Lookalike Audience в Meta Ads: как собрать похожие аудитории

Lookalike (похожая аудитория) в Meta Ads (бывшем Facebook Ads) - это способ найти на всей аудитории Facebook и Instagram новых людей, которые ведут себя как ваши лучшие клиенты. Вы даете системе список тех, кто уже принес результат, а Meta подбирает похожих по поведению, интересам и демографии. Дальше разберу, что под этим происходит, какой источник дает сильную похожую аудиторию, какой процент похожести брать и в каких случаях в 2026 году этот инструмент все еще оправдан, а в каких его заменяет широкий таргетинг.

Что такое похожие аудитории в Meta Ads

В Meta Ads три типа аудиторий, и в обзоре аудиторий под задачу они описаны вместе. Коротко разница такая. Сохраненная аудитория - это фильтр по интересам, поведению и демографии, который собирает сама Meta; это холодные люди, которые про вас не знают. Пользовательская аудитория (Custom Audience) собирается из ваших данных: посетители сайта через пиксель, база клиентов, те, кто писал в Instagram или смотрел видео; это теплый контакт, человек уже как-то взаимодействовал с брендом. Похожая аудитория (Lookalike) стоит особняком: это новые холодные люди, но отобранные по сходству с вашей пользовательской базой.

Логика простая. Сохраненная аудитория отвечает на вопрос «кто, по нашим догадкам, может быть клиентом». Пользовательская работает с теми, кто уже знаком. Похожая решает третью задачу: взять портрет людей, уже доказавших ценность, и найти на холодную таких же.

Поэтому похожая аудитория всегда строится поверх пользовательской. Без источника ее не создать: сначала собирается Custom Audience, и только из нее Meta выводит Lookalike. Как именно собрать базу-источник - это отдельная тема, она разобрана в материале про пользовательские аудитории и пиксель. Здесь сосредоточимся на том, что происходит после того, как источник готов.

Как Meta строит похожую аудиторию

Механика буквально стоит за словом «похожая». Вы передаете системе источник - например, список из 5000 покупателей. Meta анализирует, что объединяет этих людей: возраст, пол, география, интересы, какие страницы они лайкают, какой контент потребляют, как ведут себя в ленте. Затем берет всю свою аудиторию в выбранной стране и выстраивает ее по сходству с источником - от самого похожего человека к наименее похожему. После этого отрезает верхний срез: 1, 5 или 10 процентов.

Цифры проще понять на крупном рынке. В США около 278 миллионов аккаунтов в Facebook и Instagram. Один процент от этой базы - примерно 2,78 миллиона человек. Meta ранжирует все 278 миллионов по близости к вашему источнику и отдает в аудиторию верхние 2,78 миллиона. Чем больше процент, тем ниже в этом рейтинге опускается срез и тем больше непохожих профилей в него попадает.

Здесь есть нюанс, который часто упускают: размер считается от аудитории Facebook и Instagram в стране, а не от всего населения. Для крупных рынков (США, Бразилия, Индонезия) разница несущественна. Для небольших рынков она критична: один процент от аудитории Facebook и Instagram в Армении или Грузии - это уже маленький пул, и похожая аудитория там может почти совпасть с широким таргетингом. Этот момент стоит держать в голове при работе со странами СНГ с небольшой базой пользователей.

Источник решает качество похожей аудитории

Главное правило короткое: мусор на входе - мусор на выходе. Похожая аудитория настолько хороша, насколько хорош ее источник. Один параметр - качество исходных данных - определяет результат сильнее, чем все настройки вместе взятые.

Источники различаются по намерению людей внутри. Чем выше намерение в источнике, тем выше качество похожей аудитории. Список оплативших клиентов дает пул с покупательскими характеристиками. Заполнившие форму - это совсем другой портрет: среди них много тех, кто кликнул случайно или просто собирал информацию.

На практике источник выбирают по максимальной глубине воронки. Первый выбор - база оплативших клиентов. Если ее нет - база лидов. Если нет и ее - источник послабее: посетители сайта, подписчики Instagram, вовлеченные в Instagram.

Что подходит в источники, по убыванию намерения:

• База клиентов (загруженный список). Имя, телефон, email оплативших за последние 2-3 года, 5000-10000 контактов. Самый сильный источник: люди уже заплатили деньги.
• Покупки через пиксель. Событие Purchase за 6 месяцев, 20000-25000 событий в активном магазине. Тоже покупательское намерение, плюс данные собираются автоматически.
• Add to cart и Initiate checkout. Не дошли до оплаты, но проявили высокий интерес.
• Посетители сайта. Заходили, но не покупали; намерение ниже.
• Вовлеченность в Instagram и Facebook. Подписчики, те, кто писал в личные сообщения, смотрел видео от двух минут, сохранял посты. Сохранившие образовательный контент середины и низа воронки - недооцененный источник: сохранение часто означает интерес к теме.
• Лид-формы и просмотры видео. Работают как источник, но качество зависит от того, насколько отобрана аудитория.

