Aumentar audiencias sin perder precisión gracias al lookalike

Todos los anunciantes aspiran a conseguir que sus campañas lleguen a la audiencia adecuada, a las personas que puedan estar interesadas. Pero también quieren que esa audiencia sea lo más numerosa posible, que el grupo de los destinatarios objetivos crezca continuamente sin perder precisión. ¿Cómo se logra eso? La respuesta está en la lookalike audience o audiencia similar.

Cuando en publicidad programática hablamos de lookalike nos estamos refiriendo a buscar gemelos, a tratar de encontrar usuarios que se parezcan a los de tu segmento objetivo pero que no estén incluidos en él. ¿Para qué? Precisamente para conseguir una audiencia más numerosa, para incrementar la cifra de receptores finales y, por tanto, hacer una campaña más grande sin dejar de seleccionar los destinarios entre los que tengan un perfil más afín a los objetivos marcados.

Si partimos de datos sociodemográficos podemos pensar que un determinado producto interesa principalmente a mujeres entre 45 y 60 años y dirigir la campaña a ese ámbito. Pero puede haber mujeres de otros rangos de edad u hombres que también sean potenciales clientes: hay que encontrar patrones de estos usuarios que permita identificarlos como similares al segmento objetivo inicial.

La cuestión de la data

La data tiene un papel determinante a la hora de buscar lookalike audiences. Aunque se puede hacer con la data propia (first party data), también es frecuente recurrir a bases de datos de terceros, una vez que se han exprimido al máximo las propias.

Se hace de este modo porque la third party data tiene un coste y es más difícil de rentabilizar. Pero tiene la ventaja de que cada clic supone un el descubrimiento de nuevas audiencias de usuarios afines a los que no se estaba llegando hasta ese momento.

Claves de uso

Hay una serie de consejos que conviene tener presentes cuando se realiza una acción de este tipo si se le quiere sacar el máximo provecho:

• Audiencia base: es necesario partir de un mínimo de audiencia, porque cuando es demasiado pequeña el margen de error es mucho mayor. Cuando tienes un conjunto de 10.000 es más fácil encontrar alguien que se parezca que cuando tienes un conjunto de 100.
• Trabajar los datos propios: hay que tener lo más avanzada posible la first party data, porque permite ahorrar costes. Además, es un hábito que permite conocer mejor a los usuarios, razón más que suficiente para comprometerse a prestarle la atención que merece.
• Herramientas: los DMPs están mejor preparados para hacer lookalike, ya que trabajan con un user ID que incluye no sólo la cookie, sino también el dispositivo y el login.  
• Afinidad: también se puede y se debe intentar hacerlo con otras herramientas (no sólo los DMPs) para sacar un índice de afinidad con otros segmentos.

Con estas cuatro claves en mente es más fácil conseguir que una acción lookalike tenga unos resultados adecuados. Pero, en cualquier caso, siempre proporciona un mejor conocimiento de los usuarios de la marca y eso siempre es positivo. Se logran mejores segmentaciones y se obtiene una mayor afinidad. Nada se pierde por buscar gemelos.

Conviértete en experto en publicidad programática

Si quieres aprender con los mejores expertos en publicidad programática, entra en la Programmatic University de Adevinta. En este canal de YouTube encontrarás vídeos sobre publicidad programática para que aprendas todo lo que necesitas sobre esta nueva técnica de compraventa de publicidad digital. Conviértete en experto en programática con Adevinta.