LAL

Когда рекламный бюджет ограничен, а нужно находить новых клиентов — таргетинг «наобум» сжигает деньги быстрее всего. LAL (Look-A-Like Audience, или «похожая аудитория») решает эту задачу иначе: рекламные платформы сами ищут пользователей, которые ведут себя как ваши лучшие клиенты. Инструмент появился в Meta и быстро стал стандартом для большинства платформ — от Google до Яндекса. Для digital-агентств это один из ключевых способов масштабировать результат без потери качества трафика.

Что такое LAL-аудитория и как она устроена

В основе LAL — алгоритм машинного обучения. Платформа берёт исходную аудиторию (seed audience) — например, список покупателей или посетителей сайта — и ищет в своей базе миллионы пользователей с похожим профилем: интересы, поведение, демография, паттерны активности.

Чем качественнее исходная аудитория, тем точнее будет «двойник». Загрузить 50 случайных контактов и загрузить 2 000 реальных покупателей — это принципиально разные результаты.

LAL не равен ретаргетингу. Ретаргетинг работает с теми, кто уже взаимодействовал с брендом. LAL — это инструмент для привлечения новой, холодной аудитории, которую алгоритм счёл похожей на «тёплую» базу.

Как применять LAL на практике

Работа с LAL строится по простой логике: сначала определяете, кого считать «эталоном», потом платформа ищет таких же.

Типичные источники для seed-аудитории:

• список клиентов из CRM (телефоны или email)
• посетители сайта с высокой глубиной просмотра
• пользователи, дошедшие до оформления заказа
• подписчики, которые открывают письма
• аудитория, завершившая целевое действие (лид, покупка)

Процент похожести (similarity) обычно задаётся вручную — от 1% до 10% от аудитории платформы. Узкий LAL (1%) — точнее, но меньше охват. Широкий (10%) — больше людей, но ниже точность попадания.

LAL vs. другие типы аудиторий

LAL занимает нишу между широким охватом по интересам и точечным ретаргетингом — это оптимальный выбор для старта кампаний на новую аудиторию с предсказуемым качеством.

Типичные ошибки

Ошибка 1. Слишком маленькая seed-аудитория. Если в исходном списке меньше 300–500 пользователей, алгоритму не хватает данных для поиска паттернов — LAL получается нерелевантным. Минимальный рабочий размер — от 1 000 контактов, идеально — 5 000+.

Ошибка 2. Неправильный выбор «эталона». Загружать всех посетителей сайта вместо покупателей — значит учить алгоритм искать людей, которые уходят без конверсии. Seed-аудитория должна состоять из тех, кто совершил нужное действие.

Ошибка 3. Пересечение LAL и ретаргетинга без исключений. Если не исключить существующих клиентов из LAL-кампании, вы тратите бюджет на людей, которые уже в воронке. Всегда добавляйте исключающие аудитории перед запуском.

Мнение эксперта

LAL — это не магия, а математика: алгоритм ищет статистически похожих людей, и качество результата напрямую зависит от качества входных данных. На практике лучшие LAL-аудитории получаются из списков клиентов с высоким LTV — платформа «понимает», кого именно искать. Я рекомендую тестировать несколько процентов похожести параллельно: 1%, 3% и 5% в разных группах объявлений, а потом оставлять то, что даёт нужный CPL. Не стоит ждать, что LAL сработает одинаково на всех платформах — у Яндекса и Meta разные алгоритмы и разные объёмы данных, поэтому результаты будут отличаться.

FAQ

Чем LAL отличается от таргетинга по интересам?

Таргетинг по интересам — это ручная настройка на основе категорий, которые предлагает платформа. LAL — автоматический поиск аудитории по реальному поведению ваших клиентов. Интересы задаёте вы сами, часто субъективно. LAL строит профиль на основе данных, которые платформа накопила о реальных покупателях. Как правило, LAL показывает более высокую конверсию при правильно собранном seed.

Можно ли использовать LAL в Яндекс Директе?

Да, в Яндексе аналог называется «Похожие аудитории» и доступен через Яндекс Аудитории. Принцип тот же: загружаете список контактов или сегмент из Метрики, платформа строит похожую аудиторию. Работает с сегментами от 1 000 пользователей, рекомендуется использовать сегменты от 5 000 для стабильного результата.

Как часто нужно обновлять seed-аудиторию?

Зависит от скорости пополнения клиентской базы. Если у вас активные продажи — обновляйте раз в месяц, чтобы алгоритм учитывал свежих клиентов. Если база обновляется редко — достаточно раз в квартал. Устаревший seed снижает точность: платформа ориентируется на поведение людей, которые покупали давно и могут не отражать текущий портрет клиента.

Какой размер LAL-аудитории считается рабочим?

Минимальный рабочий размер — от 50 000 пользователей в итоговой LAL-аудитории, иначе охват будет слишком мал для обучения алгоритма. Оптимально — 500 000+. Если платформа предлагает выбрать процент, начинайте с 1–3%: узкий сегмент даёт лучшую точность, а охват можно наращивать по мере масштабирования бюджета.

Работает ли LAL для B2B?

Работает, но с оговорками. В B2B цикл сделки длиннее, конверсий меньше — набрать качественный seed сложнее. Часто приходится использовать промежуточные события: посетителей страницы с ценами, тех, кто скачал презентацию или провёл на сайте больше 5 минут. Meta и LinkedIn дают разные результаты для B2B — LinkedIn точнее по профессиональным характеристикам, Meta — по поведенческим.

LAL — инструмент, который позволяет агентствам масштабировать рекламные кампании клиентов без потери качества аудитории: алгоритм делает за вас работу по поиску похожих на лучших покупателей. Главное — правильно собрать seed и регулярно его обновлять. Тогда LAL превращается из теоретической функции в реальный драйвер роста конверсий.