Like for like (LFL) to termin, który jest często używany w kręgach handlu detalicznego do określenia tempa wzrostu w sklepach, które mają zasadniczo takie same okoliczności i cechy, aby określić, czy wzrost przychodów był mniej więcej taki sam w każdym z nich. sklepy. W tym celu sieć będzie wykluczać sklepy, które nie spełniają kryteriów użytych do analizy, np. sklepy, które zostały rozbudowane, niedawno zamknięte lub otwarte w określonym przedziale czasowym. Wykreślenie lub wykluczenie sklepów, które nie spełniają kryteriów użytych do porównania, ułatwia stwierdzenie, czy wszystkie pozostałe sklepy wykazują podobny trend wzrostu, czasami w wyniku określonych strategii marketingowych lub sprzedażowych wdrożonych od ostatniego porównania .
Chociaż ocena wzrostu jest powszechnym narzędziem używanym przez sprzedawców detalicznych, ta sama podstawowa strategia może być również stosowana w przypadku innych rodzajów firm, które prowadzą wiele lokalizacji. Na przykład sieć restauracji może dokonać tego typu porównań, zwykle identyfikując wszystkie restauracje, które powstały w społecznościach o określonym przedziale populacji, korzystają z tych samych menu i mają ten sam układ i projekt. Podobnie jak w przypadku modelu detalicznego, sieć może zdecydować się na wykluczenie wszelkich lokalizacji, które zostały otwarte w ciągu ostatniego roku lub dwóch.
Sieci hotelowe mogą również czasami wykorzystywać ten model jako środek do oceny, w jaki sposób pewne zmiany w zasadach lub ulepszenia wpływają na obroty w hotelach, które obsługują te same podstawowe dane demograficzne i działają od ponad określonej liczby lat. Takie podejście często daje dobre wyobrażenie o tym, czy zmiany te mają ogólnie pozytywny wpływ na biznes, czy też istnieją przesłanki, że zmiany nie przyciągają ani nawet nie zatrzymują klientów, którzy od czasu do czasu rutynowo zatrzymywali się w hotelach.
W przypadku każdej aplikacji ideą oceny polubień jest bardziej szczegółowe zrozumienie, jak dobrze te lokalizacje radzą sobie, jeśli chodzi o generowanie przychodów. Proces ten często wymaga porównania wyników z ostatnio zakończonego okresu z wynikami z poprzednich okresów, co ułatwia ustalenie, czy zyski są względnie płaskie w czasie, czy też przesunęły się w górę lub w dół. Dane wygenerowane z analizy typu „like for like” mogą często dostarczyć ważnych wskazówek, jak postępować w przyszłości, zarówno pod względem poprawy wydajności sklepów w zaangażowanych lokalizacjach, jak i planowania zakładania i działania nowszych lokalizacji, aby również większa szansa na sukces.