Grupa podobnych odbiorców: kiedy działa obok Advantage+

Czym jest grupa podobnych odbiorców i jak dziś ją liczy Meta

Grupa podobnych odbiorców (lookalike audience) to zbiór osób, których Meta uznaje za podobne do wskazanego przez Ciebie źródła: listy klientów z CRM, odwiedzających stronę zebranych przez piksel, osób zaangażowanych na Stronie czy na Instagramie. Mechanika się nie zmieniła od lat: Meta Business Help Center wymaga minimum 100 osób w źródle, ale realną skuteczność daje dopiero 1000-5000 rekordów, bo algorytm dopasowuje na podstawie setek sygnałów demograficznych i behawioralnych, a mała próbka po prostu nie niesie wystarczająco danych.

Przy tworzeniu grupy wybierasz procent podobieństwa od 1% do 10% populacji danego kraju. 1% oznacza najwęższe, najbardziej precyzyjne dopasowanie do źródła, 10% rozszerza pulę kosztem trafności. To pierwsza dźwignia, którą kontrolujesz ręcznie, w odróżnieniu od Advantage+ Audience, gdzie o granicach targetowania decyduje system.

Grupa podobnych odbiorców kontra Advantage+ Audience

Advantage+ Audience, domyślna opcja w większości nowych zestawów reklam, pozwala systemowi samodzielnie szukać odbiorców na podstawie sygnałów z piksela i kreacji, bez ręcznie zdefiniowanych granic. Napędza go silnik Andromeda, który Meta uruchomiła globalnie do października 2025 roku. Według oficjalnego bloga inżynieryjnego Meta, Andromeda podniosła recall systemu retrievalu o 6% i jakość reklam na wybranych segmentach o 8%, głównie dzięki 10 000-krotnemu wzrostowi złożoności modelu na etapie doboru kandydatów do aukcji.

To realna poprawa, ale nie zastępuje ręcznej grupy podobnej w każdej sytuacji. Prosta reguła decyzyjna:

• Jeśli konto generuje mniej niż 50 zdarzeń optymalizacji tygodniowo, Advantage+ Audience często nie ma z czego się uczyć - ręczna grupa podobna zbudowana z jakościowej listy klientów daje systemowi konkretny punkt startowy.
• Jeśli masz listę o wysokiej wartości, której piksel nigdy nie widział (np. klientów offline, subskrybentów newslettera z wysokim LTV), grupa podobna z tego źródła wciąż bije szerokie targetowanie, bo Advantage+ nie zna tych ludzi w ogóle.
• Jeśli konto ma powyżej 100 konwersji tygodniowo i stabilne dane z Conversions API, Advantage+ Audience zwykle wygrywa na skali, bo widzi więcej niż jednorazowe źródło.

Jak zbudować dobre źródło krok po kroku

W Menedżerze reklam wejdź w Zasoby, a następnie Odbiorcy. Wybierz Utwórz odbiorców, potem Grupa podobnych odbiorców. Jako źródło wskaż piksel z konkretnym zdarzeniem (np. Purchase, nie ViewContent), listę klientów wgraną z CRM albo zaangażowanie na Stronie z ostatnich 365 dni. Ustaw kraj docelowy i wielkość procentową, a na końcu zatwierdź tworzenie.

Kluczowa decyzja zapada wcześniej, przy wyborze źródła. Jeśli lista klientów ma mniej niż 1000 rekordów o wysokiej wartości, zacznij od jednej grupy 1% i nie dziel jej dalej. Dopiero gdy źródło przekroczy 5000 rekordów, warto je posegmentować, wydzielając osobno górne 20 procent klientów pod względem wartości zamówień, i zbudować dla nich osobną, węższą grupę podobną - drobniejsza segmentacja na małej próbce tylko rozmywa sygnał, który algorytm ma do dyspozycji.

