Kto naprawdę zarabia na Twoich reklamach?
Meta pokazuje swoje wyniki. Google pokazuje swoje. Google Analytics jeszcze inne. Problem zaczyna się wtedy, gdy na podstawie tych liczb próbujesz zdecydować, gdzie warto wydać kolejne tysiące złotych.
W rozmowie z Mariuszem Michalczukiem z Conversion przyglądamy się temu, dlaczego dane z platform reklamowych potrafią prowadzić marketerów na manowce. Każdy system ma własny sposób przypisywania sprzedaży, więc ta sama transakcja może zostać zaliczona jednocześnie na konto Facebooka i Google. Na ekranie wszystko wygląda wtedy całkiem dobrze. Dopiero kiedy zestawisz te dane z rzeczywistym wynikiem biznesowym, okazuje się, że liczby nie zawsze opowiadają tę samą historię.
Obejrzyj rozmowę.
Pełny odcinek SUURowo o marketingu.
Każda platforma ma swoją prawdę
Atrybucja brzmi jak termin z prezentacji dla analityków, ale jej konsekwencje są bardzo konkretne. Jeśli Meta przypisuje sobie sprzedaż według jednego modelu, Google Ads według innego, a GA4 jeszcze inaczej interpretuje ścieżkę użytkownika, trudno oczekiwać, że wszystkie raporty pokażą identyczny obraz sytuacji. I właśnie dlatego dodawanie wyników z poszczególnych platform może prowadzić do absurdów.
Mariusz zwraca uwagę, że problem nie polega na tym, że któraś z tych platform koniecznie „kłamie”. Każda z nich patrzy na dane przez własny system pomiaru. Problem pojawia się wtedy, gdy traktujemy te raporty jak jedną, obiektywną prawdę o biznesie. Jeśli na tej podstawie przesuwamy budżety między kanałami, możemy zacząć inwestować coraz więcej w działania, które świetnie wyglądają w dashboardzie, ale znacznie gorzej w rzeczywistym wyniku firmy.
Błąd w analityce potrafi kosztować więcej niż kampania
Najbardziej niebezpieczne błędy nie zawsze są widoczne od razu. W rozmowie pojawia się przykład firmy e-commerce, która przez nieprawidłowo skonfigurowane elementy traciła około 17 tysięcy dolarów tygodniowo. Przy dużej skali sprzedaży wszystko mogło jednak wyglądać na pierwszy rzut oka normalnie. Dopiero dokładniejsze spojrzenie na dane pozwoliło zobaczyć, gdzie naprawdę znikały pieniądze.
To dobrze pokazuje, czym w praktyce powinna być analityka. Nie chodzi wyłącznie o to, żeby zbierać jak najwięcej danych i mieć coraz więcej wykresów. Mariusz rozkłada ten proces na kilka elementów: trzeba dane poprawnie zebrać, zadbać o ich jakość i stabilność, umieć je analizować, a przede wszystkim przełożyć je na decyzje biznesowe. Sam raport nie zarabia pieniędzy. Robi to dopiero decyzja, którą podejmiesz na jego podstawie.
Z danymi jest coraz trudniej
Jeszcze kilka lat temu marketer mógł mieć poczucie, że jeśli odpowiednio skonfiguruje narzędzia, zobaczy niemal całą ścieżkę użytkownika. Dzisiaj ta pewność jest coraz mniejsza. Zmiany związane z prywatnością i ograniczeniami śledzenia w przeglądarkach sprawiają, że część informacji po prostu nie trafia już do systemów w taki sposób jak dawniej.
Dlatego coraz większego znaczenia nabiera tracking po stronie serwera. Daje firmie większą kontrolę nad tym, jakie dane są wysyłane do Meta czy Google, a jednocześnie pozwala połączyć dane marketingowe z informacjami, których same platformy reklamowe nie mają - na przykład z marżą czy rzeczywistym wynikiem sprzedaży.
I tutaj pojawia się jeszcze jedna ważna zmiana: nie zawsze warto obsesyjnie walczyć o 100 procent danych. Mariusz zwraca uwagę, że analityka może pokazywać około 80-85 procent ruchu, a mimo to dostarczać wartościowych informacji. Ważniejsze od samej kompletności jest to, czy dane są dobrej jakości i czy rozumiemy ich kontekst.
AI nie naprawi złych danych
Do świata analityki coraz śmielej wchodzi również sztuczna inteligencja. Narzędzia, które potrafią przeanalizować raport i od razu wskazać potencjalne problemy, brzmią jak spełnienie marzeń każdego marketera. Tyle że tutaj również łatwo o fałszywe poczucie bezpieczeństwa.
