Look-alike аудитории в Яндекс Директе

Что такое look-alike аудитории и зачем они в Директе

Определение. Look-alike (в русскоязычной справке — «похожие пользователи») — технология поиска новых людей, чьи интересы и поведение в интернете напоминают ваших покупателей или посетителей, достигших заданной цели. Источник: Справка Яндекс Аудиторий.

Look-alike решает задачу, которую не закрывает ни ключевая семантика, ни широкие интересы: масштабирование после того, как вы уже знаете, кто конвертируется. Если ретаргетинг возвращает знакомых пользователей, то look-alike ищет похожих незнакомцев.

Инструмент доступен в связке Яндекс Аудитории + Яндекс Директ. В единой перформанс-кампании (ЕПК) look-alike можно объединять с ретаргетингом или использовать отдельно — источник: курс Яндекс Рекламы «Look-alike».

Look-alike в маркетинге простыми словами

Представьте зеркало: алгоритм смотрит не на ваши мечты о «идеальном клиенте», а на реальные признаки людей из исходного сегмента — как практик Сергей Жадов формулирует в своём блоге. Если образец собран из покупателей с высокой маржой, тест получает шанс. Если в seed попали все посетители подряд, Директ масштабирует хаос.

Look-alike в маркетинге — это не «волшебная кнопка охвата», а зеркало seed-сегмента. Чем чище исходная база, тем точнее похожие пользователи.

Типичные задачи:

• расширить аудиторию после исчерпания ретаргетинга;
• найти новых клиентов при малом трафике — через цели Метрики;
• снизить стоимость привлечения по сравнению с «холодным» трафиком;
• протестировать новый регион или продуктовую линейку на базе существующих покупателей.

Как алгоритм находит похожих пользователей

Яндекс использует технологию Крипта — собственный алгоритм, который учитывает более 300 факторов: поисковые запросы, посещённые сайты, интересы, время активности в сети и другие сигналы. Источники: новость Яндекс Рекламы от 10.07.2020, образовательный материал b2b.yandex.ru.

Важный принцип: пользователи из исходного (seed) сегмента не попадают в производный look-alike. Это принципиальное отличие от ретаргетинга — в похожей аудитории вы работаете именно с новыми людьми.

Обработка сегмента в Яндекс Аудиториях занимает не менее 2 часов. Готовый look-alike должен содержать не менее 100 анонимных идентификаторов — иначе сегмент не получит статус «Готов». Источник: Справка Аудиторий.

Look-alike vs ретаргетинг и целевая аудитория в Яндекс Директе

Три инструмента часто путают. Разберём различия, чтобы не смешивать задачи в одной группе объявлений.

*Конверсия и стоимость привлечения — ориентиры агентств (business.ru, rivox.io), не официальные бенчмарки Яндекса. По данным агентств, стоимость привлечения look-alike на 20–30% выше ретаргетинга, но на 30–50% ниже «холодного» трафика.

Когда достаточно ретаргетинга

Ретаргетинг закрывает задачу возврата пользователей, которые уже знакомы с брендом:

• брошенные корзины и незавершённые заявки;
• повторные покупки и допродажи;
• напоминание о скидке или акции.

Если база ретаргетинга стабильна, конверсия высокая, а бюджет не упирается в потолок показов — look-alike пока не нужен. Сначала выжмите максимум из знакомой аудитории.

Когда нужен look-alike для расширения охвата

Look-alike подключают, когда:

• ретаргетинг исчерпан — частота показов растёт, конверсия падает;
• семантика на поиске закончилась, а нужен рост;
• есть качественный seed (покупатели, квалифицированные лиды), но мало трафика для классического ретаргетинга;
• нужно выйти в новый регион с профилем существующих клиентов.

Три режима в интерфейсе Директа (официальная справка):

1. «Только выбранный сегмент/цель» — чистый ретаргетинг.
2. «Выбранный сегмент/цель и похожие» — ретаргетинг + look-alike в одном условии.
3. «Только похожие пользователи» — look-alike без seed в показах (исходный сегмент исключается).

Источник: Справка Директа — сегменты аудитории.

Типичная ошибка — включить режим «сегмент + похожие» и не исключить seed отдельным условием −100%. Тогда вы платите за показы тем, кого уже знаете, и теряете чистоту аналитики.

