Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Przejmowanie konta Google Ads po kimś innym to sytuacja, w której najłatwiej zmarnować pierwszy tydzień. Konto ma zwykle kilkanaście kampanii, tysiące słów kluczowych i historię decyzji, której nikt nie pamięta. Pokusa jest oczywista: zacząć od czegoś widocznego, na przykład przepisywania reklam.
Nauczyłem się robić to inaczej i przede wszystkim w konkretnej kolejności. Nie dlatego, że lubię procedury, ale dlatego, że pierwsze punkty tej listy unieważniają wnioski z dalszych. Jeśli konwersje są liczone błędnie, to cała analiza rentowności kampanii jest analizą fikcji. Nie ma sensu optymalizować stawek pod dane, które kłamią.
Poniżej lista, którą przechodzę za każdym razem. Pierwsze cztery punkty to fundament — bez nich nie ruszam dalej.
Zawsze pierwszy punkt i najczęstsze źródło problemów.
Sprawdzam, jakie akcje są zdefiniowane jako konwersje i które z nich są oznaczone jako główne. Szukam trzech rzeczy: duplikatów (to samo zdarzenie liczone dwa razy, na przykład raz z tagu Google Ads i raz z importu z Analytics), zdarzeń nieistotnych podniesionych do rangi konwersji (kliknięcie w numer telefonu na każdej podstronie, wyświetlenie strony kontaktu) oraz błędnego modelu zliczania — czy liczone są wszystkie konwersje, czy jedna na kliknięcie.
Sprawdzam też okno konwersji i opóźnienie. Jeśli klienci decydują się przez dwa tygodnie, a okno jest ustawione na siedem dni, konto systematycznie zaniża wyniki.
Patrzę, czy podział na kampanie i grupy reklam ma jakąkolwiek logikę i czy odpowiada temu, jak firma faktycznie sprzedaje.
Czerwone flagi: jedna kampania na wszystko, grupy reklam z kilkuset słowami kluczowymi o różnych intencjach, brak oddzielenia kampanii brandowej od pozostałych. Ta ostatnia rzecz zaburza obraz całego konta — ruch brandowy jest tani i dobrze konwertuje, więc zmieszany z resztą maskuje słabe wyniki gdzie indziej.
Nudny punkt, w którym znajduję najwięcej łatwych do naprawienia strat.
Przeglądam typy dopasowania i szukam słów w dopasowaniu przybliżonym, które nikt nie pilnuje. Potem sprawdzam, czy w koncie w ogóle są listy wykluczających słów kluczowych i kiedy ostatnio je uzupełniano.
Następnie idę do raportu wyszukiwanych haseł, sortuję po koszcie i czytam. To najbardziej efektywne pół godziny w całym audycie — zwykle wystarcza, żeby znaleźć kilka procent budżetu wydawanego na zapytania bez związku z ofertą.
Sprawdzam też, czy słowa kluczowe nie kanibalizują się między grupami i czy nie ma duplikatów w różnych kampaniach.
Liczę, ile reklam jest w każdej grupie. Jedna reklama oznacza brak jakichkolwiek testów.
Patrzę na zgodność treści z zapytaniami w grupie i na to, czy reklamy w ogóle mówią o tym, czego szuka użytkownik. Sprawdzam też, czy w koncie są reklamy elastyczne obok tekstowych i jaka jest ich skuteczność według wskaźnika oceny.
Przy okazji: reklamy odrzucone albo z ograniczeniami. Zdarza się, że grupa ma trzy reklamy, z czego dwie nie działają, o czym nikt nie wiedział.
Osobny punkt, bo to najszybsza poprawa bez dodatkowego budżetu. Sprawdzam obecność linków do podstron, objaśnień i rozszerzeń informacji, a przy biznesach telefonicznych i stacjonarnych — rozszerzeń połączeń i lokalizacji.
Zwracam uwagę na poziom, na którym zostały dodane, bo rozszerzenia z poziomu grupy reklam nadpisują te z kampanii i łatwo tu o niezamierzone straty.
Sprawdzam, jaka strategia jest ustawiona w każdej kampanii i czy ktokolwiek wybrał ją świadomie. Dwie sytuacje traktuję jako problem: strategia automatyczna nastawiona na konwersje w koncie z niewiarygodnym pomiarem oraz ręczne stawki nietknięte od kilkunastu miesięcy.
Przeglądam też korekty stawek — na urządzenia, lokalizacje, harmonogram, odbiorców. Często są to pozostałości po dawnych decyzjach, w tym korekty ustawione przy zupełnie innym modelu prowadzenia kampanii.
