นิยาม
Lookalike Audience หรือที่นักการตลาดไทยเรียกกันติดปากว่า "กลุ่มคล้าย" หรือ "กลุ่มผู้ชมที่คล้ายกัน" คือกลุ่มผู้ใช้ใหม่ที่แพลตฟอร์มโฆษณาสร้างขึ้นโดยใช้ปัญญาประดิษฐ์และอัลกอริทึม วิเคราะห์จาก "Seed Audience" (กลุ่มต้นทาง) ที่เราเป็นคนป้อนเข้าไป ไม่ว่าจะเป็นรายชื่อลูกค้าเก่า คนที่กด Like เพจ คนที่ดูวิดีโอจบ 75% หรือคนที่เพิ่มสินค้าใส่ตะกร้าแล้วไม่จ่ายเงิน
พูดง่าย ๆ คือคุณบอก Facebook, Google, TikTok หรือ LINE ว่า "คนแบบนี้คือลูกค้าฉัน" แล้วระบบจะไปไล่หาคนอีกหลายล้านคนในประเทศไทยที่ "หน้าตา-พฤติกรรม-ความสนใจ" คล้ายกับคนกลุ่มนั้นมากที่สุด แล้วเอาคนเหล่านั้นมาให้คุณยิงโฆษณา
หัวใจสำคัญคือ คุณภาพของ Seed Audience ถ้า Seed ห่วย กลุ่ม Lookalike ก็จะห่วยตามแบบทวีคูณ นี่ไม่ใช่การเดาสุ่ม แต่เป็นการจับคู่ pattern จากข้อมูลจริงหลายร้อยล้าน data point
Analogy
ลองนึกภาพคุณเปิดร้านกาแฟ specialty อยู่ซอยอารีย์ แล้วมีลูกค้าประจำ 500 คนที่ชอบกาแฟ single origin ชอบนั่งทำงานเงียบ ๆ และยอมจ่าย 120 บาทต่อแก้ว
ถ้าคุณอยากขยายสาขาไปอีก 5 ย่าน คุณจะไม่ไปยืนแจกใบปลิวหน้าปากซอยสุทธิสารแบบสุ่มสี่สุ่มห้า แต่คุณจะจ้าง "นักสืบ" ที่เก่งเรื่องการหาคน ให้นักสืบไปหาคนทั้งกรุงเทพฯ ที่มีลักษณะเหมือนลูกค้าประจำ 500 คนนั้น — อายุ 25-38, ทำงาน creative, ใช้ MacBook, ติดตามเพจสายกาแฟ, เช็คอินร้าน third wave บ่อย
นักสืบคนนี้คือ อัลกอริทึมของ Meta และรายชื่อคนที่นักสืบหามาได้คือ Lookalike Audience
ยิ่งคุณให้ข้อมูลนักสืบละเอียดแค่ไหน (เช่น 500 คน vs 5,000 คน) ผลลัพธ์ก็ยิ่งแม่นขึ้น แต่ถ้าลูกค้าประจำ 500 คนของคุณคือคนละกลุ่มกันเลย (ครึ่งหนึ่งเป็นวัยรุ่น ครึ่งหนึ่งเป็นผู้สูงอายุ) นักสืบก็จะงง และหากลุ่มที่คล้ายจริงไม่ได้
สูตรการทำงาน
แพลตฟอร์มส่วนใหญ่ใช้หลักการ Similarity Score ในการจัดอันดับผู้ใช้ โดยคิดจากค่า cosine similarity ระหว่าง feature vector ของผู้ใช้กับ centroid ของ Seed Audience
Similarity (u, S) = cos(θ) = (Vu · Cs) / (||Vu|| × ||Cs||)
โดยที่:
- Vu = feature vector ของผู้ใช้คนที่กำลังพิจารณา
- Cs = centroid vector ของ Seed Audience
- ค่า Similarity อยู่ระหว่าง 0 ถึง 1 (ยิ่งใกล้ 1 ยิ่งคล้าย)
จากนั้นแพลตฟอร์มจะจัดเรียงผู้ใช้ทั้งประเทศตามคะแนน แล้วตัดเอาเปอร์เซ็นต์ที่คุณเลือก:
ขนาดกลุ่ม Lookalike = จำนวนผู้ใช้ทั้งหมดในประเทศ × เปอร์เซ็นต์ที่เลือก
ตัวอย่างจริง: ถ้าคุณเลือก Lookalike 1% ในประเทศไทย ที่มีผู้ใช้ Facebook ประมาณ 52,000,000 คน จะได้กลุ่มประมาณ 520,000 คน — นี่คือ 1% ที่ "คล้ายที่สุด" ส่วน Lookalike 5% จะได้ประมาณ 2,600,000 คน แต่ความแม่นยำจะลดหลั่นลงมา
ตัวเลข 3 ตัวอย่างที่ควรจำ:
1. Lookalike 1% จาก Seed 1,000 คน มักให้ CPA ต่ำกว่า Lookalike 5% ประมาณ 30-45% ในหมวดแฟชั่น
2. Seed Audience ที่มาจาก "ผู้ซื้อจริง 180 วัน" ให้ ROAS สูงกว่า Seed จาก "คนกด Like เพจ" เฉลี่ย 2.1 เท่า
3. ขนาด Seed ที่แนะนำคือ 1,000 – 5,000 คน ถ้าน้อยกว่า 1,000 ระบบจะขยายผลไม่ดี ถ้ามากกว่า 50,000 มักไม่ต่างจากยิง broad targeting
ตารางเปรียบเทียบ
| ประเภทกลุ่ม | ที่มา | ความแม่นยำ | ขนาดโดยประมาณ (TH) | เหมาะกับ |
|---|---|---|---|---|
