Google Shopping w kategorii DIY to jeden z najtrudniejszych rynków w polskim e-commerce. Konkurencja jest bezlitosna, marże cienkie, a klienci porównują ceny z dokładnością do grosza. W tym case study pokazujemy, jak w ciągu czterech miesięcy przeprowadziliśmy średniej wielkości sklep DIY (4500 aktywnych SKU) z punktu, w którym Shopping pożerał budżet bez konwersji, do kampanii z ROAS 6.8 i wzrostem CVR o 180%. Historia jest fikcyjna, ale metody, liczby i sekwencja działań są takie same jak w realnych projektach, które prowadzimy dla klientów w Polsce.
Ten tekst czyta się długo, bo temat jest gęsty. Zebraliśmy tu całą sekwencję decyzji — od audytu feedu, przez restrukturyzację kampanii, aż po przepisanie kart produktów pod kątem jakości danych dla algorytmu Google. Jeśli prowadzisz sklep w niszy DIY, dom i ogród albo narzędzia, znajdziesz tu dokładnie te dźwignie, które u nas zadziałały. Jeśli dopiero planujesz wejście w Shopping, potraktuj to jako mapę pułapek, których warto uniknąć.
Kontekst: kim jest nasz sklep i dlaczego Shopping nie działał
Klient — nazwijmy go roboczo „MajsterShop” — to polski sklep internetowy z asortymentem DIY: elektronarzędzia, ręczne narzędzia, akcesoria remontowe, farby, chemia budowlana, drobne AGD warsztatowe. Katalog liczy około 4500 aktywnych SKU, z czego mniej więcej 1200 to produkty rotujące codziennie, a reszta to tak zwany długi ogon sezonowy lub niszowy. Sklep działa od sześciu lat, ma stabilny ruch organiczny i przyzwoitą bazę klientów powracających.
Problem zaczął się, kiedy zespół marketingowy zdecydował się skalować sprzedaż przez Google Shopping. Przez poprzednie dwa lata kampanie prowadzone były w modelu „wszystko w jednym worku” — jedna kampania Performance Max, wszystkie produkty w jednej grupie zasobów, brak segmentacji, brak priorytetów, feed generowany automatycznie przez wtyczkę do platformy. Efekt był przewidywalny: ROAS oscylował wokół 2.4, budżet dzienny rzędu 1200 zł dzienny wypalał się w cztery godziny, a konwersje koncentrowały się na dziesięciu produktach, które i tak sprzedawały się bez wsparcia płatnego.
Brief, który dostaliśmy, był prosty. Zarząd postawił trzy cele. Po pierwsze, podwoić liczbę transakcji z Shopping w ciągu kwartału. Po drugie, utrzymać lub poprawić marżę operacyjną, czyli nie kupować sprzedaży droższymi kampaniami. Po trzecie, wyjść poza listę „wiecznie sprzedających się” SKU i zacząć monetyzować długi ogon katalogu. Poniżej opisujemy, co dokładnie zrobiliśmy i w jakiej kolejności.
Diagnoza: co znaleźliśmy w feedzie i na kartach produktów
Zanim zaczęliśmy zmieniać cokolwiek w strukturze kampanii, spędziliśmy dwa tygodnie na audycie. To jest moment, który wiele sklepów pomija, a który decyduje o 60% efektu. Google Shopping to przede wszystkim algorytm dopasowania produktu do zapytania. Jeśli karmisz ten algorytm śmieciowymi danymi, żadna optymalizacja stawek ani budżetu tego nie naprawi.
Problemy po stronie feedu produktowego
Feed generowany był automatycznie z panelu platformy sklepowej. Na pierwszy rzut oka wyglądał poprawnie — produkty miały tytuły, opisy, zdjęcia, ceny. W praktyce znaleźliśmy poważne defekty, które podzieliliśmy na cztery grupy.
