Lookalike Audiences
Auch: Lookalike Audience, LAL, Zwillings-Zielgruppen, Statistische Zwillinge
Einordnung: Dieses Kapitel beschreibt ein quellengebundenes Modell oder eine Praxisheuristik. Es verspricht kein bestimmtes Ergebnis; die folgenden Aussagen geben das Modell wieder.
Kern-Logik
Im Quellenmodell wird beschrieben: Der Algorithmus wertet Verhalten, Profilmerkmale und Interaktionsmuster der Ausgangsgruppe aus und sucht in der Gesamtnutzerbasis nach vergleichbaren Mustern. Je hochwertiger und spezifischer die Ausgangsliste, desto schärfer das Ergebnis.
Eine Lookalike Audience ist eine aus einer Ausgangsgruppe abgeleitete Werbezielgruppe. Ähnlichkeit ist eine statistische Auswahlhilfe; sie bestätigt weder Bedarf noch Kaufbereitschaft. Die Qualitätsregel setzt passende, aktuelle und ausreichend aussagekräftige Ausgangsdaten voraus. Eine besonders eng ausgewählte, aber kaum belastbare Liste kann ungeeignet sein.
Je nach Plattform und Kampagnentyp dient die Ausgangsgruppe als feste Auswahlgrundlage oder lediglich als Signal für eine darüber hinausgehende Ausspielung. Die tatsächlichen Einstellungen sind deshalb vor dem Vergleich zu prüfen.
Woher die Ausgangsliste kommt
Im Quellenmodell gelten folgende Punkte:
- Ereignisse auf der Website Aussagekräftige Anfragen oder Käufe können näher am Ziel liegen als beliebige Klicks.
- Website-Besucher Die besuchten Inhalte und der Anlass des Besuchs bestimmen die Aussagekraft.
- Interaktionen in sozialen Netzwerken Aufmerksamkeit kann ein Ausgangssignal sein, ist aber kein Nachweis wirtschaftlicher Passung.
- Vorhandene Kundenlisten, sofern sie zum Akquiseziel passen und für diesen Zweck verwendet werden dürfen.
Wann einsetzen?
Im Quellenmodell gelten folgende Punkte:
- Wenn eine belastbare Kundenliste existiert
- Zur Erweiterung nach erfolgreichem Retargeting Dies ist ein möglicher Ablauf, keine technische Voraussetzung.
- Nicht bei ungeeigneten Ausgangsdaten, ungeklärter Nutzbarkeit oder einem so engen Einzugsgebiet, dass eine sinnvolle Erweiterung kaum möglich ist.
Beispiel und Abgrenzung
Ein regionaler Gebäudedienstleister möchte weitere passende Betriebe erreichen. Ausgangspunkt sind bestätigte Anfragen für seine angebotenen Leistungen. Reine Stellenanfragen werden getrennt gehalten. Bei der Auswertung zählen passende Neukundenanfragen und Akquisekosten. Retargeting spricht dagegen bereits bekannte Kontakte erneut an; deren gute Reaktion beweist keine Nachfrage bei ähnlichen neuen Personen.
Datenverwendung
Bei personenbezogenen Ausgangsdaten sind Zweckbindung und Rechtsgrundlage zu prüfen (Art. 5 Abs. 1 Buchst. b und Art. 6 Abs. 1 DSGVO). Für nicht erforderliche Speicherungen oder Zugriffe auf Endgeräten ist in Deutschland nach § 25 Abs. 1 TDDDG grundsätzlich eine Einwilligung erforderlich; die Ausnahmen regelt § 25 Abs. 2 TDDDG. Die konkrete Prüfung richtet sich nach Einsatzland und Datenfluss.
Häufige Fehler
Im Quellenmodell gelten folgende Punkte:
- Die Liste nach Menge statt nach Wert bauen. Gegenmittel: Auswahl an bestätigter Passung ausrichten und veraltete oder sachfremde Kontakte aussortieren.
- Ähnlichkeit mit zusätzlicher Nachfrage gleichsetzen. Gegenmittel: Ergebnisse gegen eine geeignete Vergleichskampagne prüfen und Überschneidungen berücksichtigen.
- Die Zielgruppe als starre Grenze voraussetzen. Gegenmittel: Erweiterungen, Ausschlüsse und tatsächlich erreichte Personen kontrollieren.
Verwandte Einträge
Im Quellenmodell gelten folgende Punkte: