Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Opinie w sklepie internetowym traktuje się zwykle jako element wizerunkowy: średnia ocena, gwiazdki na karcie produktu, plakietka w stopce. Tymczasem po stronie Google opinia jest po prostu rekordem danych z kilkunastoma polami i to, które z nich wypełnisz, wpływa na to, co i gdzie się wyświetli.
Zauważyłem, że ta wiedza rzadko dociera do osób, które faktycznie decydują o procesie zbierania opinii w firmie. Sklep wdraża zewnętrzną platformę, platforma coś tam przesyła do Google, a potem nikt nie wie, dlaczego przy części produktów gwiazdek nie ma.
Poniżej rozkładam to na części: skąd opinie trafiają do Google, jakie mają atrybuty, które z nich decydują o wyświetlaniu i jak wykorzystać zebrane dane do czegoś więcej niż ozdoby karty produktu. Piszę z perspektywy nowego panelu Merchant Center, w którym pracujemy wszyscy od jesieni.
Pierwsza rzecz do uporządkowania, bo w rozmowach z klientami mylą się nagminnie.
Opinie o produktach dotyczą konkretnego towaru. Pojawiają się jako gwiazdki przy ofercie w reklamach produktowych i w bezpłatnych listingach, a po rozwinięciu — jako streszczenia zalet i wad. Są przypisane do identyfikatora produktu, więc ta sama opinia może dotyczyć oferty w kilku sklepach.
Opinie o sprzedawcy dotyczą sklepu jako całości: obsługi, dostawy, zwrotów. Wyświetlają się jako ocena sklepu przy reklamach i w porównywaniu ofert. Nie mają nic wspólnego z jakością samego towaru.
To rozróżnienie ma konsekwencje operacyjne. Sklep z bardzo dobrą oceną obsługi może nie mieć ani jednej gwiazdki przy produktach, bo zbiera wyłącznie opinie o zamówieniu, a nie o rzeczach, które sprzedaje. Widzę to na większości kont, które przejmuję.
Są trzy praktyczne drogi i warto wiedzieć, którą idzie Twój sklep.
Pierwsza to bezpłatny program Google, w którym po zakupie klient dostaje ankietę i może ocenić zamówienie, a przy okazji produkty. Wdraża się go fragmentem kodu na stronie podziękowania za zamówienie. Zaletą jest brak kosztu, wadą — mniejsza kontrola nad treścią i momentem zapytania.
Druga to zewnętrzna platforma opinii, która ma podpisaną umowę z Google i przekazuje dane w naszym imieniu. Najprostsza droga, o ile faktycznie przekazuje wszystko, co powinna. Warto sprawdzić w panelu, czy przesyła też opinie o produktach, a nie tylko o sklepie.
Trzecia to własny plik z opiniami o produktach przekazywany bezpośrednio jako źródło danych. Wymaga pracy programistycznej, ale daje pełną kontrolę nad każdym polem — i tylko wtedy naprawdę warto zajmować się atrybutami po kolei.
Struktura pliku jest niepozorna, a każde pole coś zmienia. Wypisuję te, które w praktyce mają znaczenie.
Cztery pola z tej listy zasługują na osobne omówienie, bo dotyczą wiarygodności i bywają wypełniane nieuczciwie.
Sposób pozyskania opinii mówi, czy klient dostał zaproszenie po zrealizowaniu zamówienia, czy napisał ją z własnej inicjatywy. Opinie zebrane po dostawie mają jasny kontekst i zwykle są traktowane lepiej niż zupełnie niezamówione.
Potwierdzenie zakupu to flaga oznaczająca, że autor faktycznie kupił produkt. W parze z nią idzie identyfikator transakcji. To najmocniejszy sygnał wiarygodności, jaki możesz przekazać, i jednocześnie ten, którego najczęściej brakuje w plikach generowanych automatycznie.
Opinia za zachętę — pole, którym deklarujesz, że autor dostał rabat, próbkę albo punkty w programie lojalnościowym. Rozumiem pokusę, żeby tego nie oznaczać. Nie polecam: to jest wprost wymagane, a konsekwencją nieoznaczania jest utrata możliwości przekazywania opinii w ogóle.
Oznaczenie spamu pozwala przekazać opinię, którą uznajesz za nieprawdziwą, bez usuwania jej z własnej bazy. Przydaje się przy pojedynczych atakach konkurencji.
