Lookalike-målgrupper är ett av de mest effektiva verktygen inom betald annonsering, men också ett av de mest missförstådda. Många annonsörer sätter upp dem snabbt, väljer en bred expansionsnivå och förväntar sig resultat, utan att egentligen ha tänkt igenom vad de matar in i systemet. Det är just där de flesta kampanjer går fel.
Den här artikeln går igenom hur lookalike-målgrupper fungerar på Meta och Google, vad som skiljer plattformarna åt i praktiken, och framför allt varför källmålgruppen är det som avgör om era kampanjer faktiskt presterar.
Vad är en lookalike-målgrupp?
En lookalike-målgrupp är en målgrupp som en annonsplattform bygger åt dig, baserad på data från personer som redan har visat intresse för ditt varumärke. Plattformen analyserar gemensamma egenskaper hos dessa personer, beteenden, intressen och demografiska mönster, och letar sedan efter nya användare som liknar dem.
Tanken är enkel: om du vet vad dina bästa kunder har gemensamt kan du använda den kunskapen för att hitta fler av dem, utan att behöva definiera varje parameter manuellt.
Det är ett verktyg som passar särskilt väl i prospekteringsfasen, det vill säga när ni vill nå personer som ännu inte känner till ert varumärke men som sannolikt skulle vara mottagliga för det.
Hur fungerar det på Meta?
På Meta skapar du lookalike-målgrupper via Ads Manager, och utgångspunkten är alltid en anpassad målgrupp som fungerar som källdata. Den anpassade målgruppen kan byggas på flera olika typer av data, exempelvis webbplatsbesökare via Meta Pixel, personer som har interagerat med era sociala medier, videovisningar, leadformulär eller en uppladdad kundlista.
När källmålgruppen är skapad väljer du vilket land eller vilken region lookaliken ska hämtas ifrån, samt hur stor den ska vara uttryckt i procent av den totala befolkningen i det valda området. En målgrupp på 1 procent innebär att systemet letar efter de personer som liknar er källmålgrupp allra mest. Ju högre procentsats, desto större målgrupp men också lägre precision.
En tumregel är att börja på 1 till 2 procent och öka om kampanjens frekvens börjar stiga för snabbt. Om samma person ser era annonser mer än fyra gånger under en sjudagarsperiod är det ett tecken på att målgruppen är för liten i förhållande till er budget.
Ett praktiskt tips: ta bort den anpassade källmålgruppen från kampanjen när lookaliken väl är skapad. Annars riskerar ni att samma personer exponeras för annonserna via båda målgrupperna.
Hur fungerar det på Google?
Google hanterar lookalike-målgrupper på ett delvis annorlunda sätt. Fram till augusti 2023 hade Google en funktion kallad Similar Audiences, som byggde på tredjepartsdata och cookiebaserade beteendesignaler. Den funktionen är nu nedlagd, och ersatt av lookalike-målgrupper som uteslutande bygger på förstapartsdata, alltså data som ni själva äger och samlar in med användarnas samtycke.
I praktiken innebär det att er källdata hämtas från era egna CRM-listor, webbplatsbesökare via Google-taggen eller tidigare konverteringar, snarare än från externa datakällor. Det gör Google-lookalikes något mer beroende av att ni har en välskött och uppdaterad datakälla, men det innebär också att målgrupperna är mer integritetssäkra och mer stabila över tid.
Google erbjuder tre expansionsnivåer: smal, balanserad och bred. Smal innebär att systemet håller sig nära källmålgruppen och prioriterar precision. Bred ger större räckvidd men med lägre träffsäkerhet. Balanserad är ett praktiskt startläge för de flesta kampanjer.
Lookalike-målgrupper i Google Ads används primärt i Demand Gen-kampanjer, vilket gör dem särskilt relevanta för annonsörer som vill nå användare tidigt i köpresan via YouTube, Gmail och Discovery.
Därför avgör källmålgruppen allt
Det är lätt att fokusera på expansionsnivå, plattformsval och budgivning, men ingen av de parametrarna spelar någon egentlig roll om källmålgruppen är svag. Algoritmen kan bara hitta fler av det ni ger den. Matar ni in en bred och odifferentierad målgrupp får ni tillbaka en bred och odifferentierad lookalike.
Kvaliteten på källmålgruppen avgörs av två saker: relevans och storlek. En idealisk källmålgrupp innehåller era mest värdefulla kunder, de som faktiskt har konverterat och visat ett tydligt engagemang, snarare än alla som någonsin besökt er webbplats. Storleken bör ligga på minst 1 000 till 5 000 personer för att ge algoritmen tillräckligt med mönster att arbeta med.
Det betyder i praktiken att det lönar sig att segmentera. Istället för att skapa en enda stor källmålgrupp baserad på alla webbplatsbesökare kan ni skapa separata lookalikes för olika kundsegment, exempelvis en baserad på personer som genomfört ett köp de senaste 30 dagarna, en annan på era mest lojala återkommande kunder och en tredje på personer som engagerat sig med specifikt innehåll. Varje segment ger en distinkt lookalike med olika egenskaper, vilket ger er möjlighet att testa och anpassa budskap efter vilken typ av ny kund ni försöker nå.
Vanliga misstag att undvika
Det vanligaste misstaget är att källmålgruppen är för liten eller för oprecis. En lookalike baserad på 200 webbplatsbesökare ger sällan meningsfulla resultat, oavsett hur bra er annons är.
Ett annat vanligt problem är överlappande målgrupper. Om ni kör lookalike-kampanjer parallellt med retargeting-kampanjer utan att exkludera befintliga kunder och tidigare besökare riskerar ni att samma personer exponeras via flera kampanjer samtidigt, vilket spär ut resultaten och gör det svårare att förstå vad som faktiskt driver konverteringar.
Det är också värt att hålla källmålgrupperna uppdaterade. En kundlista som senast uppdaterades för ett år sedan speglar inte er nuvarande kundprofil, och en lookalike baserad på gammal data kan vara märkbart sämre än en baserad på färska konverteringar.
Kombinera lookalikes med andra målgruppsstrategier
Lookalike-målgrupper fungerar som bäst när de är en del av en bredare målgruppsstrategi snarare än ett fristående verktyg. En vanlig och effektiv kombination är att köra lookalikes och retargeting parallellt, där lookaliken hanterar prospektering och retargetingen fångar upp de som redan visat intresse men inte konverterat.
På Meta kan lookalikes med fördel kombineras med intressebaserad målgruppsinriktning, särskilt om er källmålgrupp är för liten för att ge stabila resultat på egen hand. På Google passar lookalikes i Demand Gen väl ihop med kundmatchning och remarketinglistor i sökkampanjer, där ni kan styra budgivningen baserat på hur nära en användare är en konvertering.
Det gemensamma för alla dessa kombinationer är att de gör era kampanjer mer sammanhängande. Istället för att varje målgrupp lever sitt eget liv skapar ni ett system där olika delar av målgruppsarbetet förstärker varandra.
