Facebook Lookalike Audiences

Definition: Facebook Lookalike Audiences (dt. „Lookalike-Zielgruppen“) sind von Meta algorithmisch generierte Werbezielgruppen, die statistisch ähnliche Eigenschaften wie eine vom Werbetreibenden definierte Quell-Zielgruppe aufweisen. Meta analysiert dazu hunderte von Merkmalen der Quell-Zielgruppe – darunter Interessen, demografische Merkmale, Kaufverhalten, Gerätenutzung und Online-Aktivitäten – und identifiziert Facebook- und Instagram-Nutzer, die diesem Profil entsprechen, aber bisher noch keinen Kontakt zur Marke hatten. Das Ziel ist die skalierbare Neukundengewinnung (Prospecting) ohne aufwendiges manuelles Interesse- oder Demografietargeting. Lookalike Audiences sind ein zentrales Werkzeug im Paid-Social-Advertising und ermöglichen es, das Wissen über bestehende Kunden systematisch auf die Akquise neuer Nutzer zu übertragen. Je präziser und homogener die Quell-Zielgruppe definiert ist, desto besser lernt das Modell, welche Merkmale für Kaufbereitschaft oder Engagement entscheidend sind. Lookalike Audiences ergänzen Custom Audiences als Retargeting-Instrument und bilden zusammen die Grundlage einer vollständigen Meta-Advertising-Strategie, die Bestandskunden pflegt und gleichzeitig neue Zielgruppen erschließt. Meta aktualisiert Lookalike Audiences kontinuierlich, sodass die Zielgruppe stets aktuell bleibt, ohne dass manuelle Eingriffe erforderlich sind. Seit der Einführung von Metas KI-gestützten Advantage+-Kampagnen werden Lookalike-Signale zunehmend automatisch in das Targeting-System integriert, ohne dass Werbetreibende eine explizite Lookalike-Audience erstellen müssen.

Erläuterung

Der Erstellungsprozess einer Lookalike Audience beginnt stets mit der Auswahl einer Quell-Zielgruppe (Source Audience). Das kann eine Custom Audience aus Website-Besuchern, App-Nutzern, einer Kundenliste oder Personen sein, die mit Facebook- oder Instagram-Inhalten interagiert haben. Anschließend wählt der Werbetreibende das Zielland oder die Zielregion sowie den Prozentsatz der Lookalike-Größe aus: Werte zwischen 1 und 10 Prozent der Gesamtbevölkerung des Ziellandes sind möglich. Ein Wert von 1 Prozent bedeutet, dass Meta die ähnlichsten Nutzer auswählt, was zu einer kleineren, aber qualitativ hochwertigeren Audience führt. Höhere Prozentwerte erweitern die Reichweite, reduzieren aber die Ähnlichkeitsgenauigkeit.

Die Qualität der Quell-Zielgruppe hat direkten Einfluss auf die Leistung der Lookalike Audience. Eine Quell-Zielgruppe aus den Top-20-Prozent der umsatzstärksten Kunden liefert deutlich bessere Modelle als eine Quell-Zielgruppe aus allen jemals registrierten Nutzern. Meta empfiehlt eine Mindestgröße von 100 Personen für die Quell-Zielgruppe; ab 1.000 bis 5.000 Personen verbessert sich die Modellqualität spürbar. Value-based Lookalikes, bei denen der Customer Lifetime Value als Gewichtungsfaktor einfließt, gelten als besonders leistungsstark, da das Modell lernt, Nutzer mit hohem Umsatzpotenzial zu identifizieren.

Durch die Einschränkungen infolge von Apples App Tracking Transparency (iOS 14+) ist die Signal-Datenbasis für webbasierte Pixel-Daten geschrumpft. Als Reaktion darauf empfiehlt Meta den Einsatz der Conversions API für serverbasiertes Tracking sowie die Verwendung von First-Party-Daten wie Kundenlisten für Lookalike-Quellen. Die Advantage+-Lookalike-Funktion erweitert das klassische Modell durch automatische KI-basierte Zielgruppenerweiterung und ist in den neueren Advantage+-Kampagnentypen integriert.

Quell-Zielgruppen und Prozentsatz-Einstellungen

1%-Lookalike: Kleinste, aber ähnlichste Zielgruppe; ideal für Conversions-Kampagnen mit hohem Qualitätsanspruch und ausreichend Budget für Lernphasen.
2%–3%-Lookalike: Gute Balance zwischen Ähnlichkeit und Reichweite; häufig der Sweet Spot für Scale-Kampagnen.
5%–10%-Lookalike: Breite Audience für Awareness und Reichweitenkampagnen; geringere Konversionswahrscheinlichkeit pro Nutzer, aber niedrigere CPMs.
Kundenlisten-Lookalike: Basierend auf E-Mail-Listen oder CRM-Daten; besonders wertvoll, wenn Pixel-Daten durch iOS-Einschränkungen reduziert sind.
Value-based Lookalike: Gewichtet Quell-Zielgruppe nach Customer Lifetime Value; liefert bessere ROAS als ungewichtete Lookalikes bei ausreichend Datenbasis.

Strategie und Optimierung

Quell-Qualität maximieren: Nur Hochwertkunden als Basis verwenden – Käufer mit mehr als zwei Bestellungen oder überdurchschnittlichem Warenkorbwert liefern bessere Modelle als alle Website-Besucher.
Mehrere Lookalikes parallel testen: 1%-, 2%- und 3%-Lookalikes in separaten Ad Sets gegeneinander testen, um die optimale Effizienzgröße zu finden.
Ausschlüsse definieren: Bestehende Kunden und aktuelle Retargeting-Audiences aus Lookalike-Kampagnen ausschließen, um Budgetverschwendung zu vermeiden.
Regelmäßige Aktualisierung: Kundenlisten-basierte Lookalikes regelmäßig mit neuen Kundendaten speisen, damit das Modell aktuell bleibt.
Advantage+ Lookalike: Metas automatisierte Erweiterung der Lookalike-Logik in Advantage+-Kampagnen testen; oft effizienter bei großen Budgets ohne enge manuelle Kontrolle.

Praxistipp: Erstellen Sie Lookalike Audiences ausschließlich auf Basis Ihrer wertvollsten Kunden – zum Beispiel der Top-20-Prozent nach Umsatz oder Kunden mit mehr als zwei Käufen – und nicht auf Basis aller jemals getätigten Bestellungen. Das Modell lernt dadurch, welche Facebook-Nutzer wahrscheinlich besonders wertvolle Käufer werden. Testen Sie 1%-, 2%- und 3%-Lookalikes in separaten Ad Sets mit identischem Creative und Budget, um die optimale Balance zwischen Qualität und Reichweite für Ihr Produkt zu ermitteln. Ergänzen Sie Pixel-basierte Lookalikes durch Kundenlisten-Lookalikes aus dem CRM, um iOS-bedingte Datenverluste zu kompensieren.