Kampania produktowa PLA: case study Cybereyagency

Kampania produktowa PLA: case study Cybereyagency — strategia, optymalizacja i wzrost sprzedaży

Rano wchodzisz do dashboardu, widzisz więcej kliknięć niż wczoraj i czujesz ulgę — tylko po to, by po chwili sprawdzić przychody i zobaczyć... brak wzrostu. Znasz to uczucie marnowanego budżetu? Chcesz wiedzieć, które zmiany naprawdę przynoszą sprzedaż, a które tylko rozmywają wyniki?

Tak zaczęła się historia Cybereyagency — małego sklepu z elektroniką, który miał ruch, ale nie miał skalowalnych przychodów. Opowiem Ci krok po kroku, co zrobiliśmy: od chaosu w feedzie i rozrzuconego budżetu, przez konkretne eksperymenty, do uporządkowanego systemu, który zaczął generować powtarzalne wzrosty.

Jaki był plan gry? Hipotezy, metryki sukcesu i strategia

Zatrzymaliśmy się na chwilę i zdiagnozowaliśmy problem. Nie lecieliśmy "na oko". Nasza hipoteza była prosta: to nie algorytm jest winny — to brudne dane i chaotyczna struktura kampanii mylą sygnały.

• Główne metryki: ROAS, konwersje, AOV (średnia wartość zamówienia) i marża na produkcie.
• Małe cele po drodze: CTR i dopasowanie (mniej irrelevancy), spadek CPA o 10–20% w kluczowych segmentach.
• Strategia: feed → struktura kampanii → bidding z wartością (value-based bidding).

Więc zamiast machać ręką i zmieniać ustawienia na pałę, zrobiliśmy trzy rzeczy w kolejności: naprawiliśmy feed, podzieliliśmy kampanie sensownie, a potem wdrożyliśmy licytacje uwzględniające wartość produktu.

Jak zaczęliśmy? Optymalizacja feedu — dlaczego to fundament

Feed to fundament. Brzmi banalnie, ale to tam Google decyduje, czy Twój produkt pasuje do zapytania. Mały błąd w tytule albo brak GTIN potrafi skasować konwersję — nawet jeśli landing jest świetny.

Co konkretnie zrobiliśmy w feedzie?

• Ujednoliciliśmy tytuły: marka + model + kluczowa cecha + kolor + rozmiar. Przykład: "Sony WH-1000XM4 słuchawki bezprzewodowe — ANC — czarne". Krótkie i konkretne.
• Dodaliśmy GTIN/MPN tam, gdzie było to możliwe. Brakujące wartości uzupełnialiśmy regułami mapującymi od dostawców.
• Wprowadziliśmy custom_label_0 = margin_band (high/med/low), custom_label_1 = season (core/sale), custom_label_2 = bestseller_flag.
• Poprawiliśmy obrazy: 1000x1000, neutralne tło, jedna wersja hero + druga z kontekstem (np. w użyciu).
• Usunęliśmy lub ustawiliśmy niskie priorytety dla produktów z brakującymi danymi, żeby nie zanieczyszczały sygnału kampanii.

Pro-Tip: Jeśli masz 1000+ SKU, zacznij od "health check" feedu: % produktów z GTIN, % z obrazem 1000x1000 i % z poprawnym brandem. Popraw te trzy rzeczy najpierw — to szybki win.

Dlaczego to działa? Lepsze tytuły i atrybuty poprawiają dopasowanie do zapytań. Więcej trafionych zapytań = wyższy CTR. Wyższy CTR przy tym samym budżecie to lepsze sygnały dla algorytmu konwersji.

Jak podzielić kampanie, żeby automatyzacja zaczęła działać?

Masz dobry feed — ok. Co dalej? Struktura kampanii. Większość sklepów popełnia dwa błędy: trzyma wszystko w jednym koszu albo przesegreguje do absurdu. My znaleźliśmy złoty środek.

Reguły segmentacji, które wdrożyliśmy

• Segmentacja po marżach (custom_label_0): osobne kampanie dla high/med/low margin.
• Segmentacja po brandzie: top brandy w osobnych kampaniach z wyższymi stawkami, reszta w kampanii ogólnej.
• Sezonowość: kolekcje sezonowe i promocje w oddzielnych kampaniach (custom_label_1).
• Bestsellery w osobnych kampaniach z agresywną strategią biddingową (custom_label_2).
• Priorytety kampanii i wykluczenia produktów, żeby uniknąć kanibalizacji (np. SKU z kampanii "bestseller" wyłączone z kampanii ogólnej).

Przykład: produkty o marży >35% dostały osobną kampanię z agresywniejszym target ROAS. Można było zapłacić więcej za konwersję i nadal być rentownym.

Pro-Tip: Zacznij od 3 kampanii: high-margin, brand-top, all-other. To wystarczy, by algorytm miał sensowne sygnały i nie marnował czasu na próbki zbyt różnych produktów.

Jak licytować: manualnie, automatycznie czy value-based?

Wiele sklepów utknęło na "ustaw automatyczne i zapomnij". Ale jest haczyk: automatyzacja działa tylko wtedy, gdy dostaje czyste dane i sensowną strukturę kampanii.

Nasze podejście było proste: zaczynamy od manualnego CPC dla nowych segmentów, zbieramy dane. Gdy segment ma 30–50 konwersji w 28 dni — przechodzimy do tROAS.

