Lookalike Audiences Social Media

Definition: Lookalike Audiences (auch Ähnliche Zielgruppen oder Zwillingsgruppen genannt) sind algorithmisch generierte Werbezielgruppen auf Social-Media-Plattformen, die darauf abzielen, neue Nutzer zu identifizieren, die den demografischen Eigenschaften, Verhaltensmustern und Interessen einer vordefinierten Quellgruppe – der sogenannten Seed Audience – ähneln. Die Plattform – typischerweise Meta, TikTok, LinkedIn oder Pinterest – analysiert die Merkmale der Nutzer in der Quellgruppe, erkennt statistische Muster und Gemeinsamkeiten, und sucht dann in der Gesamtnutzerbasis nach Profilen, die diesen Mustern entsprechen. Das Ergebnis ist eine neue, deutlich größere Zielgruppe aus Nutzern, die der Marke noch unbekannt sind, aber eine hohe statistische Wahrscheinlichkeit aufweisen, ähnlich auf Anzeigen zu reagieren wie die Personen in der Quellgruppe. Lookalike Audiences sind damit das Kernwerkzeug der skalierbaren Neukundengewinnung (Prospecting) im Paid Social Advertising: Sie erlauben es, über das eigene bekannte Netzwerk hinaus zu expandieren, ohne auf weniger präzise Interest- oder demografisches Targeting zurückgreifen zu müssen. Die Qualität einer Lookalike Audience hängt direkt von der Qualität der Quellgruppe ab – je homogener und verhaltensstarker die Quellgruppe, desto präziser der algorithmische Match. Als Seed Audiences eignen sich besonders eigene Kundenlisten (E-Mail-Adressen aus dem CRM), Website-Besucher (via Pixel), App-Nutzer, Käufer, oder Nutzer, die mit Content interagiert haben.

Erläuterung

Die technische Funktionsweise von Lookalike Audiences basiert auf maschinellen Lernverfahren. Wenn eine Seed Audience in das System geladen wird (beispielsweise eine CSV-Liste mit Kunden-E-Mail-Adressen), werden diese E-Mail-Adressen gehasht – also in einen nicht rückkonvertierbaren Zahlenwert umgewandelt – und mit der Nutzerdatenbank der Plattform abgeglichen. Die Plattform identifiziert die matchenden Nutzer-Profile und analysiert deren gemeinsame Merkmale: Welche Seiten liken sie? Welche Produkte kaufen sie? Welche Videos sehen sie vollständig? Welche demografischen Eigenschaften haben sie? Aus diesen Mustern erstellt der Algorithmus ein statistisches Profil und sucht in der restlichen Nutzerbasis nach Personen, die diesem Profil entsprechen. Je höher der Prozentsatz der Übereinstimmung, desto enger ist die Lookalike Audience.

Bei Meta-Plattformen wird die Größe der Lookalike Audience in Prozent der Länderpopulation angegeben: 1% entspricht den Nutzern, die der Seed Audience am ähnlichsten sind; 10% entspricht einer deutlich breiteren, weniger ähnlichen Gruppe. In der Praxis beginnen die meisten erfahrenen Werbetreibenden mit einer 1%- oder 2%-Lookalike, da diese die höchste Konversionswahrscheinlichkeit aufweist und erst bei nachgewiesener Performance auf 3–5% skaliert wird. TikTok bezeichnet die äquivalente Funktion als “Similar Audience”, LinkedIn als “Lookalike Audience” (im Campaign Manager). Die algorithmische Logik ist plattformübergreifend ähnlich, aber die Datenpunkte, auf denen das Matching basiert, unterscheiden sich je nach Plattform und Datenverfügbarkeit.

Quellgruppen und ihre Qualität

Käufer-Liste (beste Quellgruppe): Kunden, die tatsächlich einen Kauf getätigt haben, sind die qualitativ hochwertigste Seed Audience; eine Lookalike aus dieser Gruppe ahmt echte Kaufbereitschaft nach und erzielt typisch die höchste ROAS.
High-Value-Kunden: Noch präziser: eine Seed Audience aus den Top-20% der Kunden nach Umsatz oder Customer Lifetime Value; der Algorithmus sucht dann nach Nutzern, die nicht nur kaufen, sondern viel und wiederholt kaufen.
Website-Konverterer: Nutzer, die eine definierte Conversion auf der Website abgeschlossen haben (Formular ausgefüllt, Demo angefragt, Checkout abgeschlossen) – stärker qualifiziert als bloße Website-Besucher.
Engagement-basierte Quellgruppen: Nutzer, die Videos zu 75%+ angeschaut, ein Formular geöffnet oder mit einer bestimmten Content-Kategorie interagiert haben – schwächer als Käufer, aber nützlich wenn Kundenlisten zu klein sind.
Mindestgröße der Seed Audience: Meta empfiehlt mindestens 1.000 Personen in der Quellgruppe für gute Ergebnisse; unter 100 Personen sind Lookalike-Zielgruppen statistisch zu schwach; die Plattform weist bei zu kleinen Seed Audiences explizit darauf hin.

Einschränkungen und Optimierungsansätze

iOS ATT und Datenschutzbeschränkungen: Durch die App Tracking Transparency von Apple und strengere Datenschutzgesetze sind die Signale, auf denen Lookalike-Algorithmen basieren, weniger vollständig; die Qualität hat sich in den Jahren nach 2021 spürbar reduziert.
Größe und Schärfe abwägen: 1% Lookalike ist scharf, aber begrenzt; 5–10% bietet mehr Reichweite auf Kosten der Ähnlichkeit; die richtige Größe hängt von Budget, Kampagnenziel und Marktgröße ab.
Quellgruppe aktuell halten: Lookalike Audiences verlieren Präzision, wenn die Seed Audience veraltet ist; regelmäßige Aktualisierung der zugrundeliegenden Customer-Liste (z.B. monatlich) verbessert die Matching-Qualität.
Lookalike plus Interest Stacking: Lookalike Audiences mit ergänzendem Interest Targeting kombinieren, um die Zielgruppe weiter zu qualifizieren; besonders hilfreich wenn Budget limitiert und Streuverlust reduziert werden soll.
Advantage+ Audiences (Meta): Metas neue Targeting-Option gibt dem Algorithmus mehr Freiheit bei der Zielgruppenauswahl; kann Lookalike-Targeting ergänzen oder ersetzen, wenn der Algorithmus genug eigene Daten hat.

Praxistipp: Erstellen Sie Lookalike Audiences immer aus Ihrer wertvollsten Quellgruppe – idealerweise aus Kunden mit dem höchsten Customer Lifetime Value, nicht aus allen Käufern oder Website-Besuchern. Eine 1%-Lookalike aus Ihren Top-100-Kunden übertrifft häufig eine 5%-Lookalike aus allen Besuchern. Aktualisieren Sie Ihre Seed-Audience-Liste monatlich, damit der Algorithmus immer das aktuellste Kundenprofil als Referenz nutzt. Wenn Ihre Kundenliste kleiner als 1.000 Personen ist, kombinieren Sie Käufer mit Checkout-Initiatoren und Demo-Anfragenden, um die Mindestgrösse zu erreichen.