开篇：相似受众不是万灵药
相似受众（Lookalike）常被当成“找个跟老客一样的人”的按钮。但实际效果方差很大：有人用它把成本降了一半，有人建完之后跑得比兴趣定向还差。
差别不在百分比选得对不对，而在种子池子里装的是什么人。
它到底怎么工作
你提交一组种子用户，Facebook 分析这批人的共同特征，然后在平台上找出特征相近的人。
这里有个容易被忽略的点：算法学的不是“你希望客户是什么样”，而是“你给的这批人实际是什么样”。种子池里混进了薅羊毛的人，它就会给你找更多薅羊毛的人。
百分比怎么选
百分比代表覆盖范围。1% 最接近种子特征但人最少，10% 覆盖面大但特征被稀释。
大致上可以这样对应：高客单价、决策周期长的产品适合窄的百分比，因为你需要的是相似度而不是量；大多数电商产品在中低百分比区间比较好跑；低客单价、靠规模摊成本的品才需要往宽了试。
但百分比没有标准答案。更实际的做法是同时建几组不同百分比，用相同素材和预算跑一段时间，看哪组 ROAS 更稳。
种子池该怎么建
优先用高质量行为，而不是泛流量。按可信度从高到低，大致是：复购客户、高客单客户、完成购买的客户、加购未付款、深度浏览。
实操上，导出老客户信息上传建自定义受众是最常见的做法，但要注意隐私合规。如果订单量还不够建出有效种子池，与其强行建一个几百人的池子，不如先用兴趣定向把量跑起来，等数据积累了再建。
种子池需要定期更新。老数据会把过时的客群特征一直带下去，建议隔一段时间重建一次。
一个容易踩的坑
不要用相似受众去覆盖已经买过的用户。这看起来是废话，但实际账户里经常能看到：买的客户刚好还在种子池的排除名单之外，广告就一直往老客身上投。
总结
相似受众的效果取决于你喂给它什么。种子池干净、百分比做过测试、老客排除干净，这三件事做到位，它就是个很稳定的扩量工具；做不到位，它只是个好看的概念。
相关阅读