Lookalike Audiences erschließen neue Zielgruppen mit hoher Trefferwahrscheinlichkeit und senken so die Kosten der Neukundengewinnung. Sie machen das Wissen über bestehende gute Kund:innen für die Expansion nutzbar, reduzieren Streuverluste gegenüber breiter Werbung und lassen sich in ihrer Ähnlichkeit abstufen — von sehr eng und passgenau bis breiter und reichweitenstärker.
Was bedeutet dieser Begriff?
Eine Lookalike Audience — auf Deutsch etwa „ähnliche Zielgruppe" — ist eine von Werbeplattformen erzeugte Gruppe neuer, noch unbekannter Menschen, die den eigenen guten Kund:innen stark ähneln. Der Ablauf: Ein Unternehmen übergibt der Plattform eine Ausgangsgruppe, etwa eine Liste bestehender Kund:innen oder Menschen, die bereits gekauft haben. Die Plattform analysiert deren gemeinsame Merkmale und Verhaltensmuster und sucht in ihrem riesigen Nutzerbestand nach Menschen mit ähnlichem Profil. Diese neue Gruppe kennt das Unternehmen noch nicht — aber sie gleicht statistisch denen, die sich bereits als gute Kund:innen erwiesen haben. Werbung an eine solche Gruppe trifft daher mit höherer Wahrscheinlichkeit auf passende Interessent:innen als breite, ungezielte Ausspielung.
Wo hat dieser Begriff seinen Ursprung?
Das Verfahren wurde durch die großen sozialen Werbeplattformen populär, allen voran Facebook, das entsprechende Funktionen in den 2010er Jahren einführte. Grundlage ist die enorme Datenmenge, über die diese Plattformen zu ihren Nutzer:innen verfügen — erst sie macht es möglich, feine Ähnlichkeitsmuster zu erkennen und gezielt nach vergleichbaren Profilen zu suchen. Mit strengeren Datenschutzregeln und dem Wegfall mancher Datenquellen hat sich die Technik weiterentwickelt, das Grundprinzip ist geblieben.
Warum ist dieser Begriff wichtig?
Die Gewinnung neuer Kund:innen ist teuer, wenn Werbung breit und ungezielt streut — viel Budget erreicht Menschen, die niemals kaufen würden. Die Lookalike Audience löst dieses Problem, indem sie die Suche auf Menschen konzentriert, die den bewährten Kund:innen gleichen. Ihre Funktion ist es, aus dem Wissen über bestehende gute Kund:innen einen Kompass für die Neukundengewinnung zu machen: Statt ins Blaue zu werben, richtet sich das Budget auf Profile mit nachweislich hoher Passung. Das senkt Streuverluste und macht die Erschließung neuer Zielgruppen wirtschaftlicher.
Vorteile
Herausforderungen
Die Qualität der Ergebnisse hängt vollständig von der Qualität der Ausgangsgruppe ab: Wer eine ungenaue oder zu kleine Kundenliste übergibt, erhält eine unscharfe Zielgruppe. Die Nutzung von Kundendaten für solche Zwecke verlangt sorgfältige Beachtung des Datenschutzes und eine tragfähige Rechtsgrundlage. Zudem findet das Verfahren innerhalb der jeweiligen Plattform statt, was in eine gewisse Abhängigkeit von deren Daten und Regeln führt — und die Ergebnisse bleiben eine statistische Annäherung, keine Gewissheit.
Beispiel
Ein Onlinehändler für hochwertige Werkstattausrüstung übergibt der Werbeplattform eine Liste seiner umsatzstärksten Stammkund:innen. Die Plattform bildet daraus eine ähnliche Zielgruppe — Menschen mit vergleichbaren Interessen und Verhaltensmustern, die den Händler noch nicht kennen. Die Werbung an diese Gruppe bringt deutlich mehr Käufe pro eingesetztem Euro als die vorherige breite Ausspielung, weil sie von vornherein die wahrscheinlich passenden Menschen anspricht.