Lookalike no Meta Ads: onde ainda ganha da segmentação aberta (e onde perde)

Lookalike não é mais o botão de escala que era em 2020, e tratar como se fosse custa caro. A gente já defendeu aqui que, sob a Andrômeda, o algoritmo que hoje decide quem vê seu anúncio no Meta, deixar a segmentação aberta e alimentar o sistema com sinal de conversão bom costuma bater lookalike na maioria das contas que operamos. Isso continua valendo. Mas “na maioria” não é “em todas”, e existem situações específicas em que o público semelhante ainda entrega o melhor custo. Este texto é sobre essas situações: quando lookalike faz sentido, com que base, e por que a disciplina que constrói um bom lookalike é exatamente a mesma que faz a segmentação aberta funcionar.

Um exemplo concreto de conta que operamos: um cliente SaaS B2B saiu de um CPA de R$120 para R$52 em 60 dias, com o mesmo orçamento, e o volume de leads qualificados triplicou. Uma queda de quase 57%. O que mudou não foi “usar lookalike”. Foi trocar a base: saímos de lookalike de visitantes do site e passamos a alimentar o algoritmo com compradores ativos com mais de 6 meses de contrato. A lição que fica não é “lookalike escala”. É “sinal de qualidade escala”, e isso vale tanto pra montar um lookalike quanto pra ensinar o algoritmo no aberto.

Se você quer a referência oficial de como o recurso funciona, o Meta Business Help Center sobre Públicos Semelhantes é a fonte. O resto deste guia é o que vemos na operação diária.

O que a Andrômeda mudou no jogo do lookalike

Por anos o trabalho do gestor foi desenhar o público: interesse, comportamento, e principalmente lookalike, pra dizer ao Meta “procura gente parecida com esses aqui”. A Andrômeda inverteu boa parte disso. O motor de recomendação ficou muito melhor em achar o comprador sozinho, desde que você entregue o sinal certo (evento de conversão limpo, volume suficiente, criativo que fala com quem importa).

Na prática, um público muito estreito, como um lookalike de 1%, virou frequentemente uma cerca que atrapalha o algoritmo em vez de ajudar. Você limita o espaço de busca de um sistema que hoje acha comprador melhor do que a sua regra manual. Por isso a nossa posição padrão: em conta com volume de conversão saudável, segmentação aberta com bom sinal tende a ganhar. Lookalike deixou de ser o mecanismo principal de escala e virou uma ferramenta situacional. A questão passou a ser saber reconhecer a situação.

Quando lookalike ainda ganha

Tem três cenários em que abrir tudo não é a melhor jogada e o lookalike ainda paga a conta:

• Conta nova ou com pouco volume de conversão. O aberto só funciona quando o algoritmo tem sinal pra aprender. Se o pixel ainda não viu conversão suficiente, ele fica no escuro. Aí um lookalike de base boa dá o empurrão inicial, funciona como piso enquanto o evento de conversão amadurece. Assim que o volume aparece, você testa o aberto contra ele.
• Nicho B2B muito específico ou ticket alto. Quando o comprador real é uma fração pequena da população e o ciclo é longo, a conversão demora e é rara. O algoritmo sofre pra aprender no aberto com pouca amostra. Um lookalike de compradores ou de SQL concentra a busca em quem tem cara de cliente.
• Como semente de teste. Mesmo quando o aberto vence no dia a dia, rodar um lookalike da sua melhor base em paralelo é um bom controle. Se ele bater o aberto de forma consistente, é sinal de que ou seu evento de conversão está fraco, ou seu criativo não está segmentando sozinho.

Fora desses casos, com conta madura e sinal bom, a nossa aposta é aberto primeiro. Não por moda, por resultado.

A hierarquia de qualidade da base (vale pra tudo)

Aqui está a parte que a maioria erra e que importa independente de você usar lookalike ou aberto. A base que você entrega ao Meta, seja como semente de lookalike, seja como o evento de conversão que o algoritmo otimiza no aberto, define o teto do resultado. Base ruim gera resultado ruim, não tem percentual, criativo ou orçamento que salve. Esta é a ordem que usamos:

A regra é simples: quanto mais perto de “comprou e ficou” estiver a base, melhor o sinal que você dá pro algoritmo. Antes de discutir 1% ou 3%, resolva de onde vem a sua base. Se quiser conectar isso com custo de aquisição, vale nosso guia sobre CAC em mídia paga.

Percentual: como escolher quando for usar lookalike

Decidiu que o lookalike faz sentido no seu caso? O percentual regula o trade-off entre parecer com a sua base e ter alcance.

1% (precisão máxima). É o 1% do país que mais se parece com a sua base. No Brasil já dá público de sobra pra maioria das contas. Nas contas que operamos, quando o 1% acha volume, ele costuma rodar com CPA claramente menor que as faixas de 5% ou mais. Trate isso como padrão que a gente vê, não como lei de mercado. Use pra testar base nova, pra orçamento apertado ou quando qualidade importa mais que volume.

2% a 3% (o meio de campo). Costuma ser o melhor custo-benefício entre similaridade e escala. Mantém boa aderência e abre o funil. Ideal quando o 1% já validou e você precisa crescer sem perder eficiência.

