Ten materiał opisuje konkretny case obniżenie CPA na koncie małego sklepu internetowego z akcesoriami rowerowymi. Problem był strukturalny: zbyt wiele kampanii jak na dostępny budżet, więc żadna z nich nie zbierała wystarczającej liczby konwersji, aby automatyczne strategie ustalania stawek mogły cokolwiek policzyć. Poniżej kolejność zmian, dane miesiąc po miesiącu oraz te elementy, których nie udało się poprawić.
Stan konta przed zmianami
Sklep sprzedawał około 900 SKU, głównie części eksploatacyjne i odzież. Budżet reklamowy wynosił 6 000 zł miesięcznie i nie miał rosnąć. W koncie działało równolegle 14 kampanii: pięć kampanii Search, trzy Performance Max, dwie Shopping, dwie remarketingowe w sieci reklamowej oraz dwie kampanie testowe pozostawione z wcześniejszych prób.
Średni koszt konwersji z trzech miesięcy przed startem prac wynosił 148 zł. Właściciel podawał 90 zł jako poziom, przy którym sprzedaż zaczyna się domykać po uwzględnieniu marży i zwrotów. Różnica była więc realna, a nie kosmetyczna.
| Parametr | Przed zmianami (średnia z 3 miesięcy) |
|---|---|
| Wydatki miesięczne | 6 040 zł |
| Konwersje | 41 |
| Koszt konwersji | 148 zł |
| ROAS | 2,1 |
| Liczba aktywnych kampanii | 14 |
Diagnoza rozproszenia budżetu
Pierwsze, co zrobiliśmy, to rozbicie konwersji na poszczególne kampanie, a nie patrzenie na sumę konta. Okazało się, że 11 z 14 kampanii notowało mniej niż 10 konwersji w 30 dniach. Trzy kampanie zbierały łącznie 78 procent konwersji, a mimo to dostawały niewiele ponad połowę budżetu, bo pozostałe jedenaście również miało własne limity dzienne.
To jest sytuacja, w której algorytm nie ma z czego się uczyć. Strategie automatyczne potrzebują ciągłego strumienia zdarzeń, żeby oszacować prawdopodobieństwo konwersji dla danej aukcji. Przy dwóch czy trzech konwersjach miesięcznie kampania w praktyce licytuje na podstawie szumu. Google opisuje mechanikę tych strategii w dokumentacji Smart Biddingu i zwraca uwagę właśnie na wolumen danych jako warunek sensownego działania.
Druga rzecz to kanibalizacja. Trzy kampanie Performance Max i dwie Shopping obsługiwały nakładające się zestawy produktów, bez żadnych wykluczeń. Ten sam produkt rywalizował sam ze sobą o tę samą aukcję, co podbijało koszt kliknięcia bez dodawania jednej sprzedaży więcej.
Trzeci problem był pomiarowy. Konto raportowało zarówno zakupy, jak i dodania do koszyka oraz wyświetlenia strony kontaktu jako konwersje, wszystkie z jednakową wagą. Zanim ruszyliśmy strukturę, w kolumnie konwersji została wyłącznie transakcja. Ten jeden ruch sam z siebie podniósł raportowany CPA, bo zniknęły tanie zdarzenia zastępcze, i dopiero od tego momentu liczby cokolwiek znaczyły.
Nowa struktura kampanii
Konsolidacja przebiegła w jednym oknie, w sobotę, żeby okres nauki wypadł na słabszy ruch. Z 14 kampanii zostały cztery.
- Performance Max główny: cały asortyment w trzech grupach materiałów według poziomu marży, z wykluczeniem produktów niedostępnych.
- Search brandowy: nazwa sklepu i jej warianty z literówkami, osobno, żeby nie mieszać tanich kliknięć brandowych z resztą.
- Search generyczny: 40 fraz, które w ciągu poprzednich 12 miesięcy miały co najmniej jedną transakcję, w dopasowaniu do wyrażenia i ścisłym.
- Shopping dla bestsellerów: 60 produktów o najwyższym wolumenie, jako kanał kontrolny wobec Performance Max.
