一句话解释：相似受众（Lookalike Audience）是广告平台根据你已有的客户名单、网站访客或互动人群（种子人群），用算法找出与这批人特征相似、但尚未与你发生接触的新用户群体，用于精准扩量。
生活化类比
想象你开了一家精品咖啡店，手上有 500 位常客的会员资料。你发现这些人有个共同点：25-35 岁、住在写字楼附近、喜欢手冲、周末常去健身房。现在你想拉新，但不可能挨家挨户敲门。于是你请了一位“超级侦探”，他把这 500 人的特征学透，然后全城扫描，找出 5 万个“看起来几乎一模一样”的人，把传单精准塞给他们。这位侦探就是平台算法，这 5 万人就是你的相似受众。
核心概念/公式
相似受众的生成逻辑可以简化为：
种子人群（Source）→ 特征提取（Feature Extraction）→ 相似度打分（Similarity Scoring）→ 扩展人群（Expansion）
- 种子人群：通常至少需要 100-1000 人才能保证算法有效。常见种子包括：购买客户、加购未付款用户、邮件订阅者、高价值访客（停留>3分钟）。
- 相似度百分比：以 Meta 为例，1% 表示最相似的头部人群，10% 表示更宽泛的扩展。百分比越小，越精准但覆盖越窄。
- 扩展倍数：平台通常能将种子扩展 100-1000 倍。例如 1000 个种子可生成 100 万人的 1% 相似受众。
与相关术语对比
| 术语 | 定义 | 与相似受众的关系 |
|---|---|---|
| 自定义受众 | 基于你已有数据（客户名单、像素访客）构建的人群 | 相似受众的**输入源**，先有自定义受众，才能生成相似受众 |
| 兴趣定向 | 按用户兴趣标签（如“瑜伽”“宠物”）投放 | 相似受众是**行为+特征**驱动，兴趣定向是**标签**驱动，前者通常转化率更高 |
| 再营销 | 对已互动用户再次投放 | 再营销针对**已知用户**，相似受众针对**未知新用户**，两者常配合使用 |
| 宽泛定向 | 不设限，让平台自动优化 | 相似受众有明确种子，宽泛定向依赖平台探索，前者更可控 |
应用场景（含数据/案例）
案例 1：DTC 护肤品牌
某独立站月销 5 万美元，拥有 8000 名购买客户。将“过去 180 天购买客户”作为种子，生成 1% 相似受众（约 200 万人）。投放后：
- 广告点击率（CTR）从 1.2% 提升至 2.8%
- 单次购买成本（CPA）从 32 美元降至 19 美元
- 新客占比从 45% 提升至 72%
案例 2：B2B SaaS 工具
种子为“已完成试用并付费”的 500 家企业。生成 3% 相似受众后：
- 线索转化率比兴趣定向高 2.3 倍
- 销售周期缩短 18%
数据要点：
1. 种子质量 > 种子数量：1000 个高价值客户比 10 万个低质量访客效果更好。
2. 相似受众的 ROAS 通常比兴趣定向高 30%-60%。
3. 1%-3% 的相似受众在多数品类中表现最佳，超过 5% 后效果衰减明显。
常见误区
1. 种子越大越好：错。混杂了低质量访客的种子会稀释特征，建议用“购买客户”而非“所有访客”。
2. 只建一个相似受众：应测试 1%、3%、5% 不同层级，并分别投放。
3. 忽略种子更新：客户名单每月新增，相似受众应每 2-4 周重新生成一次。
4. 相似受众万能：它适合扩量，但不适合冷启动。没有种子时，先用兴趣定向积累数据。
5. 跨平台通用：Meta、Google、TikTok 的相似受众算法不同，需分别测试，不能直接复制。
相关术语
- 自定义受众（Custom Audience）：相似受众的种子来源
- 再营销（Retargeting）：对已知用户二次触达
- 像素（Pixel）：追踪网站行为，用于构建种子
- 种子人群（Seed Audience）：生成相似受众的原始数据
- 扩展定向（Expansion Targeting）：平台自动放宽定向以获取更多转化
- ROAS：广告支出回报率，衡量相似受众效果的核心指标