Case study: jak skoordynowane działania analityki i specjalisty Google Ads zwiększyły przychody o 35%, gdy AI zabierało klientów z rynku?

Gdy AI zaczyna podbierać klientów – czy analityka może pomóc?

Nie mogę zdradzić nazwy firmy, ani branży ze względu na NDA, ale historia którą zaraz opiszę może dotyczyć wielu biznesów usługowych w Polsce. Klient zgłosił się do mnie po audyt UX w momencie, gdy jego branża zaczęła odczuwać realną konkurencję ze strony narzędzi AI. Celem było poprawienie konwersji na stronie, aby w tym samym budżecie reklamowym pozyskiwać więcej klientów. Skończyło się na reorganizacji w Google Ads.

Diagnoza – od audytu UX do przebudowy strony głównej

Po przeprowadzonym audycie UX przedstawiłam propozycję i ustaliliśmy zakres oraz kolejność zmian. Jedną z kluczowych była przebudowa strony głównej. Aby rzetelnie ocenić efekty, zaproponowałam test A/B oraz zestaw KPI – wskaźników, które pozwolą obiektywnie porównać obie wersje.

Pierwszym krokiem było wdrożenie zdarzenia śledzącego faktyczne wypełnienie formularza. Dotychczasowa konwersja reklamowa była ustawiona na wyświetlenie strony z podziękowaniem po wypełnieniu formularza – pozornie podobne, ale finalnie sztucznie podbijało liczbę konwersji raportowanych przez system Google Ads, gdy użytkownik zostawił sobie otwartą kartę przeglądarki i wszedł na nią przez przypadek – nawet o 20%. Dodałam zdarzenie najpierw w celach diagnostycznych do Google Analytics bez wpływu na cel konwersji w Google Ads. Cel konwersji zmieniliśmy później, przy zmianie strategii reklamowej.

Warto wiedzieć, że zdarzenia wysyłane do GA4 mogą nie pokrywać się z tymi wysyłanymi do Google Ads jako konwersje. W GA4 możemy pozwolić sobie na śledzenie „wszystkiego”, a wyznaczyć do celów konwersji tylko wybrane akcje i mierzone w wybrany sposób. Mierzenie różnych akcji użytkownika pozwala nam uzupełnić obraz zachowania użytkownika na stronie bez wpływu na reklamy.

Do GA4 dodałam także zdarzenia śledzące różne elementy, które użytkownik zaznaczał na formularzu, aby potem wiedzieć jaką strukturę klienta przynosi dana kampania. Czy klienta firmowego, czy prywatnego, czy usługę A, czy B? Zanim informacje o kampaniach zaczęły płynąć do CRM (gdzie musieliśmy zaangażować także programistę, który stworzył pola „odbierające” te dane) zweryfikowałam w GA4, czy są dostatecznej jakości. Ten wątek rozwinę później.

Problem z reklamami – dlaczego „to co działało” przestało działać

Po udanej przebudowie strony konwersja faktycznie wzrosła (o około 25%), co zweryfikowałam testem A/B oraz analizą segmentów w GA4.

Niestety to nie wystarczyło i klient poprosił o analizę danych reklamowych w Google Ads, ponieważ zauważył pogarszające się wyniki prowadzonych kampanii. Pomimo wzrostu współczynnika konwersji koszty reklamowe za pojedynczy formularz rosły. Nie jestem specjalistą Google Ads, ale to dane jak każde inne i wykonałam analizę zaznaczając, że trzeba będzie poprosić o opinię specjalistę Google Ads, aby zweryfikował, czy moje wnioski są słuszne w kontekście zmian kampanii reklamowych na przestrzeni ostatnich miesięcy. Dodatkowo nowy specjalista miał po diagnozie zaproponować rozwiązania i zmiany w Google Ads.

Analiza wykazała, że istotnie koszt pozyskania pojedynczego formularza rósł, więc przy tym samym budżecie klient nie pozyskiwał tej samej liczby klientów co wcześniej. Dodatkowo wykryłam błędy, które rzutowały na jakość i optymalizację reklam. Dotychczasowy specjalista Google Ads podejmował próby poprawy sytuacji, ale nie przynosiły one efektów, a wręcz pogarszały sytuację. Jednak tutaj już potrzebowaliśmy opinii innego specjalisty Google Ads, żeby odkryć dlaczego tak się dzieje.

