W kultowym filmie wojennym „Parszywa Dwunastka” (The Dirty Dozen, 1967) nie było miejsca na systemowe błędy. Jeden element niedopasowany do reszty planu mógł sprawić, że cała misja straci sens – bez względu na to, jak dobrze zadziałają pozostałe. Z kampaniami w panelach reklamowych bywa podobnie. Czasem jeden błąd potrafi istotnie pogorszyć wyniki, niezależnie od tego, jak dobrze funkcjonuje reszta konta. Problem w tym, że dopóki kampanie osiągają podstawowe rezultaty, rzadko pojawia się pytanie, jaki dodatkowy potencjał mogłyby wygenerować, gdyby te elementy zostały właściwie uporządkowane.
Zaprenumeruj newsletterPoniżej zebrałem najczęściej powtarzające się błędy, które wychodzą na jaw podczas audytów paneli reklamowych klientów.
1. Polska ≠ Mazowieckie. Brak kontroli nad emisją w kontekście lokalizacji
Na poziomie ustawień kampania obejmuje całą Polskę. Na poziomie wyników – prawie cały budżet koncentruje się w jednym województwie, najczęściej mazowieckim. Algorytm szybko identyfikuje ten obszar jako najłatwiejszy do realizacji celów i konsekwentnie ogranicza emisję w pozostałych regionach.
Problem polega na tym, że kampania wygląda na skuteczną, więc nikt nie zagląda do raportu lokalizacji. A jeśli nie zaglądamy, nie wiemy, jaki potencjał sprzedażowy kryją inne województwa.
W jednym z audytowanych e-commerce’ów podzieliliśmy kampanie regionalnie: osobno największe województwa, osobno „reszta kraju”. Budżet pozostał praktycznie ten sam. Efekt? Rekordowa sprzedaż i niższy koszt konwersji poza Mazowieckiem. Algorytm przestał iść na skróty, ponieważ struktura kampanii nie dawała mu takiej możliwości.
2. Targetowanie oparte na zainteresowaniach, które zatrzymało się w innej epoce
W wielu audytowanych kontach wciąż widoczne jest podejście do targetowania oparte na bardzo wąskich segmentach zainteresowań, ręcznym dzieleniu odbiorców i precyzyjnych zawężeniach. To model, który kiedyś był standardem i sprawdzał się w czasach, gdy systemy reklamowe wymagały znacznie większej ingerencji ze strony specjalistów. Obecnie jest to podejście niemal tak stare jak samo „The Dirty Dozen”.
W praktyce takie targetowanie coraz częściej ogranicza skalę zamiast ją wspierać. Kampanie operują na niewielkiej puli użytkowników, szybko wyczerpują dostępny zasięg i zaczynają konkurować między sobą. Koszty rosną, a każda próba zwiększenia budżetu prowadzi do pogorszenia wyników.
W audytach regularnie widać, że odejście od nadmiernych zawężeń – przy jednocześnie jasno określonym celu optymalizacyjnym, poprawnie skonfigurowanych konwersjach oraz odpowiedniej rotacji komunikatów i kreacji – pozwala algorytmom wrócić do ich podstawowej roli: identyfikowania użytkowników z realną intencją, zamiast ciągłego operowania na tych samych, znanych grup.
3. Kampanie „sprzedażowe”, które w praktyce optymalizują się pod kliknięcia
W tym przypadku problem nie leży w jakości danych, lecz w świadomej decyzji optymalizacyjnej. Kampania określona jako „sprzedażowa”, w rzeczywistości bywa optymalizowana pod kliknięcia lub mikrokonwersje, ponieważ na nich łatwiej zrealizować założone wskaźniki. Algorytm robi dokładnie to, co mu każemy – i właśnie dlatego nie prowadzi do wzrostu realnej sprzedaży.
Nie dotyczy to sytuacji, w których optymalizacja pod wcześniejsze zdarzenia (np. dodanie do koszyka) jest zaplanowanym, tymczasowym etapem mającym na celu zebranie danych lub stabilizację kampanii. Problem pojawia się wtedy, gdy mikrokonwersje trwale zastępują cel końcowy.
W audytach często widać kampanie z dobrym CPC i CTR, które nie mają żadnego przełożenia na przychód. System został nauczony szukać taniego ruchu, a nie użytkowników z realną intencją zakupową – i konsekwentnie realizuje właśnie ten cel.
4. Dane, które tylko pozornie są danymi
To inny typ błędu. Kampanie teoretycznie optymalizują się pod właściwy cel biznesowy, jednak system dostaje błędny sygnał, ponieważ dane są źle skonfigurowane lub niespójne.
