Google Ads dla sklepu eCommerce: jak doszliśmy do stabilnego 5–7x ROAS przy budżecie €18 000 miesięcznie

W tym case study pokazujemy, jak przeprowadziliśmy klienta z branży eCommerce retail — sklep wielokategoryjny działający równolegle na PrestaShop i Allegro z katalogiem ponad 3 500 SKU — od konta Google Ads, w którym wszystko było ustawione „na auto", a realny ROAS oscylował w okolicach 2,1x, do stabilnego zwrotu 5–7x miesiąc do miesiąca przy budżecie powyżej €18 000.

Zanim przejdziemy do konkretnych zmian, opiszemy kontekst — kto był klientem, jak wyglądał produkt i w jakim środowisku rynkowym pracowaliśmy. To nie jest najbardziej spektakularna część materiału, ale bez tego trudno zrozumieć, dlaczego podejmowaliśmy takie a nie inne decyzje. Jeśli prowadzisz konto Google Ads i widzisz w nim podobne symptomy, kontekst pomoże ci ocenić, na ile to, co opisujemy, da się przełożyć na twoją sytuację.

O kliencie i punkcie startowym

Ze względu na pozycję konkurencyjną klienta nie podajemy nazwy marki ani szczegółów, które mogłyby ją zidentyfikować. To, co możemy powiedzieć:

• Sklep eCommerce wielokategoryjny (dom i ogród, akcesoria, drobne AGD), działający na rynku polskim i ekspandujący na DE i CZ.
• Ponad 15 lat na rynku, rozpoznawalna marka w swojej niszy.
• Dwa równoległe kanały sprzedażowe: własny sklep na PrestaShop oraz konto sprzedawcy na Allegro.
• Budżet startowy w Google Ads: około €18 000 miesięcznie.
• Konto prowadzone wcześniej przez agencję, która skupiała się głównie na obsłudze, a nie na strategicznych zmianach.

Właściciel jest aktywnym przedsiębiorcą, prowadzi kilka biznesów równolegle i szukał partnera, któremu może oddać kanał Google Ads w pełni — z zaufaniem, że ktoś pilnuje i podejmuje decyzje, a nie tylko realizuje zlecone zadania. Wewnętrzny zespół marketingu odpowiadał za Allegro, social media i contentowy SEO; Google Ads był obszarem, w którym czuli, że „coś nie gra", ale brakowało rąk i kompetencji, żeby to rozkminić od zera.

Model biznesowy i katalog

Model jest klasyczny dla retailu eCommerce: zamówienie, koszyk, płatność, dostawa. AOV na poziomie około €58, marża operacyjna pozwalająca na CAC do €15–18, przyzwoity poziom powtarzalnych zakupów (około 28% klientów wraca w ciągu 12 miesięcy). Katalog rotuje sezonowo, część kategorii (ogród, narzędzia, dekoracje świąteczne) ma wyraźne piki.

Co istotne z perspektywy Google Ads: katalog liczy ponad 3 500 aktywnych SKU. Oznacza to, że poleganie wyłącznie na sieci wyszukiwania (Search) z ręcznie zarządzanymi słowami kluczowymi pod każdą kategorię to droga donikąd. Shopping Ads i Performance Max muszą być rdzeniem strategii, a sieć wyszukiwania — uzupełnieniem dla brandu i intencji wysokiej wartości.

Kontekst rynkowy

Pracę zaczynaliśmy w okresie, w którym polski rynek eCommerce mierzył się jednocześnie z presją inflacyjną, rosnącymi kosztami logistyki i ostrzejszą konkurencją cenową ze strony graczy azjatyckich na Allegro. Klient kilka miesięcy wcześniej skorygował ceny w górę o 6–8% — w odpowiedzi na koszty zakupu — i obawiał się, że to wpłynie na współczynniki konwersji. Pierwsze dane pokazywały lekki spadek CR, ale wyższe AOV częściowo to kompensowało.

Dodatkowo na poziomie technicznym ekosystem Google Ads w 2025–2026 wyglądał inaczej niż jeszcze dwa lata wcześniej: Universal Analytics był martwy, GA4 — domyślnym standardem, Consent Mode v2 — wymaganym minimum dla rynku EU, a atrybucja data-driven — defaultem dla nowych konwersji. To wszystko trzeba było uporządkować od pierwszego tygodnia.

