Case PPC: skalowanie performance max do 7 cyfr (e-commerce) brzmi jak slogan z konferencji, ale w praktyce oznacza zupelnie inna prace niz klasyczne kampanie Google Ads. W tym studium pokazujemy, jak w ciagu dwunastu miesiecy przeprowadzilismy sklep z bielizna sportowa od miesiecznego budzetu 18 000 zl do stabilnego pulapu 220 000 zl miesiecznie, utrzymujac docelowy ROAS na poziomie 4,8. Wszystko bez zmiany platformy, bez dolaczania nowego rynku i bez agresywnej promocji rabatowej, ktora niszczy marze.
Pisemy tu nie o pojedynczym hacku, lecz o caloksztalcie procesu: jak segmentowac asortyment, jak budowac sygnaly konwersji wysokiej jakosci, jak rozliczac wydatek miedzy katalogiem a markowym ruchem brand. To material dla osob, ktore juz wiedza, czym jest Performance Max, i chca przejsc z poziomu „kampania dziala” do poziomu „kampania skaluje sie liniowo”. Jesli interesuja Cie inne formaty studiow przypadkow, mozesz porownac to opracowanie z naszym wczesniejszym case SEO o migracji domeny bez utraty ruchu, ktory pokazuje analogiczne podejscie procesowe w organicznych kanalach.
Czym jest case performance max i dlaczego skalowanie wymaga innej logiki
Performance Max to zautomatyzowany typ kampanii Google Ads, ktory laczy w jednej jednostce ruch z wyszukiwarki, sieci reklamowej, YouTube, Discover, Gmail oraz zakladki Zakupy. Kampania nie udostepnia tradycyjnego widoku slow kluczowych ani odbiorcow w stylu Display, dlatego przez wielu reklamodawcow byla traktowana jak czarna skrzynka. To wlasnie ta nieprzejrzystosc sprawia, ze klasyczne metody skalowania, takie jak rozbicie konta na coraz wezsze tematy, przestaja dzialac.
Sklep, o ktorym piszemy, prowadzi sprzedaz w segmencie midmarket: srednia wartosc koszyka 245 zl, marza brutto okolo 52 procent, sezonowosc skoncentrowana w oknie wrzesien-luty oraz kwiecien-czerwiec. W momencie startu prac mial trzy aktywne kampanie Standard Shopping, jedna Search markowa i jedna PMax stworzona po lekturze poradnika z bloga jednej z agencji. PMax pochlanial 40 procent budzetu, dawal ROAS 2,1 i wyraznie kanibalizowal Shopping. To typowy obraz, gdy wlasciciel sklepu probuje samodzielnie ogarnac nowy format.
Skalowanie PMax do siedmiocyfrowego rocznego obrotu mediowego nie polega na zwiekszaniu budzetu. Polega na trzech rownoleglych pracach: na uporzadkowaniu sygnalow danych, na zmianie struktury Asset Groups oraz na zbudowaniu sciezki konwersji, ktora algorytm faktycznie potrafi wykorzystac. Bez tych trzech filarow kazdy dolozony tysiac zlotych dziennie konczy sie tym samym: rosnacym CPC, spadajacym ROAS i frustracja zespolu.
Najwazniejsze zasady i framework skalowania PMax
Framework, ktory u nas dziala, opieramy na piecu zasadach. Sa one bezposrednio przeniesione z dokumentacji Google, ale uzupelnione o praktyke z rynku polskiego, gdzie wolumen zapytan jest znacznie mniejszy niz w US i UK, a wahliwosc sezonowa potrafi byc skokowa.
Zasada 1: jeden cel konwersji na kampanie
PMax dziala znacznie lepiej, gdy ma jeden, dobrze zdefiniowany cel konwersji z wartoscia (nie tylko liczba). U nas tym celem jest zakup z dynamicznie liczonym tROAS opartym o marze produktowa, nie o przychod brutto. Wymaga to przekazywania marzy do Google Ads przez enhanced conversions for leads albo przez offline conversion import. Dopiero wtedy algorytm rzeczywiscie optymalizuje zysk, a nie wolumen sprzedazy.
