你知道广告投放中如何解决精准定向人群太少、流量跑空的问题吗？2013年，Facebook首次提出了Lookalike技术，用一小批高价值种子用户，在全网挖掘相似用户，成为广告平台放量的底层基础。
Lookalike（相似人群拓展）是广告投放核心扩量技术，2013 年由 Facebook 首次提出。核心思想非常直白：拿一小批高价值种子用户，在全网人群中挖掘相似用户，解决精准定向人群太少、流量跑空、无法放量的问题。
常规广告定向只能锁定显性规则人群，体量有限；而 Lookalike 是精准人群的泛化扩量能力，是所有广告平台放量的底层基础。
一、Facebook 提出 Lookalike Audiences
2013 年 3 月 19 日，Facebook 推出 Custom Audiences 的延伸广告服务「Lookalike Audiences」，这是一种「以人找人」的概念，可以根据 Custom Audiences 所筛选出的用户名单为参考，再筛选出另一批与其相似的受众，让广告主可以将广告投递给此名单内的用户。
Lookalike Audiences
Lookalike Audiences 是 Custom Audiences（将广告投放的范围缩小至精确的用户，广告主可以通过已拥有的客户资料，包括：E-mail 账号、电话号码或是 Facebook ID 来找寻在 Facebook 上相符的用户）的延伸服务。这份新名单是 Facebook 根据原有名单内用户的属性，在你所选择的地区（例如：United States）再找出与其类似的用户，所以这份新名单很可能也是另一批广告主想锁定「潜在消费客户」。
Lookalike Audiences 产生名单的选项有两个：
- Similarity 在你所选择的地区内找出与 Custom Audiences 名单最相似的「1%」人口，优点是精确度相当高，缺点是受众人数可能相对较少
- Greater Reach 在你所选择的地区内找出与 Custom Audiences 名单最相似的“5%”人口，优点是受众人数提升，缺点是精确度也会相对降低
「Custom Audiences」和「Lookalike Audiences」在当时的市场上绝对是 Facebook 广告中杀手级的两个产品。
二、广告行业主流有五种扩量方式：
1. 人工标签扩散（基础兜底）
统计种子用户共性属性：年龄、性别、地域、兴趣、消费层级、设备标签，基于高频标签组合扩展同类人群。优点稳定可解释，缺点只能扩显性特征，泛化能力弱。
2. 社交关系扩散
依托社交链关系扩散：和种子用户互为好友、高频互动、同圈层的用户，大概率是同质潜客。人群精准度极高，是广点通独有的优势。
3. 标签协同过滤
借鉴推荐 CF 思路，不看静态标签，看行为共性：和种子用户拥有相似浏览、点击、转化行为的用户，统一纳入相似人群，突破人工标签局限。
4. K-Means 聚类
对全网用户特征聚类，把种子用户所属聚类簇整体扩量。适合大规模放量，缺点是聚类粒度难调，容易引入噪声、降低精准度。
5. Embedding 向量相似度扩量（目前行业主流）
将用户所有画像、行为、场景特征编码为用户向量，计算与种子人群的余弦相似度，筛选高相似用户。捕捉隐性偏好、泛化最强、扩量质量最高，是当前大厂标准方案。
三、实际应用：广点通 Lookalike 核心能力：
在严格保留广告主核心定向的基础上智能扩量，既保证营销人群精准性，又扩大覆盖量级。 同时支持不可突破定向、人群屏蔽等边界约束，防止扩量跑偏，实现放量可控、精准度不降。
小结
Lookalike 负责批量复刻精准用户。它是广告冷启动放量、突破流量天花板、提升投放 ROI 的核心技术，也是商业化投放体系必不可少的基础能力。