Przypadek: skalowanie Google Ads dla e-commerce części samochodowych

Kontekst projektu

Zamawiający zwrócił się z zadaniem skalowania reklamy Google Ads w niszy części samochodowych — jednej z najtrudniejszych pod względem struktury konta i działania algorytmów Google. Przed zgłoszeniem zamawiający współpracował z kilkoma agencjami. Pomimo doświadczenia agencji w Google Ads, brak głębokiej ekspertyzy w zakresie części samochodowych uniemożliwił uzyskanie stabilnego i przewidywalnego wyniku.

Sytuacja wyjściowa

Projekt miał szereg systemowych trudności:
— duży feed produktowy
— dziesiątki kategorii
— tysiące części z różną zastosowalnością
— szeroki rozrzut cen nawet w obrębie jednej kategorii
— różna marżowość i wpływ produktów na średni koszyk

Po audycie zidentyfikowano kluczowe ograniczenie:
podwykonawcy uruchamiali jedną lub kilka kampanii na cały feed, w wyniku czego:
— Google faktycznie pokazywał tylko 5–10% produktów
— większa część asortymentu w ogóle nie uzyskiwała wyświetleń
— algorytmy „zapętlały się” na wąskiej grupie produktów

Kluczowe problemy

Ograniczenie wyświetleń feedu
Google nie mógł skutecznie uczyć się na dużej masie produktów w obrębie jednej kampanii, dlatego do aukcji trafiały tylko naj „wygodne” dla algorytmu pozycje.

Przesunięcie w stronę ROAS
Algorytm sprzedawał tylko te produkty, które mieściły się w zadanym ROAS, ignorując pozycje, które:
— były korzystne dla biznesu
— przyciągały klientów do pokrewnych kategorii
— zwiększały LTV i powtarzalność sprzedaży

Brak związku między średnim koszykiem a ceną konwersji
Cena konwersji była oceniana jednakowo dla wszystkich produktów, chociaż średni koszyk i marżowość zasadniczo się różniły.

Podjęta decyzja

Zrezygnowałem z standardowej logiki „jeden feed — jedna kampania” i opracowałem spersonalizowaną strukturę konta z głęboką segmentacją.

Realizacja

Segmentacja według segmentów cenowych
Cały asortyment został podzielony na segmenty cenowe. Dla każdego segmentu:
— ustalono własną dopuszczalną cenę konwersji
— uwzględniono średni koszyk
— uwzględniono ekonomię konkretnej grupy produktów

To pozwoliło:
— wyeliminować nieadekwatny koszt zamówienia
— wyrównać efektywność między różnymi kategoriami cenowymi
— przestać „dusić” zyskowne, ale droższe produkty

Praca z dużym feedem przez dodatkowe feedy
Aby rozwiązać problem wolnego wprowadzania produktów do wyświetleń, zastosowano strategię podziału:
— segment liczący około 100 000 produktów dzielono na 8–10 podfeedów
— dla każdego podfeedu uruchamiano osobne kampanie
— na etapie nauki wybierano produkty z najlepszymi wskaźnikami

Następnie produkty były ponownie grupowane według logiki:
— „gwiazdy”
— „krowy dojne”
— produkty z potencjałem wzrostu
— outsiderzy

Każda grupa otrzymywała własną logikę reklamową.

Wynik

— zdjęto ograniczenia skalowania
— reklama przestała napotykać algorytmiczne limity
— Google zaczął równomiernie pracować z asortymentem
— reklama generuje dokładnie taką liczbę leadów, jaka jest potrzebna biznesowi

Ważny moment:
skalowanie stało się kontrolowane. W razie potrzeby objętość leadów można zwiększyć w dowolnym momencie — bez niszczenia struktury i utraty efektywności.

Podsumowanie dla zamawiającego

— stabilny i kontrolowany system reklamowy
— wykorzystanie rzeczywistego potencjału asortymentu
— wzrost obrotów bez przesunięcia w stronę pojedynczych produktów
— struktura konta dostosowana do biznesu, a nie do szablonów agencji