Zasada 2: hermetyczne Asset Groups
Kazdy Asset Group powinien obslugiwac jeden segment asortymentu, ktory ma wspolna grupe docelowa, wspolna logike marketingowa i wspolny przedzial cenowy. W naszym sklepie wydzielilismy szesc segmentow: biustonosze sportowe, leginsy treningowe, koszulki techniczne, akcesoria, oferty outletowe oraz nowosci. Nakladanie sie segmentow zalatwilismy filtrami w Merchant Center i custom_label_0.
Zasada 3: brand vs non-brand jako twardy podzial
PMax bez wykluczen marki potrafi pochlonac 30 do 50 procent budzetu na ruchu brand i raportowac to jako wysoki ROAS. Tym samym wypiera Search markowy. Wykluczenie brand keywords na poziomie konta jest dzis dostepne w PMax, ale wymaga ticketu do supportu lub wlasciwego ustawienia w panelu (od 2024 dla wiekszosci kont jest to publicznie dostepne). Dopilnowanie tej granicy podnioslo nam ROAS niemarkowego ruchu z 2,7 do 4,1 w trzecim miesiacu wspolpracy.
Zasada 4: sygnaly odbiorcow jako wskazowka, nie target
Audience signals w PMax nie sa twardym targetowaniem. Algorytm traktuje je jako podpowiedz, jak wyglada Twoj idealny klient, i szuka podobnych. Wrzucanie zbyt szerokich sygnalow (np. wszystkich zainteresowanych „sportem”) rozjezdza zarezerwowane do nauki budzety. My przekazujemy trzy listy: klienci ostatnich 90 dni z wartoscia koszyka powyzej mediany, klienci z 12-miesiecznym retencyjnym powtorzonym zakupem oraz lista lookalike zbudowana z newsletterowych subskrybentow z otwarciami w ostatnich 60 dniach.
Zasada 5: liniowe skalowanie budzetu, nie skokowe
PMax wchodzi w faze nauki przy kazdej zmianie budzetu powyzej 20 procent w skali tygodnia. Skoki budzetowe rzedu 100 procent koncza sie tygodniem chaosu i spadkiem ROAS. Skalowanie liniowe 15 do 20 procent tygodniowo daje stabilna nauke i przewidywalne efekty. Brzmi prozaicznie, ale to byla jedyna roznica miedzy konsultantami, ktorzy przed nami pracowali z tym sklepem, a wynikami, ktore wypracowalismy.
Jak to wdrozyc krok po kroku
Ponizej znajdziesz osmioetapowy plan wdrozenia, ktory zajal nam okolo 14 tygodni. Plan zaklada, ze masz juz dzialajacy sklep z minimum 60 transakcjami miesiecznie, podlaczony Merchant Center i pelna konfiguracje GA4. Jesli nie, najpierw uporzadkuj fundamenty. Skalowanie zlej konfiguracji daje tylko wieksza strate.
Krok 1: audyt sygnalow konwersji (tydzien 1)
Sprawdzamy, czy konwersja Zakup zawiera transaction_id (deduplikacja), czy wartosc jest brutto czy netto, czy podpieta jest enhanced conversions, czy przekazywany jest marza produktowa. Konfigurujemy import zwrotow z platformy sklepowej. Jesli sklep tego nie raportuje, blokujemy uruchomienie skalowania, bo algorytm uczy sie na zafalszowanej wartosci. Wiecej o znaczeniu poprawnych sygnalow dla nowoczesnych algorytmow wyszukiwania pisalismy w opracowaniu o vector embeddings dla SEO 2026, gdzie podobnie istotna rola sygnalow strukturalnych przewija sie w kontekscie retrieval.
Krok 2: czystka Merchant Center (tydzien 2)
Eliminujemy duplikaty wariantow, ujednolicamy GTIN, dopisujemy product_highlight, additional_image_link i product_detail (do trzech wpisow na produkt). Dodajemy custom_label_0 z segmentem (sport_top, sport_leg, sport_acc itd.), custom_label_1 z marza w przedzialach (low, mid, high) oraz custom_label_2 z rotacja magazynowa (fast, mid, slow). Te etykiety sa baza segmentacji Asset Groups.
