Audience similaire (lookalike)

Le principe est simple : vous fournissez à la plateforme une audience source (liste de clients, personnes ayant converti, visiteurs du site) et l'algorithme cherche dans ses utilisateurs des profils présentant des caractéristiques et comportements comparables. Meta a popularisé le format ; Google, TikTok et LinkedIn proposent des mécanismes voisins.

La qualité de la source détermine celle de l'audience. Une liste de tous les formulaires remplis produit des profils de « remplisseurs de formulaires ». Une liste de clients signés, ou de leads qualifiés par vos commerciaux, produit des profils plus proches de vos vrais acheteurs. C'est pourquoi la remontée des données du CRM est précieuse. Le pays et la taille de l'audience comptent aussi : une audience similaire réduite est plus proche de la source mais moins étendue, une audience plus large offre davantage de volume au prix d'une ressemblance plus faible. Le bon compromis se trouve par le test, en comparant le coût par rendez-vous de chaque variante plutôt que son seul coût par lead.

Les plateformes évoluent vers un ciblage de plus en plus automatisé : l'algorithme élargit souvent seul l'audience à partir des signaux de conversion. Les lookalikes restent utiles, mais le levier principal devient la qualité des conversions transmises et de la créa, plus que le paramétrage fin des audiences.

L'utilisation de listes de clients doit respecter les règles de protection des données : information des personnes, base légale, transmission sous forme hachée. Chez OSEH, ces audiences sont créées sur vos comptes, à partir de vos données, qui restent votre propriété.