Mariusz opowiada o swoich doświadczeniach z AI w Google Analytics i sytuacjach, w których narzędzie potrafiło wyciągać błędne wnioski albo po prostu coś wymyślić. Dla osoby, która dobrze zna dane i potrafi zweryfikować odpowiedź, może to być użyteczny asystent. Dla kogoś, kto bez sprawdzania przyjmie jego interpretację za pewnik, może natomiast stać się kolejnym źródłem błędnych decyzji.
Coraz więcej ruchu może nie kończyć się kliknięciem
Zmienia się nie tylko sposób zbierania danych, ale również sam internet. Użytkownicy coraz częściej korzystają z LLM-ów i narzędzi generatywnej AI zamiast przechodzić przez tradycyjną ścieżkę: wyszukiwarka → strona → artykuł → formularz.
Mariusz obserwuje już u swoich klientów ruch pochodzący z LLM-ów na poziomie kilku procent, mniej więcej 3-5 procent. Jeszcze ciekawsze są konsekwencje AI Overviews. Jeśli użytkownik dostaje odpowiedź bezpośrednio w wynikach wyszukiwania, może nie wejść na stronę, nie zapisać się do newslettera i nie zostać objęty remarketingiem. Z punktu widzenia firmy to nie jest tylko zmiana źródła ruchu. To zmiana całego sposobu, w jaki można budować relację z potencjalnym klientem.
Nie każdy problem z konwersją zaczyna się od reklamy
W rozmowie pojawia się też ważna rzecz, o której łatwo zapomnieć, kiedy cały marketing oglądamy przez pryzmat kampanii. Czasem reklama działa, użytkownik trafia na stronę, jest zainteresowany produktem, a mimo to nie kupuje. Przyczyna może być banalna: brak informacji o kosztach dostawy, zbyt skomplikowany checkout albo inny element, który pojawia się dopiero na końcu ścieżki zakupowej.
Jednym z prostych sposobów na znalezienie takich problemów jest tzw. corridor test. Wystarczy poprosić osobę, która nie pracuje w marketingu ani technologii, żeby spróbowała zrobić zakupy w naszym sklepie, i obserwować, gdzie pojawiają się trudności. Dane ilościowe powiedzą nam, gdzie użytkownicy odpadają. Obserwacja i rozmowa pomogą zrozumieć, dlaczego tak się dzieje.
To podejście dobrze pokazuje, dlaczego sama analityka ilościowa nie zawsze wystarcza. Możemy wiedzieć, że 40 procent użytkowników odpada na konkretnym etapie, ale dopiero dane jakościowe mogą powiedzieć nam, co właściwie ich zatrzymuje.
Jedno źródło prawdy zamiast kolejnego dashboardu
Jeżeli każdy system pokazuje trochę inną wersję rzeczywistości, rozwiązaniem nie jest dokładanie kolejnego narzędzia, które pokaże nam jeszcze jeden raport. Potrzebne jest jedno miejsce, w którym dane można połączyć i odnieść do tego, co faktycznie interesuje firmę.
W praktyce oznacza to budowanie własnego źródła prawdy - opartego na danych biznesowych, a nie wyłącznie na tym, co raportuje konkretna platforma reklamowa. Wtedy można sprawdzać, czy zmiana budżetu rzeczywiście przełożyła się na wynik, zamiast patrzeć wyłącznie na wzrost liczby konwersji przypisanych przez Facebooka czy Google.
Dobrym przykładem jest podejście PDCA: zaplanuj zmianę, wprowadź ją, sprawdź rezultat i zdecyduj, co zrobić dalej. Jeśli przesuwasz część budżetu z jednego kanału do drugiego, najważniejsze pytanie nie brzmi „który dashboard pokazuje więcej konwersji?”, ale „co stało się z wynikiem całego biznesu?”.
Jak podejść do analityki, żeby lepiej wydawać budżet?
Posłuchaj całej rozmowy z Mariuszem Michalczukiem, jeśli wydajesz pieniądze na reklamę, prowadzisz e-commerce albo odpowiadasz za marketing i chcesz wiedzieć, które działania faktycznie przynoszą firmie wynik.
Chcesz, żeby marketing pracował na Twój biznes?
Projektujemy i wdrażamy marketing B2B - od strategii, przez content i social media, po personal branding i outsourcing marketingu.