• Niska ilość k manual CPC + korekty (urządzenia, dni tygodnia).
• Stabilne k target ROAS (value-based bidding). Ustaw tROAS zgodnie z marżą i AOV.
• Skalowanie: zwiększaj budżety o 10–20% tygodniowo albo duplikuj kampanię z wyższą stawką i wyklucz stary segment, by zachować czystość danych.

Przykład liczenia: AOV 500 zł, marża 30% i cel 10% EBIT z reklamy. Ustaw tROAS tak, żeby koszt reklamy nie przekroczył dopuszczalnego % przychodu — policz to na bazie marży i ustaw bezpieczny próg.

Jak testowaliśmy? Metoda małych eksperymentów

Testy u Cybereyagency były proste i powtarzalne: hipoteza, wariant, okres testu, metryki. Nie mieszaliśmy 10 zmian naraz.

• Hipoteza: "Dodanie modelu do tytułu zwiększy CTR i konwersję w 2 tygodnie".
• Wariant: 10% produktów w A/B z nowym tytułem, reszta kontrolna.
• Okres testu: 14 dni (+7 dni zapasu na fluktuacje).
• Mierzone: CTR, CVR, CPA, AOV i ROAS.

Co testowaliśmy i co wyszło:

• Tytuły z dodanym modelem: CTR +22%, CVR +12% na testowanej grupie.
• Segmentacja po marżach: algorytm szybciej zoptymalizował stawki dla high-margin, ROAS wzrosło z 1.6 do ~3.1 w tym segmencie.
• Obrazy kontekstowe vs hero: obrazy „w użyciu” poprawiły CVR dla produktów lifestyle o 15%.
• Przejście na tROAS po ~45 konwersjach: stabilizacja ROAS i lepsze wykorzystanie budżetu.

Pro-Tip: Każdy test rób na kawałku feedu (5–15% SKU). Jeśli wynik jest istotny — roluj globalnie. Tak unikniesz przypadkowych fluktuacji.

Jak mierzyliśmy i jak skalowaliśmy bez utraty ROAS?

Pomiar to częsty ból głowy. Google Analytics i Google Ads to za mało, jeśli nie masz feed-level tracking i poprawnych UTM.

• UTM w feedzie: source=google, medium=shopping, campaign={campaign}, product={id}.
• Wdrożyliśmy Enhanced Conversions i porównaliśmy z danymi z CMS/ERP — to wychwyciło brakujące konwersje offline.
• Do długoterminowej oceny dodaliśmy LTV i cohorty klientów: produkty niskomarżowe, ale z wysokim LTV, mogą mieć inną strategię.

Skalowaliśmy powoli: duplikacja zwycięskich kampanii z +15–25% budżetu i ustawienie wykluczeń, żeby nie kanibalizować źródła danych.

Jakie były wyniki? Konkretne zmiany i ich wpływ

Po 3 miesiącach pracy Cybereyagency osiągnęła konkretne rezultaty:

• CTR wzrósł średnio o 28% dzięki poprawkom w tytułach i zdjęciach.
• CVR wzrósł o 18% po segregacji kampanii i wdrożeniu brandowych kampanii z wyższymi stawkami.
• Średni ROAS całego konta wzrósł z 1.6 do 2.9, a w najlepszych segmentach osiągnęliśmy 4.5.
• AOV wzrósł o 7% dzięki cross-sell w opisach produktów i lepszej segmentacji.
• Czas od początkowej optymalizacji do stabilnego tROAS: około 6–8 tygodni na segment.

Największy efekt dały: 1) custom_labels (marża), 2) poprawione tytuły i obrazy, 3) segmentacja brandowa i osobne ROAS targets.

Co możesz zrobić jutro? Checklist — praktyczne kroki do wdrożenia

• Przejrzyj feed: sprawdź % produktów z GTIN, obrazem 1000x1000 i poprawnymi tytułami.
• Wprowadź custom_labels: margin_band, season, bestseller_flag.
• Utwórz 3 podstawowe kampanie: high-margin, brand-top, all-other i ustaw priorytety.
• Uruchom test tytułów na 10% SKU przez 14 dni (hipoteza: model w tytule zwiększy CTR).
• Skonfiguruj UTM w feedzie i włącz enhanced conversions w Google Ads.
• Zbieraj 30–50 konwersji na segment przed przejściem na tROAS.

Masz mały sklep i nie wiesz od czego zacząć? Zacznij od feedu. To najtańszy i najszybszy sposób, by poprawić jakość ruchu.

Kilka ostrożnych uwag i czego się wystrzegać

Jest pewien haczyk: automatyzacja nie naprawi brudnych danych. Nie skaluj agresywnie bez testów. Nie przenoś całego budżetu do tROAS bez historycznych danych.

Testuj mało, ale często. Ustal jasne reguły wygrywania testów i trzymaj się ich. Pamiętaj: wyniki, które widzisz dziś, to suma drobnych decyzji — większość z nich możesz wprowadzić już jutro.

Pro-Tip: Jeśli nie masz czasu na ręczne testy, skup się na feed health i na 3 kampaniach segmentacyjnych. Resztę zautomatyzuj stopniowo.

Gotowy na pierwszy krok?

Masz plan: poprawić feed, podzielić kampanie sensownie, testować licytacje krok po kroku i mierzyć wszystko dokładnie. To nie jednorazowa optymalizacja — to system, który daje powtarzalne wyniki.

Chcesz szybką checklistę dopasowaną do Twojego sklepu? Podaj liczbę SKU i średni AOV, a przygotuję prosty plan na 30 dni.