AI сам оценивает результат, сравнивая 7 дней до и 7 дней после изменения.

Новые кампании с нуля и рекламные креативы Orova Ads не создаёт: структуру кампаний и похожие аудитории вы готовите в кабинетах площадок.

Тренды развития look alike: авторский взгляд

Наблюдая за развитием рекламных систем, я выделяю три направления, которые будут определять работу с похожими аудиториями.

Во-первых, статичные выгрузки уступают место постоянной передаче событий. Файл с контактами, загруженный однажды, устаревает, а серверные события о покупках и их ценности дают площадке более свежий материал. Я считаю, что ценность заказа и повторные покупки будут всё важнее, чем сам факт заявки.

Во-вторых, граница между похожими аудиториями и широким таргетингом стирается. В Meta похожая аудитория Advantage+ уже позволяет системе выходить за пределы заданного сегмента, а Google заменил похожие сегменты оптимизированным таргетингом. Я предполагаю, что выбор строгого процента схожести будет значить всё меньше, а качество исходных данных и креативов — всё больше.

В-третьих, требования к конфиденциальности будут ужесточаться. По моему мнению, площадки будут чаще сопоставлять аудитории без прямой передачи контактов рекламодателя — через защищённые среды обработки данных. Что может опровергнуть этот прогноз? Если регуляторы сильно ограничат сбор поведенческих сигналов, индустрия может временно вернуться к контекстному таргетингу.

Часто задаваемые вопросы о look alike аудиториях

Нужна ли look alike аудитория, если площадка и так умеет искать покупателей сама?

Да, как источник подсказок. Даже в кампаниях с широким таргетингом алгоритму полезно знать, кто ваши реальные покупатели. Качественный список клиентов или серверные события помогают модели быстрее найти нужных людей.

Как часто обновлять исходный список?

Если источник — загруженный файл, обновляйте его регулярно, по мере появления новых клиентов и с учётом сезонности. Если источник — пиксель, приложение или серверные события, данные пополняются автоматически.

Что лучше: небольшой список сильных клиентов или большая база всех покупателей?

Часто лучше работает однородный список клиентов с повторными покупками и высоким чеком, потому что алгоритм ищет людей, похожих именно на них. Проверьте на своих данных с помощью шаблона сравнения выше.

Что стало с похожими сегментами в Google Ads?

Похожие сегменты больше не используются. Справка Google Рекламы предлагает вместо них оптимизированный таргетинг с вашими собственными данными в качестве подсказок, а для части видеокампаний — расширение аудитории.

Как избежать пересечения похожих аудиторий?

Используйте каскадные исключения: в группе 1–3% исключайте сегмент 1%, в группе 3–5% — сегменты 1% и 1–3%. Из всех холодных групп исключайте текущих клиентов и недавних посетителей сайта.

Почему похожие аудитории на основе браузерного пикселя стали работать хуже?

Браузеры и мобильные системы ограничили отслеживание (сторонние cookie, App Tracking Transparency в iOS), и часть сигналов теряется. Серверная передача событий помогает вернуть площадке данные о реальных покупках.

С чего начать работу с look alike аудиториями

Выберите свой сценарий и сделайте один шаг сегодня.

• Сценарий 1: базы клиентов пока нет. Не загружайте случайные базы из интернета и не используйте накрученных подписчиков. Запустите рекламу на прямой интерес или поисковую рекламу, установите пиксели площадок и начните копить реальные конверсии для будущего источника.
• Сценарий 2: данные есть, но разрознены. Не загружайте всё одним массивом. Откройте таблицу, удалите клиентов с возвратами и неоплаченными заказами, приведите телефоны к единому формату с кодом страны и сохраните очищенный список лучших клиентов для первой тестовой загрузки.
• Сценарий 3: кампании идут, но результат нестабилен. Не меняйте всё сразу. Проверьте исключения: из холодных групп должны быть исключены текущие покупатели и более узкие сегменты.

Теперь вы знаете, что такое look alike аудитория, как она устроена на разных площадках и как подготовить для неё данные. Начните с качественного источника — от него зависит всё остальное.