Krok 3: redefinicja struktury kampanii (tydzien 3)
Wyrzucamy stary PMax, zostawiamy Shopping i Search markowy. Tworzymy nowy PMax z jednym Asset Group obejmujacym top sellery (rotacja fast, marza mid lub high). To ma byc bezpieczny start, ktory daje algorytmowi czyste dane.
Krok 4: pierwsze 21 dni nauki (tydzien 4 do 6)
Budzet startowy ustawiamy na 1,5 do 2 razy docelowy CPA. tROAS zostawiamy odpuszczony lub na poziomie 60 procent docelu, zeby pozwolic na nauke. Nie ruszamy ustawien przez 14 dni. Sledzimy tylko wskazniki sanity check: udzial impresji na zapytaniach markowych (powinien spadac), CPC w stosunku do Shopping (powinien byc porownywalny), zerowy ruch z ciezko niezgodnych z marka source.
Krok 5: rozszerzenie Asset Groups (tydzien 7 do 9)
Dodajemy kolejne piec Asset Groups zgodnie z segmentacja. Kazdy z 12 do 15 obrazami, 5 nagloweach krotkich, 5 dlugich, 5 opisach, 1 filmem (jesli brak, Google generuje z assetow). Co tydzien podnosimy budzet danego AG o 15 procent, jesli zwraca tROAS powyzej 80 procent celu. Jesli nie, czekamy kolejny tydzien.
Krok 6: warstwa kreacji wideo (tydzien 10 do 11)
Wideo to czesto pomijany lewar w PMax. Bez wlasnego materialu Google sklejka z assetow obrazkowych bywa katastrofalna jakosciowo. Nagralismy 8 krotkich pionowych klipow (15 i 30 sekund), kazdy podpisany pod jeden segment. Dodanie wideo podnioslo ROAS PMax o 11 procent w ciagu dwoch tygodni, glownie przez YouTube i Discover.
Krok 7: brand carve-out i Search markowy (tydzien 12)
Wykluczamy brand keywords na poziomie konta (formularz Google). Search markowy obslugujemy osobno na maksymalnej intensywnosci ofertowej z manual CPC, bo automaty na ruchu markowym przeplacaja. To uwolnilo nam okolo 18 procent dziennego budzetu PMax na realne pozyskanie nowego klienta.
Krok 8: skalowanie liniowe i prognozowanie (tydzien 13+)
Od trzynastego tygodnia wchodzimy w rytm cotygodniowego przegladu: jesli kampania trzyma tROAS, podnosimy budzet o 15 do 20 procent. Jesli spada, wstrzymujemy zmiany i analizujemy. Prognozowanie robimy na arkuszu, w ktorym kazdy AG ma wlasna krzywa nasycenia (zbudowana z 8 tygodni historycznych danych metoda regresji liniowej z punktem przegiecia).
Najczestsze bledy i pulapki skalowania PMax
W trakcie wdrozenia spotkalismy kazdy mozliwy blad, ktory powtarza sie u 90 procent reklamodawcow probujacych skalowac Performance Max. Ponizej osiem najpowazniejszych, w kolejnosci od najczestszego.
Brak wykluczenia brandu. Algorytm bedzie szedl po latwym, markowym ruchu, bo daje natychmiastowy ROAS. Konto zaraportuje sukces, a Ty stracisz organiczny i Search markowy ruch. Wykluczyc, bez dyskusji.
Skoki budzetu powyzej 20 procent. Powoduja reset fazy nauki. Algorytm zaczyna eksplorowac nowy aukcyjny obszar, czesto poza Twoja docelowa publika. Trzymaj sie liniowego skalowania.
Mieszanie segmentow asortymentu w jednym Asset Group. Jesli wrzucisz w jeden AG buty biegowe i biustonosze sportowe, algorytm bedzie alokowal budzet do tego, co mu sie pierwsze udalo zoptymalizowac, najczesciej do najtanszego produktu. Trzymaj segmenty osobno.
