Een B2B lookalike audience is een set bedrijven, of mensen bij bedrijven, die lijken op je beste klanten. Je vindt ze door een seedlijst van die klanten aan een model te geven en dat model naar matches te laten zoeken. De seed gaat erin, en er komt een langere lijst vergelijkbare accounts uit, gerangschikt op hoe goed elk account past.

De term dekt twee heel verschillende dingen. Op LinkedIn, Meta en Google is het een functie voor advertentietargeting: je uploadt een lijst of wijst een conversie aan, en het platform bouwt een audience die je tegen betaling kunt bereiken maar nooit te zien krijgt. In outbound en ABM is het een manier om lijsten te bouwen: je neemt je closed-won accounts, beschrijft ze in bedrijfsdata en haalt een lijst vergelijkbare bedrijven je CRM in. De meeste discussies over de vraag of lookalikes werken voor B2B komen van mensen die het over verschillende versies hebben.

Beide versies gaan op dezelfde plek mis. Het model vindt meer van wat je erin stopt. Een seed vol accounts die je liever niet nog eens binnenhaalt, levert dus een langere lijst van precies die accounts op.

TL;DR

• Een lookalike audience begint bij een seed van klanten waar je meer van wilt, en levert vergelijkbare bedrijven of mensen op. Dezelfde naam dekt een functie van advertentieplatforms en een methode om lijsten te bouwen, en die twee gedragen zich anders.

• Op de advertentieplatforms verving LinkedIn zijn lookalike audiences op 29 februari 2024 door predictive audiences (seed van minstens 300 leden, dagelijks ververst), wil Meta een seed van minstens 100 mensen en stopte Google in mei 2023 met het genereren van similar audiences. Je koopt bereik, maar de lijst krijg je nooit.

• Een closed-won lookalike die je in een datatool bouwt, geeft je echte bedrijfsnamen die je kunt controleren, verrijken en in het CRM kunt laden. Company Lookalikes van Clay begint bijvoorbeeld bij een seed van maximaal 15.000 bedrijven.

• De seed bepaalt de output. Gebruik closed-won accounts die je met plezier opnieuw zou tekenen, bouw één seed per segment en laat vertrokken klanten, deals met flinke korting en vrienden van de oprichter weg.

• Een lookalike is een ICP dat de data heeft geschreven. Gebruik hem om het ICP te toetsen dat je zelf schreef, en onthoud dat hij je verleden kopieert, ook de delen die je achter je probeert te laten.

• De lijst vertelt je wie past. Of die bedrijven ook kopen, staat er niet in. Haal klanten en open deals eruit, zoek de juiste contacten en rangschik daarna op intent, voordat iemand een bericht stuurt.

Twee producten met dezelfde naam

Het mechanisme eronder lijkt op elkaar. Een model bekijkt de seed, zoekt uit welke kenmerken die records gemeen hebben, scoort een veel grotere pool tegen dat patroon en geeft de beste matches als eerste terug. Het verschil zit in de pool, de kenmerken en de regels voor hoe je de uitkomst mag gebruiken.

Welke kolom je nodig hebt, hangt af van de klus. Wil je advertenties voor meer mensen zoals je kopers zetten, dan doen de platforms dat goed genoeg. Wil je een lijst waar je reps mee aan de slag kunnen, dan krijg je die alleen via de tweede kolom. Geen enkel advertentieplatform vertelt je wie er in de audience zit die het heeft gebouwd.

Lookalike audiences op LinkedIn, Meta en Google

LinkedIn is het platform waar de meeste B2B-teams mee beginnen, en het aanbod veranderde in 2024. Het helpcentrum bevestigt dat de lookalike audiences van LinkedIn op 29 februari 2024 zijn stopgezet, met predictive audiences als aanbevolen vervanger. Een predictive audience bouw je uit één type bron tegelijk (een contactlijst, een bedrijfslijst, conversies, reacties op Lead Gen Forms of een retargeting-audience), en er moeten minstens 300 ledenaccounts achter zitten. Geüploade lijsten moeten tussen de 300 en 300.000 rijen tellen, en de audience ververst elke dag.

Die dagelijkse verversing is het nuttige deel. Richt je een predictive audience op je conversies voor demo-aanvragen, dan past hij zich steeds aan aan wie er recent heeft geconverteerd. Een statische geüploade lijst kan dat niet. En omdat LinkedIn de werkgever, functietitel en senioriteit van zijn leden kent, komen de matches veel vaker bij het juiste soort persoon uit dan bij een consumentennetwerk.