Как создать look-alike: Яндекс Аудитории и сегменты

Есть два пути создания look-alike:

Путь 1 — через Яндекс Аудитории (классический): собрать seed-сегмент → создать look-alike → подключить в Директ.

Путь 2 — прямо в Директе (с 10.07.2020): выбрать цель Метрики → включить режим «только похожие» без ожидания подготовки в Аудиториях. Раньше для look-alike часто требовалась база около 1000 клиентов; теперь достаточно цели Метрики даже при низком трафике — источник: новость Яндекс Рекламы.

Базовый сегмент: клиентская база, пиксель, геолокация

Источники seed-данных (по материалам Яндекса и click.ru):

Для сегмента по геолокации в Яндекс Аудиториях доступна отдельная настройка — источник: справка по сегментам геолокации.

Юридический блок. При загрузке клиентской базы email и телефон хешируются алгоритмом SHA-256. Нужны согласия на обработку персональных данных — без них загрузка базы незаконна.

Сегмент из клиентской базы и ошибки валидации

Типичные ошибки при загрузке CRM-сегмента:

• неверный формат файла или кодировка;
• email/телефон без нормализации (пробелы, лишние символы);
• слишком маленький объём — сегмент не пройдёт валидацию;
• смешение разных категорий клиентов в одном файле.

Практика агентств (click.ru): правильнее делать несколько файлов — кто купил товар А, кто купил товар B — вместо одного «все клиенты». Так алгоритм точнее находит похожих под конкретный продукт.

Если видите «ошибку валидации сегмента» в Яндекс Аудиториях — проверьте формат, объём и качество данных. Статус сегмента должен быть «Готов» перед созданием look-alike.

Минимальный размер аудитории для look-alike

Два порога, которые важно различать:

При малом объёме seed look-alike будет узким или менее точным. Яндекс прямо рекомендует: «Чем больше данных, тем точнее алгоритмы подберут целевую аудиторию».

В API Яндекс Аудиторий параметр lookalike_value задаёт баланс точности и охвата: от 1 до 5 (1 — максимальная точность, меньший охват). Дополнительные флаги maintain_geo_distribution и maintain_device_distribution сохраняют географию и устройства seed — источник: Yandex Audience API.

Настройка look-alike в интерфейсе Яндекс Директа

Добавление сегмента в кампанию

Пошагово в ЕПК или классической кампании:

1. Откройте группу объявлений → «Корректировки» или блок «Аудитории».
2. Добавьте условие ретаргетинга/аудитории.
3. Выберите сегмент из Яндекс Аудиторий или цель Метрики.
4. Укажите режим: «только выбранный», «выбранный + похожие» или «только похожие».
5. При необходимости добавьте исключение seed-сегмента с корректировкой −100%.

Для чистого look-alike выбирайте «Только похожие пользователи» — seed не попадёт в показы.

Пиксель Яндекс Аудиторий в Директе

Пиксель Аудиторий — JavaScript-код на сайте, который собирает события для сегментов. После установки пикселя:

1. Создайте сегмент в audience.yandex.ru.
2. Дождитесь статуса «Готов» (от 2 часов).
3. Постройте look-alike от этого сегмента.
4. Подключите в Директе через условие аудитории.

Пиксель работает параллельно с Метрикой: Метрика — для целей и аналитики, пиксель — для гибкой сегментации в Аудиториях.

Как загрузить и подключить свою аудиторию

Загрузка CRM-базы:

1. Подготовьте CSV: один столбец email или телефон, UTF-8.
2. Яндекс Аудитории → «Сегменты» → «Загрузить данные» → выберите тип «Клиентская база».
3. Дождитесь обработки и статуса «Готов».
4. «Создать look-alike» → настройте точность (1–5 в API; в интерфейе — ползунок).
5. В Директе: «Добавить условие» → ваш LAL-сегмент → режим «только похожие».

Готовые LAL-сегменты в Директе (без ручной сборки):

• «Похожие на посетителей»;
• «Похожие на достигнувших целей кампании»;
• «Похожие на покупателей» и другие.

Источник: Справка Директа.

Decision tree: какой путь выбрать

Подбор и оптимизация look-alike аудиторий

Качество базового сегмента

Качество seed — главный фактор результата. Чек-лист хорошего seed:

• Покупатели, а не все посетители.
• Период 90–180 дней — свежие данные точнее старых.
• Гео совпадает с регионом кампании.
• Один продукт/услуга — не смешивать категории.
• Квалифицированные лиды для B2B — не «все заявки».
• LTV (ценность клиента): для премиум-ниш — сегмент высокочековых покупателей.

