Lookalike-doelgroep

Wat is een lookalike-doelgroep?

Een lookalike-doelgroep is een advertentiedoelgroep waarbij het platform nieuwe mensen vindt die lijken op een brongroep (een “seed”) die u zelf kiest – meestal een aangepaste doelgroep van kopers, e-mailcontacten of bezoekers. Het platform analyseert gedeelde kenmerken in de bron en bouwt een grotere doelgroep op met een vergelijkbaar profiel en gedrag. Op Meta stelt u een grootte in van 1% tot 10% van een gekozen markt, waarbij 1% het dichtst in de buurt van de bron komt, terwijl hogere percentages het bereik vergroten ten koste van de precisie.

Waarom is een lookalike-doelgroep belangrijk?

Lookalikes zijn de primaire manier om nieuwe klanten te vinden (prospecting) in paid social, in tegenstelling tot retargeting, waarmee u mensen bereikt die u al kennen. De kwaliteit hangt af van de bron: een seed van 1.000–50.000 van uw beste klanten levert betere resultaten op dan een brede lijst van alle bezoekers. Een sterke lookalike kan uw kosten voor klantenwerving verlagen en uw ROAS verbeteren, omdat advertenties worden getoond aan mensen die eerder geneigd zijn te kopen.

Veelvoorkomende scenario’s

• Bouw een lookalike op basis van uw meest waardevolle kopers in plaats van alle klanten.
• Maak een lookalike van e-mailabonnees of mensen die producten aan hun winkelwagen hebben toegevoegd.
• Test een 1% lookalike tegen een 3-5% lookalike om de balans te vinden tussen precisie en bereik.
• Sluit bestaande klanten uit, zodat het prospecting-budget alleen nieuwe gebruikers bereikt.

Shopify-perspectief

Koppel het Facebook & Instagram-kanaal in Shopify zodat uw pixel en Conversions API aankoop- en gedragsevenementen naar Meta sturen. Die gegevens houden de aangepaste doelgroepen waarvan lookalikes worden gebouwd up-to-date. Op Meta kiest u tijdens het maken zelf geen land meer – geografie wordt geregeld op advertentiesetniveau, zodat dezelfde lookalike in verschillende markten kan worden gebruikt. Zorg voor een schone bron (bijv. alleen kopers met een hoge waarde), want de precisie van een lookalike is nooit beter dan de gegevens waarop deze is gebaseerd.