Обычно компания передает рекламной платформе исходную аудиторию, так называемый seed-сегмент, и задает задачу найти пользователей с похожими характеристиками. В качестве основы могут выступать данные о клиентах, их действиях или факте оплаты, если это допускают правила площадки и требования к обработке данных.

Look-alike упрощает поиск новых сегментов, однако результат зависит от качества исходной базы. Если в CRM смешаны разовые покупатели, постоянные клиенты, партнеры и записи без понятного статуса, алгоритм получает неоднородный ориентир. Он может найти много похожих людей, но сходство окажется полезным для рекламы, а не для бизнеса.

Собственнику стоит заранее проверить состав базы, свежесть данных, критерий ценного клиента и законность передачи данных рекламной платформе. Также нужно сравнивать LAL с другими способами поиска аудитории, а не принимать его за автоматическую замену сегментации. Алгоритм охотно масштабирует исходный сигнал. Если сигнал слабый, масштабируется и его слабость.

Look-alike часто путают с ретаргетингом. Ретаргетинг возвращает рекламу людям, которые уже взаимодействовали с компанией. LAL ищет новых пользователей, похожих на выбранную исходную аудиторию. Его также путают с обычной сегментацией, хотя сегментация делит известную базу по заданным признакам, а look-alike расширяет поиск за пределы этой базы.

Компания собирает отдельный сегмент клиентов, которые совершили оплату, и использует его как основу для рекламного поиска похожей аудитории. В кампанию случайно добавляют всех пользователей CRM, включая тех, кто только скачал материал. Реклама начинает находить много похожих на этих пользователей людей, но бизнес получает трафик вместо покупателей. Ошибка возникла до запуска алгоритма, на этапе выбора исходной аудитории.