Najczęstsze pytanie od klientów brzmi: przekazujemy opinie, dlaczego nic nie widać. Zwykle odpowiedź leży w progach.
Przy opiniach o produktach potrzebna jest niewielka liczba opinii dla danego produktu, żeby gwiazdki mogły się pokazać — kilka, nie kilkanaście. Ważniejsze bywa co innego: opinie muszą być poprawnie przypisane do oferty, a przy sklepach z wieloma wariantami tego samego towaru to właśnie przypisanie zawodzi najczęściej.
Przy ocenie sklepu progi są znacznie wyższe. Google wymaga sporej liczby unikalnych opinii z ostatnich dwunastu miesięcy dla danego kraju oraz odpowiednio wysokiej średniej. Małe sklepy nie mają szans osiągnąć takiego wolumenu bez systematycznego proszenia o opinie po każdym zamówieniu.
Dokładne wartości progów Google od czasu do czasu koryguje, więc zamiast zapamiętywać liczby, warto sprawdzać je w dokumentacji przy każdym wdrożeniu. Sam robię to za każdym razem.
Tu dochodzimy do części, która interesuje mnie najbardziej, bo wykracza poza gwiazdki.
Jeśli sklep przekazuje pola z zaletami i wadami, ma jednocześnie uporządkowaną bazę tego, co klienci chwalą i za co narzekają — w rozbiciu na produkty. To najtańsze badanie oferty, jakie można sobie wyobrazić, i praktycznie nikt go nie wykorzystuje.
Robię z tym trzy rzeczy. Po pierwsze, zestawiam najczęstsze wady z treścią kart produktów i sprawdzam, czy karta w ogóle mówi o tej cechie. Bardzo często najczęstszy zarzut dotyczy rzeczy, o której na stronie nie ma ani słowa — nie dlatego, że ktoś ukrywa, ale dlatego, że opis pochodzi od producenta.
Po drugie, najczęstsze zalety przenoszę do treści reklam i do nagłówków, w języku klientów, nie w języku katalogu. Jeśli setka osób napisała „lekki”, to jest to lepszy nagłówek niż „ergonomiczna konstrukcja”.
Po trzecie, patrzę na produkty z wyraźnie niższą oceną niż resztą asortymentu i pytam, czy warto je nadal reklamować. Czasem tańszym rozwiązaniem od optymalizacji kampanii jest wycofanie jednego felernego wariantu.
Powtarzają się do tego stopnia, że mam już własną listę kontrolną.
Brak identyfikatorów produktu innych niż wewnętrzny numer sklepu — opinie nie dopasowują się do ofert po zmianie systemu sklepowego. Przekazywanie opinii o obsłudze zamówienia jako opinii o produkcie, co daje zbiór ocen mówiących o kurierze. Skala oceny bez podanych granic. Brak potwierdzenia zakupu przy opiniach, które faktycznie od kupujących pochodzą. I klasyk: filtrowanie opinii negatywnych przed przekazaniem, co poza kwestią uczciwości daje kompletnie bezużyteczny materiał do analizy.
Osobno wymienię błąd organizacyjny. W firmach, które obsługuję, opiniami zajmuje się zwykle dział obsługi klienta, a feedami dział techniczny — i te dwa zespoły nie rozmawiają. Efektem jest sklep zbierający tysiące opinii, z których do Google nie trafia nic.
Zostaje sytuacja najczęstsza w polskich małych sklepach: opinii jest kilkadziesiąt i żaden próg nie zostanie osiągnięty w tym kwartale.
Zaczynam wtedy od procesu, nie od integracji. Prośba o opinię musi wyjść automatycznie po dostarczeniu przesyłki, a nie po jej wysłaniu, i musi dotyczyć konkretnego produktu, nie „zakupów w naszym sklepie”. Sama zmiana momentu i treści zapytania robi tu więcej niż jakiekolwiek narzędzie.
Równolegle pilnuję, żeby zbierane opinie od pierwszego dnia miały wypełnione pola, które później będą potrzebne — potwierdzenie zakupu, datę, przypisanie do produktu, zalety i wady jako osobne pytania w ankiecie. Uzupełnienie tego wstecz jest zwykle niemożliwe.
I mówię klientom wprost, że to praca na kwartały, nie na tygodnie. Opinie są jednym z niewielu aktywów w marketingu, którego nie da się kupić ani przyspieszyć budżetem — i właśnie dlatego są tak wartościowe dla tych, którzy je zbierają konsekwentnie.
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 |