Lookalike é o tipo de público que as plataformas de anúncio criam a partir de uma base de referência que você fornece, geralmente seus clientes atuais, sua lista de e-mail ou os visitantes mais engajados do seu site. A plataforma pega essa base, analisa padrões de comportamento, interesse e dados demográficos entre essas pessoas, e vai atrás de outros usuários dentro da própria rede que compartilham características parecidas o suficiente para valer a pena mostrar seu anúncio para eles também.
A promessa é sedutora: em vez de você tentar adivinhar quem pode se interessar pelo seu produto, a plataforma faz esse trabalho de garimpo usando um volume de dados que nenhum ser humano conseguiria processar manualmente. Funciona de verdade, muitas vezes com resultado superior a públicos definidos manualmente por interesse ou faixa etária, porque o algoritmo enxerga padrões sutis de comportamento que escapam da intuição humana.
O detalhe que separa lookalike bem-sucedido de lookalike decepcionante é simples de enunciar e difícil de ignorar: o resultado depende inteiramente da qualidade da base original usada como semente. Se você alimentar o algoritmo com sua lista completa de clientes, incluindo quem comprou uma vez e nunca voltou, quem pediu reembolso e quem reclamou publicamente, o lookalike vai clonar essas características indesejadas junto com as boas. Alimentar a plataforma com os seus melhores clientes, aqueles de maior recorrência e ticket médio, tende a gerar um público semelhante muito mais qualificado do que usar uma base genérica só porque ela é maior.
Outro erro recorrente é usar bases pequenas demais como origem, o que faz o algoritmo trabalhar com pouquíssima informação e entregar um lookalike raso, quase indistinguível de um público generalista. Lookalike não é mágica que compensa falta de dados de qualidade, é um espelho que amplia o que você já tem. Espelho de base boa reflete público bom. Espelho de base ruim só multiplica o problema em escala, e ainda cobra CPM para fazer isso.
