Lookalike-målgruppe

En lookalike-målgruppe er en målgruppe, som en annonceplatform danner ved at lede efter nye personer med ligheder til en eksisterende gruppe. Kildegruppen kan eksempelvis bestå af kunder, kvalificerede leads, nyhedsbrevsmodtagere eller besøgende, som har udført en bestemt handling.

Begrebet forbindes især med Meta Ads. Platformen analyserer signaler fra kildemålgruppen og finder andre personer, der efter dens model minder om gruppen. Annoncøren får ikke en liste over præcis hvilke fællestræk, der blev brugt, og målgruppen er derfor modelbaseret – ikke en manuelt valgt kopi.

En lookalike-gruppe adskiller sig fra retargeting. Retargeting viser annoncer til personer, der allerede har haft kontakt med virksomheden. Lookalike bruges til at finde nye personer. Den bygger på kendte data, men leveringen sker til mennesker uden den samme registrerede relation.

Kvaliteten afhænger i høj grad af kilden. Hvis kildemålgruppen består af loyale kunder med god ordreværdi, leder modellen efter ligheder med dem. Hvis den består af tilfældige besøgende, spam-leads og personer, der aldrig købte, kan modellen optimere efter et uklart mønster.

Lookalike-målgrupper er ét værktøj blandt flere. Platformenes automatisering og målgruppefunktioner ændrer sig løbende, og nogle kampagnetyper udvider målretningen automatisk. Grundprincippet er dog det samme: gode input giver et bedre udgangspunkt for at finde nye relevante personer.

Vælg først en kilde, der afspejler det resultat, du ønsker mere af. En webshop kan bruge kunder fra de seneste 180 dage, mens en B2B-virksomhed kan bruge leads, som faktisk blev godkendt af salgsafdelingen. “Alle formularer” er ikke nødvendigvis en god kilde.

Sørg for, at dataindsamlingen er lovlig og teknisk holdbar. Kilden kan komme fra kundelister, Meta-pixel, appdata eller serverhændelser. Samtykke, privatlivspolitik og databehandlerforhold skal passe til opsætningen. En teknisk mulighed er ikke i sig selv en tilladelse.

Rens kilden. Fjern interne testkøb, medarbejdere, annullerede ordrer og åbenlyse spamhenvendelser, hvis det er muligt. Overvej også, om meget gamle kunder stadig repræsenterer den målgruppe, virksomheden ønsker i dag.

Vælg geografi efter det marked, virksomheden kan betjene. En dansk kildeliste kan bruges til at finde ligheder i et bestemt land eller område, men resultatet skal stadig passe til levering, sprog og pris. En lokal tjeneste bør ikke åbne hele landet uden en konkret grund.

Test lookalike-gruppen mod en bred målgruppe eller en anden relevant opsætning. Brug samme kampagnemål, tilbud og sammenlignelige materialer. Ellers ved du ikke, om forskellen skyldes målgruppen, annoncen eller budgetfordelingen.

Mål ikke kun CPA på de første leads. Følg kvaliteten videre i processen. Hvis lookalike-gruppen giver billige formularer, men få reelle kunder, skal kilde eller optimeringshændelse justeres. Her kan server-side tracking og offline-resultater i nogle opsætninger give et bedre feedbacksignal.

En virksomhed sælger specialudstyr online. Den første lookalike-målgruppe bygges på alle 18.000 besøgende fra de seneste 90 dage. Kampagnen skaber mange klik, men ordreværdien er lav, og en stor del af budgettet går til personer, der kun reagerer på tilbud.

Virksomheden laver en ny kilde med 2.400 kunder, der har gennemført et køb over 1.000 kr. og ikke har returneret hele ordren. Den skaber også en separat kilde med 600 tilbagevendende kunder. De to kilder testes hver for sig.

Den første nye gruppe giver færre klik, men højere konverteringsrate. Gruppen baseret på tilbagevendende kunder er dyrere at nå, men har bedst gennemsnitlig ordreværdi. Resultatet viser, at “mest trafik” ikke var den rigtige optimering.

Annoncerne får samtidig tydeligere produktfordele og bedre billeder gennem grafisk design. Der køres ikke forskellige budskaber i hver målgruppe under den første test, fordi virksomheden vil isolere effekten af kilden så godt som muligt.

Landingssiden gennemgås med inspiration fra guiden om en brugervenlig hjemmeside, der skaber flere leads og salg. Ellers kan en god målgruppe blive dømt på en side, der er langsom eller uklar.

Den største faldgrube er at tro, at en stor kilde altid er bedst. En mindre, ensartet gruppe med et klart fællestræk kan være mere brugbar end en stor blanding. Kvalitet, aktualitet og sammenhæng betyder mere end volumen alene.

