Stack narzędzi, architektura danych, integracje i podejście do automatyzacji. Dla tych, którzy chcą wiedzieć dokładnie co wdrażam i dlaczego akurat tak.
GTM jako kontener wszystkich tagów - jeden punkt zarządzania zamiast rozsypanych skryptów w kodzie strony. GA4 skonfigurowany z pełnym śledzeniem e-commerce: add_to_cart, begin_checkout, purchase - z walidacją każdego zdarzenia przez DebugView i GA4 Realtime.
Własny serwer GTM (Google Cloud lub Stape.io) jako pośrednik między stroną a platformami reklamowymi. Piksele Meta, TikTok i Google trafiają do platform przez serwer - omijając adblockery, iOS14 ITP i blokady przeglądarek. Odzysk danych na poziomie 15-30% w typowych przypadkach.
Bezpośrednie połączenie serwera e-commerce z API Meta, TikTok i Google. Zdarzenia wychodzą z backendu - nie z przeglądarki klienta. Deduplikacja browser + server przez event_id, żeby platforma nie liczyła jednego zdarzenia dwa razy. Wymagany dla stabilnego działania kampanii po iOS14.
Weryfikacja domeny w Meta Business Manager, konfiguracja Aggregated Event Measurement - maksymalnie 8 zdarzeń na domenę, ustawione według priorytetu konwersji. Zdarzenia niżej w hierarchii nie są widoczne dla kampanii optymalizowanych pod Purchase po iOS14.
Last-click attribution zawyża wartość kanałów domykających (retargeting, brand search) i zaniża kanały inicjujące (cold social, display). Używam modelu data-driven w GA4 dla kont z wystarczającą ilością konwersji, lub linear/time-decay dla mniejszych wolumenów. Dla każdego klienta porównujemy modele i świadomie wybieramy ten, który podejmuje właściwe decyzje budżetowe.
Raport ścieżek konwersji w GA4 pokazuje ile touchpointów i ile dni potrzebuje klient przed zakupem. Dla Vasco Electronics okno decyzyjne w USA wynosiło 5-7 dni - co bezpośrednio informowało o optymalnym ustawieniu okna atrybucji w kampaniach Meta i długości cyklu retargetingowego.
Looker Studio (dawniej Data Studio) jako warstwa wizualizacji. Connektory: GA4 (natywny), Meta Ads (Supermetrics lub Funnel.io), Google Ads (natywny), TikTok Ads (Supermetrics), dane z arkuszy Google jako źródło dodatkowe. BigQuery jako warstwa pośrednia dla dużych wolumenów danych i transformacji SQL.
Funnel Exploration w GA4 z segmentacją po źródle ruchu, urządzeniu i geografii. Identyfikacja drop-off per etap: session_start → view_item → add_to_cart → begin_checkout → purchase. Każdy próg odpadania to konkretna hipoteza - UX, cena, brak zaufania, wolne ładowanie - weryfikowana przez testy.
Ten sam zestaw danych - cztery osobne widoki w Looker Studio, każdy z innym zakresem metryk i granularnością.
| Rola | Główne metryki | Granularność | Częstość aktualizacji |
|---|---|---|---|
| Zarząd / CEO | Revenue, ROAS, CAC, trend YoY/MoM | Portfel / rynek | Dzienna |
| Lider Performance | ROAS/CPL per kanał, analiza lejka, efektywność segmentów | Kampania / Ad Set | Dzienna / godzinowa |
| Analityk Danych | Kohorty, ścieżki, atrybucja, surowe zdarzenia GA4 | Sesja / użytkownik | Ciągła (BigQuery) |
| Specjalista kampanii | CTR, Hook Rate, Thumb Stop Rate, Frequency, CPM | Ad / kreacja | Godzinowa + alerty |
Make jako główny no-code orchestrator przepływów danych. Typowe scenariusze: zbieranie danych z API Meta/Google → transformacja → zapis do GSheets → triggerowanie notyfikacji Slack lub email. Obsługa webhooków, harmonogramów i logiki warunkowej bez pisania kodu.
Gdy Make nie wystarcza - skrypty Python (Meta Graph API, Google Ads API, Smartly API) uruchamiane przez Google Cloud Scheduler lub lokalnie. Google Apps Script dla integracji bezpośrednio z GSheets - np. automatyczne tworzenie kampanii z arkusza lub pull danych z API o określonych godzinach.
Custom GPT Actions z połączeniem do własnego API - asystent, który odpowiada na pytania o wyniki kampanii pobierając dane w czasie rzeczywistym. Claude API do automatycznej analizy raportów: system dostarcza dane, model generuje wnioski i rekomendacje w zdefiniowanym formacie, wyniki trafiają do Slacka lub dokumentu.
Smartly.io jako platforma do zarządzania kampaniami na wielu rynkach - dynamiczne kreacje, reguły automatyzacji, budget pacing. Uzupełniony o autorskie skrypty dla scenariuszy, których Smartly nie obsługuje: monitoring nocny, alerty o anomaliach kosztowych, automatyczne pauzy kampanii przy przekroczeniu progów.
20 rynków, 2-osobowy zespół performance
Dział Social Media wkleja URL posta do GSheets i zaznacza checkbox "Promuj"
Apps Script wykrywa zmianę, waliduje dane i wywołuje Meta Graph API
API tworzy kampanię, Ad Set z targetowaniem (lookalike + interest per rynek) i Ad z postem jako kreacją
Status kampanii i ID zapisują się z powrotem do arkusza - specjalista widzi wyniki bez wchodzenia do Ads Managera
Czas tworzenia kampanii: z 45 minut do 2 minut. Dział Performance odciążony od zadań manualnych.
Spójna konwencja nazw kampanii, Ad Setów i reklam umożliwia automatyczne filtrowanie i raportowanie bez manualnej pracy. Format: [RYNEK]_[PLATFORMA]_[CEL]_[AUDIENCE]_[DATA]
Jeden standard dla wszystkich rynków = błyskawiczne porównania i pełna kompatybilność z zewnętrznymi narzędziami raportowania.
Twarda separacja kampanii zimnych (prospecting), ciepłych (engagement) i retargetingowych w osobnych kampaniach - nie Ad Setach. Powód: algorytm optymalizuje inaczej per kampania, mieszanie grup daje artefakty w danych i utrudnia skalowanie.
Wykluczenia audience między kampaniami obowiązkowe - bez nich przepalasz budżet retargetując zimną grupę i prospectujesz do gorącej.
Campaign Budget Optimization (CBO) dla stabilnych kampanii z wieloma Ad Setami - algorytm sam alokuje budżet do najlepiej działających. Ad Set Budget Optimization (ABO) dla testów - gdy chcesz kontrolować dokładnie ile idzie na każdą grupę i masz hipotezę do zweryfikowania.
Learning Phase: minimum 50 zdarzeń optymalizacyjnych tygodniowo per Ad Set. Poniżej tego progu - kampania działa po omacku.
Audyt pokazuje stan obecny i konkretny plan wdrożenia powyższego stacku pod Twój biznes.