קהל דומה (Lookalike): המדריך לעסקים קטנים

קהל דומה (Lookalike) הוא לרוב הקפיצה הגדולה ביותר בביצועים שמפרסם עסק קטן יראה אי פעם במנג'ר המודעות, כי הוא נותן לאלגוריתם של מטא דפוס אמיתי להעתיק במקום ניחוש לגבי מי עשוי להתעניין. קהל דומה לוקח רשימת מקור שאתם מספקים, שנקראת זרע (seed), לומד את המאפיינים המשותפים של האנשים בה, ומוצא משתמשים חדשים במדינת היעד שהכי דומים לאותה קבוצה.

איך קהל דומה עובד בפועל

מטא משווה מאות סיגנלים בין החשבונות בקהל הזרע - דמוגרפיה, פעילות בעמודים, התנהגות רכישה - ומדרגת את שאר האוכלוסייה לפי דמיון. קהל דומה של 1% מכיל את ההתאמה הקרובה ביותר באותה מדינה, בעוד קהל של 10% פורש רשת הרבה יותר רחבה במחיר של דיוק. גם TikTok בונה קהל דומה משלו באותה שיטה מתוך מקור שמעלים או אירוע פיקסל, כך שההיגיון עובר בין הפלטפורמות גם אם הממשק נראה שונה.

בוחרים קהל זרע ששווה להעתיק

זרע מבוסס רכישות מנצח זרע מבוסס לייקים

קהל דומה שנבנה מאנשים שרכשו משהו ב-90 הימים האחרונים כמעט תמיד יביא תוצאות טובות יותר מקהל שנבנה מלייקים לעמוד או צפיות בווידאו, כי הוא מעתיק קונים אמיתיים ולא גולשים סתם. אם נפח ההזמנות נמוך מדי לזרע מבוסס רכישות, אפשר להשתמש באירועי הוספה לסל או במנויי המייל בעלי הערך הגבוה ביותר כגשר עד שנתוני המכירות יתפסו תאוצה.

1% מול 5-10%: הפשרה בין דיוק להיקף

מתחילים בצמצום של 1% כשהתקציב קטן, כי התאמה הדוקה יותר בדרך כלל אומרת עלות נמוכה יותר לתוצאה. ככל שמגדילים תקציב וקהל ה-1% מגיע לרוויה - דבר שניכר בעלייה בתדירות ובהאטה בתוצאות - מוסיפים גרסת 2-5% במקום לוותר על הטקטיקה כולה.

קהל דומה בפייסבוק מול גוגל מול טיקטוק

פייסבוק וטיקטוק עדיין מציעות כלי קהל דומה שנבנה ישירות מנתוני הלקוחות שלכם. גוגל הוציאה משימוש את תכונת "קהלים דומים" ב-2023 ומסתמכת במקום זאת על סיגנלים אוטומטיים משלה בתוך Performance Max, כך שאם הייתם רגילים לבנות קהל דומה ידני בגוגל אדס, הבקרה הספציפית הזו כבר לא קיימת - התחליף הקרוב ביותר היום הוא להזין לגוגל רשימת לקוחות חזקה מהצד הראשון ולתת למערכות שלה למצוא לבד משתמשים דומים.

האם כדאי להוסיף תחום עניין מעל קהל דומה

הפיתוי להוסיף פילטר של תחום עניין מעל קהל דומה כדי להרגיש יותר בשליטה הוא טבעי, אבל בדרך כלל זה רק מקטין את הקהל בלי לשפר משמעותית את האיכות, כי הקהל הדומה כבר ביצע את הסינון הזה סטטיסטית. כדאי לשמור על שכבת תחום עניין רק לזרעים רחבים באמת, כמו קהל דומה של 5-10%, שבו פילטר קל חותך את הקצה הכי פחות רלוונטי של הקהל במקום להילחם בהיגיון של הכלי עצמו.

שומרים על קהלי הדומה רעננים

• משתמשים בזרע של לפחות 1,000 איש כשאפשר; קהלים מתחת ל-100 עלולים שלא להיווצר בכלל או להתנהג בחוסר עקביות
• מרעננים או בונים מחדש את קהל הזרע כל כמה שבועות כדי שישקף קונים עדכניים ולא לקוחות משנה שעברה
• יוצרים קהלי דומה נפרדים לקונים חד-פעמיים לעומת לקוחות חוזרים בעלי ערך גבוה - אלה לא אותו קהל
• בודקים יותר מגודל אחוז אחד לפני שמסיקים שהטקטיקה לא עובדת עבור החנות
• מתעדים בכל רבעון אילו קהלי זרע השתמשתם בהם, כדי לא ליצור בטעות שני קהלי דומה כמעט זהים שמתחרים זה בזה על אותם אנשים

בנייה וריענון של קהלי זרע ידנית, ואז מעקב אחרי כל קהל דומה שמגיע לרוויה, זו בדיוק העבודה החוזרת שאוכלת שבוע שלם למי שמנהל את זה לבד. פלטפורמה אוטומטית כמו AGUDOT מתחברת ישירות לחשבונות הפרסום, עוקבת אחרי הביצועים של כל קהל מול התקציב היומי, ומעבירה הוצאה לגרסה שעדיין ממירה - כך שהאסטרטגיה ממשיכה לעבוד בלי שמישהו יצטרך לבדוק אותה כל בוקר בעצמו.