Kampanie remarketingowe w sieci reklamowej zostały wyłączone. Generowały 31 procent wyświetleń i niecałe 2 procent konwersji, a ich udział w ścieżkach wielokanałowych okazał się marginalny po przejściu na atrybucję opartą na danych.
| Element | Przed | Po |
|---|---|---|
| Kampanie | 14 | 4 |
| Kampanie poniżej 10 konwersji na miesiąc | 11 | 1 |
| Zdarzenia liczone jako konwersja | 3 typy | 1 typ |
| Nakładające się zestawy produktów | tak | nie |
Zmiana strategii ustalania stawek
Najczęstszy błąd przy takiej przebudowie to ustawienie docelowego CPA od razu na poziomie oczekiwanym przez klienta. Przy celu 90 zł, gdy historyczny koszt wynosi 148 zł, system po prostu przestaje licytować i ruch spada niemal do zera.
Poszliśmy schodkami. Przez pierwsze trzy tygodnie po konsolidacji działała strategia maksymalizacji liczby konwersji bez limitu docelowego, wyłącznie po to, aby odbudować wolumen danych w nowych kampaniach. Potem włączyliśmy docelowy CPA na 130 zł, czyli nieco poniżej faktycznego poziomu z tego okresu. Kolejne obniżki wprowadzaliśmy co dwa tygodnie, nigdy więcej niż o 15 procent naraz: 130 zł, 112 zł, 98 zł. Przy każdym kroku obserwowaliśmy wolumen wyświetleń, bo pierwszy sygnał przeciągnięcia struny to spadek liczby wyświetleń, nie wzrost kosztu.
Próba zejścia poniżej 95 zł w czwartym miesiącu skończyła się utratą jednej trzeciej ruchu przy tym samym CPA, więc cofnęliśmy się do 98 zł i tam został.
Feed i karty produktów
Struktura kampanii ustawia licytację, ale to feed decyduje, na jakie zapytania sklep w ogóle się pokazuje. Audyt pliku produktowego wykazał, że 38 procent ofert nie miało numeru GTIN, a tytuły składały się wyłącznie z nazwy własnej producenta, bez typu produktu, rozmiaru i koloru.
Tytuły przepisaliśmy według jednego schematu: marka, typ produktu, cecha wyróżniająca, rozmiar. Uzupełnienie identyfikatorów GTIN pozwoliło produktom wejść do zestawień ofert konkurencyjnych, co opisuje dokumentacja Merchant Center dotycząca atrybutu identyfikatora produktu.
Równolegle uzupełniliśmy karty produktów o krótkie sekcje pytań i odpowiedzi dotyczące doboru rozmiaru i kompatybilności części. Ten zabieg miał drugie dno, niezwiązane z reklamą płatną: tak zbudowane fragmenty są znacznie chętniej cytowane przez wyszukiwarki odpowiedzi, co pokazaliśmy wcześniej w analizie wzrostu cytowań w Perplexity po przebudowie sekcji FAQ. W tym koncie nie było to celem, ale ruch organiczny na kartach produktowych wzrósł w tym samym okresie o 14 procent.
Szerszą wersję tego mechanizmu, czyli budowanie zaplecza treściowego, które karmi jednocześnie sprzedaż i modele językowe, opisaliśmy w studium bazy wiedzy SaaS jako źródła odpowiedzi AI. Dla sklepu z 900 SKU taki projekt był poza budżetem, więc ograniczyliśmy się do 60 kart bestsellerów.
Do reklam podłączyliśmy również opinie o produktach. Oceny widoczne przy ofercie podnoszą współczynnik klikalności, a przy asortymencie technicznym pełnią funkcję dowodu kompatybilności. Zależność między liczbą oraz treścią ocen a tym, jak firma jest rekomendowana przez systemy AI, rozbieramy osobno w tekście o opiniach Google i rekomendacjach AI.
Wyniki w kolejnych miesiącach
Poniżej pełne dane, bez wygładzania. Miesiąc zerowy to punkt odniesienia po wyczyszczeniu konwersji.
| Miesiąc | Wydatki | Konwersje | CPA | ROAS |
|---|---|---|---|---|
| 0 (odniesienie) | 6 040 zł | 41 | 148 zł | 2,1 |
| 1 (konsolidacja, nauka) | 5 880 zł | 38 | 155 zł | 2,0 |
| 2 (tCPA 130 zł) | 6 010 zł | 52 | 116 zł | 2,7 |
| 3 (tCPA 112 zł, nowy feed) | 5 950 zł | 61 | 98 zł | 3,2 |
| 4 (tCPA 98 zł) | 6 020 zł | 66 | 91 zł | 3,4 |
Warto zatrzymać się na miesiącu pierwszym. CPA wzrósł, liczba konwersji spadła, a klient w połowie tego okresu chciał wrócić do starej struktury. Okres nauki po tak głębokiej konsolidacji trwa realnie od 2 do 3 tygodni i w tym czasie dane są nieporównywalne z niczym. Umówienie się na to z wyprzedzeniem jest częścią projektu, nie uprzejmością.
