Rozumienie pomiaru zamiast obsługi narzędzia pomiarowego

Najbardziej deficytowa umiejętność w tej branży to nie znajomość interfejsu analityki, a rozumienie, skąd bierze się każda liczba w raporcie.

Konkretnie: czym różni się konwersja przypisana do kliknięcia od konwersji zaraportowanej w dniu jej wystąpienia, dlaczego suma sesji z narzędzia analitycznego nigdy nie zgodzi się z liczbą kliknięć w panelu reklamowym, jak działa okno konwersji i co się dzieje z danymi, gdy użytkownik nie wyrazi zgody na ciasteczka. To pytania, na które osoba prowadząca budżet reklamowy musi umieć odpowiedzieć bez ściągi.

Do tego dochodzi warstwa techniczna, której nie da się już delegować w całości: konfiguracja zdarzeń, kontrola duplikatów, przekazywanie wartości transakcji, konwersje rozszerzone, poprawne wdrożenie sygnałów zgody. Widzę to na większości kont, które przejmuję — kampanie są zoptymalizowane pod dane, których nikt nie zweryfikował.

Kandydat, który potrafi w piętnaście minut wskazać trzy powody, dla których dane w koncie mogą kłamać, jest dla mnie cenniejszy od kogoś z certyfikatem z każdego produktu.

Praca z danymi poza panelem: SQL i hurtownia

Do niedawna traktowałem to jako kompetencję dodatkową, przydatną w dużych projektach. Zmieniłem zdanie, bo pytania, które dostaję od klientów, przestały mieścić się w gotowych raportach.

Kiedy ktoś pyta, jaka jest marża na zamówieniach z konkretnej kampanii po odjęciu zwrotów, żaden panel reklamowy tego nie policzy — dane o marży i zwrotach są w systemie sprzedażowym, a nie w narzędziu reklamowym. Odpowiedź wymaga połączenia dwóch źródeł po wspólnym kluczu i napisania zapytania.

Nie chodzi o poziom inżyniera danych. Chodzi o umiejętność napisania sensownego zapytania z grupowaniem i złączeniem, zrozumienie, czym jest tabela zdarzeń o zagnieżdżonej strukturze, i świadomość kosztów zapytania. Tyle wystarcza, żeby przestać być zależnym od kolejki zadań w zespole technicznym.

Efekt uboczny jest ważniejszy niż sama umiejętność: kto raz zobaczył surowe dane zdarzeń, przestaje traktować wskaźniki z gotowych raportów jako obiektywną prawdę.

Widoczność w systemach generatywnych — bez udawania, że to nauka ścisła

Wyszukiwarka przestała być jedynym miejscem, w którym ludzie zadają pytania. Część ruchu, który kiedyś przechodził przez listę dziesięciu wyników, kończy się dziś w podsumowaniu generowanym nad wynikami albo w oknie czatu, gdzie nie ma pozycji do zajęcia.

Kompetencja, która z tego wynika, jest niewygodna, bo nie ma dla niej ustalonej metodyki. Trzeba umieć zmierzyć, czy marka jest wymieniana w odpowiedziach, sprawdzić w logach, które roboty modeli językowych czytają witrynę, zdecydować, czy chcemy im na to pozwolić, i przygotować treść tak, żeby dawała się cytować fragmentami.

Jednocześnie potrzebna jest odwrotna umiejętność: odróżnienie tego od sprzedaży cudów. Wokół optymalizacji pod modele generatywne narosło już więcej ofert niż wiedzy. Jeśli ktoś obiecuje gwarantowaną obecność w odpowiedziach, to sprzedaje przypuszczenie.

Osobiście traktuję ten obszar jako eksperymentalny i tak go opisuję klientom. Warto się nim zajmować, warto mierzyć, ale nie warto przenosić na niego budżetu z kanałów, które policzalnie działają.

Prompty i weryfikacja pracy generatywnej

Umiejętność napisania dobrego polecenia dla modelu językowego jest dziś tym, czym dziesięć lat temu było sprawne posługiwanie się arkuszem kalkulacyjnym: nie zawód, ale narzędzie, którego brak zauważalnie zwalnia pracę.