Pułapka optymalizacji pod tROAS

Okazało się, że problemem była wybrana strategia optymalizacji reklam. Przy próbie podnoszenia budżetu kampanie nie tylko nie przynosiły proporcjonalnie więcej formularzy, a wręcz praktycznie w ogóle ich liczba nie wzrastała. Optymalizacja pod wartość konwersji nie działa liniowo, ani nawet przewidywalnie jak optymalizacja maksymalizacji konwersji.

Kampanie były ustawione pod tROAS – strategię która w teorii szuka użytkowników kupujących produkty i usługi o najwyższej wartości. Brzmi idealnie, bo teoretycznie płacimy tylko za tych najcenniejszych klientów. Jednak już nawet w założeniach możemy dostrzec, że rzeczywistość nie do końca tak działa. Przecież na pewno spotkaliście się z sytuacją, gdzie klient firmowy najpierw zamówił usługę za niższą kwotę, aby przetestować usługę oraz współpracę, a potem dopiero zamówił droższe zlecenie. Z punktu widzenia optymalizacji pod wartość konwersji taki klient nie jest wiele wart, a rzeczywistość jest przecież inna.

W kontekście technikaliów algorytm potrzebuje wysokiej jakości danych w dużej ilości, aby „wycelować” w takiego klienta – a tu pojawiły się dwa problemy.

Pierwszy problem

Nie było możliwości przekazania informacji o wartości zamówienia przed jego opłaceniem. To sprawiało, że jeśli lead był potencjalnie wysokiej wartości, ale klient się nie zdecydował za zamówienie to system nie otrzymywał o nim informacji. Pula klientów, którzy byli potencjalnie wysokiej wartości ORAZ opłacili zamówienie była zbyt niska, aby algorytm działał efektywnie. Zawężał coraz to więcej słów kluczowych, które „nie były efektywne”, ale po ręcznym ich sprawdzeniu okazało się, że były to adekwatne frazy, trafiające dokładnie w opis usługi. Tylko akurat parę razy się tak trafiło, że albo klient nie złożył zamówienia po wycenie albo skontaktował się mailowo i system tego nie widział, a zamówienie wpadło.

Drugi, większy problem

I tu przechodzimy do drugiego problemu: najbardziej wartościowe leady, czyli zapytania od firm, przychodziły mailem. Algorytm nigdy się o nich nie dowiadywał. Widział tylko część rzeczywistości i optymalizował pod przeciętnej jakości leady, ignorując te najcenniejsze. Wynika to po prostu z ograniczeń śledzenia. Nie mamy możliwości wysłać parametru gclid, który przypisuje reklamę do formularza/zamówienia, gdy ktoś napisze maila. Musielibyśmy włamywać się na jego pocztę i wklejać ukryty dla ludzkiego oka tekst w stopce maila, żeby poprawnie przypisywać leada do reklamy.

Dodatkowym problemem była niestabilność wydatków, która generowała stres u właściciela firmy. Gdy przed świętami wpadło wartościowe zlecenie, algorytm „szalał” w poszukiwaniu równie wartościowego w święta i wypalał budżet w czasie, gdy popyt naturalnie był niski.

Rozwiązanie -> zmiana strategii i uszczelnienie danych

Nowa strategia reklamowa

We współpracy ze specjalistą Google Ads zaproponowałam zmianę optymalizacji na maksymalizację liczby konwersji z dodatkowym sygnałem dla algorytmu – osobną konwersją uruchamianą, gdy użytkownik zaznaczał w formularzu, że reprezentuje firmę. Algorytm dostawał w ten sposób „nagrodę” za cenniejszego leada.

Zanim jednak wdrożyliśmy zmianę, przez dwa tygodnie weryfikowałam dane z formularza w zestawieniu z CRM. Okazało się, że mniej niż 5% użytkowników zaznaczających, że reprezentują firmę nie było potem tak rozliczanych. To wystarczająco dobry wynik, aby finalnie wdrożyć rozwiązanie. Gdyby rozbieżność pomiędzy deklaracjami na formularzu, a rzeczywistością była większa to szukalibyśmy innych rozwiązań. Rozważaliśmy także wymuszenie podania NIP-u jako weryfikację – ostatecznie zrezygnowaliśmy, żeby nie tworzyć bariery dla wypełniających formularz.