Meta werkt met mensen en hun gedrag in de eigen apps. Volgens de documentatie voor ontwikkelaars moet de bronaudience van een lookalike minstens 100 leden hebben, en het resultaat is een set individuen die zich gedragen zoals je seed. Voor een B2B-verkoper kan dat betekenen dat je de juiste functietitel op zondagavond bereikt. Het kan ook betekenen dat je duizenden mensen bereikt die de hobby's van je kopers delen en niets van hun koopkracht. Wij zien lookalikes van Meta als goedkoop extra bereik voor een campagne die elders al werkt, en nooit als de manier om te bepalen aan wie je verkoopt.

Google is nog verder teruggetreden. Op de helppagina's staat dat Google Ads vanaf 1 mei 2023 geen similar audiences meer zou genereren, de eigen versie van lookalikes voor zoek- en displaycampagnes.

Bij alle drie blijft de audience binnen het platform. Je ziet niet welke bedrijven erin terechtkwamen, je kunt geen concurrent verwijderen en je kunt de lijst niet aan een SDR geven. Voor adverteren is dat prima, en het is precies de reden dat een B2B-team dat pipeline wil, ook de tweede soort nodig heeft.

Stap voor stap een closed-won lookalike-lijst bouwen

Dit is de versie die wij het vaakst bouwen, en in onze closed-won lookalike-workflow vind je een uitgebreidere uitleg. In vijf stappen maak je van je dealhistorie een targetlijst.

1. Haal de seed uit je closed-won deals. Exporteer de accounts die je in een recente periode hebt gewonnen, met de dealwaarde, de salescyclus en of ze nog klant zijn.

2. Beschrijf elk account in data. Vul firmografische data (branche, aantal medewerkers, omzetklasse, locatie) en technografische data (CRM, marketingtools, cloudprovider) aan via data enrichment. Zo zie je wat de winnaars echt gemeen hebben, voordat een model het je vertelt.

3. Draai de match. Stop de seeddomeinen in een lookalike-bron. Volgens de changelog van Clay begint Company Lookalikes bij maximaal 15.000 bedrijven en groepeert het de resultaten in clusters op branche, omvang en use case. Losse tools zoals Ocean.io doen hetzelfde werk.

4. Filter op wat je al hebt. Haal huidige klanten, accounts met een open deal, concurrenten, partners en iedereen op een niet-benaderen-lijst eruit. Sla je deze stap over, dan sturen je reps zomaar een cold email naar het inkoopteam van een klant.

5. Eerst rangschikken, dan laden. Sorteer op matchsterkte en fit, zet de bovenste laag in het CRM met een bronveld dat "lookalike" zegt, en bewaar de rest voor later.

Zo aangepakt is een lookalike-model gewoon een slimmere vorm van list building. Het verschil met een gekochte lijst die op branche en omvang is gefilterd: de filters komen uit je eigen gewonnen deals in plaats van uit een gok over wie er misschien koopt.

De seedaccounts kiezen

Bijna elke tegenvallende lookalike-lijst waar we naar mochten kijken, is terug te voeren op de seed. Iemand exporteerde alle klanten, het model leerde hoe een gemiddelde klant eruitziet, en de output was een lange lijst met gemiddelde fits.

Een goede seed is een korte lijst accounts die je morgen op dezelfde voorwaarden opnieuw zou tekenen. In de praktijk betekent dat een hoge customer lifetime value, een normale salescyclus, echt productgebruik en geen speciale behandeling om de deal rond te krijgen. Een paar soorten accounts moeten eruit, ook als ze er op papier goed uitzien:

• klanten die zijn vertrokken of duidelijk op het punt staan te vertrekken

• deals die zijn gesloten met een korting die je nooit meer zou geven

• accounts die via het persoonlijke netwerk van een oprichter binnenkwamen, omdat niets in hun data verklaart waarom ze kochten

• eenmalige projecten in een branche die je niet meer wilt bedienen

Omvang werkt bij elke soort lookalike anders. Advertentieplatforms hanteren harde minimums (300 leden op LinkedIn, 100 mensen op Meta), omdat ze individuen modelleren en volume nodig hebben. Tools op bedrijfsniveau kunnen met veel minder domeinen beginnen. Daar wint een strakke seed van sterke accounts het van een lange seed die is opgevuld met zwakke.

