Lookalike Audiences

Einfach erklärt

Lookalike Audiences lassen Plattformen wie Meta oder Google neue Nutzer finden, die deinen besten Kunden ähneln. Du gibst eine “Seed Audience” (z.B. deine Käufer), und der Algorithmus findet Millionen ähnlicher Menschen.

Wie funktioniert es?

1. Du uploadest Seed Audience (z.B. 5.000 Käufer-E-Mails)
2. Plattform analysiert gemeinsame Merkmale:
   - Demografisch (Alter, Ort, Geschlecht)
   - Interessen (Seiten, Gruppen, Verhalten)
   - Kaufverhalten (ähnliche Käufe)
3. Algorithmus findet Nutzer mit ähnlichem Profil
4. Du erreichst "kalte" Nutzer, die warm sein sollten

Lookalike-Größen:

Größe	Reichweite	Ähnlichkeit	Einsatz
1%	Klein	Sehr hoch	Beste Performance
1-3%	Mittel	Hoch	Gute Balance
3-5%	Groß	Mittel	Skalierung
5-10%	Sehr groß	Niedriger	Maximale Reichweite

Warum ist das so effektiv?

Statt blind nach Interessen zu targeten, nutzt du echte Kaufsignale. Der Algorithmus findet Muster, die Menschen nicht sehen – und erreicht Nutzer, die statistisch am wahrscheinlichsten konvertieren.

Technischer Deep Dive

Seed Audience Strategien

Hierarchie der Seed-Qualität:

Seed	Qualität	Warum
High-Value Käufer (Top 20%)	⭐⭐⭐⭐⭐	Findet mehr High-Value-Kunden
Alle Käufer	⭐⭐⭐⭐	Starkes Kaufsignal
Repeat Käufer	⭐⭐⭐⭐	Loyalitätssignal
Leads (MQL/SQL)	⭐⭐⭐	Intent, aber keine Conversion
Newsletter-Abonnenten	⭐⭐⭐	Interesse gezeigt
Website-Besucher	⭐⭐	Schwaches Signal
Engagers (Social)	⭐⭐	Interesse, aber kein Intent

Best Practice:

• Mehrere Lookalikes testen (Käufer vs. High-Value vs. Leads)
• Seed regelmäßig aktualisieren (frische Daten)
• Mindestens 1.000 Personen in der Seed

Lookalike-Stacking

Kombiniere mehrere Lookalikes für bessere Ergebnisse:

Kampagne 1: 1% Lookalike von Käufern
Kampagne 2: 1% Lookalike von High-Value-Käufern
Kampagne 3: 2-3% Lookalike von Käufern (Skalierung)
Kampagne 4: 1% Lookalike von Leads (Funnel-Top)

Exclusions nicht vergessen:

• Bestehende Kunden ausschließen
• Retargeting-Audiences ausschließen
• Andere Lookalikes ausschließen (kein Overlap)

Plattform-Unterschiede

Meta (Facebook/Instagram):

• Beste Lookalike-Technologie
• 1-10% Größenauswahl
• Value-Based Lookalikes (nach CLV gewichtet)
• Conversions API für bessere Daten

Google Ads:

• “Similar Audiences” wurde 2023 eingestellt
• Jetzt: Optimized Targeting und Audience Expansion
• Performance Max nutzt ähnliche Signale automatisch

LinkedIn:

• Lookalikes für B2B
• Basiert auf Firmografischen Daten
• Kleinere Reichweite, aber präziser für B2B

TikTok:

• Lookalikes verfügbar
• Jüngere Datenbasis
• Gut für Gen Z / Millennial Targeting

Value-Based Lookalikes

Meta ermöglicht Lookalikes basierend auf Kundenwert:

Statt: "Finde Leute wie meine Käufer"
Besser: "Finde Leute wie meine BESTEN Käufer"

Setup:

1. Custom Audience mit Käufern erstellen
2. Lifetime Value als Wert-Spalte hinzufügen
3. Lookalike erstellen → Algorithmus gewichtet nach Wert

Ergebnis:

• Höherer durchschnittlicher Bestellwert
• Besserer ROAS
• Mehr Repeat-Käufer

Lookalikes in der Cookieless-Ära

Herausforderungen:

• Weniger Tracking-Daten
• Kleinere Seed Audiences
• Attribution schwieriger

Lösungen:

• First-Party-Data maximieren (E-Mail, CRM)
• Conversions API implementieren
• Server-Side-Tracking
• Plattform-eigene Daten nutzen (Meta, Google)

Conversions API Setup:

Website → Server → Meta CAPI
                    ↓
              Bessere Seed-Daten
              Bessere Lookalikes