Stan konta Google Ads na starcie

Z rozmów przed startem wiedzieliśmy, że klient liczy LTV klienta w okolicy €180–220 (zakup pierwotny plus powtórki w horyzoncie 12 miesięcy). To dawało nam komfortową przestrzeń, żeby celować w stabilny zwrot na poziomie 4–5x ROAS na pierwszym zakupie i nie patrzeć w panice na każdy słabszy tydzień.

Audyt konta odsłonił obraz, który widzieliśmy już wcześniej u wielu klientów po latach „obsługi bez strategii":

• Tag Google Ads nie był poprawnie wdrożony — konwersje były importowane z GA4 zamiast śledzone natywnie przez Google Ads.
• Enhanced Conversions wyłączone, mimo że klient miał już zgodę marketingową od logujących się użytkowników.
• Consent Mode w wersji podstawowej — bez modelowania konwersji dla użytkowników odrzucających pliki cookie, co po prostu zaniżało wolumen widocznych konwersji o około 18%.
• Auto-applied recommendations włączone w pełni — Google przez wiele miesięcy automatycznie dodawał słowa kluczowe i zmieniał ustawienia kampanii, generując pełzanie kosztu bez kontroli ze strony zespołu.
• Większość kampanii w domyślnych ustawieniach, w tym domyślny model atrybucji (last click) na starszych konwersjach.
• Brak Responsive Search Ads w kilkudziesięciu grupach reklam.
• Asset extensions (rozszerzenia) używane fragmentarycznie, z nieaktualną treścią.
• Performance Max prowadzony jako jedna kampania na cały katalog, bez segmentacji po marży ani po poziomie zwrotu.

Cele i sposób mierzenia postępów

Konto miało za sobą długą historię — kilkaset grup reklam, kilka tysięcy słów kluczowych, kilkanaście tysięcy SKU rotujących w feedzie. Wytłumaczyliśmy klientowi, że dotarcie do docelowego stanu to nie kwestia tygodnia, tylko 4–6 miesięcy systematycznej pracy z wyraźnymi krokami.

Uzgodniliśmy cel pierwszego etapu: stabilny ROAS 4x w horyzoncie 3 miesięcy, przy zachowaniu lub wzroście wolumenu zamówień. Do mierzenia postępów przyjęliśmy uproszczoną formułę, którą klient mógł sprawdzić sam w dowolnym momencie:

Przykład z pierwszego pełnego miesiąca po wdrożeniu nowego pomiaru:

• 1 240 zamówień przypisanych do Google Ads
• €58 średnia wartość zamówienia
• 1 240 × €58 = €71 920 przychodu
• €18 200 wydatku w Google Ads
• €71 920 ÷ €18 200 = ROAS 3,95x

LTV i zwrot 12-miesięczny liczyliśmy osobno, raz na kwartał. Klient widział jednak, że już na pierwszym zakupie wychodzimy z poziomu 2,1x i zmierzamy w stronę celu.

Fundament: pomiar konwersji w GA4 i Google Ads

Pierwsze, czym się zajęliśmy, było uporządkowanie pomiaru. Wbrew temu, co czasem słyszy się od mniej doświadczonych specjalistów, import konwersji z GA4 do Google Ads nie jest równoważny natywnemu trackingowi Google Ads. Oba systemy używają innego modelu atrybucji u źródła, mają inne okna konwersji i inaczej traktują przypadki braku zgody na pliki cookie.

GA4 vs Google Ads — gdzie pojawia się rozjazd

GA4 domyślnie używa atrybucji data-driven, ale w warstwie raportowej nadal opiera się o sesyjny model identyfikacji użytkownika. Konwersja, która nastąpi po wygaśnięciu sesji i bez parametrów GCLID, może zostać przypisana do innego kanału niż faktyczne źródło. Google Ads natomiast, gdy ma własny tag konwersji z GCLID, dopisuje konwersję do kliknięcia nawet w długim oknie (do 90 dni).

