Často se setkáváme s e-shopy, kde na první pohled vše běží hladce. PNO se drží v normě, obrat meziročně roste a technické nastavení účtů nevydává varovné signály. Přesto má management pocit, že výkon neodpovídá potenciálu trhu. Nedávno jsme realizovali audit pro klienta z B2B segmentu, který krásně ilustruje rozdíl mezi běžnou „správou kampaní“ a strategickým řízením byznysu.
Ačkoliv byl marketingový účet klienta spravován pečlivě, hloubková analýza odhalila strukturální nedostatky, kvůli kterým firma přicházela odhadem o 10-15 % čistého zisku. Kde přesně jsme našli prostor pro zlepšení a jaká opatření jsme doporučili?
(Poznámka: Z důvodu ochrany dat klienta jsme změnili segment na prodej profesionální gastro techniky. Principy a zjištění jsou však autentické.)
Data: Proč algoritmy potřebují „tvrdá data“
Ještě než jsme se pustili do analýzy kampaní, provedli jsme revizi dat, která vstupují do reklamních systémů. Audit odhalil, že automatizace Googlu a Mety pracuje s nepřesnými vstupy, což zkresluje jejich rozhodování.
- Nekonzistence trhů: Kvůli limitaci v technickém nastavení e-shopu proudila do českého reklamního účtu i data o konverzích ze slovenského trhu. Algoritmy Smart Bidding tak optimalizovaly na „průměrného“ zákazníka, což snižovalo efektivitu cílení na lokálním trhu.
- Krátká paměť pro B2B: Standardní nastavení Analytics počítá návštěvu (relaci) na 30 minut. Nákup konvektomatu za 100 000 Kč ale obnáší hodiny studia technických specifikací. Systém tak jednu bonitní návštěvu rozdělil na pět „nezajímavých“, čímž zásadně zkreslil atribuci.
- Absence Server-Side Trackingu (SST): Chybělo pokročilé serverové měření. To je dnes kritické nejen pro obcházení blokátorů reklam a omezení prohlížečů (ITP), ale především pro bezpečné zasílání dat o marži (viz dále). Bez SST navíc reklamní systémy (zejména Facebook) dostávají jen zlomek signálů a nedokáží efektivně doručovat reklamu.
Naše doporučení: Jako nutný základ pro další rozvoj jsme stanovili implementaci Server-Side Trackingu, prodloužení časového limitu relace v GA4 a striktní technické oddělení datových toků pro jednotlivé trhy.
Past jménem ROAS (slepota k zisku)
Největší brzdou ziskovosti byla metrika, podle které se řídily rozpočty. Cílem byla návratnost z tržeb (ROAS). U sortimentu s diametrálně odlišnými maržemi jsme tento přístup vyhodnotili jako zavádějící.
- Pohled systému (tržba): Algoritmus preferoval prodej drahého konvektomatu za 80 000 Kč před sadou čistící chemie za 5 000 Kč, protože generoval vyšší obrat.
- Pohled byznysu (marže): Drahý stroj měl marži 5 % (zisk 4 000 Kč). Chemie měla marži 50 % (zisk 2 500 Kč).
Systém agresivně tlačil nízkomaržové technologie (kde je silná konkurence a vysoké CPC) a tlumil vysoce ziskové příslušenství.
Naše doporučení: Navrhli jsme přechod na strategii Profit Bidding (POAS). Skrze Server-Side Tracking je nutné začít do systémů odesílat hodnotu hrubé marže (nikoliv tržby). Algoritmus tak začne optimalizovat přímo na čistý přínos pro firmu.
Fragmentace účtu
Klientův účet v Google Ads obsahoval přes 100 aktivních kampaní. Struktura byla velmi detailní, rozdělená po jednotlivých značkách.
Identifikovaným problémem tohoto přístupu je nedostatek dat pro strojové učení. Většina těchto mikro-kampaní generovala nízké jednotky konverzí měsíčně. Chytré algoritmy (Smart Bidding) přitom vyžadují desítky konverzí, aby mohly fungovat efektivně.
Naše doporučení: Předložili jsme plán na radikální konsolidaci kampaní. Doporučili jsme sloučení desítek mikro-segmentů do cca 4-6 silných celků rozdělených podle maržovosti. Tím dodáme algoritmům potřebný objem dat pro stabilní a predikovatelný výkon.
Sociální sítě: Od kobercového náletu k B2B přesnosti
Klient investoval do Meta Ads (Facebook/Instagram) s využitím moderních automatických formátů (Advantage+). Ačkoliv kampaně přiváděly návštěvnost, konverzní poměr byl násobně nižší (pod 0,5 %) než u vyhledávání.
Příčinou byla strategie „všechno všem“. Algoritmus zobrazoval drahé gastro technologie širokému publiku. Pravděpodobnost, že majitel restaurace nakoupí průmyslovou myčku impulzivně na sociální síti, je minimální.
Naše doporučení:
- Filtrace sortimentu: Navrhli jsme vytvoření dedikovaného feedu pro Meta, ze kterého budou vyloučeny drahé stroje. Rozpočet doporučujeme přesunout na obrátkové zboží (chemie, nádobí, drobné vybavení), které funguje na principu impulzivního nákupu.
- LinkedIn Ads: Ušetřený rozpočet z neefektivních Facebook kampaní jsme doporučili realokovat do testování LinkedInu. Zde je možné zacílit přímo na decision makery (šéfkuchaře, provozní manažery). Cílem zde nemá být prodej přes e-shop, ale sběr leadů (poptávek) na konkrétní technologie, které následně zpracuje obchodní oddělení.
E-mailing: Nevyužitý potenciál v retenci
Audit odhalil, že e-mailing dosahuje vyššího konverzního poměru než placená reklama, ale podílí se na obratu jen minimálně. Firma fakticky „kupovala“ vracejícího se zákazníka opakovaně přes PPC reklamu.
Naše doporučení: Navrhli jsme zavedení pokročilé automatizace namísto prostého newsletteru.
- Spotřební cykly: Strategie postavená na datech – pokud zákazník zakoupí kávovar, systém zná průměrnou spotřebu a automaticky po 3 měsících odešle e-mail s nabídkou odvápňovacích tablet.
- Onboarding série: Po nákupu drahého stroje nespouštět další prodejní tlak, ale sérii edukačních e-mailů (video-návody na údržbu, tipy pro personál). Tím se buduje důvěra, která se zúročí při nákupu příslušenství.
- Chytrý sběr kontaktů: Doporučili jsme nasazení pop-up oken pro neregistrované návštěvníky s nabídkou hodnotného obsahu (např. „Checklist pro vybavení kuchyně“) výměnou za e-mail, s cílem snížit závislost na placené inzerci.
Závěr: Technologie musí sloužit strategii
Tento audit ukázal, že i technicky funkční reklamní účty mohou skrývat významné rezervy v ziskovosti. Rozdíl mezi průměrným a skvělým výkonem často neleží v nastavení jedné kampaně, ale v kvalitě dat na vstupu a v tom, zda optimalizujeme na obrat, nebo na skutečný zisk.