Od 0 zł do 1 mln zł przychodu w 9 miesięcy
Jak przebudowa struktury kampanii, feedu produktowego, analityki i strony przełożyła się na skalowanie sprzedaży, od 18 tys. zł do ponad miliona złotych miesięcznego przychodu, przy ponad 12-krotnym wzroście budżetu i utrzymanej efektywności.
Co się zmieniło w 9 miesięcy
Wartości w formie indeksu, panel Google Ads = 100. Nie zdradzamy realnego ROAS-u klienta, pokazujemy różnicę między panelem a rzeczywistymi zamówieniami.
Google Ads nie przypisuje sobie wszystkich zamówień, które faktycznie pojawiają się w sklepie. W analizowanym okresie panel rejestrował około 86% rzeczywistych zakupów, przez co raportowany ROAS był niższy od wyniku biznesowego.
Dlatego decyzji o skalowaniu nie opieraliśmy wyłącznie na panelu, połączyliśmy koszty kampanii z faktycznymi zamówieniami i przychodem sklepu. Realny ROAS okazał się o 24,4% wyższy niż wartość widoczna w Google Ads.
| Metryka | Start współpracy | Po 9 miesiącach | Zmiana |
|---|---|---|---|
| Efektywność biznesowa* | indeks 100 | indeks 103 | utrzymana: +3% |
| Miesięczny przychód sklepu | indeks 100 | indeks 1296 | +1196% |
| Liczba zamówień w sklepie | indeks 100 | indeks 1563 | +1463% |
| Współczynnik konwersji sklepu | indeks 100 | indeks 216 | +116% |
| Średni CPC | indeks 100 | indeks 114 | +14% |
| Miesięczny budżet Google Ads | indeks 100 | indeks 1262 | 12,6× |
*Wartości przedstawiono w formie indeksu, gdzie wynik z pierwszego miesiąca współpracy wynosi 100. Efektywność biznesową określono na podstawie relacji rzeczywistej sprzedaży sklepu do wydatków Google Ads. W analizowanym okresie Google Ads przypisał 86,4% zamówień zarejestrowanych w sklepie, po uwzględnieniu wszystkich faktycznych transakcji realny ROAS biznesowy był o 24,4% wyższy niż wynik raportowany w panelu (różnica z danych z ostatnich 30 dni, nie wzrost od lipca do marca).
O kliencie
WymalujChwile.pl to sklep e-commerce specjalizujący się w personalizowanych prezentach na płótnie i szkle, w mocno konkurencyjnej kategorii. Każdy produkt występuje w kilku wariantach rozmiarowych, co, jak się później okazało, dało jedną z ciekawszych dźwigni strategicznych w całej współpracy.
Skąd startowaliśmy
Współpracę rozpoczęliśmy pod koniec czerwca 2025 roku. Jako punkt wyjścia do analizy przyjęliśmy lipiec, pierwszy pełny miesiąc prowadzenia kampanii, i porównaliśmy go z wynikami osiągniętymi po 9 miesiącach współpracy (okres analizy: 07.2025–03.2026, 9 pełnych miesięcy).
Działania w Google Ads budowaliśmy od zera. Konto nie miało wcześniejszej historii kampanii ani danych, na podstawie których można byłoby od razu podejmować decyzje o skalowaniu. Musieliśmy stworzyć strukturę kampanii, przygotować feed produktowy, skonfigurować analitykę i rozpocząć zbieranie danych o sprzedaży.
W pierwszym pełnym miesiącu budżet wynosił około 4 tys. zł. Sklep wygenerował 18 tys. zł sprzedaży, a współczynnik konwersji wynosił 1,12%. Był to etap testowania produktów, komunikatów i sposobów docierania do klientów.
Od początku umówiliśmy się z klientem na jedno: nie wchodzimy w przypadkowe działania. Najpierw testy, potem decyzje na podstawie danych.
Krok po kroku
Testy struktur kampanii zamiast zgadywania
Ponieważ konto Google Ads budowaliśmy od zera, pierwsze tygodnie potraktowaliśmy jako etap kontrolowanych testów. Uruchomiliśmy równolegle kampanie Performance Max z różnymi zakresami produktów i zasobów, klasyczną kampanię produktową, kampanię w sieci wyszukiwania oraz remarketing. Nie zakładaliśmy z góry, który format będzie najlepszy, każda kampania otrzymała odseparowany budżet, dzięki czemu mogliśmy porównać nie tylko liczbę zakupów, ale też koszt ich pozyskania i potencjał skalowania.
| Typ kampanii | Udział w zakupach | Wniosek |
|---|---|---|
| Performance Max z feedem i zasobami | najwyższy | Główne źródło skali |
| Performance Max oparty na feedzie | wysoki | Rozwijamy i dzielimy produkty |
| Klasyczne kampanie produktowe (PLA) | uzupełniający | Większa kontrola nad ofertą |
| Sieć wyszukiwania | niski | Wsparcie dla wybranych fraz |
| Remarketing display | niski | Domykanie wcześniejszego ruchu |
Kampanie produktowe i Performance Max z feedem odpowiadały za niemal wszystkie zakupy. Dlatego zamiast dzielić budżet równomiernie, skoncentrowaliśmy go tam, gdzie użytkownik od razu widział produkt, cenę i przykład realizacji. Kolejnym krokiem było uporządkowanie feedu oraz wydzielenie grup produktów według potencjału sprzedażowego.
