Sytuacja wyjściowa
Klient prowadził sklep meblowy online z ofertą ponad 2 000 produktów. Kampanie Google Ads działały od 2 lat, budżet 40 000 zł miesięcznie, ale ROAS utknął na poziomie 2,1x przez ostatnie 8 miesięcy. Poprzedni specjalista twierdził, że wyżej już nie da się wejść w tej branży.
Po wstępnym audycie zidentyfikowałem kilka krytycznych problemów, które blokowały wyniki.
Zidentyfikowane problemy
- Płaska struktura kampanii — brak segmentacji po marżowości produktów
- Feed w Google Merchant Center z 460 odrzuconymi produktami (błędy w danych: ceny, dostępność, opisy)
- Brak kampanii Performance Max — tylko stara Smart Shopping
- Strony docelowe bez śledzenia mikro-konwersji (dodanie do koszyka, inicjacja zakupu)
- Strategia Smart Bidding ustawiona na ROAS 150% — zbyt zachowawcze, ograniczała skalę
- Brak wykluczenia fraz brandowych konkurencji na poziomie kampanii
Podjęte działania
Pełny audyt Merchant Center — naprawiono 460 odrzuconych produktów. Wdrożono supplemental feed z brakującymi atrybutami (kolor, materiał, wymiary). Efekt: liczba produktów w aukcjach wzrosła o 28%.
Segmentacja po marżowości: kampania HighMargin (produkty >40% marży) z agresywnym ROAS target, kampania Standard (20–40%), kampania Clearance (wyprzedaż). Każda z osobnym budżetem i strategią.
Migracja z Smart Shopping na Performance Max z audience signals opartymi na listach remarketingowych i customer match (baza 12 000 klientów). Testowanie 4 wariantów asset groups przez pierwsze 3 tygodnie.
Wdrożenie przez GTM: śledzenie dodania do koszyka (wartość 0,1x ceny produktu), inicjacji zakupu, rejestracji konta. Smart Bidding dostał 3x więcej sygnałów konwersyjnych do optymalizacji.
Stopniowe zwiększanie ROAS target o 10% co 2 tygodnie po ustabilizowaniu wyników. Dodanie kampanii Search na frazy najwyżej konwertujące z PMax. Sezonowe dostosowanie budżetów (wyprzedaż wiosenna).
Wyniki przed i po
Przez 2 lata słyszałem, że ROAS 2x to standard w branży meblarskiej. Michał w 5 miesięcy pokazał, że to nieprawda. Nie zmienił budżetu — zmienił podejście i strukturę. Wyniki mówią same za siebie.
Kluczowe wnioski
- Naprawa feedu produktowego to często najszybszy sposób na wzrost wyników w e-commerce — wiele kont traci 20–30% potencjału na błędach w danych
- Segmentacja po marżowości zamiast po kategoriach produktowych pozwala Smart Biddingowi optymalizować pod zysk, nie tylko przychód
- Performance Max z dobrymi audience signals działa lepiej niż Smart Shopping — ale wymaga czasu nauki (min. 6 tygodni)
- Mikro-konwersje dają algorytmowi 3–5x więcej sygnałów niż samo śledzenie zakupów — szczególnie ważne przy niskiej liczbie transakcji