Wartosc konwersji bez marzy. Optymalizacja po przychodzie brutto prowadzi do skalowania niskomarzowych produktow z duza wartoscia koszyka. Po pol roku odkrywasz, ze kampanie maja ROAS 4, ale firma traci pieniadze. Przekazuj marze przez offline conversion import lub poprzez modyfikacje value rules.
Audience signals zbyt szerokie. Wrzucenie listy „wszyscy zainteresowani sportem” jako sygnalu odbiorcow daje algorytmowi tyle informacji co nic. Sygnaly powinny byc waskie, oparte na zachowaniu, nie na deklaratywnym zainteresowaniu.
Brak filmu w assetach. Google wygeneruje wideo z Twoich obrazow, ale jakosc bywa marketingowo katastrofalna. Inwestycja w 5 do 10 wlasnych krotkich klipow zwraca sie w 2 do 4 tygodni.
Optymalizacja na tROAS od pierwszego dnia. tROAS w pierwszych 14 dniach ogranicza eksploracje. Algorytm nie ma jeszcze danych, zeby cokolwiek przewidziec. Pierwsze 21 dni leco lekko, dopiero pozniej zaciskamy paski.
Brak protokolu zwrotow. W e-commerce 15 do 25 procent zamowien wraca. Jesli nie raportujesz zwrotow do Google, algorytm uczy sie na zafalszowanej rzeczywistosci. Po kilku miesiacach to dziesiatki tysiecy zlotych zle alokowanego budzetu.
Mierzenie efektow i KPI
Klasyczny ROAS jest dla PMax niewystarczajacym wskaznikiem, bo nie pokazuje kanibalizacji ani jakosci nowego klienta. Po stabilizacji konta wprowadzilismy szescioskladnikowy panel KPI, ktory ogladamy co tydzien.
| Wskaznik | Definicja | Cel | Mierzony |
|---|---|---|---|
| nROAS | ROAS po odjeciu kosztu zwrotow i marzy | min 3,2 | tygodniowo |
| CAC nowy klient | Koszt pozyskania klienta, ktory nie kupil w 180 dniach | max 95 zl | tygodniowo |
| LTV 90d | Wartosc klienta w pierwszych 90 dniach po pierwszym zakupie | min 320 zl | miesiecznie |
| Brand cannibal rate | Udzial konwersji z zapytan brand w PMax | max 5 procent | tygodniowo |
| Asset Group share of voice | Udzial budzetu w danym segmencie vs rynek | analityczny | miesiecznie |
| Time to first sale | Czas od kliku do pierwszego zakupu | analityczny | tygodniowo |
Najwazniejszym wskaznikiem z perspektywy biznesu jest nROAS, czyli netto ROAS uwzgledniajacy zwroty i marze. To jedyna metryka, ktora chroni przed iluzja wzrostu. Mielismy kwartal, w ktorym surowy ROAS wynosil 5,4, a nROAS spadl ponizej 2,8. To znak, ze kampania zaczela skalowac promocyjne produkty z niska marza i wysokim odsetkiem zwrotow. Korekta segmentacji custom_label_2 (rotacja) i wykluczenie konkretnego subsegmentu z PMax podniosly nROAS do 3,7 w 5 tygodni.
CAC nowego klienta liczymy z attributable conversion paths. PMax raportuje wszystkie zakupy lacznie, ale dziekii enhanced conversions i identyfikatorom klienta mozemy w hurtowni danych oznaczyc, ktory zakup byl pierwszy. Bez tej warstwy danych skalowanie PMax to wlasciwie inwestowanie po omacku.
LTV 90d to wskaznik, ktory pokazuje, czy nowi klienci pozyskani z PMax wracaja. U nas srednia rynkowa to 280 zl, my doszlismy do 340 zl glownie dzieki dopasowaniu segmentacji asortymentu i lepszemu mixowi produktow w Asset Groups premium. Zainteresowanym pracami nad sygnalami widocznosci w nowoczesnych algorytmach polecamy nasz case AIO opisujacy wejscie do AI Overviews w 90 dni, ktory podobnie operuje na metrykach przyrostowych, a nie tylko widocznosciowych.