Warto też pilnować, jakiego zdarzenia użyjesz jako źródła piksela. Purchase daje węższą, ale bardziej wartościową grupę niż AddToCart, a AddToCart wciąż jest bliższy rzeczywistym kupującym niż samo ViewContent. Jeśli sklep generuje mało zakupów tygodniowo, lepiej zbudować grupę podobną z listy klientów wgranej ręcznie z CRM niż czekać, aż piksel zbierze wystarczająco zdarzeń Purchase - to źródło jest dostępne od razu i zwykle ma wyższą jakość niż surowe dane behawioralne z witryny.

Ile procent similarity wybrać - kalkulacja testu

Załóżmy, że masz listę 1200 klientów o wysokim LTV, docelowy koszt konwersji (CPA) wynosi 25 zł, a chcesz wyjść z fazy uczenia zgodnie z regułą Meta o 50 zdarzeniach optymalizacji w ciągu 7 dni. Potrzebny budżet dzienny liczysz tak: 50 zdarzeń × 25 zł CPA ÷ 7 dni ≈ 180 zł dziennie na zestaw reklam z grupą podobną 1%.

Jeśli po tygodniu testu faktyczny CPA przekracza 2x zakładany cel (czyli powyżej 50 zł), a wolumen konwersji jest zbyt niski, żeby ocenić skuteczność, rozszerz similarity do 3-5% zamiast zwiększać budżet na tej samej wąskiej grupie. Szersza grupa przy tym samym budżecie zwykle obniża koszt dotarcia mierzony CPM, bo aukcja ma większą pulę użytkowników do wyboru, ale kosztem części precyzji dopasowania.

Wielkość similarity	Do czego pasuje	Typowy kompromis
1%	Kampanie sprzedażowe z celem niskiego CPA	Najwęższa pula, najszybciej się wyczerpuje przy dużym budżecie
3-5%	Skalowanie po udanym teście 1%	Więcej zasięgu, umiarkowany spadek precyzji
6-10%	Kampanie zasięgowe i świadomościowe	Największa pula, najsłabsze dopasowanie do źródła

Ta tabela to punkt wyjścia do rozmowy z danymi z Twojego konta, nie sztywna reguła - jeśli źródło jest bardzo jakościowe (np. lista klientów powracających), nawet 5% similarity może trzymać CPA blisko celu.

Błędy, które psują jakość grupy podobnej

Najczęstszy błąd to źródło zbudowane z osób, które nie kupiły, tylko obejrzały produkt - grupa podobna do przeglądających będzie podobna do przeglądających, nie do kupujących. Drugi błąd to tworzenie kilkunastu wariantów procentowych naraz (1%, 2%, 3%… 10%) w ramach tego samego testu budżetowego, co rozmywa dane z pierwszych 30 dni kampanii i nie pozwala żadnej grupie wyjść z fazy uczenia.

Trzeci błąd to ignorowanie okna atrybucji przy porównywaniu wyników grupy podobnej z Advantage+ Audience - jeśli jedną kampanię czytasz w oknie 7-dniowym po kliknięciu, a drugą w oknie 1-dniowym, porównanie CPA jest bezwartościowe niezależnie od jakości targetowania.

Ostatni, coraz częstszy błąd po wdrożeniu Andromeda to traktowanie targetowania jako jedynej dźwigni. System coraz mocniej opiera dobór odbiorców na sygnałach z samej kreacji, więc jakość reklamy mierzona rankingami trafności zaczyna wpływać na to, do kogo grupa podobna w ogóle dotrze w aukcji. Gdy decydujesz, czy skalować budżet na podstawie ROAS czy CPA, sprawdź najpierw, czy problem leży w targetowaniu, czy w kreacji - grupa podobna z dobrego źródła nie naprawi słabego hooka w pierwszych trzech sekundach wideo.

Grupa podobnych odbiorców nie zniknęła wraz z automatyzacją, tylko zmieniła rolę: z domyślnego narzędzia na precyzyjny instrument dla sytuacji, w których masz dane, jakich system jeszcze nie widział.