En anden fejl er at bruge leaddata uden at sende kvaliteten tilbage. Hvis platformen kun ser, at en formular blev sendt, kan den finde flere personer, der udfylder formularer – ikke nødvendigvis personer, der køber. Kobl derfor marketingdata til salgsresultater, hvor det er muligt og lovligt.

Pas på overlap. En lookalike-gruppe kan overlappe med brede målgrupper eller andre lookalikes. Det gør ikke kampagnen ubrugelig, men det kan gøre en test mindre ren. Brug platformens værktøjer og en tydelig kampagnestruktur til at forstå, hvem der konkurrerer om leveringen.

Undgå at behandle målgruppen som statisk. Kundemønstret kan ændre sig, og kilden kan blive gammel. Opdatér løbende dynamiske kilder, eller genindlæs lister efter en fast rytme, hvis de er manuelle.

Endelig må en lookalike ikke bruges som genvej uden et godt tilbud. Målretning kan finde relevante mennesker, men den kan ikke gøre et utydeligt produkt, en dårlig pris eller en svag landingsside attraktiv.

Platformens model afslører normalt ikke præcist, hvorfor en person blev inkluderet. Lookalike-målretning er derfor mindre gennemsigtig end manuelle kriterier. Dokumentér kilden, tidsperioden og kampagnens formål, så vurderingen ikke bygger på hukommelse.

Meta bruger i stigende grad automatiske målgruppeudvidelser og audience suggestions i visse kampagnetyper. Navne og kontrolmuligheder kan ændre sig. Det er derfor vigtigt at læse den aktuelle opsætning i annoncekontoen og ikke stole på en gammel guide.

Kundelister skal håndteres sikkert. Upload kun data, virksomheden har ret til at bruge, og begræns adgang til annoncekonto og eksportfiler. Databeskyttelse er en del af arbejdsgangen, ikke en juridisk note til sidst.

Lookalike-gruppen kan bruges på forskellige trin. En gruppe baseret på alle kunder kan være god til bred skalering, mens en gruppe baseret på en bestemt produktkategori kan bruges til et mere specifikt budskab. Testen skal afspejle det, du ønsker at lære.

Resultater kan ændre sig, når budgettet skaleres. En målgruppe, der fungerer ved 300 kr. om dagen, kan blive mindre effektiv ved 3.000 kr., fordi platformen skal levere bredere eller oftere. Skaler gradvist og følg både ROAS, frekvens og kvalitet.

Lookalike-data bør aldrig stå alene. Produktdata, geografi, sæson og virksomhedens kapacitet er stadig afgørende. En model kan finde efterspørgsel, men den ved ikke automatisk, om lageret er tomt, eller kalenderen er fuld.

Formulér hypotesen før kampagnen: “Kunder med høj ordreværdi er en bedre kilde end alle besøgende.” Så bliver det tydeligt, hvilke to målgrupper der skal sammenlignes, og hvilket resultat der afgør testen.

Hold tilbud, annonceformat og landingsside så ens som muligt i første runde. Hvis alt varierer, kan en vinder ikke forklares. Senere kan den bedste målgruppe få egne budskaber.

Følg både platformens konvertering og den efterfølgende kvalitet. For leads kan det være mødebookinger eller vundne kunder. For e-handel kan det være ordreværdi, returandel og genkøb.

Gem kildens definition og dato. Når en test gentages, skal du kunne se, om forskellen skyldes markedet eller en helt anden sammensætning af kilden.

En god kildeliste bør være stor nok til, at platformen kan finde mønstre, men ensartet nok til, at mønstrene er relevante. Det nøjagtige minimum afhænger af platform og marked, så læs den aktuelle vejledning i annoncekontoen.

Segmentér kun, når forskellen har forretningsmæssig betydning. En separat kilde for kunder fra hver lille produktkategori kan blive for tynd. En kilde for førstegangskøbere og en for loyale kunder kan derimod afspejle tydeligt forskellige værdier.

Brug tidsvinduer bevidst. Kunder fra de seneste seks måneder kan ligne den nuværende efterspørgsel bedre end en liste, der går fem år tilbage. Omvendt kan sæsonprodukter kræve sammenligning med samme periode året før.

Vurder også om kilden indeholder personer, der ikke længere skal målrettes. Medarbejdere, testordrer og engangskampagner kan skabe støj. En kort datarensning før upload kan være mere værd end mange efterfølgende justeringer i kampagnen.

Når en kilde ændres, bør den nye version dokumenteres som en ny test. Ellers kan resultatet se ud som en almindelig kampagneudvikling, selv om målgruppens grundlag reelt er blevet udskiftet.