Brand cannibal rate liczymy z zapytan brand w segmentcie „search themes” oraz porownujac wolumen Search markowego przed i po starcie PMax. Jesli widzimy spadek wolumenu w Search markowym ponad 5 procent przy stalej intensywnosci PMax, to czerwona flaga.
Studium kosztu jednostkowego i logiki marzy
Skalowanie Performance Max do siedmiocyfrowego rocznego obrotu mediowego rzadko upada na samym medium. Najczesciej pada na ekonomii jednostkowej, ktorej zespol marketingu nie kontroluje, a finanse zauwazaja zbyt pozno. W naszym sklepie zbudowalismy prosty arkusz, w ktorym kazdy produkt ma trzy parametry: koszt jednostkowy zakupu (z dostawa do magazynu), marza brutto po promocjach i koszt logistyki wyjscia (pakowanie, kurier, zwroty wedlug realnego odsetka). To pozwala policzyc marze netto na produkcie, a ta z kolei trafia jako sygnal wartosci do Google Ads przez offline conversion import.
Gdy algorytm widzi netto marze (a nie przychod brutto), zaczyna systematycznie preferowac produkty, ktore faktycznie zarabiaja. W ciagu pierwszych szesciu tygodni od wdrozenia tej zmiany zauwazylismy spadek udzialu wyprzedazowych SKU w mix sprzedazy z 31 do 17 procent, przy jednoczesnym wzroscie udzialu produktow pelnocenowych z marza powyzej mediany z 22 do 38 procent. Rachunek operacyjny w arkuszu zysku i strat wzrosl na tym kwartale o 19 procent w ujeciu rok do roku, mimo ze przychod brutto zwiekszyl sie tylko o 11 procent.
Drugim mechanizmem ekonomicznym, ktory wprowadzilismy, sa value rules na poziomie kampanii. Pozwalaja one mnozyc wartosc konwersji w zaleznosci od kontekstu: nowy klient kontra wracajacy, urzadzenie mobilne kontra desktop, godzina dnia, geolokalizacja. U nas mnoznik dla nowego klienta wynosi 1,35, dla wracajacego 0,8. Brzmi to jak zaburzanie sygnalow, ale w praktyce sygnalizuje algorytmowi, ze nowy klient ma dla nas wyzsza wartosc strategiczna i opłaca sie zaplacic za niego wiecej.
Wspolpraca z zespolem magazynowym i BI
Najwiekszym blokerem skalowania PMax do siedmiu cyfr u wiekszosci sklepow nie jest budzet ani panel reklamowy, lecz brak pelnej wspolpracy miedzy marketingiem, magazynem i analityka. Algorytm reklamowy potrafi w ciagu doby przesunac wydatek 30 000 zl na produkt, ktorego nie ma na stanie. Bez codziennej synchronizacji feedu produktowego z faktyczna dostepnoscia magazynowa Performance Max generuje ruch na out-of-stock, traci konwersje i karze konto rosnacym Quality Score na wszystkich aukcjach.
W naszym wdrozeniu uruchomilismy nocna synchronizacje feedu w trybie supplemental feed z dwiema kolumnami: availability_date (kiedy produkt wraca na magazyn) oraz quantity_threshold (przy ilu sztukach blokujemy reklame). Produkty ponizej progu (zwykle 8 sztuk dla bestsellerow, 3 dla niszowych) sa automatycznie wykluczane z PMax na 24 godziny, az do uzupelnienia stanu. To rozwiazanie obnizylo udzial konwersji niedostepnych z 4,2 do 0,7 procent w pierwszym miesiacu.