| Lookalike 1% | ลูกค้าซื้อซ้ำ 365 วัน | สูงมาก | ~520,000 | แคมเปญ conversion, retargeting ชั้นสูง |
| Lookalike 2-3% | ผู้ซื้อ 180 วัน | สูง | ~1,040,000 – 1,560,000 | scaling แบบค่อยเป็นค่อยไป |
| Lookalike 5-7% | คนเพิ่มตะกร้า | กลาง | ~2,600,000 – 3,640,000 | ขยายตลาดใหม่ ทดสอบ creative |
| Lookalike 10% | คนดูวิดีโอ 50% | ต่ำ | ~5,200,000 | awareness, viral content |
| Broad Targeting | ไม่มี seed | ต่ำสุด | ทั้งประเทศ | เมื่อ pixel มีข้อมูลหนาแน่นพอ |
(Use Cases)
1. Scaling แคมเปญที่ชนะแล้ว
เมื่อแคมเปญ retargeting จากลูกค้าเก่าเริ่ม ROAS ดีจนเพดาน reach ตัน วิธีต่อยอดคือเอารายชื่อลูกค้าเหล่านั้นทำ Lookalike 1-3% เพื่อหาคนใหม่ที่มีพฤติกรรมเดียวกัน
2. ลดต้นทุน CAC ในช่วงต้น
แบรนด์ skincare ไทยที่เพิ่งเริ่ม ยิง broad targeting อาจได้ CAC 450 บาท แต่เมื่อใช้ Lookalike 1% จากลูกค้าที่ซื้อซ้ำ CAC ลดเหลือ 280-320 บาทใน 2 สัปดาห์แรก
3. เจาะตลาดจังหวัดเฉพาะ
สร้าง Seed จากลูกค้าที่อยู่ในกรุงเทพฯ แล้วทำ Lookalike แบบจำกัด geo เป็น "กรุงเทพฯ + ปริมณฑล" จะได้กลุ่มที่แม่นกว่าการยิงทั้งประเทศ
4. ทดสอบตลาดใหม่ (New Market Entry)
ถ้าแบรนด์ไทยอยากขยายไปมาเลเซียหรือเวียดนาม ใช้ Seed จากลูกค้าไทยที่ซื้อซ้ำ แล้วสร้าง Lookalike ในประเทศเป้าหมาย เป็นการทดสอบ demand ก่อนลงทุนหนัก
5. ครีเอทีฟเฉพาะกลุ่ม
Lookalike 1% กับ 5% ควรใช้ข้อความโฆษณาต่างกัน กลุ่ม 1% พร้อมซื้อ ใช้ "ลด 20% วันนี้" ส่วนกลุ่ม 5% ต้องใช้ content ให้ความรู้ก่อน
(Common Mistakes)
1: ใช้ Seed เล็กเกินไป
ใช้รายชื่อลูกค้าแค่ 200 คนแล้วทำ Lookalike 1% ระบบจะไม่มีข้อมูลพอสร้าง pattern ที่แม่น ผลคือกลุ่มที่ได้แทบไม่ต่างจาก broad
2: Seed ปนกันหลายกลุ่ม
เอาลูกค้าซื้อครีมบำรุงผิว มาปนกับลูกค้าซื้ออาหารเสริม แล้วทำ Lookalike เดียว — อัลกอริทึมจะสับสน เพราะ feature ของสองกลุ่มนี้ต่างกันมาก ควรแยก seed ต่อ product line
3: ใช้ Lookalike 10% ตั้งแต่เริ่ม
หลายคนคิดว่า 10% จะได้ reach เยอะกว่า แต่จริง ๆ แล้วความแม่นยำตกลงจน CPA แพงกว่า Lookalike 1% อย่างมีนัยสำคัญ ควรเริ่มที่ 1% ก่อน แล้วค่อยขยับขึ้นเมื่อ frequency สูงเกิน 3
4: ไม่อัปเดต Seed
Seed ที่เป็นลูกค้า 2 ปีที่แล้ว ปัจจุบันพฤติกรรมเปลี่ยนไปแล้ว ควร refresh seed ทุก 90 วัน ด้วยข้อมูลลูกค้าล่าสุด
5: ใช้ Lookalike แทน Retargeting
Lookalike คือการหาคนใหม่ ไม่ใช่การยิงคนที่เคยเข้าเว็บแล้ว สองอย่างนี้ต้องใช้คู่กัน ไม่ใช่แทนกัน
##
- Seed Audience — กลุ่มต้นทางที่ใช้เป็นแม่แบบ
- Custom Audience — กลุ่มที่สร้างจากข้อมูลของเราเอง (รายชื่ออีเมล, เบอร์โทร, คนเข้าเว็บ)
- Retargeting / Remarketing — การยิงซ้ำคนที่เคยมีปฏิสัมพันธ์
- Broad Targeting — การยิงแบบไม่จำกัดกลุ่ม ปล่อยให้ระบบหาคนเอง
- Advantage+ Audience — ระบบกลุ่มอัตโนมัติของ Meta ที่ผสม Lookalike + Broad
- Similar Audience — ชื่อเรียก Lookalike ของ Google Ads
- Interest Targeting — การเลือกกลุ่มจากความสนใจที่ระบบกำหนดไว้
- Pixel / Conversions API — เครื่องมือเก็บ data เพื่อสร้าง Seed ที่มีคุณภาพ
- Frequency — จำนวนครั้งที่คนหนึ่งเห็นโฆษณา ใช้ตัดสินใจว่าควรขยับขนาด Lookalike หรือยัง