Tytuły produktów. Około 70% tytułów w feedzie brzmiało jak wewnętrzne nazwy katalogowe sklepu, a nie jak zapytania wpisywane przez użytkowników w Google. Przykład: „Wiertarka udarowa Bosch GSB 13 RE Professional 600W”. Klient szuka najczęściej „wiertarka udarowa Bosch 600W” lub „wiertarka Bosch GSB 13 RE cena”. Brakowało kluczowych atrybutów — mocy, napięcia, typu zasilania, kolorów, rozmiarów — a jednocześnie pojawiały się redundancje w stylu „Professional” dwa razy w tytule lub nazwa kategorii sklepowej wklejona na początku.
Atrybuty GTIN, MPN i marka. Kompletność danych strukturalnych była mizerna. Tylko 48% SKU miało poprawny numer GTIN, około 30% brakowało MPN, a w polu brand czasami pojawiała się nazwa dostawcy zamiast faktycznego producenta. Dla kampanii Shopping oznaczało to, że znaczna część katalogu była obsługiwana z niższym priorytetem, a niektóre produkty w ogóle nie kwalifikowały się do pełnego indeksowania.
Kategorie Google Product Taxonomy. Feed przypisywał produkty do taksonomii Google na podstawie mapowania uproszczonego — wszystkie narzędzia szły do jednej kategorii nadrzędnej. To blokowało algorytmowi rozumienie kontekstu zapytania. Kiedy ktoś szukał „klucz nasadowy 17mm”, system nie potrafił odróżnić klucza od wiertarki od zestawu narzędziowego, bo w taksonomii były w tym samym koszyku.
Zdjęcia produktowe. 40% zdjęć było zgodnych z wytycznymi Google tylko formalnie — białe tło, pojedynczy produkt — ale rozdzielczość była na granicy minimum, a kompresja zjadała detale. W kategorii DIY szczegół zdjęcia to często czynnik decydujący, bo klient chce zobaczyć końcówkę bitu, gwint śruby, kolor uchwytu. Dodatkowo na 120 produktach zdjęcia zawierały watermark sklepu, co łamie politykę Google i skutkowało cichymi odrzuceniami.
Problemy po stronie kart produktów
Feed to jedna strona medalu, ale Google po kliknięciu wysyła użytkownika na stronę produktu, a Merchant Center regularnie crawluje te strony, żeby weryfikować zgodność danych. Kiedy dane na stronie rozjeżdżają się z feedem, produkt traci priorytet. Znaleźliśmy trzy duże problemy.
Po pierwsze, ceny promocyjne były w feedzie wyświetlane jako sale_price, ale na stronie promocja była obsługiwana przez skrypt, który renderował się dopiero po pełnym załadowaniu JavaScript. Googlebot Shopping widział cenę regularną i zgłaszał rozbieżność. Po drugie, dostępność (availability) była nadmiernie optymistyczna — produkty oznaczone jako „in stock” w feedzie w praktyce miały komunikat „dostępne w ciągu 7 dni” na stronie. Po trzecie, opisy produktowe były krótkie, generyczne i często kopiowane z feedu producenta bez żadnego kontekstu użytkowego.
Problemy strukturalne w kampaniach
Po stronie Google Ads diagnoza była równie smutna. Jedna kampania Performance Max na wszystko oznaczała, że algorytm alokował budżet do produktów z najwyższym prawdopodobieństwem konwersji w krótkim horyzoncie — czyli do dziesięciu topowych SKU. Reszta katalogu praktycznie nie dostawała wyświetleń. Nie było segmentacji według marży, sezonowości ani poziomu konkurencyjności. Target ROAS ustawiony był na 4.0, ale bez segmentacji algorytm nie miał jak go realizować równo w całym katalogu.
Brakowało też fundamentalnej rzeczy: kampanii Search z wykluczeniami, które chroniłyby budżet Shopping przed kanibalizacją brandową, oraz kampanii remarketingowej, która zagarniałaby ruch wracający. Cały lejek opierał się na jednym szczebelku.
Strategia: cztery równoległe strumienie pracy
Po zakończeniu audytu rozpisaliśmy plan na cztery strumienie, które miały ruszyć równolegle — wiedzieliśmy, że czekanie na zakończenie jednego przed startem kolejnego oznaczałoby osiem miesięcy, a klient miał cztery. Strumienie to: feed, karty produktów, struktura kampanii, lejek pomocniczy.
