Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
To jedno z najczęstszych pytań, jakie dostaję o Performance Max, i jednocześnie takie, na które nie ma odpowiedzi uniwersalnej. Pokusa jest zrozumiała: skoro dwadzieścia procent asortymentu robi większość obrotu, to warto dać tym produktom osobny budżet i osobny cel, żeby nie konkurowały o środki z resztą magazynu.
Logika jest sensowna, ale zderza się z tym, jak Performance Max działa. To kampania, która sama decyduje o rozkładzie budżetu między produkty i powierzchnie, ucząc się na danych konwersji. Każdy podział odbiera jej część tych danych — a im mniej danych, tym gorsze decyzje.
Odpowiedź brzmi więc: warto, ale pod warunkami. I są one dość konkretne, żeby dało się sprawdzić przed podjęciem decyzji.
Zacznę od kosztu, bo o nim mówi się rzadziej niż o korzyściach.
Performance Max potrzebuje wolumenu konwersji, żeby jego model działał sensownie. Podział jednej kampanii na dwie oznacza, że każda z nich dostaje część historii, a nie całość. Przy koncie z dużą liczbą transakcji to bez znaczenia. Przy koncie, które robi kilkadziesiąt zamówień miesięcznie, dwie kampanie po połowie danych będą działać wyraźnie gorzej niż jedna z całością.
Do tego dochodzi rzecz mniej oczywista: podział resetuje naukę. Nowa kampania startuje bez historii, więc przez pierwsze tygodnie wyniki będą rozchwiane, nawet jeśli produkty w niej są dokładnie te same, które wcześniej dobrze sprzedawały się w kampanii zbiorczej.
Trzeci koszt to praca. Dwie kampanie to dwa zestawy zasobów do utrzymania, dwa budżety do pilnowania i dwa raporty do czytania. Brzmi banalnie, ale przy koncie prowadzonym przez jedną osobę to realna różnica.
Wydzielam bestsellery wtedy, gdy spełnione są przynajmniej dwa z poniższych warunków.
Jeśli nie zachodzi żaden z tych warunków, a jedynym powodem jest „chcemy mieć osobny raport dla bestsellerów”, to nie jest argument za osobną kampanią. Raport da się zrobić w oparciu o etykiety bez dzielenia struktury.
Kampania Performance Max z feedem produktowym kieruje się na grupy zasobów i grupy list produktów. Podziału dokonuje się więc na poziomie danych produktowych, nie w samym Google Ads.
Narzędziem są etykiety własne w pliku produktowym. To pola, w których zapisujesz to, czego Google o Twoim asortymencie nie wie: poziom marży, rotację, status bestsellera, sezonowość. Nadaję na przykład etykietę o wartości „top” produktom z pierwszej piątej części sprzedaży i „standard” pozostałym.
Potem w kampanii ustawiam listę produktów tak, żeby obejmowała wyłącznie jedną etykietę, a w drugiej kampanii — wyłącznie drugą. Kluczowe jest, żeby zbiory były rozłączne i wyczerpujące: żaden produkt nie może wpadać do obu kampanii, bo wtedy licytują przeciwko sobie, i żaden nie może wypaść z obu, bo wtedy przestaje być reklamowany.
Etykiety warto aktualizować automatycznie, na podstawie danych sprzedażowych z ostatnich tygodni, a nie ustalać raz ręcznie. Bestseller sprzed pół roku często nim już nie jest, a produkt, który dziś jest w długim ogonie, potrafi wejść na szczyt po zmianie sezonu.
Tu popełnia się błąd, który niweczy sens całego zabiegu: obu kampaniom nadaje się identyczny cel zwrotu.
Skoro dzielisz właśnie ze względu na różną ekonomikę, to cele muszą się różnić. Grupie o wyższej marży mogę pozwolić na niższy zwrot z wydatków, bo nadal zarabia. Grupie o niskiej marży ustawiam wymagania wyższe. Punktem wyjścia jest zawsze to, co dana grupa faktycznie osiągała, a nie liczba, którą chciałbym zobaczyć.
Budżety rozdzielam nie proporcjonalnie do sprzedaży, a zgodnie z celem, który mam. Jeśli chcę rozruszać długi ogon, to właśnie ta kampania potrzebuje budżetu, który nie zostanie natychmiast przejęty przez łatwiejsze konwersje — na tym polega cała korzyść z rozdzielenia.
Osobna uwaga o zapytaniach brandowych. W Performance Max kontrola nad nimi jest w tej chwili ograniczona: na poziomie konta można stosować listę wykluczających słów kluczowych, ale nie ma jeszcze wygodnego, samoobsługowego sterowania ruchem brandowym w obrębie samej kampanii. Trzeba się z tym liczyć, bo część ruchu, który zobaczysz w raportach jako sukces kampanii bestsellerowej, będzie ruchem na własną markę.
Najważniejsza zasada: oceniaj wynik na poziomie całego konta, nie pojedynczej kampanii.
Po podziale kampania z bestsellerami niemal zawsze pokaże świetne wskaźniki — to naturalne, bo dostała najlepiej sprzedające się produkty. To nie jest dowód, że podział zadziałał. Dowodem jest wzrost łącznej sprzedaży albo łącznego zysku przy tym samym budżecie.
Patrzę więc na trzy rzeczy w porównywalnych okresach: łączny obrót i zwrot z wydatków dla obu kampanii razem, liczbę różnych produktów, które uzyskały choć jedną sprzedaż, oraz to, czy długi ogon faktycznie zaczął dostawać wyświetlenia.
Jeśli po sześciu tygodniach suma jest niższa niż przed podziałem, wracam do jednej kampanii i nie traktuję tego jako porażki. Struktura kampanii jest narzędziem, nie deklaracją światopoglądową — a przy Performance Max koncentracja danych bywa warta więcej niż kontrola nad ich podziałem.
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 |