Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
To pytanie pada zwykle w drugim miesiącu kampanii wideo, kiedy klient patrzy na raport i widzi wydatki przy ekranach telewizyjnych oraz pustą kolumnę konwersji. Uważam je za jedno z najlepszych pytań, jakie można zadać o ten kanał, bo dotyka jednocześnie technologii pomiaru i tego, po co w ogóle prowadzimy kampanię.
Krótka odpowiedź jest niewygodna: bezpośrednich konwersji w rozumieniu „obejrzał reklamę, kliknął, kupił” praktycznie nie będzie, bo na telewizorze nie ma czego kliknąć. Dłuższa odpowiedź brzmi: to nie znaczy, że nikt po tej reklamie nie kupił — znaczy, że ścieżka zakupu przebiegła na innym urządzeniu i tylko część takich przypadków da się przypisać.
Poniżej rozkładam to na części: co technicznie może się stać po reklamie na dużym ekranie, jakie metryki to opisują, czego nie zobaczysz w analityce i jak sprawdzić, czy kanał w ogóle działa, nie oszukując przy tym ani siebie, ani klienta.
Warto przejść tę drogę krok po kroku, bo z niej wynika cała reszta.
Widz siedzi na kanapie, reklama leci na aplikacji YouTube w telewizorze. Jeśli cokolwiek go zainteresowało, ma trzy możliwości. Może wpisać nazwę marki w wyszukiwarkę na telefonie — najczęstszy scenariusz. Może zapamiętać i wrócić do tematu za kilka dni na komputerze. Może zeskanować kod, jeśli reklama go zawiera i format na to pozwala.
W każdym z tych wariantów wizyta na stronie odbywa się z innego urządzenia i bez identyfikatora kliknięcia. Dla systemu pomiarowego to nie jest kontynuacja tej samej sesji, to nowy użytkownik, który przyszedł z wyszukiwarki albo bezpośrednio.
Jest jeszcze czwarty wariant, statystycznie najliczniejszy: widz nie robi nic natychmiast, ale nazwa marki zostaje mu w pamięci i wpływa na decyzję za dwa tygodnie, przy zakupie zaczętym gdzie indziej. Żaden system nie przypisze tego do reklamy i nie ma sensu udawać, że przypisze.
Google daje kilka miar dopasowanych do sytuacji bez kliknięcia. Trzeba wiedzieć, co dokładnie każda z nich liczy, bo bywają brane za coś, czym nie są.
Trzy rzeczy, o których pamiętam przy każdym raporcie. Konwersje po wyświetleniu domyślnie nie wchodzą do głównej kolumny konwersji i nie są brane pod uwagę w licytacji. Nie wolno ich dodawać do konwersji z kliknięć i przedstawiać jako sumy — to podwójne liczenie w kanałach, gdzie ścieżki się przecinają. I wreszcie: brak konwersji po wyświetleniu nie dowodzi, że ich nie było, tylko że nie dało się ich połączyć.
Tu warto uprzedzić klienta zawczasu, bo to źródło najczęstszych nieporozumień.
Wizyta z telewizora nie pojawi się w GA4 jako ruch z kampanii wideo, bo najczęściej w ogóle nie ma wizyty z telewizora — aplikacja YouTube na odbiorniku nie otwiera Twojej strony. To, co zobaczysz, to przyrost w kanale bezpośrednim i w bezpłatnych wynikach wyszukiwania, z zapytaniami o markę.
Znaczy to, że raport atrybucji w analityce zawsze zaniży wkład dużego ekranu, niezależnie od wybranego modelu. Nie jest to błąd konfiguracji ani coś, co da się naprawić parametrami w adresie — po prostu nie ma nośnika, który przeniósłby informację o kontakcie z reklamą.