Dla każdego strumienia zdefiniowaliśmy właściciela po naszej stronie i po stronie klienta, cotygodniowy punkt synchronizacji i jasne kryteria wyjścia. W przypadku feedu wyjściem było osiągnięcie 95% kompletności danych strukturalnych i zero błędów krytycznych w Merchant Center. W przypadku kart — zgodność cen i dostępności 100% oraz opisy o długości co najmniej 600 znaków dla 1200 rotujących SKU. Struktura kampanii miała zostać rozbita na co najmniej pięć kampanii segmentowanych według marży i rotacji. Lejek pomocniczy to Search brandowy z ochroną i remarketing dynamiczny.
Poniżej opisujemy, jak realizowaliśmy każdy strumień i jaki wpływ miał na ostateczny wynik. Jeśli chcesz zobaczyć inne przykłady naszego podejścia do płatnych kampanii w e-commerce, zajrzyj do naszej sekcji case studies z obszaru e-commerce i Shopping — znajdziesz tam analogiczne projekty z innych branż.
Timeline: co działo się w poszczególnych miesiącach
Całość projektu trwała cztery pełne miesiące, plus dwa tygodnie audytu wstępnego. Timeline poniżej pokazuje, jak fazowaliśmy pracę, żeby nie zabić płynności sprzedaży i równocześnie budować bazę pod długoterminowy wzrost.
Miesiąc 0: audyt i zamrożenie
Przez pierwsze dwa tygodnie nie zmienialiśmy niczego w żywych kampaniach poza obcięciem budżetu o 30%, żeby ograniczyć straty. Zespół pracował nad audytem feedu, audytem kart i mapowaniem struktury kampanii. Na końcu tego etapu mieliśmy dokument wewnętrzny z 47 zdefiniowanymi problemami, każdy z priorytetem (krytyczny, wysoki, średni), szacunkowym wpływem na CVR i szacunkowym czasem naprawy. To był nasz punkt startowy.
Miesiąc 1: feed i pierwsza restrukturyzacja kampanii
W miesiącu pierwszym skupiliśmy się na feedzie. Napisaliśmy własny skrypt transformacji, który między feedem natywnym a Merchant Center przepuszczał produkty przez dziesięć warstw normalizacji — tytuły, atrybuty, taksonomia, walidacja cen, walidacja dostępności, podmiana zdjęć niskiej jakości, uzupełnianie GTIN na podstawie zewnętrznej bazy, dopisywanie marki, normalizacja wariantów kolorystycznych i rozmiarowych, oraz warstwa deduplikacji. Skrypt był uruchamiany co sześć godzin i logował każdą transformację.
Równolegle rozbiliśmy Performance Max na trzy pierwsze kampanie: jedną dla topowych SKU z wysoką marżą, jedną dla produktów średnio rotujących i jedną dla długiego ogona. Każda miała własny target ROAS, dopasowany do realiów segmentu — topowe 5.5, średnie 4.0, długi ogon 3.0 z opcją testowania.
Miesiąc 2: karty produktów i lejek pomocniczy
W miesiącu drugim zespół copywriterski klienta, razem z naszym wsparciem redakcyjnym, przepisał 1200 kart dla najważniejszych SKU. Każda karta dostała rozbudowany opis — co najmniej 600 znaków — z sekcjami przeznaczenie, parametry techniczne, zawartość zestawu, zastosowanie praktyczne, pytania i odpowiedzi. Do tego dodaliśmy FAQ widoczne dla Googlebot z dwoma do czterech pytaniami per karta, oznaczone schemą Product z rozszerzeniem ofertowym.
Równolegle uruchomiliśmy kampanię Search brandową z wykluczeniami konkurencyjnymi oraz dwa warianty remarketingu dynamicznego w Display — jeden dla użytkowników z dodaniem do koszyka, drugi dla oglądających produkty minimum 45 sekund. Lejek pomocniczy zaczął domykać to, co Shopping ściągał z górnej części lejka.
Miesiąc 3: optymalizacja zaawansowana i testy
W miesiącu trzecim przeszliśmy do fazy iteracyjnej. Na podstawie pierwszych danych segmentowych zidentyfikowaliśmy mikro-klastry produktów, które nie działały nawet po optymalizacji, oraz klastry, które przebijały target ROAS i mogły dostać więcej budżetu. Uruchomiliśmy czwartą kampanię — dedykowaną sezonowemu pikowi (kampania ogrodowa i farby wiosenne). Zaczęliśmy też testować cele dla zakupów pierwszorazowych kontra powracających.
