Lookalike Audience Meta Ads: Cara Setup yang Benar dan Kenapa Banyak Brand Indonesia Salah Pakai

Lookalike audience adalah salah satu fitur paling powerful di Meta Ads — dan salah satu yang paling sering disalahgunakan. Bukan karena fiturnya rumit, tapi karena banyak yang tidak memahami apa yang sebenarnya mereka instruksikan ke algoritma ketika mereka membuat lookalike.

Ketika Anda membuat lookalike, Anda sedang berkata ke Meta: “Lihat orang-orang di source audience ini. Cari orang lain di Indonesia yang paling mirip dengan mereka, berdasarkan semua sinyal yang kamu punya.” Meta kemudian menggunakan ratusan data point — konten yang dikonsumsi, pola pembelian, halaman yang difollow, waktu aktif, device, dan banyak lagi — untuk membangun model kesamaan.

Masalahnya: kalau source audience Anda berisi orang yang salah, model yang dibangun juga akan salah. Dan Anda tidak akan langsung tahu — karena initial spend akan tetap berjalan, impression tetap masuk, tapi conversion tidak mengikuti.

Mengapa Source Audience Adalah Satu-satunya Variable yang Benar-Benar Penting

Ketika brand baru belajar lookalike, pertanyaan pertama hampir selalu tentang persentase: “Pakai 1% atau 2%? Berapa yang paling bagus?” Ini pertanyaan yang salah urutan prioritasnya.

Persentase lookalike menentukan seberapa ketat kesamaan yang dicari. Lookalike 1% = top 1% populasi yang paling mirip dengan source Anda. Lookalike 5% = top 5% — lebih lebar, lebih banyak orang, tapi kesamaan lebih longgar. Perbedaan persentase berdampak kecil kalau source-nya bagus. Tapi source yang buruk akan menghasilkan lookalike yang jelek di persentase berapapun.

Prioritas yang benar: source dulu, persentase belakangan.

Ranking Source Audience dari Terbaik ke Terlemah

Berdasarkan kualitas sinyal yang dikirim ke algoritma:

Peringkat	Source	Kenapa	Minimum Size
★★★★★	Purchase event (pixel)	Sinyal paling kuat — orang yang benar-benar beli	300–1000 events
★★★★★	Customer list (email/phone, high LTV filter)	Data first-party yang bersih, bisa filter repeat buyer	500–1000 kontak
★★★★	Add to Cart / Initiate Checkout event	Intent kuat, meski belum beli	500+ events
★★★	Video viewer 75%+ dari video yang closing	Engagement dalam, konten relevan	1000–5000 viewers
★★	Instagram profile engager (30/60/90 hari)	Interest-based, bukan purchase-based	2000+ engagements
★	Page fans / follower	Paling lemah — include orang yang follow karena konten, bukan karena intent beli	—

Catatan penting: banyak brand Indonesia yang membuat lookalike dari page fans atau follower Instagram karena ukurannya paling besar. Ini adalah trade-off yang salah — ukuran source audience yang besar tidak ada artinya kalau sinyalnya lemah.

Masalah Minimum Size: Kenapa Lookalike dari 50 Transaksi Tidak Akan Bekerja

Meta secara teknis mengizinkan Anda membuat lookalike dari source sekecil 100 orang. Tapi bukan berarti itu ide yang bagus. Dengan source yang terlalu kecil, model yang dibangun Meta tidak punya cukup data untuk menemukan pola yang konsisten — hasilnya adalah lookalike yang volatile dan tidak stabil.

Untuk purchase-based lookalike, minimum yang practical adalah 300 transaksi — tapi idealnya 1000+ agar modelnya stabil. Kalau brand baru dan belum punya 300 transaksi dari pixel, ada dua pilihan: gunakan customer list dari platform marketplace kalau tersedia, atau gunakan source yang lebih tinggi di funnel (ATC atau video viewer) sambil menunggu data purchase terakumulasi.

Jangan paksa setup lookalike purchase kalau datanya belum cukup. Lebih baik jalankan broad audience dulu dan biarkan data berkumpul.