Po czterech miesiącach koszt konwersji spadł ze 148 zł do 91 zł, czyli o 38 procent, przy praktycznie niezmienionym budżecie. Liczba konwersji wzrosła z 41 do 66 miesięcznie. Największy jednorazowy skok przypadł na miesiąc drugi, czyli na pierwszy pełny okres po konsolidacji, a nie na moment wdrożenia nowego feedu.
Czego nie udało się poprawić
Dwie rzeczy nie ruszyły z miejsca.
Po pierwsze, kategoria części zamiennych do konkretnych modeli rowerów utrzymała CPA powyżej 160 zł przez cały okres. Zapytania są tam bardzo długie i rzadkie, więc ani Performance Max, ani Search nie zdołały zbudować historii. Przy 6 000 zł budżetu ta kategoria nie ma szans na wystarczający wolumen i docelowo powinna zostać obsłużona treścią organiczną, nie reklamą.
Po drugie, nie udało się domknąć pomiaru sprzedaży telefonicznej. Sklep przyjmował około 15 procent zamówień przez telefon, bez integracji z systemem zamówień, więc te transakcje nigdy nie wróciły do konta reklamowego. Faktyczny koszt konwersji jest zatem niższy niż 91 zł, ale nie potrafimy podać o ile, a szacowanie na podstawie deklaracji obsługi uznaliśmy za zbyt słabe, żeby wpisać je do raportu.
Nie udało się również obniżyć kosztu konwersji w kampanii brandowej, ale tam nie było czego obniżać: 22 zł za transakcję to poziom, przy którym dalsza optymalizacja nie przynosi nic poza ryzykiem utraty ruchu.
Wnioski operacyjne
Jeśli konto ma mniej niż 10 000 zł budżetu miesięcznie, liczba kampanii jest zmienną, którą warto sprawdzić przed treścią reklam, przed stawkami i przed grafikami. Kolejność, która zadziałała w tym projekcie: naprawa definicji konwersji, konsolidacja struktury, dopiero potem stopniowe zaciskanie docelowego CPA, a na końcu feed. Odwrócenie tej kolejności oznacza optymalizowanie liczb, które nic nie mierzą.
FAQ
Ile kampanii powinno mieć małe konto reklamowe?
Nie ma jednej liczby, ale jest praktyczny test: każda kampania powinna zbierać co najmniej 15 do 20 konwersji miesięcznie. Jeśli po podzieleniu budżetu wychodzi mniej, kampanii jest za dużo. W opisanym koncie z 6 000 zł budżetu sensowny okazał się limit czterech kampanii.
Czy docelowy CPA można ustawić od razu na poziomie oczekiwanym przez klienta?
Nie warto. Cel znacznie poniżej faktycznego kosztu konwersji powoduje, że system przestaje licytować i ruch spada niemal do zera. Skuteczniejsze jest schodkowe obniżanie celu, maksymalnie o 15 procent na krok, w odstępach dwutygodniowych.
Jak długo trwa okres nauki po konsolidacji kampanii?
W tym projekcie realnie od 2 do 3 tygodni, przy czym pierwszy tydzień dał wyniki gorsze od punktu wyjścia. Danych z okresu nauki nie należy porównywać z wcześniejszymi miesiącami ani podejmować na ich podstawie decyzji o wycofaniu zmian.
Co dało większy efekt: nowa struktura czy poprawiony feed?
Struktura. Największy skok CPA nastąpił w pierwszym pełnym miesiącu po konsolidacji, jeszcze przed wdrożeniem nowych tytułów produktów. Feed dołożył kolejną część poprawy i podniósł ROAS, ale sam z siebie nie rozwiązałby problemu rozproszenia budżetu.
Czy wyłączenie remarketingu w sieci reklamowej jest bezpieczne?
Tylko po sprawdzeniu udziału tych kampanii w ścieżkach wielokanałowych w modelu opartym na danych. Tutaj remarketing dawał 31 procent wyświetleń i poniżej 2 procent konwersji, przy marginalnym udziale we ścieżkach, więc budżet lepiej pracował w Performance Max.