Lookalike Audience Meta Ads 2025: Masih Worth It?

Lookalike audience masih relevan di 2025, tapi perannya berubah. Pasca iOS 14 dan peningkatan kemampuan Advantage+ algoritma Meta, broad targeting sering bisa menandingi bahkan mengalahkan lookalike 1% untuk banyak akun — terutama yang sudah punya data konversi yang kaya.

Dulu, lookalike audience adalah senjata andalan hampir semua advertiser Meta. Buat lookalike dari purchaser, jalankan, dan hasilnya hampir selalu lebih baik dari interest targeting biasa. Tapi dunia berubah — dan pertanyaan “lookalike masih worth it?” sekarang butuh jawaban yang lebih nuanced.

Apa yang Berubah Sejak iOS 14

Perubahan terbesar yang mempengaruhi efektivitas lookalike adalah kualitas source audience yang menjadi dasarnya.

Sebelum iOS 14, pixel Meta bisa tracking hampir semua pengguna iPhone yang mengunjungi website atau melakukan pembelian. Source audience purchaser kamu bisa kaya data dan akurat. Lookalike yang dibangun di atasnya pun berkualitas tinggi.

Pasca iOS 14, sebagian besar tracking dari pengguna iOS terblokir — yang di Indonesia cukup signifikan mengingat penetrasi iPhone yang terus tumbuh, terutama di segmen menengah atas. Artinya, source audience dari website event (purchase, add to cart) menjadi lebih kecil dan mungkin lebih bias secara demografis.

Implikasinya: lookalike dari website purchaser yang sumber datanya sudah tipis karena iOS 14 bisa jadi kurang akurat dibanding dulu.

Tapi ini bukan cerita bahwa lookalike tidak berguna. Ini soal memilih source yang tepat.

Source Audience yang Masih Kuat untuk Lookalike

Tidak semua source audience sama-sama terpengaruh iOS 14. Berikut source yang masih bisa menghasilkan lookalike berkualitas:

1. Customer list dari CRM atau data order langsung Upload list nomor HP atau email dari database pelanggan aktual kamu. Ini tidak melewati pixel — jadi tidak terpengaruh iOS 14. Kalau kamu punya 5.000+ purchaser dengan data yang bersih, ini source terkuat untuk lookalike.

2. Engagement audience Facebook/Instagram Orang yang engage dengan konten organik atau iklan di platform Meta sendiri — ini tracking first-party, tidak terpengaruh iOS. Video viewers 75%+, profile visitors, atau page engagers bisa jadi source yang solid.

3. Konversi dari Conversions API (CAPI) Kalau kamu sudah setup server-side tracking via CAPI, data konversimu jauh lebih lengkap dan akurat dibanding pixel saja. Lookalike dari event yang tertrack via CAPI kualitasnya lebih baik.

4. Purchaser dari marketplace Kalau mayoritas penjualan kamu via Shopee atau TikTok Shop, kamu bisa upload data customer dari sana sebagai source. Data ini tidak bergantung pada pixel website.

Lookalike 1% vs Broad Targeting: Perbandingan Jujur

Di banyak akun dengan volume konversi yang cukup (100+ purchase per bulan), kami menemukan bahwa broad targeting — tanpa interest, tanpa lookalike, hanya set demografis dasar — sering perform sebanding atau lebih baik dari lookalike 1%.

Kenapa? Karena algoritma Advantage+ Meta sudah sangat canggih dalam menemukan orang yang kemungkinan besar konversi dari signal konversi historis akun, bukan dari lookalike yang kamu define secara manual. Ketika kamu kasih broad audience besar, algoritma punya lebih banyak ruang untuk “mencari” calon pembeli optimal.