Modele pomagają mi w rzeczach, które kiedyś zajmowały godziny: grupowanie tysięcy zapytań według intencji, wstępne wersje zasobów tekstowych, streszczenia dokumentacji, szkielety zapytań do bazy. Nie wykorzystuję ich do wnioskowania o wynikach kampanii, bo nie mają dostępu do kontekstu, który znam tylko ja.

Ważniejsza od pisania promptów jest jednak umiejętność sprawdzania efektu. Model bez wahania wygeneruje datę premiery funkcji, której nie było, opis ustawienia, które nazywa się inaczej, albo zapytanie zwracające liczbę bez sensu biznesowego. Kto tego nie weryfikuje, wprowadza do projektu błędy trudniejsze do wykrycia niż własne, bo napisane pewnym tonem.

W praktyce oznacza to jedno: im częściej korzystam z generowania, tym więcej czasu poświęcam na kontrolę źródeł. Ten czas trzeba wliczyć w wycenę pracy.

Zgodność z prawem i higiena danych

To obszar, którego nikt nie wybiera z entuzjazmu, a który w ostatnich latach urósł najbardziej. Zgody na ciasteczka, wymagania dotyczące certyfikowanego mechanizmu zgody, obowiązki wynikające z aktu o rynkach cyfrowych, polskie Prawo komunikacji elektronicznej, a od 2025 roku pierwsze przepisy dotyczące sztucznej inteligencji.

Nie oczekuję od specjalisty wykładni prawnej. Oczekuję świadomości, że decyzja o sposobie zbierania zgód wpływa bezpośrednio na kompletność danych, a przez to na jakość optymalizacji. I że wdrożenie mechanizmu zgody bez sprawdzenia, czy sygnały faktycznie docierają do narzędzi reklamowych, oznacza kampanie prowadzone po ciemku.

Osoba, która umie usiąść z działem prawnym i przetłumaczyć wymagania na konkretne ustawienia, jest w projekcie nie do zastąpienia. Takich ludzi jest mało.

Rozmowa z biznesem i uczciwość wobec liczb

Najbardziej niedoceniana kompetencja w tej pracy nie ma nic wspólnego z technologią. To umiejętność wytłumaczenia, dlaczego zrobiliśmy to, co zrobiliśmy, i co z tego wyszło — bez żargonu i bez ukrywania złych wyników za wskaźnikami pośrednimi.

Konkretnie: powiązanie działań z tym, na czym firmie naprawdę zależy, a nie ze wskaźnikiem, który akurat ładnie wygląda. Umiejętność powiedzenia „ta zmiana nie przyniosła efektu, wracam do poprzedniego ustawienia”. Przygotowanie prognozy z zaznaczonym marginesem błędu, zamiast jednej pewnej liczby.

Im więcej decyzji przechodzi na stronę systemów, tym bardziej wartość specjalisty przesuwa się w stronę tego, czego system nie zrobi: wyboru celu, oceny sensowności wyniku i wzięcia odpowiedzialności za rekomendację.

Co traci na znaczeniu

Uczciwie trzeba powiedzieć też o drugiej stronie. Ręczne sterowanie stawkami przestało być rzemiosłem — półautomatyczne strategie zostały wycofane, a decyzje na poziomie aukcji podejmuje system z dostępem do sygnałów, których w panelu po prostu nie ma.

Traci wartość drobiazgowe zarządzanie wielkimi listami słów kluczowych, budowanie struktur konta z setkami grup po jednym słowie oraz ręczne generowanie kombinacji nagłówków. Podobnie z raportowaniem przepisywanym co miesiąc do arkusza — to zadanie, które powinno się zautomatyzować raz i nie wracać do niego.

Nie znaczy to, że wiedza o tych mechanizmach jest zbędna. Znaczy, że przestała być tym, za co klient płaci. Płaci za decyzję, czy dany kierunek ma sens, i za pewność, że liczby, na których ta decyzja się opiera, są prawdziwe.