Минимальный порог - 100 человек в источнике внутри выбранной географии. Если пиксель установлен недавно и трафика меньше, при создании Meta выдаст ошибку: источнику нужно не менее 100 человек. Раньше требовалось гораздо больше данных, особенно по каждой стране отдельно. Сейчас Meta снизила порог для похожих аудиторий на основе пикселя: формально валидную аудиторию можно собрать с минимума (известен случай, когда 9 покупок от 3 уникальных покупателей дали рабочий один процент), но отдача такой аудитории низкая. 100 человек - это нижний порог запуска, а не цель; для устойчивого результата нужно больше. На практике за похожую аудиторию имеет смысл браться от 500-700 человек в источнике, а лучше брать сегменты крупнее.

Источники с ценностью события

Отдельно про value-based источники - похожие аудитории, где Meta учитывает не только факт события, но и его ценность. События покупки несут ценность автоматически: Purchase (лучший вариант, желательно за последние 60 дней), Add to Cart, Initiate Checkout, Add Payment Info. Meta использует частоту, давность и сумму этих событий, чтобы найти не просто похожих людей, а похожих на тех, кто платит больше и чаще.

События лидов ценности не несут - лид-форма не содержит суммы сделки. Обходной путь: собрать пользовательскую аудиторию всех лидов, а похожую вывести уже из нее. Для бизнеса с длинным циклом сделки есть вариант сильнее: выгружать из CRM закрытые сделки с суммой и строить похожую аудиторию на них. Тогда в источнике окажутся люди с подтвержденным покупательским намерением, а не те, кто оставил контакт и пропал.

Процент похожести: 1, 5 или 10

При создании похожей аудитории размер задается ползунком. Один процент - самое плотное совпадение с источником. 10 процентов - самое широкое. Чем шире, тем больше холодного охвата и тем слабее сходство.

На краях шкалы разница хорошо видна. Срез 0-1 процент дает плотное совпадение: пол, образ жизни, лайки страниц, потребление контента у этих людей тесно совпадают с источником. На 10 процентах совпадение рыхлое - расходится даже пол, а сам срез разрастается до десятков миллионов человек (для США около 28 миллионов). Один процент - это точность, десять - это объем.

Выбор процента зависит от размера географии. Когда гео широкое - например, США с таргетингом по городам и штатам, - берут один процент: база большая, и плотный срез дает достаточный охват. Когда сегмент узкий и в недорогом гео с аудиторией примерно до миллиона человек, один процент дает слишком мало людей, и размер поднимают до пяти процентов. По типу кампании логика та же: для лидогенерации стартуют узко и расширяются по мере качества заявок, для e-com можно брать шире сразу - товарные кампании переваривают более широкий охват.

Рабочий подход - тестировать не один процент, а спред. Создайте отдельные похожие аудитории под разные диапазоны: 0-1, 1-2, 2-3 процента, и запустите их в разных группах объявлений. Это надежнее, чем сразу взять 10 процентов в надежде, что «алгоритм сам разберется». Широкая аудитория с самого старта чаще размывает бюджет, чем приносит дешевые конверсии.

Как подключить Lookalike в группе объявлений

Путь создания: Ads Manager → Все инструменты → Аудитории → Создать аудиторию → Похожая аудитория. Дальше выбираете источник (пользовательскую аудиторию) и размер.

При создании задается страна, из аудитории которой Meta отбирает похожих, и процент. В сводке аудитории видно правило и прогнозируемый размер. На скрине это похожая аудитория от подписчиков Instagram с правилом «1% в Узбекистане» и прогнозом 50 300-59 200 человек. Цифра «1% населения» в интерфейсе - упрощение: процент берется от пользователей Facebook и Instagram в стране.

Географию показа задают отдельно, на уровне группы объявлений: страна, регион, город или радиус вокруг точки. Это сужает показ внутри собранной похожей аудитории - например, только в радиусе 25 километров от центра города. Сама похожая аудитория остается привязана к стране, выбранной при ее создании.

После создания аудитория собирается не мгновенно. Сборка занимает до 1-2 суток, пока статус не переключится на готовый. Опубликовать объявление можно и раньше - аудитория подтянется в процессе, и кампания не сорвется. Но запускать показ на еще собирающейся аудитории - риск грязного старта на неполных данных; чище дождаться готовности.

Что делать в самой группе объявлений

Несколько правил, которые отличают рабочую настройку от слитого бюджета.

При добавлении похожей аудитории в группу выберите ручной режим ограничения охвата (в интерфейсе это «дополнительно ограничить охват»), а не «предложить аудиторию». Подсказка аудитории - это только намек алгоритму, а не таргетинг; ручной режим заставляет группу показывать рекламу строго выбранной аудитории.