Kapan lookalike masih unggul:

• Akun baru dengan minimal data konversi (di bawah 50 purchase per bulan)
• Brand yang target segmen sangat spesifik dan sempit
• Ketika kamu ingin control lebih atas siapa yang kamu target
• Sebagai variasi testing untuk dibandingkan dengan broad

Kapan broad targeting lebih unggul:

• Akun yang sudah punya ratusan konversi per bulan (pixel sudah “pintar”)
• Produk dengan appeal yang luas (tidak terlalu niche)
• Ketika kamu mau kasih algoritma ruang untuk optimize sendiri
• Campaign dengan budget besar yang butuh scale volume

Cara Testing yang Tepat untuk Bandingkan Keduanya

Jangan asumsikan mana yang lebih baik tanpa test. Cara test yang benar:

1. Buat dua ad set dalam campaign ABO dengan budget yang sama persis
2. Ad set 1: Lookalike 1% dari source terbaik kamu
3. Ad set 2: Broad (hanya set usia dan gender yang relevan, tanpa interest atau lookalike)
4. Jalankan minimal 7-14 hari dengan creative yang identik
5. Bandingkan CPR (cost per result) dan volume konversi

Jangan cut terlalu cepat — broad targeting sering butuh 5-7 hari pertama untuk “belajar” sebelum mulai optimasi. Kalau kamu cut di hari ke-3, kamu tidak dapat gambaran yang akurat.

Di BAIK Digital, hampir selalu ada sesi testing ini untuk brand baru yang masuk — karena hasilnya sering mengejutkan. Ada brand yang berpikir lookalike-nya tidak bisa digantikan, ternyata setelah test, broad targeting convert dengan CPR 30% lebih rendah.

Lookalike Masih Relevan, Tapi Bukan Default Lagi

Mindset lama: “Selalu pakai lookalike 1% dari purchaser — itu paling akurat.” Mindset 2025: “Test keduanya, biarkan data yang bicara.”

Lookalike tetap punya tempat — terutama sebagai variasi testing dan untuk akun dengan data konversi yang terbatas. Tapi menganggap lookalike selalu lebih baik dari broad sudah tidak akurat di era algoritma Meta yang semakin sophisticated.

Kesimpulan: Konteks Menentukan Segalanya

Tidak ada jawaban tunggal untuk “lookalike atau broad?” — jawabannya bergantung pada ukuran dan kualitas data historis akun, karakteristik produk, dan seberapa “matang” pixel atau Conversions API kamu.

Yang penting adalah tidak terjebak pada dogma lama yang belum tentu berlaku di kondisi akun kamu saat ini. Pengujian berbasis data, bukan asumsi, adalah cara yang benar untuk menjawab pertanyaan ini.

FAQ

Apakah lookalike audience Meta masih efektif setelah iOS 14? Masih, tapi dengan catatan. Efektivitasnya sangat bergantung pada kualitas source audience. Lookalike dari customer list langsung (upload dari CRM) atau dari engagement Meta masih bisa perform baik. Lookalike dari website pixel yang terpengaruh iOS 14 bisa kualitasnya menurun.

Berapa minimum ukuran source audience untuk lookalike yang baik? Meta merekomendasikan minimal 1.000 orang di source audience, tapi untuk kualitas yang baik idealnya 1.000-5.000 orang yang relevan. Source yang terlalu besar (ratusan ribu) bisa justru “mengencerkan” kualitas lookalike.

Lookalike 1% vs 3% vs 5% — mana yang terbaik? Tidak ada jawaban universal. Lookalike 1% paling mirip dengan source audience — lebih presisi tapi lebih kecil. 3-5% lebih besar tapi lebih “jauh” dari karakteristik asli. Mulai dengan 1%, kalau kekurangan scale, coba expand ke 2-3%.

Apakah bisa gabungkan lookalike dan interest targeting? Bisa, tapi biasanya tidak direkomendasikan — karena mempersempit audience dan bisa membatasi kemampuan algoritma untuk optimasi. Lebih baik test terpisah: lookalike saja, interest saja, dan broad saja.

Kapan harus pakai broad targeting tanpa lookalike sama sekali? Ketika pixel atau Conversions API kamu sudah punya 100+ konversi per bulan secara konsisten, akun sudah mature, dan kamu mau kasih algoritma Advantage+ ruang untuk finding audience sendiri. Mulai dengan test side by side sebelum full commit ke broad.