Persentase Lookalike: Panduan Praktis

Setelah source-nya benar, baru pertanyaan persentase relevan:

1% Lookalike: Paling ketat — top 1% populasi Indonesia yang paling mirip source Anda. Di Indonesia, ini sekitar 1,5–2 juta orang. Gunakan ini sebagai cold audience utama di tahap awal scaling. CPM biasanya lebih tinggi tapi conversion rate lebih baik.

2–3% Lookalike: Ekspansi pertama setelah 1% saturasi. Kesamaan sedikit lebih longgar tapi masih cukup relevan. Jalankan paralel dengan 1% untuk ekspansi reach.

4–5% Lookalike: Untuk scaling budget besar yang sudah saturasi di tier bawah. Conversion rate biasanya lebih rendah tapi volume lebih tinggi. Perlu creative yang lebih kuat untuk compensate.

5–10% Lookalike: Sudah sangat lebar — hampir mendekati broad audience. Hanya relevan untuk brand yang sudah running iklan dalam skala sangat besar (budget di atas Rp100 juta per bulan per campaign) dan sudah saturasi di tier lebih kecil.

Kesalahan Paling Umum di Brand Indonesia

Kesalahan 1: Terlalu banyak exclusion overlap. Kalau Anda menjalankan retargeting sekaligus lookalike, pastikan audience retargeting (purchaser, ATC, visitor) di-exclude dari lookalike campaign. Tanpa exclusion ini, iklan cold akan menyentuh orang yang sudah warm — membuang budget dan mengacaukan data optimasi.

Kesalahan 2: Tidak refresh source secara berkala. Customer list dari 2 tahun lalu mencerminkan buyer profile lama yang mungkin sudah tidak relevan. Untuk purchase event pixel, Meta secara otomatis menggunakan rolling window — tapi untuk customer list upload manual, refresh minimal 3 bulan sekali.

Kesalahan 3: Menggabungkan lookalike dari source berbeda dalam satu ad set. Kalau Anda menggabungkan lookalike purchase + lookalike video viewer dalam satu ad set, Anda tidak tahu source mana yang perform. Pisahkan agar data bisa dibaca.

Kesalahan 4: Tidak mempertimbangkan saturasi. Lookalike 1% Indonesia sekitar 1,5–2 juta orang. Kalau frequency sudah tinggi (di atas 3–4 dalam 7 hari), audience tersebut sudah saturasi — bukan berarti iklannya jelek, tapi waktunya ekspansi ke persentase lebih tinggi atau audience baru.

Kapan Lookalike Tidak Relevan dan Apa Penggantinya

Sejak Meta meluncurkan Advantage+ Audience (sebelumnya disebut Broad targeting), relevansi manual lookalike setup sudah bergeser. Untuk banyak akun dengan data pixel yang mature (ribuan purchase events), Advantage+ Audience dengan sinyal minimal sudah bisa menghasilkan performa yang sebanding atau lebih baik dari lookalike manual — karena Meta mengoptimasi secara real-time berdasarkan sinyal terbaru, bukan snapshot source audience yang statis.

Rekomendasi BAIK Digital: test keduanya secara paralel. Jalankan campaign dengan Advantage+ Audience dan campaign dengan lookalike 1% purchase dari periode terbaru. Bandingkan CPP (Cost Per Purchase) dan NCAC (New Customer Acquisition Cost) selama 14 hari. Biarkan data yang menentukan mana yang dipertahankan — bukan asumsi.

Relevan untuk Siapa?

Relevan kalau: Anda sudah menjalankan Meta Ads dan ingin meningkatkan efisiensi cold audience targeting; brand Anda sudah memiliki data purchase atau customer list yang cukup untuk digunakan sebagai source lookalike; Anda merasa ROAS dari cold audience rendah dan ingin mendiagnosis apakah masalahnya ada di source audience; atau Anda ingin tahu kapan harus beralih dari lookalike manual ke Advantage+ Audience.

Belum relevan kalau: Brand Anda baru mulai iklan dan belum punya minimal 300 purchase events atau customer list yang memadai; atau Anda belum mengoptimasi elemen dasar campaign seperti creative dan landing page sebelum fokus ke audience setup.

