Hur du kan hitta lookalikes på dina bästa kunder

Lookalike modeling handlar om att använda befintlig kunddata och profiler för att hitta liknande potentiella kunder (även kallade lookalikes) att marknadsföra till. Istället för att rikta in dig på potentiella kunder baserat på demografi eller geografisk plats (i en anda av ”spray and pray”) identifierar du personer som sannolikt har samma intressen och beteende som dina nuvarande idealkunder.

Det här tillvägagångssättet är inte bara känt för att hjälpa dig att spara tid och lägre anskaffningskostnader. Det hjälper dig att identifiera högkvalificerade kunder och utöka dina potentiella målgruppssegment. Enligt en källa har lookalike-målgrupper i genomsnitt en högre CTR (klickfrekvens) än andra målgrupper, 90 % av gångerna (källa).

Hitta lookalikes på dina bästa kunder

I allmänhet är företag bra på att köpa media och många har ofta omfattande mediebudgetar. Problemet är att de flesta inte är särskilt bra på att använda sin egen data för att skaffa nya kunder. Istället köper de media med generisk data, vilket resulterar i höga anskaffningskostnader.

Kampanjdata tenderar också ofta att stanna hos tredje parts mediebyråer. Eller så fastnar det i sociala nätverk eller annonsnätverk utan att generera något värde för det faktiska företaget.

Kort sagt är detta ett slöseri med mediebudgeten.

En bättre, mer effektiv och kostnadsbesparande marknadsföringsstrategi är att hitta lookalikes på dina bästa kunder. Detta koncept antar att människor som har samma sorts intressen och beteende kommer att agera på liknande sätt när det kommer till marknadsföringskampanjer.

Lookalike modeling är ett tillvägagångssätt som används av marknadsförare för att definiera kunder som är mest benägna att engagera sig i dina marknadsföringsbudskap. Detta är inget nytt tillvägagångssätt, det har använts i ett decennium inom direktmarknadsföring. Det som dock gör den stora förändringen nuförtiden är hävstången inom digitalt datadriven marknadsföring. (Hej Facebook, Twitch, Discord, Tik-Tok, LinkedIn, Instagram, Snapchat och andra sociala nätverk!) Tack vare dessa plattformar kan du vara mer exakt i vem du riktar dig mot.

Låter det vettigt än så länge?

Lookalike modeling: Hur det fungerar
Lookalike-modellen analyserar och överväger vanliga beteenden eller egenskaper bland kunder och söker kunder som delar liknande egenskaper eller beteenden. Taktiken är alltid densamma, d.v.s. att driva konvertering genom att visa relevanta marknadsföringsbudskap till en mycket mer riktad uppsättning kunder.

Fördelarna med att använda lookalike modeling som tillvägagångssätt är att du kan hitta nya målgrupper som ser ut som dina bästa kunder. Det hjälper dig också att få en bättre ROI (avkastning på investering) på dina mediekostnader, jämfört med att använda någon standardmetod inbyggd i annonsnätverk.

Lookalike modeling fungerar på samma sätt som annan datadriven marknadsföring bäst genom att verkligen dra nytta av din data och i kombination med algoritmer. För att exemplifiera hur det fungerar har jag valt att bryta ner processen i tre delar.

1. Datainsamling. Det första steget att genomföra en lookalike modell är att samla in massor av data. För att säkerställa högre noggrannhet i modellen måste olika typer av data samlas in från ett antal datakällor, såväl online som offline. Det handlar om att samla in första, andra och tredje parts data från olika platser. Vanliga systemkällor att få sin sin data från är källor, som CRM-system, Marketing automationsplattformar, tredjepartsdataleverantörer och webbanalysverktyg. Detta kan man samla på ett ställe, tex via Excel om det är en “one-shot” eller med fördel i en DMP eller CDP.
2. Definiera attribut och beteenden hos de bästa kunderna. När data väl har laddats definieras attribut och beteenden för de bästa kunderna. Beroende på vilket mål du har med dina kampanjer, tex hög konvertering behöver du definiera flera attribut och beteenden. Men om du har mer fokus på räckvidd eller kännedom räcker det med att ha ett färre antal attribut och beteenden.
3. Identifiera kunder som delar liknande egenskaper. Det tredje steget involverar analys av den berikade datan för att hitta mönster av likhet med den övergripande informationen för den totala målgruppen kunder. De större grupperna som delar liknande egenskaper/drag upptäcks baserat på denna berikade data som i slutändan ”ser ut som” idealkunderna. Dessa datapunkter matas helst in i en centraliserad plattform (som DMP eller CDP) och analyseras med hjälp av algoritmer. En DMP eller CDP analyserar idealkunderna och tillämpar sedan proprietära algoritmer på den inmatade informationen för att hitta “tvillingar” som matchar idealkunderna.

Jag hoppas att denna artikel har gett dig en inblick i hur lookalike modeling kan hjälpa din verksamhet att hitta nya bästa kunder för din produkt eller tjänst. Slutligen vill jag ge dig några use cases och användningsområden där lookalike modeling med fördel kan vara rätt approach för din datadrivna marknadsföring eller kommunikation.

• Skaffa nya och lojala kunder
• Förbättra din konvertering och annonsresultat
• Öka engagemanget med relevanta kampanjer
• Förstå din målgrupp och deras beteende bättre
• Minska marknadsföringsutgifter per förvärvad kund

Av: Daniel Cedergren, seniorkonsult inom datadriven marknadsföring och kommunikation