Analiza wyszukiwanych haseł i przebudowa tytułów produktów
To był jeden z ważniejszych przełomów na koncie. Analiza fraz, na które realnie wyświetlały się produkty, pokazała problem: ponad 50% wyświetleń generowały zapytania zbyt ogólne lub niedopasowane do oferty. Produkty wyświetlały się na frazy typu „dzień ojca”, „koty”, „dom obrazy” czy „druk canvas”, podczas gdy użytkownicy szukający dokładnie tego produktu wpisywali „prezent personalizowany dla mamy”.
Zamiast od razu przebudowywać całą stronę, zaczęliśmy od taniego testu: w Merchant Center dodaliśmy do tytułów produktów wspólny element, który doprecyzowywał, czym jest produkt, i lepiej odpowiadał na intencję użytkownika.
Zmiana tytułów nie była działaniem kosmetycznym. Pomogła Google lepiej rozumieć ofertę i częściej dopasowywać produkty do zapytań opisujących konkretny produkt, sposób personalizacji oraz okazję. Po potwierdzeniu wyników rozszerzyliśmy nowy schemat na kolejne grupy produktów.
Zewnętrzny CSS, niższy koszt kliknięcia w Shoppingu
Ponieważ kampanie oparte na feedzie produktowym odpowiadały za zdecydowaną większość sprzedaży z Google Ads, każda poprawa kosztu pozyskania ruchu bezpośrednio wpływała na możliwość dalszego skalowania. Wdrożyliśmy zewnętrzny CSS (Comparison Shopping Service), aby obniżyć koszt kliknięć w kampaniach produktowych i efektywniej wykorzystywać budżet.
Praca nad stroną, bo kampanie nie naprawią słabej konwersji
Ten punkt podkreślamy szczególnie, bo to on odróżnia tę współpracę od typowego „kręcenia kampaniami". Równolegle z optymalizacją Google Ads wdrożyliśmy Microsoft Clarity i szczegółową analitykę zachowań na stronie, analizując nagrania sesji i mapy kliknięć: gdzie użytkownicy się gubią, na których etapach wychodzą i co blokuje konwersję.
| Co pokazały dane z Clarity | Co zmienił klient | Efekt |
|---|---|---|
| Użytkownicy długo przewijali karty produktów, wracali do wcześniejszych sekcji i nie zawsze od razu rozumieli sposób personalizacji oraz wybór wariantu. | Uporządkowano układ kart produktów, poprawiono hierarchię informacji, czytelność czcionek i widoczność najważniejszych komunikatów oraz przycisków. Dodano animacje i wizualne podpowiedzi prowadzące użytkownika przez ofertę. | Łatwiejsze zrozumienie produktu i szybsze przejście do konfiguracji zamówienia. |
| Klienci szukali dodatkowych możliwości wykończenia produktu i informacji o tym, jak będzie wyglądał finalny efekt. | Dodano możliwość dobrania ram oraz produktów uzupełniających bezpośrednio podczas składania zamówienia. Lepiej wyeksponowano warianty, podglądy i dostępne opcje. | Prostsze skompletowanie zamówienia bez konieczności opuszczania karty produktu. |
| Nagrania sesji pokazywały cofanie się, powtarzające kliknięcia oraz rezygnacje na kolejnych etapach ścieżki zakupowej, szczególnie na urządzeniach mobilnych. | Uproszczono proces zakupowy, ograniczono liczbę zbędnych kroków i uporządkowano kolejne etapy przejścia od produktu do finalizacji zamówienia. | Mniej barier przed zakupem i większa szansa na zakończenie sesji zamówieniem. |
W analizowanym okresie współczynnik konwersji sklepu wzrósł z 1,12% do 2,42%, czyli o 116%. Dzięki temu rosnący ruch z kampanii znacznie częściej kończył się faktycznym zamówieniem.