5% a 10% (volume e awareness). Aqui você troca similaridade por alcance. Serve pra campanha de topo ou quando os públicos menores já saturaram. Espere CPA mais alto em troca de volume.

Na dúvida, comece no 1%. Se a frequência disparar acima de 3.0 rápido, sinalizando que o público esgotou, sobe pra 2%, depois 3%. E lembre: se você tem volume de conversão, testar o aberto contra o seu melhor percentual é obrigatório, não opcional.

Como criar o lookalike: passo a passo

1. Prepare a base. Exporte do CRM só quem representa o cliente ideal. Para SaaS B2B: ativo há mais de 6 meses e com ARR acima de um mínimo que você define. Monte um CSV com email (obrigatório), nome, telefone, cidade, estado e país. Tire email inválido, duplicata e quem cancelou por motivo que não é o produto.

2. Suba e configure no Meta. No Gerenciador de Anúncios, vá em Públicos, Criar Público, Público Personalizado, Lista de Clientes, e suba o CSV. Priorize o email como identificador. Taxa de correspondência acima de 60% é ótima, entre 40% e 60% é aceitável, abaixo de 40% é sinal de dado sujo.

3. Crie o semelhante. Com o público processado (leva de 24 a 48 horas), gere o lookalike a partir dele. Escolha o país e comece no 1%. Nomeie de forma que você entenda depois, com base, percentual e data. Algo como LAL1_CompradoresAtivos6M_Mar2026.

4. Estruture a campanha. Faça conjuntos separados por percentual, nunca misture 1% com outros públicos no mesmo conjunto, senão a leitura fica impossível. Se optar por rodar lookalike, uma divisão que funciona é 60% do orçamento no 1%, 30% no 2% a 3% e 10% em testes maiores. E deixe sempre um conjunto de aberto correndo em paralelo pra comparar.

Otimização e refresh da base

Frequência é o termômetro. Entre 1.0 e 2.0, público fresco. Entre 2.0 e 3.0, atenção. Acima de 3.0 de forma consistente, saturou, hora de expandir o percentual ou trocar o criativo.

Atualize a base a cada 30 a 45 dias, principalmente as de compradores. Cliente novo traz comportamento novo. Monte um calendário simples (semana 1 do mês pra compradores, semana 3 pra SQL) e mantenha a versão anterior ativa enquanto testa a nova, pra não ter buraco de resultado.

Segmente por região quando fizer sentido. Se a performance varia muito por estado, um lookalike de clientes de São Paulo pode render mais em região metropolitana, enquanto o de clientes do interior funciona melhor em cidade menor. Útil sobretudo pra e-commerce com logística regionalizada.

Como medir de verdade

Olhe além do CPA. CPA é o número central pra comparar bases e percentuais, e vem acompanhado de CTR (relevância do público) e taxa de conversão (qualidade do tráfego). Mas pra negócio que vive de LTV, um lookalike com CPA 20% mais alto pode ser melhor se o cliente que ele traz vale bem mais lá na frente.

Análise de safra. Acompanhe as coortes por origem do público: ativação, retenção em 30, 60 e 90 dias, receita média. É isso que revela qual base traz não só mais conversão, mas o cliente que fica. Um lookalike pode ganhar no CPA e perder na safra, e você só descobre olhando o tempo.

Teste uma variável por vez. Base contra base, percentual contra percentual, ou lookalike contra aberto. Segure o teste por pelo menos 7 dias, ou até ter significância, antes de decidir. Pra fechar a conta do retorno, veja como calcular e melhorar o ROAS em mídia paga.

Erros que queimam o lookalike antes de aquecer

Base contaminada. O erro mais caro. Meter quem cancelou por problema no produto, lead ruim ou visitante não qualificado suja a semente e derruba tudo. Base menor e limpa ganha de base grande e suja, sempre.

Impaciência. Machine learning precisa de tempo. Segure a mão por 3 a 5 dias antes de julgar, e 7 a 10 antes de mexer forte. Ajuste precoce reinicia o aprendizado e joga seu dinheiro fora.

Base parada. Base estática perde eficácia. Comportamento muda, segmento novo aparece. Sem rotina de refresh, o resultado escorre devagar sem você perceber.

Misturar público no mesmo conjunto. Juntar lookalike com interesse ou retargeting no mesmo conjunto quebra a mensuração. O sistema joga o orçamento no público mais barato e você fica sem saber quem de fato performou.

O que levar pra dentro da conta

A diferença entre um CPA de R$120 e um de R$52 não foi sorte nem foi “usar lookalike”. Foi trocar sinal ruim por sinal bom. Essa é a mesma disciplina que faz a segmentação aberta funcionar na era da Andrômeda: você não vence desenhando público, vence entregando ao algoritmo os melhores exemplos de quem comprou e ficou. Lookalike é uma das formas de fazer isso, e ainda a melhor em conta nova, nicho estreito ou como controle. Na conta madura com sinal forte, a nossa aposta é aberto primeiro, com lookalike no banco pronto pra entrar quando o jogo pedir.

Se você está travado nessa decisão, sem saber se o seu caso pede lookalike ou aberto, é o tipo de coisa que a gente resolve olhando a sua conta e a qualidade da sua base. Fala com a Nexus Growth que a gente monta o teste certo pro seu momento.