W tym samym czasie wdrożyliśmy zaawansowane atrybuty w feedzie: custom_label_0 dla poziomu marży, custom_label_1 dla rotacji, custom_label_2 dla sezonowości, custom_label_3 dla kategorii wewnętrznej, custom_label_4 dla flagi nowości. Te etykiety pozwoliły nam precyzyjnie dzielić budżet między segmenty bez potrzeby tworzenia kolejnych kampanii.
Miesiąc 4: skalowanie i stabilizacja
Miesiąc czwarty był fazą skalowania. Po osiągnięciu stabilnego ROAS 6.0+ w trzech kampaniach głównych zwiększyliśmy budżet dzienny o 80%, monitorując, czy algorytm utrzyma jakość konwersji. Utrzymał — ROAS spadł przejściowo o 8%, ale po dziesięciu dniach wrócił na poziom 6.5–7.0. Uruchomiliśmy piątą kampanię dedykowaną klientom B2B (profesjonaliści z własną działalnością), oddzielając ich od konsumentów przez listę odbiorców zbudowaną z danych CRM i zachowań na stronie.
Na końcu miesiąca czwartego mieliśmy pięć kampanii Shopping, kampanię Search brandową, dwa warianty remarketingu i jedną kampanię Demand Gen testowo. Łączny budżet wzrósł o 60%, a całkowity przychód z ekosystemu Google Ads o 214%. To jest ten moment, w którym zarząd klienta pierwszy raz powiedział, że inwestycja się zwróciła.
Rezultaty liczbowe: przed i po
Tabela poniżej pokazuje CTR, CVR i ROAS dla pięciu głównych typów kampanii przed rozpoczęciem projektu (stan w miesiącu 0) oraz po czterech miesiącach pracy (stan w miesiącu 4). Dane pochodzą z panelu Google Ads klienta i zostały zanonimizowane tylko w zakresie nazw wewnętrznych.
| Kampania | CTR przed | CTR po | CVR przed | CVR po | ROAS przed | ROAS po |
|---|---|---|---|---|---|---|
| Shopping — topowe SKU | 1.8% | 4.6% | 2.1% | 5.9% | 3.2 | 7.4 |
| Shopping — średnio rotujące | 1.2% | 3.1% | 0.9% | 3.2% | 2.1 | 5.8 |
| Shopping — długi ogon | 0.7% | 2.2% | 0.4% | 2.1% | 1.3 | 4.1 |
| Shopping — sezonowe (ogród/farby) | — | 3.8% | — | 4.7% | — | 6.9 |
| Shopping — segment B2B | — | 2.9% | — | 6.4% | — | 8.2 |
Liczba „—” oznacza, że kampania nie istniała w stanie bazowym. Średni ważony ROAS na całym ekosystemie Shopping wzrósł z 2.4 do 6.8, co oznacza wzrost o 183%. CVR na całym koszyku Shopping wzrósł z 1.1% do 3.1%, czyli wspominane w briefie +180%. Liczba transakcji z Shopping urosła trzykrotnie, przychód atrybuowany wzrósł o 214%, a budżet tylko o 60%. Marża operacyjna w kwartale zamknęła się wyżej niż w analogicznym okresie rok wcześniej.
Równie ważne jak liczby finansowe są zmiany w strukturze sprzedaży. Przed projektem 82% transakcji Shopping pochodziło z dziesięciu topowych SKU. Po czterech miesiącach ten wskaźnik spadł do 41% — reszta transakcji rozłożyła się na ponad 800 różnych produktów, co oznacza, że zaczęliśmy skutecznie monetyzować długi ogon i uniezależniliśmy biznes od pojedynczych topowych pozycji.
Framework: jak optymalizować feed produktowy w Google Shopping
Poniżej nasz wewnętrzny framework optymalizacji feedu, który stosujemy w każdym projekcie Shopping. Jest to sekwencja numerowana — każdy krok ma sens dopiero po zakończeniu poprzedniego, bo kolejność ma znaczenie dla jakości danych końcowych.
