Pubblico Simile

Un pubblico simile è un gruppo di nuovi utenti che una piattaforma pubblicitaria genera analizzando un elenco seed esistente, tipicamente convertitori passati o un elenco caricato di clienti di alto valore, e trovando altri utenti che condividono tratti e comportamenti statisticamente simili. Invece di selezionare manualmente parametri di targeting come età, interessi o geolocalizzazione, un inserzionista fornisce alla piattaforma un elenco di chi converte già e lascia che l'algoritmo trovi più persone che li somigliano.

Come funziona la modellazione, a grandi linee#

La piattaforma analizza l'elenco seed rispetto alla sua base utenti più ampia, cercando pattern nel comportamento di navigazione, segnali demografici e utilizzo di dispositivi o app che distinguono il pubblico seed dalla popolazione generale, quindi assegna un punteggio al resto della base utenti in base alla somiglianza a quel pattern. Un inserzionista può solitamente impostare quanto stretta o ampia debba essere la corrispondenza, spesso espressa come percentuale della base utenti totale della piattaforma in un determinato paese, dove una percentuale più piccola indica una corrispondenza più vicina al seed e una più grande scambia precisione per portata.

Da dove proviene l'elenco seed#

La qualità del seed guida la qualità del lookalike più di quasi qualsiasi altro input. Un seed costruito da acquirenti reali o clienti ad alto LTV tende a produrre un pubblico simile più forte rispetto a uno costruito da tutti i visitatori del sito indipendentemente dal fatto che abbiano convertito, poiché il modello è buono solo quanto il pattern nei dati forniti. Gli inserzionisti che hanno costruito una solida pipeline di first-party data, eventi di conversione basati su pixel collegati pulitamente al valore di acquisto, ottengono generalmente lookalike più utili rispetto a quelli che partono da elenchi sottili o rumorosi.

Pubblici simili vs. retargeting#

I due vengono confusi perché entrambi si basano su dati esistenti, ma risolvono problemi opposti. Il retargeting riattiva persone che hanno già interagito direttamente con il brand. Il targeting lookalike utilizza quegli stessi dati di interazione come seed di addestramento ma poi trova persone completamente nuove che non hanno mai incontrato il brand, ampliando la portata anziché ricatturarla. Un funnel che si limita al retargeting finirà per esaurire il pool di utenti disponibili; il targeting lookalike è uno dei modi standard per alimentare costantemente il funnel con nuovi potenziali clienti.

Dove si collocano le piattaforme native e di contenuto#

La modellazione lookalike è più associata a piattaforme social e di ricerca che possiedono ricchi dati comportamentali di prima parte sugli utenti, ma la stessa logica appare nella pubblicità native attraverso demand-side platforms e data management platforms a cui le campagne native possono collegarsi per l'espansione del pubblico. Un inserzionista che gestisce un'offerta di affiliate tramite Taboola o Outbrain e desidera un'espansione in stile lookalike tipicamente deve indirizzare quel targeting attraverso un DMP o DSP connesso anziché fare affidamento sugli strumenti di audience della rete nativa, poiché le piattaforme native storicamente si sono concentrate più sul targeting contestuale e su geo targeting che sulla modellazione lookalike di prima parte.

Consigli pratici per la dimensione#

Iniziare con una percentuale di lookalike più stretta e un seed ben definito e di alta qualità, per poi ampliare solo se il volume è troppo scarso per spendere, tende a superare l'approccio di partire ampio e poi restringere. Un lookalike ampio avviato per primo spesso consuma budget stabilendo un pattern debole che un seed più stretto avrebbe evitato fin dall'inizio. Controllare which advertisers are already scaling a given angle è un utile controllo di sanità prima di impegnare un budget significativo in un'espansione lookalike fresca.