กลุ่มผู้ชมแบบ Lookalike

กลุ่มผู้ชมแบบ Lookalike คือกลุ่มผู้ใช้ใหม่ที่แพลตฟอร์มโฆษณาสร้างขึ้นโดยการวิเคราะห์รายชื่อ seed ที่มีอยู่ ซึ่งมักจะเป็นผู้ที่เปลี่ยนเป็นลูกค้าในอดีตหรือรายชื่อลูกค้ามูลค่าสูงที่อัปโหลด จากนั้นหาผู้ใช้รายอื่นที่มีลักษณะและพฤติกรรมทางสถิติที่คล้ายคลึงกัน แทนที่จะเลือกพารามิเตอร์การกำหนดเป้าหมายด้วยตนเอง เช่น อายุ ความสนใจ หรือตำแหน่งที่ตั้ง ผู้ซื้อจะส่งรายชื่อผู้ที่เปลี่ยนเป็นลูกค้าแล้วให้แพลตฟอร์ม และปล่อยให้อัลกอริทึมหาคนอื่นๆ ที่มีลักษณะคล้ายคลึงกัน

การทำงานของโมเดลในระดับสูง#

แพลตฟอร์มจะวิเคราะห์รายชื่อ seed เทียบกับฐานผู้ใช้ทั้งหมด โดยมองหารูปแบบในพฤติกรรมการท่องเว็บ สัญญาณประชากรศาสตร์ และการใช้งานอุปกรณ์หรือแอปที่ทำให้กลุ่ม seed แตกต่างจากประชากรทั่วไป จากนั้นให้คะแนนผู้ใช้รายอื่นตามความคล้ายคลึงกับรูปแบบนั้น ผู้ซื้อสามารถกำหนดระดับความใกล้ชิดหรือความกว้างของการจับคู่ ซึ่งมักแสดงเป็นเปอร์เซ็นต์ของฐานผู้ใช้ทั้งหมดในประเทศนั้นๆ โดยเปอร์เซ็นต์ที่น้อยหมายถึงการจับคู่ที่ใกล้เคียงกับ seed มากกว่า และเปอร์เซ็นต์ที่มากจะแลกความแม่นยำกับการเข้าถึง

แหล่งที่มาของรายชื่อ seed#

คุณภาพของ seed ส่งผลต่อคุณภาพของ Lookalike มากกว่าปัจจัยอื่นๆ seed ที่สร้างจากผู้ซื้อจริงหรือลูกค้าที่มีมูลค่าตลอดอายุการใช้งาน (LTV) สูง มักจะสร้าง Lookalike ที่แข็งแกร่งกว่า seed ที่สร้างจากผู้เยี่ยมชมเว็บไซต์ทั้งหมด โดยไม่คำนึงว่าพวกเขาจะเปลี่ยนเป็นลูกค้าหรือไม่ เนื่องจากโมเดลจะดีเท่ากับรูปแบบในข้อมูลที่ได้รับ ผู้ซื้อที่มีระบบข้อมูล first-party ที่แข็งแกร่ง อีเวนต์ Conversion ที่ใช้ pixel เชื่อมโยงกับมูลค่าการซื้ออย่างสะอาด มักจะได้ Lookalike ที่มีประโยชน์มากกว่าผู้ที่ใช้ seed จากรายชื่อที่บางหรือมีสัญญาณรบกวน

กลุ่มผู้ชม Lookalike เทียบกับการ Retargeting#

ทั้งสองอย่างมักสับสนเพราะใช้ข้อมูลที่มีอยู่เหมือนกัน แต่แก้ปัญหาที่ตรงกันข้าม การ Retargeting มุ่งเน้นไปที่คนที่เคยมีปฏิสัมพันธ์กับแบรนด์โดยตรงแล้ว ในขณะที่การกำหนดเป้าหมายแบบ Lookalike ใช้ข้อมูลปฏิสัมพันธ์เดียวกันนั้นเป็น seed เพื่อฝึก แต่แล้วหาคนใหม่ที่ไม่เคยรู้จักแบรนด์มาก่อน ซึ่งเป็นการขยายการเข้าถึงแทนที่จะดึงดูดผู้ชมเดิม ช่องทางที่ใช้ Retargeting อย่างเดียวจะหมดผู้ชมในที่สุด การกำหนดเป้าหมายแบบ Lookalike เป็นวิธีมาตรฐานวิธีหนึ่งในการป้อนโอกาสใหม่ๆ เข้าสู่ช่องทางนั้น

บทบาทของแพลตฟอร์ม Native และคอนเทนต์#

การสร้างโมเดล Lookalike มักเกี่ยวข้องกับแพลตฟอร์มโซเชียลและเสิร์ชที่มีข้อมูลพฤติกรรม first-party ที่หลากหลายของผู้ใช้ แต่ตรรกะเดียวกันนี้ปรากฏในโฆษณา Native ผ่าน Demand-Side Platforms และ Data Management Platforms ซึ่งแคมเปญ Native สามารถเชื่อมต่อเพื่อขยายกลุ่มผู้ชมได้ ผู้ซื้อที่รันข้อเสนอ Affiliate ผ่าน Taboola หรือ Outbrain ที่ต้องการขยายแบบ Lookalike มักจะต้องกำหนดเป้าหมายผ่าน DMP หรือ DSP ที่เชื่อมต่อกัน แทนที่จะพึ่งพาเครื่องมือกลุ่มผู้ชมของเครือข่าย Native เอง เนื่องจากแพลตฟอร์ม Native โดยทั่วไปเน้นการกำหนดเป้าหมายตามบริบทและ ตำแหน่งที่ตั้ง มากกว่าโมเดล Lookalike แบบ first-party

คำแนะนำเชิงปฏิบัติเกี่ยวกับขนาด#

การเริ่มต้นด้วยเปอร์เซ็นต์ Lookalike ที่แคบและ seed ที่มีคุณภาพสูงและชัดเจน จากนั้นค่อยขยายเมื่อปริมาณน้อยเกินไปที่จะใช้จ่าย มักจะมีประสิทธิภาพดีกว่าการเริ่มต้นกว้างๆ แล้วค่อยแคบลง การรัน Lookalike แบบกว้างเป็นอันดับแรกมักทำให้งบประมาณสูญเปล่าในการสร้างรูปแบบที่อ่อนแอ ซึ่ง seed ที่แคบกว่าจะหลีกเลี่ยงได้ตั้งแต่ต้น การตรวจสอบว่า ผู้โฆษณารายใดกำลังขยายมุมมองหนึ่งๆ อยู่แล้ว เป็นการตรวจสอบความสมเหตุสมผลที่มีประโยชน์ก่อนที่จะทุ่มงบประมาณจำนวนมากให้กับการขยายแบบ Lookalike ใหม่ๆ