U tego klienta różnica była bolesna: porównanie danych z GA4 i Google Ads (po wdrożeniu obu trackingów równolegle) pokazało, że natywny pomiar Google Ads łapał o 23% więcej zamówień przypisanych do płatnych wyszukiwań niż import z GA4. Te konwersje wcześniej po prostu „znikały" w atrybucji, bo użytkownik wracał później bezpośrednio lub z brandowego wyszukania.

Wniosek praktyczny: Jeśli prowadzisz konto Google Ads, w którym konwersje są importowane wyłącznie z GA4, prawdopodobnie zaniżasz wartość kanału płatnego o kilkanaście do kilkudziesięciu procent. To bezpośrednio wpływa na decyzje Smart Bidding — model uczy się na niepełnych danych i nie wie, że Twoje słowa kluczowe naprawdę działają.

Co wdrożyliśmy

• Natywny tag konwersji Google Ads w Google Tag Manager — osobno dla zakupu i dla mikro-konwersji (dodanie do koszyka, rozpoczęcie checkout).
• Tag remarketingowy Google Ads, oddzielnie od GA4 audiences — żeby budować listy odbiorców z parametrami dynamicznymi feedu.
• Enhanced Conversions dla zakupu — przesyłanie zhashowanego adresu e-mail i numeru telefonu z formularza zamówienia (po zgodzie marketingowej), żeby odzyskać konwersje tracone przez ograniczenia plików cookie.
• Consent Mode v2 w trybie zaawansowanym, z modelowaniem konwersji dla użytkowników, którzy nie wyrazili zgody.

Modelowanie atrybucji wieloklikowej

Po przeniesieniu pomiaru na natywny Google Ads nasza praca z atrybucją się nie kończyła. Drugim krokiem była zmiana modelu atrybucji dla wszystkich konwersji.

Wyobraźmy sobie typową ścieżkę zakupową klienta w branży, w której działał ten sklep:

• Klik 1: generyczna fraza kategoryjna, np. „akcesoria do domu na prezent"
• Klik 2: bardziej szczegółowa fraza produktowa, np. „świecznik mosiężny vintage"
• Klik 3: brandowa fraza, np. nazwa sklepu — i tutaj następuje zakup

W modelu last click całość zasługi za konwersję trafia do trzeciego kliknięcia, czyli do brandu. W rzeczywistości to dwie pierwsze frazy pracowały na świadomość i rozważanie, a brand tylko zamknął sprzedaż. Jeśli będziesz alokować budżet wyłącznie na podstawie last click, zlikwidujesz frazy generyczne i produktowe — i po kilku miesiącach zobaczysz, że spada wolumen brandowy. Bo nikt już nie buduje świadomości na górze lejka.

W Google Ads od kilku lat domyślnym i rekomendowanym modelem jest data-driven attribution (DDA). Model uczy się na podstawie historii konwersji i sam decyduje, jaką wagę przypisać każdemu z kliknięć w ścieżce. Wymaga to jednak odpowiedniego wolumenu danych — i konto klienta dawno przekraczało próg wystarczający dla DDA.

Przełączyliśmy wszystkie konwersje na DDA, ustawiliśmy okno konwersji na 30 dni dla kliknięć i 1 dzień dla wyświetleń. Po dwóch tygodniach widzieliśmy już realokację „zasług" w raportach: frazy generyczne i kategoryjne zaczęły dostawać udział, który wcześniej w całości szedł do brandu. Smart Bidding zaczął inaczej rozkładać CPC i to było widać w jakości ruchu w GA4.

Enhanced Conversions i Consent Mode v2

To są dwa elementy, które w 2026 roku odróżniają konto „obsługiwane" od konta „zoptymalizowanego". Pominięcie któregoś z nich oznacza, że płacisz Google za kliknięcia, których konwersji nie widzisz — a Smart Bidding podejmuje decyzje na podstawie zubożonego zbioru danych.

Enhanced Conversions for Web

Mechanizm jest prosty w opisie, ale wymaga staranności we wdrożeniu: po finalizacji zamówienia z formularza pobieramy adres e-mail i numer telefonu kupującego, hashujemy je w przeglądarce algorytmem SHA-256, i razem z konwersją wysyłamy do Google. Google porównuje hash z hashem zalogowanego użytkownika Google i, jeśli jest dopasowanie, przypisuje konwersję do kliknięcia mimo braku plików cookie lub mimo cross-device.

