Audiencias personalizadas y similares

Las audiencias personalizadas se construyen a partir de personas que ya han interactuado con el negocio: visitantes web, listas de clientes cargadas, usuarios de la app o gente que interactuó con contenido en Facebook o Instagram. En lugar de llegar a desconocidos, el anuncio llega a personas que ya dieron un paso hacia la marca. Por eso las audiencias personalizadas suelen convertir a varias veces la tasa de la prospección en frío.

De dónde sale una audiencia personalizada

Las audiencias de web y de app se actualizan automáticamente conforme se disparan nuevos eventos. Las listas de clientes no: necesitan una recarga periódica para mantenerse al día, y una lista que no se ha refrescado en meses está segmentando a quienes tus clientes solían ser.

Las audiencias similares amplían una audiencia personalizada a gente nueva

Una audiencia similar (lookalike) toma una audiencia personalizada como fuente. Meta analiza qué tiene en común ese grupo a través de cientos de señales, y luego encuentra gente nueva que se le parece, sin necesidad de que nadie elija a mano intereses o datos demográficos.

El porcentaje elegido controla el equilibrio entre calidad del match y alcance:

La calidad de la fuente importa más que el porcentaje. Una audiencia similar construida a partir de “todo el que visitó el sitio” arrastra consigo los clics accidentales y a los curiosos. Una construida a partir de “clientes que compraron dos veces o más” le da a Meta una señal mucho más limpia de qué buscar.

Dónde aparece esto en el Asistente de Campañas

El paso de segmentación detallada del Asistente de Campañas es donde una audiencia personalizada o similar se incluye como criterio de inclusión. Como cada criterio de inclusión que rastrea el asistente genera su propia variante de conjunto de anuncios, añadir una audiencia similar junto a un segmento basado en intereses produce conjuntos de anuncios separados de forma automática, en lugar de mezclar ambas audiencias en un único resultado más difícil de leer.

Dónde se complican estos enfoques

Una audiencia fuente demasiado pequeña. Meta necesita una base significativa para construir una audiencia similar. 100 personas es el mínimo técnico, pero una fuente en el orden de los miles le da al algoritmo mucho más con lo que trabajar.

Apilar varios porcentajes de audiencia similar en una campaña. Ejecutar audiencias similares del 1%, 2% y 3% como conjuntos de anuncios separados en la misma campaña crea solapamiento: los conjuntos de anuncios acaban pujando entre sí por prácticamente la misma gente. Excluir el porcentaje más ajustado del más amplio, o consolidar en un único conjunto de anuncios, evita que Meta compita consigo misma.

No probar nunca contra la segmentación amplia. En cuentas que ya generan 50 o más conversiones a la semana por conjunto de anuncios, el propio algoritmo de entrega de Meta suele igualar o superar la precisión de una audiencia similar sin ninguna construcción de audiencia. Haz una prueba directa antes de asumir que la audiencia similar sigue siendo la mejor opción.

No excluir a los conversores recientes. Cualquiera que haya comprado en la última semana o dos no necesita volver a ver el mismo anuncio de adquisición. Dejarlos en la audiencia solo gasta presupuesto volviendo a mostrar un anuncio a alguien que ya ha hecho lo que pedía.

Cómo lo aplica YieldBI

Los insights de descubrimiento de audiencia se reportan a nivel de anuncio usando el mismo modelo de atribución y la misma ventana efectiva que todo lo demás. La contribución real de una audiencia personalizada o similar se mide contra el Objetivo de rentabilidad hacia el que realmente está avanzando, en lugar de contra un recuento de clics del mismo día que no refleja cómo convierte de verdad el funnel al que alimenta.