- Audyt kompletności atrybutów krytycznych. Sprawdź GTIN, MPN, brand, condition, availability, price, image_link, link. W Merchant Center znajdziesz zakładkę Diagnostyka, która pokaże wskaźnik kompletności dla każdego atrybutu. Cel na start: 95% poprawności na polach wymaganych, 80% na rekomendowanych.
- Normalizacja tytułów pod zapytania użytkowników. Tytuł produktu to najważniejsze pole w feedzie. Buduj według schematu: marka + typ produktu + kluczowy parametr + model + dodatkowy kontekst. Maksymalnie 150 znaków, ale najczęściej 70–90. Testuj warianty na mikro-klastrach przed wdrożeniem na cały katalog.
- Mapowanie do Google Product Taxonomy na poziomie głębokim. Nie zatrzymuj się na kategorii nadrzędnej. Idź do poziomu 4–5 w hierarchii Google, żeby algorytm rozumiał kontekst. Dla DIY kategorii typu „Narzędzia ręczne > Klucze > Klucze nasadowe” jest ogromna różnica względem „Narzędzia” ogólnie.
- Uzupełnienie GTIN i MPN. Skorzystaj z zewnętrznych baz GTIN, skontaktuj się z producentami, w ostateczności generuj MPN według własnej konwencji i publikuj na stronie producenta, jeśli jesteś producentem. Produkty bez identyfikatorów mają obniżony priorytet w rankowaniu.
- Weryfikacja zdjęć. Rozdzielczość minimum 800×800, rekomendowana 1200×1200. Białe tło albo ustandaryzowane tło marki. Żadnych watermarków, żadnych tekstów nałożonych na obraz, żadnych ramek. W kategoriach produktowych, gdzie liczy się detal, dodaj dodatkowe obrazy w polach additional_image_link — maksymalnie 10.
- Synchronizacja cen i dostępności. Feed musi pokazywać dokładnie to, co widzi Googlebot na stronie produktu po wyrenderowaniu JavaScript. Jeśli masz ceny promocyjne, używaj sale_price z sale_price_effective_date. Jeśli masz dynamiczne stany magazynowe, aktualizuj feed minimum co godzinę.
- Wdrożenie custom labels dla segmentacji. Etykiety niestandardowe 0–4 pozwalają Ci dzielić budżet bez mnożenia kampanii. Standard, który polecamy: custom_label_0 — marża (high/mid/low), custom_label_1 — rotacja (fast/medium/slow), custom_label_2 — sezonowość (year/spring/summer/autumn/winter), custom_label_3 — kategoria wewnętrzna, custom_label_4 — flagi specjalne (nowość, wyprzedaż, premium).
- Walidacja jakości danych po stronie strony produktu. Ostatni krok to upewnienie się, że Googlebot Shopping widzi dokładnie te same dane, które są w feedzie. Używaj narzędzia Sprawdzarka produktu w Merchant Center i testuj losowe próbki raz w tygodniu. Wszelkie rozbieżności napraw natychmiast, bo kumulujące się niespójności prowadzą do obniżenia widoczności całego konta.
Framework zajmuje od dwóch do sześciu tygodni wdrożenia w zależności od wielkości katalogu i stopnia zaniedbania. Dla 4500 SKU w naszym case’u zajęło cztery tygodnie intensywnej pracy. Jeśli interesują Cię głębsze zagadnienia techniczne dotyczące feedu, polecamy oficjalną dokumentację specyfikacja feedu Google Merchant Center, która zawiera pełną listę atrybutów i ich walidację.
Najczęstsze błędy, które widzimy u sklepów DIY
Przez lata pracy z e-commerce zebraliśmy kolekcję błędów, które powtarzają się z frustrującą regularnością. Poniżej dziesięć największych pułapek, w które wpada nawet zaawansowanych reklamodawcy.
Błąd pierwszy: tytuły produktów pisane dla SEO sklepu, a nie dla zapytań Shopping. Tytuły SEO dla strony kategorii i tytuły feedu Shopping to dwa różne światy. W SEO pracujesz słowem kluczowym krótkim, w Shopping potrzebujesz bogatego zestawu atrybutów. Nie kopiuj meta title jako nazwę w feedzie.