Похожая аудитория повторяет не ваши мечты о клиенте, а реальные признаки исходного сегмента — это ключевой тезис практиков.

Тесты охвата и частоты показов

Протокол теста 14 дней:

Критерии масштабирования: стоимость конверсии стабильна 7+ дней, рост бюджета не более 30% в неделю.

Поиск vs РСЯ — критичное различие:

• На поиске сегменты работают через И с ключами/автотаргетингом → узкий охват.
• В сетях (РСЯ) — через ИЛИ с другими условиями → шире охват.

Источник: Справка Директа.

Для масштаба look-alike чаще заводят отдельную группу только в РСЯ или смарт-баннеры. На поиске LAL с ключами даёт узкий пересечённый охват.

Особенность LAL по целям Метрики: профиль берётся на день последнего достижения цели за год. Для ecommerce-целей («Покупка», «Добавление в корзину» и автосбор) — данные за 540 дней + профиль на момент настройки — источник: Справка Директа.

Типичные ошибки и ограничения

Слишком маленькая база

Если в seed меньше 100 идентификаторов — сегмент не получит статус «Готов». При 100–999 пользователях LAL технически создастся, но будет менее точным. Официальная рекомендация — от 1000.

Не ждите результата в первые 48 часов: обработка занимает минимум 2 часа, период обучения кампании — до 14 дней.

Несовпадение гео и целей кампании

Если seed собран из московских покупателей, а кампания таргетирует Новосибирск — look-alike будет искать «похожих москвичей» в другом регионе. Результат: высокий CTR, низкая конверсия.

Решение: фильтруйте seed по гео или используйте флаг maintain_geo_distribution в API.

Ограничения платформы:

• нельзя строить LAL от чужого сегмента с гостевым доступом;
• нельзя от Метрики с гостевым доступом — источники: click.ru, Справка Аудиторий.

Семь ошибок, которых стоит избегать:

1. LAL от «всех посетителей» вместо покупателей.
2. Без исключения текущих покупателей (−100%).
3. Смешение ретаргетинга и LAL в одной группе без аналитики.
4. Ожидание результата в первые 48 часов.
5. LAL от гостевого сегмента чужого аккаунта.
6. Один seed на весь ассортимент.
7. Игнор отчёта «Площадки» после запуска.

Практические сценарии для бизнеса

E-commerce и лиды

Интернет-магазин:

1. Готовый сегмент «Похожие на покупателей» в Директе.
2. Исключение «Покупатели» с корректировкой −100%.
3. Отдельная группа в РСЯ, бюджет 20–30% от основной кампании.
4. Сравнение стоимости привлечения с «холодным» трафиком через 14 дней.

По данным агентств (rivox.io, с оговоркой): масштабирование заявок в 5–10 раз возможно при качественном seed. Конверсия LAL — 1,5–4% против 0,5–2% у холодного трафика.

Лидогенерация (услуги):

• Seed: «Отправка формы» + фильтр по времени на сайте >2 мин.
• Режим «только похожие» по цели Метрики.
• Отдельная кампания, не смешивать с ретаргетингом.

B2B и узкая ниша

В B2B длинный цикл сделки — seed из «всех лидов» размывает профиль. Лучше:

• сегмент «квалифицированная заявка» (звонок >3 мин, повторный визит);
• CRM-база клиентов с SHA-256;
• look-alike с точностью 1–2 (узкий, но релевантный охват).

Официальный кейс «Красный апельсин» (загородное строительство): до эксперимента стоимость конверсии — около 6000 ₽, за две недели теста look-alike в Директе — около 1600 ₽. Цитата Дениса Стеценко, интернет-маркетолог: «Строительство загородного дома чаще заказывает премиальная аудитория с высоким доходом…» — источник: новость Яндекс Рекламы, 10.07.2020.

Связка с аналитикой. Для маркетологов, которые автоматизируют контекст: цель Метрики → отчёт по сегментам → решение о масштабе LAL. Продвинутые команды используют API Яндекс Аудиторий для программного создания look-alike с параметрами lookalike_value и распределения geo/device.

Подробнее о мастер-кампаниях и структуре аккаунта — в материале «Комбинаторные объявления в ЕПК». О настройке целей и автоматических целей Метрики для ecommerce — в статье «Автоцели Метрики для интернет-магазина».