U klienta wdrożyliśmy to przez Google Tag Manager z odczytem danych z dataLayer wystawianego przez PrestaShop na stronie potwierdzenia zamówienia. Po miesiącu Google raportował, że Enhanced Conversions odzyskuje około 14% dodatkowych konwersji niewidocznych w standardowym tagu.

Consent Mode v2 — tryb zaawansowany

Klient miał wdrożoną platformę CMP (Consent Management Platform), ale w wersji podstawowej Consent Mode — to znaczy: jeśli użytkownik odrzucał ciasteczka marketingowe, tagi Google Ads nie były w ogóle uruchamiane. Pełna ciemność.

Przełączyliśmy CMP na wersję zaawansowaną. W tym trybie tagi uruchamiają się nawet bez zgody, ale w trybie bezcookie — wysyłają pingi zanonimizowane, a Google modeluje brakujące konwersje na podstawie zachowań użytkowników z pełną zgodą. W praktyce odzyskaliśmy widoczność około 18% konwersji, które wcześniej były całkowicie niewidoczne. Co istotne, jest to w pełni zgodne z RODO — modelowanie odbywa się po stronie Google na zanonimizowanych danych.

Słowa kluczowe i frazy wyszukiwania

Z fundamentem pomiarowym na miejscu można było zacząć decyzje dotyczące struktury konta. Audyt warstwy słów kluczowych wskazał cztery główne obszary do roboty:

1. Wyłączenie auto-applied recommendations
2. Wyczyszczenie zapytań informacyjnych
3. Konsolidacja exact match → phrase / broad match z kontrolą przez listę negatywnych
4. Restrukturyzacja zbyt szerokich grup reklam

Auto-applied recommendations — wyłączamy

Funkcja jest pomyślana dla małych kont prowadzonych bez agencji. Google sam dodaje słowa kluczowe, rozszerza kampanie i zmienia ustawienia kierowania — z 14-dniowym oknem powiadomienia, którego nikt nie czyta. Na koncie obsługiwanym aktywnie to ciągłe utrudnienie: pojawiają się nieoczekiwane frazy, kampanie zaczynają wydawać poza założonym profilem, a w dyskusji z klientem ciężko wyjaśnić, czemu coś się zmieniło.

Wyłączyliśmy wszystkie auto-applied recommendations — łącznie z tymi, które Google domyślnie pokazuje jako bezpieczne. Każdą rekomendację oceniamy ręcznie raz w tygodniu i decydujemy świadomie.

Zapytania informacyjne na liście negatywnych

Raport zapytań wyszukiwania pokazał spory wolumen ruchu z frazami zaczynającymi się od „jak", „co to jest", „gdzie kupić", „kiedy", „dlaczego". W ujęciu retail-eCommerce takie zapytania bardzo rzadko prowadzą do zakupu — użytkownik szuka informacji, nie produktu. Konwersja na nich była około czterokrotnie niższa niż na zapytaniach transakcyjnych, a CPC porównywalne.

Skompilowaliśmy listę około 240 fraz informacyjnych z najwyższym wolumenem i najgorszą konwersją, wrzuciliśmy ją na wspólną listę negatywnych słów kluczowych i przypisaliśmy do wszystkich kampanii Search. Tę listę można zawsze rozszerzyć w przyszłości lub usunąć z niej pojedyncze frazy, jeśli zechcemy testować content marketingowy — ale w fazie agresywnej optymalizacji ROAS-u to było jednoznacznie korzystne.

Exact match → phrase i broad z kontrolą

Konto przez lata rozrosło się głównie przez dodawanie kolejnych słów exact match — była to strategia poprzedniej agencji. Przy katalogu 3 500 SKU oznaczało to grupy reklam z setkami exact-match keywords, których utrzymanie pochłaniało więcej czasu niż przynosiło wartości.

