Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
Najczęstsze pytanie, jakie słyszę na pierwszym spotkaniu z klientem usługowym, brzmi: „czy nasz koszt leada jest dobry?”. Odpowiadam wtedy pytaniem o marżę i o to, ilu z tych leadów kończy się podpisaną umową. W większości rozmów zapada cisza — bo nikt tego nie liczy, a CPL jest oceniany przez porównanie z tym, co ktoś usłyszał na konferencji albo przeczytał na grupie.
To jest sedno problemu. CPL sam z siebie nie mówi nic o opłacalności. Sto złotych za kontakt może być fatalnym wynikiem w firmie sprzedającej przeglądy techniczne i bardzo dobrym w firmie projektującej instalacje przemysłowe. Bez liczby z własnego rachunku wyników nie da się rozstrzygnąć, czy kampania zarabia, czy dopłacasz do każdego zapytania.
Poniżej opisuję, jak dojść do tej liczby — najpierw sam próg, potem to, skąd wziąć dane, jeśli nikt ich w firmie nie zbiera, i na koniec jak przełożyć próg na konkretne ustawienia w Google Ads. Bez wzorów, których nie da się policzyć w arkuszu w kwadrans.
Benchmarki branżowe krążące po internecie są zwykle bezużyteczne z dwóch powodów. Pierwszy: mieszają rynki, w których cena kliknięcia różni się kilkukrotnie. Drugi jest ważniejszy — nie wiadomo, co u kogo znaczy „lead”. W jednej firmie to wypełniony formularz z numerem telefonu, w drugiej dopiero rozmowa kwalifikacyjna po odsianiu ciekawskich, w trzeciej do statystyk wchodzi też pobranie cennika.
Widzę to na większości kont, które przejmuję: konwersje w Google Ads obejmują wszystko, co dało się zmierzyć, a raport CPL jest średnią z kilku bardzo różnych zdarzeń. Taka liczba nie nadaje się do porównywania z niczym, nawet z samą sobą z poprzedniego kwartału, jeśli w międzyczasie ktoś dodał nowy formularz.
Dlatego pierwszym krokiem nie jest liczenie, a definicja. Ustalam z klientem, które zdarzenie jest leadem sprzedażowym, a które tylko sygnałem zainteresowania. Te drugie mogą zostać w koncie jako konwersje pomocnicze, do obserwacji, poza główną kolumną.
Nie potrzebujesz systemu BI. Potrzebujesz czterech liczb, i wszystkie są po stronie klienta, nie w panelu reklamowym.
Ostatnia pozycja jest tą, o której zapomina się najczęściej. Reklama nie ma być „na zero” — z marży trzeba jeszcze zapłacić za obsługę biura, za czas handlowca i zostawić zysk.
Rachunek jest prosty i idzie od końca. Zaczynasz od marży, odejmujesz to, co musi zostać w firmie, i dzielisz przez skuteczność sprzedaży.
Załóżmy liczby przykładowe — nie pochodzą z żadnej kampanii, mają tylko pokazać kierunek działania. Marża na zamówieniu wynosi 2000 zł. Właściciel zgadza się oddać na pozyskanie klienta jedną czwartą marży, czyli 500 zł. Z dziesięciu zapytań umowę podpisuje jedno, więc skuteczność to 10%. Maksymalny koszt leada to 500 zł razy 0,1, czyli 50 zł. To jest próg, powyżej którego reklama przestaje mieścić się w przyjętym udziale marketingu w marży.
Ten sam rachunek działa w drugą stronę i tak go zwykle używam w rozmowie: przy CPL na poziomie 80 zł i tej samej skuteczności pozyskanie klienta kosztuje 800 zł, czyli 40% marży z przykładu. Pytanie do właściciela nie brzmi wtedy „czy CPL jest dobry”, ale „czy zgadzasz się oddawać 40% marży za nowego klienta”. To pytanie ma sens biznesowy i zawsze dostaję na nie odpowiedź.
Jeśli klient wraca, do marży wliczam wartość kolejnych zamówień, ale tylko w horyzoncie, który firma potwierdziła danymi. Zakładanie trzech lat współpracy przy dwuletniej historii firmy to nie liczenie wartości klienta, to autoterapia.