Sprawdzam, czy konto w ogóle zbiera listy odbiorców — bo lista, której nie ma, nie zacznie się budować wstecz i każdy tydzień zwłoki to strata.
Potem patrzę, czy listy są używane: czy kampanie mają dodanych odbiorców choćby w trybie obserwacji, czy prowadzony jest remarketing i czy klienci, którzy już kupili, są wykluczani tam, gdzie powinni.
Zestawiam budżety z wynikami i z utraconym udziałem w wyświetleniach. Interesują mnie dwie skrajności: kampanie, które tracą wyświetlenia z powodu budżetu przy dobrym koszcie konwersji (tam są pieniądze do zarobienia) oraz kampanie z dużym budżetem i słabym wynikiem (tam są pieniądze do przeniesienia).
Sprawdzam przy tym, czy przyczyną utraty jest budżet czy ranking, bo to zupełnie inne działania naprawcze.
Punkt, który najczęściej wypada z audytów, bo formalnie leży poza Google Ads.
Klikam w reklamy najważniejszych kampanii i sprawdzam, gdzie faktycznie trafiam. Szukam trzech rzeczy: czy strona odpowiada na zapytanie, czy da się na niej łatwo wykonać docelową akcję i jak zachowuje się na telefonie. Sprawdzam też, czy adresy nie prowadzą na błędy albo przez łańcuchy przekierowań — po przebudowie sklepu albo strony to bardzo częsty problem.
Wysyłanie ruchu ze wszystkich kampanii na stronę główną traktuję jako osobny błąd, wart naprawy przed jakąkolwiek optymalizacją stawek.
Z audytu wychodzi zwykle długa lista, więc ostatnia rzecz jest najważniejsza: nie wprowadzam wszystkiego naraz.
Najpierw naprawiam pomiar konwersji i ustawienia kampanii — to punkty, które nic nie psują, a bez których dalsze decyzje są oparte na złych danych. Potem wykluczenia i rozszerzenia, bo dają szybki efekt przy zerowym ryzyku. Zmiany strategii stawek i przebudowę struktury zostawiam na koniec i wprowadzam pojedynczo, notując daty.
Bez tej dyscypliny po miesiącu nie odtworzysz, która z dwudziestu zmian poprawiła wynik, a która go pogorszyła. A to jest jedyna wiedza, która zostaje z audytu na dłużej.
Używamy plików cookies, aby ułatwić Ci nawigację oraz wykonywanie określonych funkcji. Szczegółowe informacje o wszystkich plikach cookies znajdziesz w każdej kategorii zgody poniżej.
Pliki cookies oznaczone jako "Niezbędne" są przechowywane w Twojej przeglądarce, ponieważ są one kluczowe dla zapewnienia podstawowych funkcji strony.
Używamy również plików cookies firm trzecich, które pomagają nam analizować, w jaki sposób korzystasz z tej strony, zapamiętują Twoje preferencje oraz dostarczają treści i reklamy odpowiednie dla Ciebie. Te pliki cookies będą przechowywane w Twojej przeglądarce tylko za Twoją uprzednią zgodą.
Możesz zdecydować, czy chcesz włączyć lub wyłączyć niektóre bądź wszystkie te pliki cookies, jednak wyłączenie niektórych z nich może wpłynąć na Twoje doświadczenia podczas przeglądania strony.
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __cf_bm | 13 minutes | Cloudflare bot management — distinguishes humans from bots. |
| rc::* | Persistent | Google reCAPTCHA — localStorage holding anti-bot challenge state. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| wpEmojiSettingsSupports | Session | WordPress — sessionStorage flag caching whether the browser can render emoji (feature detection). |
| ytidb* | Persistent | YouTube — IndexedDB storing playback/search state for embedded videos. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| _ga_* | 400 days | Google Analytics 4 — persists session state per property. |
| _ga | 400 days | Google Analytics — distinguishes unique users via a client id. |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| NID | 183 days | Google — stores preferences for personalized ads. |
| fr | 90 days | Meta — encrypted Facebook id and browser id for ads. |
| _gcl_au | 90 days | Google AdSense/Ads — experiments with advertising efficiency (conversion linker). |
| Cookie | Czas przechowywania | Opis |
|---|---|---|
| __Secure-YNID | 180 days | |
| YSC | Session | |
| __Secure-ROLLOUT_TOKEN | 180 days | |
| VISITOR_INFO1_LIVE | 180 days | |
| VISITOR_PRIVACY_METADATA | 180 days | |
| datr | 400 days | |
| sb | 400 days | |
| wd | 7 days |