W 2026 roku — z dobrze działającym Smart Biddingiem i pełnym pomiarem konwersji — strategia czysto exact-match ma sens tylko w bardzo wąskich niszach. Skonsolidowaliśmy słowa do phrase match i broad match z aktywnym monitorowaniem zapytań i listą negatywnych. To dało Smart Biddingowi większą przestrzeń do eksploracji, jednocześnie pod kontrolą.

Zbyt szerokie grupy reklam

W konta były grupy reklam mieszane tematycznie — np. fraza „lampa stojąca do salonu" w tej samej grupie co „organizery do szafy". Reklama wyświetlana na takie zapytania jest jedna i ta sama, a Quality Score spada, bo treść reklamy nie pasuje precyzyjnie do intencji.

Rozbiliśmy zbyt szerokie grupy na grupy tematyczne, w których słowa kluczowe i treść reklamy są spójne. Efekt: średni CTR w segmencie Search wzrósł o 31% w pierwszym miesiącu po restrukturyzacji, a Quality Score na większości fraz transakcyjnych podniósł się o 1–2 punkty. To oznacza, że za to samo kliknięcie płacimy mniej.

Treści reklam i powierzchnia SERP

Po stronie copy klient miał stosunkowo dobrą bazę — 15 lat sprzedaży nauczyło ich, co działa. Naszą rolą było raczej dopracowanie i zwiększenie wolumenu wariantów niż wynajdywanie nowego głosu marki.

Tytuły w Title Case

Większość Responsive Search Ads w koncie była pisana w lowercase. To prosta zmiana, ale konsekwentnie podnosi CTR. Konwersja reklam pisanych Sklep z Akcesoriami do Domu — Dostawa w 24h jest mierzalnie lepsza niż sklep z akcesoriami do domu — dostawa w 24h. Po przebudowie wszystkich aktywnych RSA do title case CTR podniósł się średnio o 0,8 punktu procentowego.

Aktualizacja oferty i USP w copy

Reklamy mówiły o „ponad 2 000 produktów" — w czasach, kiedy katalog miał już ponad 3 500 SKU. Mówiły o darmowej dostawie od 199 zł, kiedy próg dawno został obniżony do 149 zł. Liczby z reklam były starsze niż dwa lata.

Przeszliśmy przez wszystkie aktywne reklamy i rozszerzenia, zaktualizowaliśmy liczby, USP, terminy dostawy i komunikację o gwarancjach. To brzmi prozaicznie, ale klienci patrzą na te liczby i konkurują nimi nieświadomie z innymi reklamami na SERP.

Maksymalizacja powierzchni na SERP

Każda reklama Google Ads ma do dyspozycji 15 nagłówków, 4 opisy, ścieżki wyświetlania, plus assets (rozszerzenia): linki dodatkowe, objaśnienia, fragmenty rozszerzone, ceny, lokalizacja, połączenia. Im więcej slotów wypełnisz, tym więcej miejsca twoja reklama zajmuje w wynikach wyszukiwania, tym wyższy ranking i tym mniej miejsca dla konkurencji.

U klienta wiele reklam wykorzystywało 4–6 nagłówków zamiast wszystkich 15, większość kampanii nie miała pełnego zestawu assetów. Zbudowaliśmy assety na poziomie konta (dla spójności brandowej) plus assety na poziomie kampanii (dla specyfiki kategorii). W rezultacie średni Ad Strength dla aktywnych RSA podniósł się z Average do Good/Excellent na 78% reklam.

Wolumen reklam w grupie

Zaleceniem Google jest minimum 2 Responsive Search Ads na grupę reklam. Pozwala to systemowi rotować i porównywać warianty, identyfikować, które kombinacje nagłówek+opis najlepiej rezonują z konkretnymi zapytaniami. U klienta wiele grup miało tylko jedną reklamę — przez co Smart Bidding nie miał z czego wybierać i nie mógł optymalizować.

Dopilnowaliśmy, żeby każda aktywna grupa Search miała 2–3 RSA z różnymi anglami komunikacyjnymi: jeden mocniej oparty o cenę, drugi o gwarancję jakości, trzeci o szybkość dostawy.

Feed Merchant Center i Performance Max

Najbardziej znaczącą zmianą strategiczną — i tę, która najmocniej przeniosła ROAS w górę — była praca z feedem i restrukturyzacja Performance Max.