Wyróżnienie się w Shoppingu ceną wariantu
Konkurencja w kategorii była duża, a w porównywarce Google użytkownik widzi przede wszystkim jedno: cenę. Ponieważ każdy produkt miał kilka wariantów rozmiarowych, podjęliśmy konkretną decyzję strategiczną: w pliku produktowym eksponujemy przede wszystkim najmniejszy, najtańszy wariant, dzięki czemu reklama pokazywała atrakcyjniejszą cenę wejściową na tle konkurencji.
Ewolucja strategii ustalania stawek
Strategię ustalania stawek zmienialiśmy wraz z rosnącą liczbą danych i zamówień. Na początku najważniejsze było zebranie ruchu oraz informacji o tym, które produkty i zapytania mają potencjał. Dopiero później mogliśmy przejść do automatycznych strategii nastawionych na wartość sprzedaży i rentowność.
| Etap | Strategia | Kiedy i dlaczego |
|---|---|---|
| Start działań (pierwsze 2 miesiące) | Maksymalizacja kliknięć | Konto nie miało historii. Pierwszym celem było zebranie ruchu, danych o zapytaniach i zachowaniu produktów. |
| Początki wyników (3 miesiąc) | Maksymalizacja wartości konwersji | Po pojawieniu się regularnych zakupów algorytm mógł optymalizować kampanie pod wartość sprzedaży, a nie samą liczbę wejść. |
| Etap skalowania (od 4 miesiąca) | Docelowy ROAS | Po zebraniu odpowiedniej liczby konwersji wprowadziliśmy docelowy ROAS i stopniowo kalibrowaliśmy go na podstawie rzeczywistej sprzedaży sklepu. |
Docelowy ROAS kalibrowaliśmy stopniowo, na podstawie rzeczywistej sprzedaży sklepu. Klient nie blokował skalowania, gdy dane pokazywały niewykorzystany potencjał, budżet rósł. Łącznie miesięczny budżet Google Ads wzrósł ponad 12-krotnie, przy utrzymanej efektywności biznesowej.
Realny ROAS biznesowy, nie tylko panelowy
To najważniejszy element tej współpracy i powód, dla którego decyzje optymalizacyjne były trafne. Panel Google Ads pokazuje tylko konwersje, które system zdołał przypisać, część zamówień „znika” (brak zgody na cookies, ograniczenia atrybucji, zakupy poza standardową ścieżką). Dlatego decyzji o skalowaniu nie opieraliśmy wyłącznie na panelu, łączyliśmy koszty kampanii z faktycznymi zamówieniami i przychodem sklepu.
| Problem | Skala | Konsekwencja dla optymalizacji |
|---|---|---|
| Zamówienia niewidoczne w Google Ads (brak zgody na cookies, ograniczenia atrybucji) | 13,6% zamówień | Bez tej wiedzy wyłączylibyśmy kampanie, które realnie zarabiały |
| Zamówienia przypisane przez Google Ads | 86,4% zamówień | Panel widział większość sprzedaży, ale nie całość |
| Rozjazd ROAS panelowy vs realny | indeks 100 vs 124 | Decyzje o skalowaniu na prawdziwych liczbach |
W praktyce oznaczało to, że optymalizowaliśmy konto nie pod system reklamowy, tylko pod faktyczną sprzedaż i rentowność biznesu. To dwie różne rzeczy, w tym przypadku realny ROAS był o 24,4% wyższy, niż wynikało to z panelu Google Ads.
Praca po stronie klienta, druga połowa sukcesu
Piszemy o tym otwarcie, bo bez tego case wyglądałby na jednostronny sukces agencji, a tak nie było. Klient równolegle usuwał lub ograniczał produkty niekonwertujące, analizował ofertę, tworzył nowe warianty na podstawie bestsellerów, wdrażał rekomendacje UX i przebudowywał tytuły produktów.
Bez którejkolwiek z tych połówek wyniki byłyby wyraźnie słabsze.
Dlaczego to zadziałało
Sukces nie wynikał z jednej zmiany. Gdybyśmy mieli wskazać, co zbudowało wynik, kolejność byłaby mniej więcej taka:
W e-commerce największy wzrost robi się wtedy, kiedy przestaje się patrzeć wyłącznie na panel Google Ads. Panel pokazuje wersję rzeczywistości widzianą przez system reklamowy, a decyzje biznesowe trzeba podejmować na podstawie realnych zamówień, realnych przychodów i realnego ROAS-u. Ta współpraca jest tego najlepszym dowodem: od 0 do 1 mln zł przychodu w 9 miesięcy, przy ponad 12-krotnym skalowaniu budżetu i realnym ROAS-ie o 24,4% wyższym niż panelowy, zbudowany na danych, a nie na „best practices” z prezentacji.
Twoje konto Google Ads też może
skalować się rentownie
Umów bezpłatny audyt, przeanalizujemy Twoje kampanie i realny ROAS, a potem wskażemy konkretne obszary do poprawy.
Umów darmowy audyt →