Wij zouden de seed ook per segment splitsen. Verkoop je zowel aan logistieke bedrijven als aan softwarebedrijven, dan levert één gemengde seed bedrijven op die half het een en half het ander zijn, en bij geen van beide goed passen. Met twee seeds krijg je twee schone lijsten, en voor elke lijst kun je andere berichten schrijven.

Een lookalike audience is een ICP dat de data heeft geschreven

Een ideal customer profile wordt door mensen geschreven: iemand bekijkt de markt en de dealhistorie en besluit op welke branches, omvang en kenmerken je je richt. Een lookalike audience komt van de andere kant tot een vergelijkbaar antwoord, door de kenmerken af te lezen aan de accounts die je echt hebt gewonnen.

De twee naast elkaar leggen is een van de nuttigste dingen die een lookalike je oplevert. Komt het model steeds met bedrijven op een techstack die niemand in het ICP heeft gezet, dan is dat een kenmerk om te testen. Noemt het geschreven ICP een segment dat het model nooit naar boven haalt, dan heb je daar nog niet gewonnen of bestaat het segment alleen op de slide. Een formeel ICP-scoringsmodel is waar beide blikken samenkomen, als gewichten waartegen je elk account kunt rangschikken.

Er zit een addertje onder het gras dat de tools niet noemen. Een lookalike kopieert je verleden. Waren je eerste vijftig klanten kleine bureaus en ga je nu upmarket, dan trekt een seed van die vijftig je regelrecht terug naar kleine bureaus. Verandert het bedrijf van richting, bouw de seed dan uit het handjevol accounts dat past bij waar je naartoe gaat, of leun op het geschreven ICP tot je er genoeg van hebt.

Van lookalike-lijst naar eerste gesprek

Een sterke match vertelt je dat een bedrijf op je klanten lijkt. Of het dit kwartaal aan het rondkijken is, zegt de match niet, en genoeg perfecte fits negeren je omdat de timing niet klopt.

De lijst heeft dus nog drie dingen nodig voordat hij bij een rep belandt. Ten eerste mensen: aan een bedrijfsnaam heb je niets zonder de juiste contacten, en daarvoor is meestal waterfall enrichment over meerdere providers nodig om geverifieerde e-mailadressen voor de rollen in het koopproces te vinden. Ten tweede timing: intentsignalen zoals een vacature voor een relevante rol, een financieringsronde of bezoeken aan je site laten zien welke matches nu in beweging zijn. Ten derde een volgorde: account scoring combineert fit en die signalen tot één ranking, zodat het team eerst de accounts oppakt die passen en er klaar voor zijn.

Laat aan het eind een mens meekijken. Reps weten vaak dingen die de data niet weet, zoals een bedrijf dat net voor drie jaar bij een concurrent heeft getekend, of een markt waar het product door regelgeving niet past. Een snelle review van de bovenste laag voorkomt verspilde sequences.

Maak de cirkel daarna rond. Voeg elk kwartaal de nieuwste gewonnen deals toe aan de seed, haal accounts eruit die zijn vertrokken en draai de match opnieuw. De lijst die terugkomt, laat zien wie je nu wint. Draait de keten van model tot outreach eenmaal betrouwbaar, dan kan elke stap op een vast schema lopen, en daar begint geautomatiseerde sales prospecting zich terug te betalen.

Kort gezegd

Lookalike audiences zijn in beide vormen de moeite waard, zolang je weet welke je gebruikt. De variant van de advertentieplatforms koopt bereik onder mensen die op je kopers lijken, en op LinkedIn is dat bereik redelijk goed gericht. De closed-won variant geeft je een lijst die je kunt lezen, filteren en bezitten, en dat is wat outbound en account-based marketing nodig hebben.

De kwaliteit hangt meer af van de seed dan van de tool. Een korte lijst klanten die je opnieuw zou tekenen, gesplitst per segment, geeft een bruikbare lookalike. Een dump van het hele klantenbestand geeft je meer van het gemiddelde. En omdat elke lookalike het verleden kopieert, hoort hij naast een geschreven ICP dat zegt waar het bedrijf naartoe gaat.

Met enrichment, intent en scoring erachter maakt een lookalike-lijst van je beste klanten een kaart om de volgende te vinden, en een vaste input voor een herhaalbaar go-to-market-proces.

Wil je die kaart laten tekenen op basis van je eigen dealhistorie? Wij bouwen closed-won lookalike-lijsten, met de enrichment en scoring eromheen, in de tools waar je team al mee werkt. Daarna houd je de setup en de notities, zodat je het elk kwartaal opnieuw kunt draaien.

Veelgestelde vragen