Analityka rownolegle dostarcza tygodniowy raport jakosci ruchu z PMax wedlug source path. Korzystamy z eksportu surowych zdarzen z GA4 do BigQuery, gdzie laczymy je z danymi z hurtowni e-commerce. Dziekii temu wiemy, ile faktycznie zarobil kazdy Asset Group w ujeciu kwartalnym, a nie tylko ile zaraportowal Google Ads. Roznica miedzy raportowanym ROAS w panelu Google a rzeczywistym ROAS po stronie hurtowni wynosi u nas srednio 14 procent (Google raportuje wyzej, zwykle przez modele atrybucji data-driven, ktore nadwartosciowuja ostatni klik PMax).
Stabilizacja po skalowaniu i co dalej
Skalowanie do siedmiu cyfr to nie meta. To moment, w ktorym zaczyna sie inna gra. Po przekroczeniu pulapu 200 000 zl miesiecznie mediowego budzetu wchodzimy w przedzial, w ktorym sezonowosc i konkurencja w aukcji powoduja wahania tygodniowe rzedu 20 procent przy niezmiennym nakladzie. Aby nie szarpac kampaniami w reakcji na szum, wprowadzilismy mechanizm rolling 21-day median jako referencji KPI, a nie tygodniowy snapshot.
Drugim ruchem byl podzial PMax na dwa konta menedzerskie: jedno operuje na ofertach pelnocenowych (z dyscyplina marzy), drugie na outlecie i wyprzedazach (z dyscyplina rotacji magazynowej). Bez tego separowania value rules dla obu strategii kanibalizowaly sie wzajemnie. Po podziale obie kampanie ustabilizowaly sie na wlasnych krzywych skalowania.
Trzecim ruchem bylo dodanie warstwy first-party data jako sygnalow konwersji. Dane z CRM (data ostatniego zakupu, segment lojalnosci, historia zwrotow) przekazujemy do Google przez enhanced conversions for leads i value rules. To pozwala algorytmowi rozpoznawac wartosc klienta w czasie rzeczywistym i alokowac budzet z preferencja na segmenty o wysokim LTV. Wlasciwe wdrozenie wymaga zgodnosci z RODO i jasnego mechanizmu zgody, dlatego warto zerknac do oficjalnej dokumentacji Google Ads dotyczacej enhanced conversions, ktora rozdziela techniczne wymagania od polityki prywatnosci.
Sezonowosc i zarzadzanie pikami sprzedazowymi
Polski e-commerce ma trzy okna szczytowe: jesien (wrzesien do listopada), Black Week i prezenty (koniec listopada do polowy grudnia) oraz wiosenny restart (marzec do maja). W tych oknach koszty CPC potrafia wzrosnac o 40 do 70 procent rok do roku, a algorytm PMax pod presja konkurencji szuka kazdej okazji do alokacji wyzszej stawki. Bez wczesniejszego przygotowania konto traci tygodnie na nauke w okresie najgorszego mozliwego.
Nasza strategia sezonowa zaklada wejscie w okres szczytowy z 4 tygodniowym buforem nauki. Oznacza to, ze podnosimy budzet sezonowy nie 5 listopada (na Black Friday), tylko 8 pazdziernika. Algorytm ma czas wejsc w nowy poziom, zoptymalizowac aukcje i ustabilizowac ROAS przed faktycznym pikiem. Wzrost CPC w tej fazie traktujemy jako inwestycje w nauke, a nie jako strate. W ujeciu kwartalnym ROAS pozostaje na celu, mimo ze pojedyncze tygodnie przedsezonowe wygladaja gorzej w panelu.
Dla okresu Black Week mamy osobny zestaw value rules, ktory blokuje sztuczne zawyzanie wartosci konwersji z dynamicznego rabatu. W przeciwnym razie algorytm widzi ROAS na poziomie 6 do 8 i przepala budzet w aukcjach, ktore nie sa skalowalne poza okresem promocji. Po zakonczeniu Black Week schodzimy z budzetu o 10 procent tygodniowo przez 3 tygodnie, zeby kampania nie zostala uziemiona w fazie nauki.