Audyt feedu

Pierwszy audyt feedu Merchant Center pokazał:

• Tytuły produktów generowane automatycznie z PrestaShop bez kategorii, marki ani wariantu — np. „Świecznik mosiężny" zamiast „Świecznik mosiężny stojący 30cm — vintage XYZ".
• 21% produktów odrzuconych przez Merchant Center z powodu brakujących lub niezgodnych atrybutów (GTIN, dostępność, kategoria produktowa Google).
• Brak custom labels — czyli brak możliwości segmentacji produktów po marży, sezonowości czy poziomie ROAS w kampaniach.

Wdrożyliśmy reguły feedu w Merchant Center i osobny middleware optymalizacyjny, który dla każdej kategorii budował tytuł według sprawdzonego wzorca: [Marka] [Typ produktu] [Atrybut kluczowy] [Wariant]. Doprowadziliśmy współczynnik aktywnych produktów z 79% do 96%.

Dodaliśmy pięć custom labels:

• custom_label_0: poziom marży (high / mid / low)
• custom_label_1: sezonowość (whole_year / spring / summer / autumn / christmas)
• custom_label_2: poziom ceny (premium / mid / budget)
• custom_label_3: historyczny ROAS (proven / testing / underperformer)
• custom_label_4: bestseller (yes / no)

Restrukturyzacja Performance Max

Wcześniej cała sprzedaż jechała na jednej kampanii Performance Max, do której wpadał cały katalog. Smart Bidding próbował optymalizować wszystko na raz — produkty wysokomarżowe i niskomarżowe, bestsellery i pozycje testowe. Efekt: budżet rozjeżdżał się nierównomiernie, a tROAS średni dla kampanii był nieadekwatny do realnych możliwości poszczególnych segmentów.

Podzieliliśmy Performance Max na cztery kampanie segmentowane przez custom labels:

• PMax — Bestsellery i Proven ROAS (custom_label_3 = proven OR custom_label_4 = yes): tROAS 600%, najwyższy priorytet budżetowy.
• PMax — High Margin (custom_label_0 = high): tROAS 500%, agresywne CPC.
• PMax — Sezonowe (custom_label_1 ≠ whole_year): włączane i wyłączane w cyklu sezonowym, tROAS 450%.
• PMax — Pozostałe i Testing: tROAS 350%, niższy budżet, traktowane jako poligon eksperymentalny.

Każda kampania ma własny zestaw assetów (obrazy, video, nagłówki), własny sygnał odbiorców (audience signals) i własny budżet. Smart Bidding optymalizuje teraz w obrębie homogenicznych segmentów, a nie na całym katalogu jednocześnie.

Audience signals — wkład own data

Dla każdej kampanii Performance Max przygotowaliśmy audience signals zbudowane z first-party data klienta — listy kupujących z ostatnich 540 dni, listy odbiorców newslettera z aktywnością, segmenty osób, które dodały do koszyka i nie kupiły. Te dane karmią model Smart Bidding i znacząco przyspieszają fazę uczenia.

Wyniki

Po czterech miesiącach systematycznej pracy:

Konto z punktu, w którym właściciel zastanawiał się, czy w ogóle utrzymywać Google Ads, stało się najefektywniejszym kanałem akwizycji klientów w portfelu marki — wyprzedzając Allegro Ads w przeliczeniu na jednostkę przychodu i Meta Ads w jakości pozyskanego ruchu. Klient zwiększył miesięczny budżet o 35% (do około €24 500), bo poziom zwrotu pozwalał agresywnie skalować bez utraty marży.

Co ważne, na poziomie operacyjnym:

• Wewnętrzny zespół marketingu uwolnił czas na content i SEO.
• Raportowanie stało się przejrzyste i co miesiąc zajmuje stronę A4, a nie 30 minut tłumaczenia.
• Decyzje budżetowe są oparte na realnej, pełnej atrybucji, a nie na zgadywaniu.

Współpraca trwa nadal — pracujemy nad kolejnymi optymalizacjami, ekspansją na rynki DE i CZ oraz integracją Google Ads z procesami CRM po stronie klienta.