Не добавляйте детальный таргетинг поверх похожей аудитории. Похожая аудитория сама знает, кого искать, - она уже построена по портрету ваших клиентов. Интересы и поведение сверху сбивают этот сигнал: размер аудитории меняется, и сходство размывается. Оставьте базовое: возраст, пол, географию. Никаких интересов и поведенческих фильтров.

Исключайте текущих клиентов из холодных кампаний на похожую аудиторию. В группе объявлений добавьте в исключения существующую базу покупателей - иначе похожая аудитория пересечется с теми, кого вы уже знаете, и бюджет уйдет на людей, которые и так у вас купили. Подписчиков из холодной похожей аудитории тоже стоит исключить: они вас знают и могут прийти органически.

Не складывайте все похожие аудитории в одну группу. Если в одной группе лежат и один процент, и пять, и десять, понять, какая из них конвертит, невозможно. Дублируйте группу: в одной - один процент, в дубле - пять, в следующем дубле - десять. Отдельные группы под отдельные аудитории дают чистое сравнение и показывают победителя. То же касается разных источников: похожая от списка клиентов и похожая от посетителей сайта - это две разные группы, которые тестируют друг против друга.

Когда Lookalike дает результат, а когда нет в 2026

Тут важно говорить честно, без преувеличений. Сама по себе похожая аудитория не делает рекламу прицельной. Отдача от нее держится на качестве предложения и креатива вне рекламного кабинета, а не на самой технологии. Маркетолог из практики музыкальных кампаний описывает это прямо: иногда похожая аудитория срезает цену конверсии вдвое, иногда выходит дороже широкого таргетинга, иногда разницы нет. Поэтому ее проверяют тестом: 5 долларов в день на похожую аудиторию в отдельной группе, оставить при хорошем результате, выключить при плохом.

Контекст 2026 года добавляет к этому новый поворот. После алгоритма Andromeda и системы Lattice жесткое разделение «холодная аудитория / теплый таргетинг / интересы / похожие» стало куда менее значимым. Meta AI берет большую часть оптимизации аудитории на себя, а пользовательские и похожие аудитории теперь скорее подкармливают алгоритм качественными исходными данными, чем заменяют его собственный подбор.

Байеры с крупными бюджетами это уже отражают в стратегии. Специалист, ведущий 5-10 миллионов долларов в месяц на десятках кабинетов, в 2025 году почти не использует похожую аудиторию изолированно. В его логике Lookalike - это мост между таргетингом по интересам и широким таргетингом: путь нового кабинета идет от интересов через похожую аудиторию к широкому таргетингу, и цель - обучить пиксель так, чтобы в итоге уйти в него. На 2026 год он планирует использовать похожие аудитории еще меньше: широкие интересы сейчас лучше закрывают переход от свежего пикселя, и большинство кабинетов могут идти в широкий таргетинг с первого дня.

При этом хоронить инструмент рано. Вопреки нарративу «креатив - это новый таргетинг», похожая аудитория после Andromeda продолжает работать. Она выручает там, где широкий таргетинг забирает слишком много лишних людей: узкие ниши, локальный бизнес, рынки с небольшой аудиторией. Для таких случаев плотная похожая аудитория от сильного источника дает фокус, которого широкий таргетинг не обеспечивает.

На практике возвращаться к похожей аудитории есть смысл в основном на старте нового проекта, когда пиксель пустой и алгоритму нужно от чего-то оттолкнуться. Частый рабочий сценарий - собрать похожую аудиторию и запустить на ней кампанию Advantage+: похожая аудитория здесь становится стартовым сигналом, алгоритм берет ее за основу и дальше обучается сам.

Если хочется отдать подбор аудитории алгоритму целиком, у Meta для этого есть отдельный режим - Advantage+ Audience, где система сама определяет, кому показывать, а ваши данные идут как подсказка, а не жесткий таргетинг. Когда стоит передавать таргетинг алгоритму, а когда держать ручное управление, разобрано в материале про Advantage+ и автоматический подбор аудитории.

Коротко

• Похожая аудитория - это поиск новых холодных людей, похожих на ваших лучших клиентов
• Она всегда строится из пользовательской аудитории-источника, и качество источника решает результат сильнее любых настроек: список оплативших клиентов дает аудиторию совсем другого уровня, чем заполнившие форму
• Минимум 100 человек в источнике, но на практике нужно больше
• Один процент - точность, десять - объем; для лидогенерации старт узкий, для e-com можно шире, и тестировать стоит спред, а не один диапазон
• В группе объявлений похожая аудитория работает без интересов сверху, с исключением текущих клиентов и в отдельных группах под каждый вариант
• В 2026 году алгоритмы Meta забирают часть работы похожих аудиторий на себя, и для многих кабинетов широкий таргетинг закрывает задачу с первого дня, но для узких ниш и локального бизнеса плотная похожая аудитория от сильного источника по-прежнему дает результат

Полный набор материалов по теме собран в обзоре по Meta Ads.

Частые вопросы