Wnioski po dwunastu miesiacach
Po roku pracy konto sklepu utrzymuje 215 000 zl miesiecznego budzetu mediowego (rok wczesniej: 18 000 zl), z ROAS 4,8 (rok wczesniej: 2,1), nROAS 3,4 (rok wczesniej: 1,3). Liczba nowych klientow rosla rok do roku o 412 procent, a LTV 90d o 21 procent. Wszystko bez zmiany platformy ecommerce, bez agresywnych promocji rabatowych i bez powiekszania asortymentu.
Najwiekszym wnioskiem z tego case’a nie jest jednak liczba procentow wzrostu. Najwazniejsze, co zabralismy, to przekonanie, ze PMax skaluje sie poprzez higiene danych i dyscypline procesu, a nie poprzez magiczne ustawienie w panelu. Reklamodawcy, ktorzy szukaja jednego haka, beda krazyc w okol ROAS 2 do 3 przez nastepne dwa lata. Ci, ktorzy potraktuja PMax jak relacje miedzy dzialem marketingu, BI i magazynem, beda skalowac do siedmiu cyfr i wiecej.
Jesli chcesz przyjrzec sie samej platformie z perspektywy oficjalnej dokumentacji, dobrze zaczac od strony pomocy Google Ads dotyczacej Performance Max, ktora jest aktualizowana wraz z nowymi funkcjami panelu (m.in. ekspandowanymi raportami search themes i pelnymi wykluczeniami brand).
FAQ
Czy Performance Max nadaje sie do malych sklepow ponizej 50 transakcji miesiecznie?
Zwykle nie. PMax potrzebuje minimum 30 do 60 konwersji w okresie 30 dni, zeby algorytm wszedl w stabilna nauke. Ponizej tego progu kampania bedzie eksplorowac chaotycznie i przepali budzet bez nauki. Lepiej rozwijac Shopping Standard i Search z manual CPC, a do PMax wracac po osiagnieciu wolumenu.
Jak dlugo trwa pierwszy okres nauki kampanii Performance Max?
Oficjalnie Google podaje 7 do 14 dni. W praktyce przy realnych budzetach polskiego sklepu okres nauki to 14 do 28 dni. Wszelkie zmiany budzetu, struktury Asset Groups, sygnalow odbiorcow lub celow konwersji w trakcie nauki resetuja licznik. Cierpliwosc jest tu kluczowym zasobem.
Czy mozna wykluczyc konkretne produkty z Performance Max?
Tak. Wykluczenia robi sie filtrami na custom_label w Merchant Center albo poprzez ustawienia produktow listing groups na poziomie Asset Group. Najczestsze wykluczenia to outlet, produkty niskomarzowe i konczace sie kolekcje. Po zmianie wykluczen warto poczekac 5 do 7 dni przed wyciaganiem wnioskow.
Co zrobic, gdy ROAS PMax rosnie, a obrot firmy stoi?
To klasyczny symptom kanibalizacji brandu lub kanibalizacji Shopping. Sprawdz, jaki udzial konwersji PMax pochodzi z zapytan markowych i czy Shopping Standard nie traci na rzecz PMax. Wyklucz brand keywords i porownaj wzrost incremental rev przy pomocy testu geo (jesli skala konta na to pozwala) lub testu MMM.
Czy warto laczyc Performance Max z Demand Gen?
Tak, ale na innym etapie lejka. PMax najlepiej dziala na zapytaniach transakcyjnych i remarketingowych, Demand Gen na budowaniu rozpoznawalnosci i discovery. Polaczenie obu wymaga jednak rozdzielenia atrybucji (data-driven w GA4 lub model MMM), zeby nie liczyc tych samych konwersji podwojnie.
Jakie wymagania ma poprawne wdrozenie enhanced conversions dla PMax?
Potrzebujesz danych pierwszej strony (email, telefon, imie, kod pocztowy) hashowanych SHA-256 i przesylanych przez Google Tag Manager lub serwerowy GA4. Wymagana jest takze zgoda uzytkownika w mechanizmie consent mode v2. Bez prawidlowo skonfigurowanego consent mode konwersje przekazane bez zgody beda blokowane.