Wnioski praktyczne dwa. Po pierwsze, porównywanie kanałów w jednym raporcie atrybucji stawia telewizor w pozycji z definicji przegranej i nie jest to porównanie uczciwe. Po drugie, jeśli ktoś w firmie rozlicza budżety wyłącznie po ostatnim kliknięciu, kampanię na duży ekran należy albo uzgodnić inaczej, albo w ogóle jej nie uruchamiać — bo zostanie wyłączona przy pierwszym przeglądzie kosztów.
Skoro atrybucja bezpośrednia nie zadziała, przenoszę pomiar poziom wyżej — na całe konto i cały rynek.
Najprostsze i najtańsze podejście to test geograficzny. Kampania na duży ekran uruchomiona w wybranych województwach, przy pozostałych ustawieniach niezmienionych, a potem porównanie tych obszarów z resztą kraju: wolumen zapytań o markę, ruch bezpośredni, liczba zamówień, koszt pozyskania na całym koncie. To nie jest wynik z podręcznika statystyki, ale jest to obserwacja rzeczywistego wpływu, a nie tabela przypisań.
Drugie podejście to porównanie okresów przy wyłączonym i włączonym kanale — pod warunkiem, że nie zmienia się w tym czasie nic innego, co przy realnych kontach jest założeniem odważnym. Trzecie, gdy skala pozwala, to formalne badanie przyrostu.
Do tego dochodzą sygnały pomocnicze, które nic nie dowodzą pojedynczo, ale razem układają się w obraz: zmiana udziału zapytań o markę w wyszukiwarce, zmiana liczby wejść bez źródła, wzmianki i pytania przychodzące do obsługi klienta, ruch po godzinach wieczornych.
Skoro wiem, czego ten kanał nie pokaże, to nie stawiam mu zadań, z których nie da się rozliczyć.
Cele, które uznaję za sensowne: zasięg w konkretnej grupie przy kontrolowanej częstotliwości, przyrost zainteresowania marką, wsparcie kampanii sprzedażowych w okresie, kiedy popyt trzeba dopiero wytworzyć. Cele, których nie stawiam: docelowy koszt konwersji liczony wyłącznie z ostatniego kliknięcia i porównania jeden do jednego z kampanią w wyszukiwarce na frazy zakupowe.
Kolejność wydatków też ma znaczenie. Zanim proponuję duży ekran, chcę mieć poukładane rzeczy, które łapią gotowy popyt — kampanie na markę, na frazy zakupowe, remarketing. Kanał budujący zainteresowanie ma sens dopiero wtedy, gdy jest gdzie to zainteresowanie odebrać.
I rzecz najbardziej praktyczna: kampanię na duży ekran uruchamiam z wyprzedzeniem względem szczytu sprzedaży, nie w jego trakcie. Reakcja jest tu opóźniona, więc włączenie tego kanału w tygodniu największych obrotów to najgorszy możliwy moment na jego ocenę.
Ten temat rozstrzyga się w rozmowie przed startem, nie w raporcie po miesiącu.
Mówię wprost trzy zdania. Po pierwsze: w kolumnie konwersji zobaczymy niewiele i to jest oczekiwane, nie awaria. Po drugie: umówmy się teraz, jakie liczby będziemy oglądać — zasięg, częstotliwość, zapytania o markę, ruch bezpośredni, sprzedaż całego konta. Po trzecie: umówmy się na horyzont, po którym podejmiemy decyzję, i nie zmieniajmy go w połowie.
Jeśli klient tego nie kupuje, uważam, że lepiej nie zaczynać. Kampania wizerunkowa rozliczana miarami sprzedażowymi zawsze przegrywa, a jej wyłączenie po sześciu tygodniach kosztuje budżet i zaufanie po obu stronach.
Sam wracam po każdej takiej kampanii do jednego pytania kontrolnego: gdyby ktoś usunął mi z raportu wszystkie liczby dotyczące dużego ekranu, czy potrafiłbym z pozostałych danych zauważyć, że kampania działała? Jeżeli odpowiedź brzmi „nie”, to znaczy, że albo skala była zbyt mała, albo kanał w tym biznesie nie ma sensu — i jedno i drugie warto powiedzieć na głos.
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 |