Pertanyaan yang Sering Muncul

Berapa ukuran source audience minimum untuk lookalike yang bagus?

Untuk purchase event: minimum 300, idealnya 1000+. Untuk customer list: minimum 500 kontak bersih. Untuk video viewer: minimum 1000–5000 viewers dari video yang relevan. Di bawah angka ini, model yang dibangun Meta tidak stabil dan hasilnya tidak bisa diandalkan.

Lookalike 1% atau 2% yang lebih bagus?

Pertanyaan yang salah prioritas. Yang menentukan adalah kualitas source-nya. Dengan source yang sama, 1% lebih ketat (CPM lebih tinggi, conversion rate biasanya lebih baik). 2% lebih lebar (reach lebih besar, lebih cocok untuk scale). Mulai dari 1%, ekspansi ke 2–3% setelah saturasi.

Apakah perlu exclude retargeting audience dari lookalike?

Ya, wajib. Tanpa exclusion, cold audience campaign akan menyentuh orang yang sudah warm (visitor, ATC, purchaser) — mengacaukan data dan membuang budget di audience yang seharusnya masuk retargeting bucket dengan creative berbeda.

Apakah Advantage+ Audience lebih baik dari lookalike manual?

Untuk akun dengan banyak purchase events (ribuan), Advantage+ Audience sering perform setara atau lebih baik karena real-time optimization. Untuk akun baru dengan data terbatas, lookalike purchase dari customer list masih relevan. Test keduanya secara paralel dan bandingkan CPP aktual.

Seberapa sering harus refresh source audience lookalike?

Purchase event pixel diupdate otomatis oleh Meta. Customer list yang diupload manual perlu di-refresh minimal setiap 3 bulan — atau setiap kali ada perubahan signifikan di profil buyer (misalnya masuk ke kategori produk baru atau target segment berbeda).

Bolehkah menggabungkan beberapa lookalike dalam satu ad set?

Secara teknis bisa, tapi tidak disarankan kalau tujuannya adalah testing yang clean. Menggabungkan lookalike purchase + video viewer dalam satu ad set membuat Anda tidak tahu mana yang perform. Pisahkan agar data bisa dibaca dan keputusan optimasi lebih akurat.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Berapa ukuran source audience minimum untuk lookalike yang bagus?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Untuk purchase event: minimum 300, idealnya 1000+. Untuk customer list: minimum 500 kontak bersih. Untuk video viewer: minimum 1000–5000 viewers dari video yang relevan. Di bawah angka ini, model Meta tidak stabil.”}},{“@type”:”Question”,”name”:”Lookalike 1% atau 2% yang lebih bagus?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Yang menentukan adalah kualitas source-nya, bukan persentase. 1% lebih ketat dengan conversion rate biasanya lebih baik. 2% lebih lebar untuk scale. Mulai dari 1%, ekspansi ke 2–3% setelah saturasi.”}},{“@type”:”Question”,”name”:”Apakah perlu exclude retargeting audience dari lookalike?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Ya, wajib. Tanpa exclusion, cold audience campaign akan menyentuh orang yang sudah warm — mengacaukan data dan membuang budget di audience yang seharusnya masuk retargeting bucket.”}},{“@type”:”Question”,”name”:”Apakah Advantage+ Audience lebih baik dari lookalike manual?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Untuk akun dengan banyak purchase events, Advantage+ Audience sering perform setara atau lebih baik. Untuk akun baru dengan data terbatas, lookalike purchase dari customer list masih relevan. Test keduanya secara paralel.”}},{“@type”:”Question”,”name”:”Seberapa sering harus refresh source audience lookalike?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Purchase event pixel diupdate otomatis. Customer list yang diupload manual perlu di-refresh minimal setiap 3 bulan atau setiap ada perubahan signifikan di profil buyer.”}},{“@type”:”Question”,”name”:”Bolehkah menggabungkan beberapa lookalike dalam satu ad set?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Secara teknis bisa, tapi tidak disarankan untuk testing yang clean. Menggabungkan lookalike dari source berbeda dalam satu ad set membuat Anda tidak tahu mana yang perform — pisahkan agar data bisa dibaca.”}}]}