Modelowane listy odbiorców nie zawierają konkretnych osób, tylko prawdopodobieństwa. Wyjaśniam, jak powstają, gdzie ich szukać w panelu i jak czytać ich raporty.
W większości kont sklepowych, które przeglądam, kampania Performance Max optymalizuje pod konwersje bez rozróżnienia, kto je wykonuje. Z punktu widzenia algorytmu klient, który kupuje u Ciebie po raz szósty, i ktoś, kto trafił do sklepu pierwszy raz, to ta sama konwersja o tej samej wartości.
Dla systemu to spójne. Dla firmy zwykle nie, i to z prostego powodu: powracającego klienta w dużej części przypadków dałoby się obsłużyć taniej — mailem, remarketingiem, samą marką. Nowy klient jest tym, za co realnie warto płacić stawkę aukcyjną, bo bez reklamy najczęściej by nie przyszedł.
Cel pozyskiwania nowych klientów jest odpowiedzią na tę asymetrię. Jest dostępny w Performance Max od dłuższego czasu i mimo to rzadko spotykam go skonfigurowanego — najczęściej dlatego, że wymaga kilku rzeczy wdrożonych wcześniej, a to zniechęca.
Mechanizm opiera się na tym, że kampania musi wiedzieć, kto jest nowy, a kto nie. Google nie wie tego samo — dostaje tę informację od Ciebie.
Rozpoznanie następuje na dwa sposoby jednocześnie. Po pierwsze, na podstawie Twoich list klientów przekazanych przez Customer Match — każdy, kto jest na liście, jest traktowany jako klient istniejący. Po drugie, na podstawie danych o konwersjach z Twojej witryny w określonym okresie wstecz.
Wynika z tego pierwszy warunek praktyczny: bez przekazanej listy klientów cel działa na znacznie słabszych przesłankach. Jeśli sklep ma bazę kilkudziesięciu tysięcy kupujących i jej nie wgrywa, system rozpoznaje jako „istniejących” tylko tych, których wcześniej widział w konwersjach — czyli sporą część bazy klasyfikuje błędnie jako nowych.
Drugi warunek jest formalny, ale nieusuwalny: przekazywanie danych kontaktowych klientów wymaga uporządkowanej podstawy prawnej i zgodności z zasadami Google dotyczącymi tych list. To rozmowa do odbycia przed wdrożeniem, nie po.
To najważniejsza część tego tekstu, bo pomyłka tutaj daje skutki odwrotne do zamierzonych.
Drugi tryb brzmi atrakcyjnie i jest pułapką w większości sklepów. Powody są dwa. Po pierwsze, odcinasz sobie część najłatwiejszych konwersji, więc łączna sprzedaż z tej kampanii spadnie — i jeśli oceniasz ją tym samym celem zwrotu co wcześniej, wyjdzie na katastrofę, choć robi dokładnie to, o co poprosiłeś. Po drugie, rozpoznanie „nowy kontra istniejący” nigdy nie jest w stu procentach dokładne, więc część realnie nowych klientów zostanie pominięta, a część powracających i tak przejdzie.
Tryb wyłączny stosuję tylko wtedy, gdy istniejąca baza jest obsługiwana innymi kanałami w sposób zaplanowany i zmierzony, a firma świadomie akceptuje niższy zwrot z tej kampanii w zamian za wzrost bazy.
Lista jest krótka, ale żaden punkt nie jest opcjonalny.
Ostatni punkt jest najczęściej pomijany i odpowiada za większość rozczarowań. Warto zapisać datę zmiany i uprzedzić osoby czytające raporty, że porównanie miesiąc do miesiąca będzie mylące.
Metryki, których używam do tej kampanii, są inne niż standardowe.
Patrzę przede wszystkim na liczbę i udział nowych klientów w łącznej sprzedaży, a nie na sam zwrot z wydatków. Jeśli udział nowych rośnie przy utrzymanym łącznym obrocie, cel działa.
Drugą miarą jest koszt pozyskania nowego klienta zestawiony z tym, ile taki klient wart jest dla firmy w dłuższym okresie. To zestawienie wymaga danych z firmy, nie z panelu, i właśnie dlatego bywa pomijane — a bez niego nie da się rozstrzygnąć, czy wyższy koszt konwersji jest inwestycją, czy stratą.
Trzecią rzeczą jest całkowity wynik konta. Jeśli kampania z celem nowych klientów poprawia swoje wskaźniki, ale łączna sprzedaż sklepu spada, to znaczy, że przesunęła jedynie ruch, który i tak byłby Twój.
Nie oceniam tego po dwóch tygodniach. Zmiana celu uruchamia okres nauki, a różnica w strukturze klientów jest widoczna w skali miesięcy, nie dni.
Rzeczy, które warto wiedzieć, zanim się ucieszysz.
Nie zastąpi porządku w danych. Jeśli pomiar konwersji jest zepsuty albo lista klientów niekompletna, cel będzie działał na złych przesłankach i pogorszy sytuację, a nie poprawi.
Nie odfiltruje zapytań na własną markę. To osobna sprawa i osobne ograniczenie tego typu kampanii — narzędzia, jakimi dziś dysponujemy, sięgają poziomu konta, a nie pojedynczej kampanii. Warto o tym pamiętać przy czytaniu wyników: część konwersji zaliczonych nowym klientom przyjdzie z zapytań, w których ktoś wpisał nazwę Twojego sklepu, bo usłyszał o nim gdzie indziej.
Nie zmieni ekonomiki produktu. Jeśli marża nie pozwala zapłacić za nowego klienta więcej niż za powracającego, to sygnał, że problem leży w modelu, nie w konfiguracji kampanii.
Traktuję ten cel jako narzędzie do rozstrzygnięcia jednego, konkretnego pytania: czy jesteś gotów zapłacić więcej za klienta, którego jeszcze nie masz. Odpowiedź na nie jest decyzją biznesową i musi zostać podjęta poza panelem reklamowym — panel tylko ją wykonuje.
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 |