Pełna widoczność leada – od kliknięcia reklamy do CRM

Równolegle do działań w Google Ads uszczelniłam infrastrukturę śledzenia. Kody śledzące dodane do formularza przekazywały do CRM nazwę kampanii z której przyszedł lead. W GA4 sprawdziłam jak wygląda proces decyzyjny w czasie i okazało się, że zdecydowana większość klientów wypełniała formularz tego samego dnia, ale jednak proces decyzyjny w firmach wydłużał się do tygodnia. Poprawiłam więc przechowywanie GCLID – parametru przypisanego do kliknięcia reklamy – tak żeby nie wygasał po zamknięciu sesji, lecz był przechowywany przez tydzień i aplikowany w przesyłanym formularzu także przy wejściu bezpośrednim.

Na prośbę klienta dodałam też śledzenie kategorii urządzenia. Klient podejrzewał, że leady od firm częściej przychodzą z komputerów niż telefonów. Po dodaniu tych danych do CRM hipoteza potwierdziła się po około miesiącu – i mogliśmy wyłączyć wyświetlanie wybranych kampanii na urządzeniach mobilnych.

Osobnym wyzwaniem były leady mailowe – niemożliwe do przypisania do konkretnej kampanii. Zamiast rezygnować z ich śledzenia, wdrożyłam zdarzenia dla trzech interakcji z adresem email na stronie: kliknięcia, skopiowania prawym przyciskiem myszy i skopiowania skrótem Ctrl+C. Tak, aby żadna interakcja nam nie umknęła.

Test kampanii Performance Max

Pełna widoczność danych (np. nazw kampanii w CRM) pozwoliła nam przetestować kampanię Performance Max – format, który wielu specjalistów Google Ads odradza firmom usługowym ze względu na ograniczoną kontrolę. W naszym przypadku, dzięki jakości danych które dostarczaliśmy algorytmowi, po kilku miesiącach optymalizacji kampania zaczęła dostarczać wartościowe leady – również z urządzeń mobilnych, mimo że wtedy nie było jeszcze możliwości wykluczenia konkretnych kategorii urządzeń.

To z resztą ciekawe, że wielu specjalistów odradza PMax, ze względu na AI i małą możliwość ingerencji w reklamy, a jednocześnie zachwyca się Claude Codem i oddawaniem AI prawie pełni władzy nad całym kontem klienta.

Finalnie – analiza danych w CRM

Dzięki analizowaniu danych wzbogaconych o informacje o kampaniach w CRM i wprowadzaniu odpowiednich zmian w kampaniach na koncie Google Ads przez pół roku mogliśmy na bieżąco monitorować czy zmiany wpływają pozytywnie czy negatywnie na wyniki finansowe i reagować od razu, a nie orientować się po fakcie. Dzięki temu klient spał spokojniej 🙂

Wyniki – liczby, które mówią same za siebie

Na koniec roku, pomimo trudnej sytuacji rynkowej w branży:

• wydatki reklamowe wzrosły o 125% i przełożyły się na 165% więcej formularzy,
• przychody wzrosły o 35%,
• a koszt pojedynczego formularza spadł o 24%.

Trudno precyzyjnie zmierzyć ile nowych firm pozyskał klient dzięki działaniom optymalizacyjnym – część kontaktowała się mailem, część wróciła po długiej przerwie z bazy CRM. To jeden z typowych limitów analityki w firmach usługowych, gdzie część wartościowych kontaktów z definicji omija śledzenie online. Natomiast liczba nowych firm w CRM wzrosła o 26%, więc niezależnie od źródła sukcesu mogliśmy uznać, że dodatkowy sygnał dla kampanii o reprezentacji firmy miał sens.

Co z tego wynika dla Twojego biznesu

Jeśli Twoje kampanie Google Ads drożeją mimo optymalizacji i opieki specjalisty, warto sprawdzić trzy rzeczy:

• czy algorytm dostaje pełne dane o konwersjach,
• czy najcenniejsi klienci nie omijają śledzenia (mail, telefon) ,
• czy strategia optymalizacji jest dopasowana do specyfiki Twojego biznesu.

Jeśli chcesz sprawdzić jak wygląda to u Ciebie – zapytaj o audyt.

Szybkie FAQ