Najsłabszym ogniwem tego rachunku jest zwykle skuteczność sprzedaży leadów. Zdarza się, że zapytania spływają na skrzynkę i giną, a jedyną wiedzą o ich losie jest wrażenie handlowca.
Minimum, o które proszę, to arkusz z datą zapytania, źródłem i statusem końcowym. Trzy kolumny prowadzone przez dwa miesiące dają lepszą podstawę decyzyjną niż jakikolwiek benchmark. Jeśli firma ma CRM, wystarczy uporządkować statusy tak, żeby dało się odróżnić lead odrzucony od przegranej oferty — tylko pierwsze jest problemem jakości ruchu.
Kiedy statusy istnieją, opłaca się wpuścić je z powrotem do Google Ads. Import konwersji offline pozwala przekazać do konta informację, że konkretne kliknięcie skończyło się umową, a nie tylko formularzem. Od marca tego roku dostępne są też konwersje rozszerzone dla leadów, które wiążą przesłany formularz z późniejszą sprzedażą przez zahaszowane dane kontaktowe. Obie ścieżki wymagają współpracy kogoś, kto pilnuje CRM-u — bez tego wdrożenie kończy się na dokumentacji.
Warto pamiętać, że mierzalność samego ruchu jest teraz w stanie przebudowy. Google ogłosił w marcu, że Universal Analytics przestanie zbierać dane 1 lipca 2023 roku, więc równolegle z porządkowaniem statusów leadów trzeba mieć uruchomioną usługę Google Analytics 4. Odkładanie tego oznacza, że za rok będziesz liczyć próg bez danych porównawczych.
Wyliczony próg nie jest wartością, którą wpisuje się w panel bez zastanowienia. Jest górną granicą, a cel dla kampanii ustawiam poniżej niej.
Strategia, której używam w takich kontach, to maksymalizacja liczby konwersji z docelowym CPA. Podaję cel niższy od progu, bo próg to punkt, w którym reklama przestaje się opłacać — nie miejsce, w którym chcę pracować na stałe.
Trzy rzeczy, które sprawdzam, zanim zmienię cel w kampanii:
Zmianę celu wprowadzam stopniowo, nie skokowo, i oceniam po okresie dłuższym niż opóźnienie konwersji. W usługach B2B decyzja klienta zapada tygodniami, więc ocena kampanii po trzech dniach mówi wyłącznie o cierpliwości oceniającego.
Pierwszy: liczenie od przychodu, nie od marży. Reklama nie jest finansowana obrotem i próg policzony od ceny sprzedaży jest zawsze zawyżony — czasem kilkukrotnie.
Drugi: mieszanie leadów z różnych źródeł w jednej średniej. Zapytanie z wyszukiwarki, kontakt z formularza w kampanii w sieci reklamowej i telefon od poleconego klienta mają zupełnie inną skuteczność sprzedażową. Uśrednienie ich zawyża próg dla najsłabszego źródła i zaniża dla najlepszego.
Trzeci: traktowanie progu jako stałej. Zmienia się cena zakupu, obsada w sprzedaży i konkurencja w aukcji. Do tego rachunku wracam co kwartał, a w firmach z wyraźną sezonowością częściej.
Czwarty, najbardziej kosztowny: obniżanie CPL bez patrzenia na to, co dzieje się dalej. Da się zejść z kosztem kontaktu prawie zawsze — wystarczy rozszerzyć dopasowania i wpuścić tańszy, luźniejszy ruch. Zapytań będzie więcej i taniej, tylko handlowcy zaczną zamykać mniejszy ich procent. Koszt pozyskania klienta wtedy rośnie, a raport w Google Ads pokazuje poprawę.
Dlatego wskaźnik, na który patrzę razem z klientem, to koszt pozyskania klienta i udział marketingu w marży. CPL zostaje w raporcie jako narzędzie diagnostyczne — pokazuje, gdzie w kampanii coś się zmienia — ale nie jest miarą sukcesu.
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 |