W audytach regularnie ujawniają się problemy takie jak dublujące się zdarzenia, nieprawidłowo ustawione priorytety konwersji czy brak rozróżnienia między zdarzeniami pomocniczymi a decyzyjnymi. W efekcie algorytm optymalizuje się pod działania, które z perspektywy biznesowej nie mają realnej wartości.
Jeśli system otrzymuje niewłaściwe sygnały, będzie się do niego konsekwentnie dostosowywał – nawet wtedy, gdy struktura kampanii wygląda poprawnie w panelu reklamowym.
5. Automatyzacje, które zastąpiły strategię
Performance Max i Advantage+ stały się domyślnym rozwiązaniem. Problem pojawia się wtedy, gdy są wdrażane zamiast strategii, a nie jako jej element.
Jedna kampania obejmująca cały asortyment, brak sygnałów odbiorców oraz ograniczona kontrola nad ekspozycją brandu sprawiają, że algorytm koncentruje emisję tam, gdzie realizacja celów jest najprostsza: na znanych użytkownikach, produktach o najkrótszej ścieżce zakupowej oraz zapytaniach brandowych.
W audytach regularnie widzimy sytuacje, w których automatyzacja w takich przypadkach funkcjonuje poprawnie, ale wyłącznie w obrębie już istniejącego popytu. Skala nie rośnie, a koszt pozyskania nowego klienta pozostaje zagadką.
6. Zbyt szerokie dopasowania słów kluczowych bez regularnej kontroli haseł wykluczających
Dopasowanie przybliżone samo w sobie nie stanowi problemu. Problemem jest brak systematycznej kontroli nad zapytaniami, na które wyświetlane są reklamy.
W wielu kontach Google Ads raport wyszukiwanych haseł analizowany jest sporadycznie (albo wcale). Kampanie zaczynają finansować zapytania edukacyjne, porównawcze albo kompletnie nietrafione – szczególnie w działaniach leadowych. Reklamy wyświetlają się na frazy typu: „co to jest…”, „jak działa…”, „czy warto…”, mimo że celem kampanii jest pozyskanie kontaktu sprzedażowego, a nie obsługa etapu researchu.
W takich przypadkach wskaźniki kliknięć mogą wyglądać korzystnie, natomiast sprzedaż nie rośnie. To jeden z tych błędów, które stopniowo, lecz systematycznie wypalają budżet, ponieważ system traktuje ciekawość użytkownika na równi z rzeczywistą intencja zakupową.
7. Kampanie podzielone na zbyt wiele elementów
Za duża liczba kampanii, zestawów reklam i zbyt niskie budżety sprawiają, że każdy element pozostaje w fazie uczenia się, bez możliwości jej skutecznego zakończenia.
W Meta Ads jest to częsty wniosek audytowy: kilkanaście zestawów reklamowych przy niskich dziennych budżetach. W założeniu mają to być testy, w praktyce algorytm nie otrzymuje wystarczającej liczby sygnałów, by wyciągnąć wiarygodne wnioski.
8. Kreacje traktowane jako formalność
Jedna grafika i jeden komunikat wykorzystywane przez wiele miesięcy. Ten sam przekaz kierowany zarówno do użytkownika, który widzi markę po raz pierwszy, jak i do osoby, która odwiedzała stronę kilkukrotnie.
W wielu kontach sama zmiana kreacji – bez ingerencji w strukturę czy budżet – prowadzi do zauważalnej poprawy wyników. Problem nie leży w systemach reklamowych, tylko w braku decyzji komunikacyjnej.
9. Optymalizacja pod cele pomocnicze zamiast decyzyjne
To częsty błąd na kontach, które są regularnie raportowane, ale rzadko analizowane w kontekście biznesowym. Kampanie optymalizowane są pod metryki łatwe do porównania i zaprezentowania – takie jak kliknięcia, koszt kliknięcia czy zasięg – mimo że nie stanowią one faktycznego punktu decyzyjnego.
W audytach pojawiają się sytuacje, w których kampanie generujące wyższą wartość koszyka lub klientów o większym LTV są wyłączane, ponieważ negatywnie wpływają na średni CPC. W efekcie system optymalizuje się pod raport, a nie pod rzeczywisty wynik finansowy.
Na koniec
Parszywa dziewiątka rzadko występuje jednocześnie. Najczęściej pojawia się w różnych konfiguracjach, co sprawia, że przez długi czas pozostaje niezauważona. Dobra wiadomość jest taka, że większość tych błędów można wyeliminować bez zwiększania budżetu.
Wystarczy na chwilę odejść od bieżącej analizy raportów i spojrzeć na konto przez pryzmat tego, jak faktycznie działa algorytm oraz jakie sygnały są mu przekazywane.
Maciej Borowski
Performance Specialist w KERRIS
Źródło: KERRIS