Błąd drugi: jedna kampania Performance Max na cały katalog. To wygodne, ale skazuje budżet na koncentrację w topowych SKU. Segmentuj katalog minimum na trzy grupy według marży i rotacji. Jeśli masz sezonowość, dodaj czwartą kampanię.
Błąd trzeci: pozostawianie domyślnego target ROAS bez segmentacji. Target ROAS 4.0 na cały katalog to strzał w stopę, bo topowe SKU mogą wychodzić 8.0+, a długi ogon nigdy nie dobije 4.0. Algorytm wtedy wycina długi ogon z wyświetleń.
Błąd czwarty: lekceważenie kart produktów. Sklepy inwestują w feed i zapominają, że Google regularnie crawluje same karty. Krótki opis, brak FAQ, brak schemy Product, brak recenzji — to wszystko obniża jakościowy sygnał, nawet jeśli feed jest idealny.
Błąd piąty: brak ochrony brandu w Search. Jeśli nie kupujesz własnego brandu w Search, kupują go konkurenci. Koszt kliknięcia na brandowe frazy jest minimalny, ROAS kosmiczny, a bez ochrony tracisz ruch, który Shopping Ci wygenerował.
Błąd szósty: pomijanie remarketingu dynamicznego. 70% sesji Shopping kończy się bez zakupu w pierwszej wizycie. Remarketing dynamiczny ściąga te sesje z powrotem. Bez niego budżet Shopping jest budżetem jednorazowym.
Błąd siódmy: ignorowanie Merchant Center Diagnostyki. To narzędzie mówi dokładnie, co algorytm uważa za problem. Każdy ostrzeżenie, które nie zostanie naprawione w ciągu siedmiu dni, kumuluje się i obniża widoczność. Traktuj diagnostykę jak panel kontrolny — sprawdzaj codziennie.
Błąd ósmy: brak strategii na zdjęcia dodatkowe. Pole additional_image_link pozwala dodać do 10 zdjęć. Większość sklepów wykorzystuje 1–2. Zdjęcia dodatkowe (detale, zastosowanie, porównanie rozmiaru, zawartość zestawu) podnoszą CTR o 20–30% w kategoriach wymagających wizualizacji.
Błąd dziewiąty: nieaktualizowany feed. Jeśli feed odświeża się raz dziennie, a stany magazynowe zmieniają się co godzinę, generujesz klikanie do produktów, których nie ma. To zabija CVR i psuje jakość konta. Częstotliwość odświeżania powinna być zsynchronizowana z realiami sklepu.
Błąd dziesiąty: brak pomiaru marży, tylko przychód. ROAS to wskaźnik ułomny, jeśli nie bierzesz pod uwagę marży jednostkowej. Kampania z ROAS 8.0 na produkcie o 5% marży jest mniej opłacalna niż kampania z ROAS 4.0 na produkcie o 30%. Import marży do Google Ads przez wartość konwersji skorygowaną to podstawa dojrzałej optymalizacji.
Jeśli widzisz u siebie któryś z tych błędów, zacznij od priorytetyzacji — od tych, które dotyczą największej części katalogu lub budżetu. Więcej praktycznych wskazówek dotyczących optymalizacji pod algorytmy wyszukiwarek znajdziesz w naszym przewodniku SEO dla e-commerce i strategia feedu produktowego.
FAQ: najczęstsze pytania o Google Shopping w DIY
Ile czasu zajmuje pełna restrukturyzacja kampanii Shopping dla sklepu z 4000–5000 SKU?
Realistycznie od trzech do pięciu miesięcy, jeśli pracujesz równolegle nad feedem, kartami produktów i strukturą kampanii. Jeśli ograniczasz się tylko do kampanii, zmieścisz się w miesiąc, ale efekt będzie dwu–trzykrotnie słabszy. Feed i karty to 60% efektu — bez nich sama optymalizacja kampanii to dźwignia, która nie ma się o co zaprzeć.
Czy Performance Max to dobra opcja dla sklepu DIY z szerokim katalogiem?
Tak, pod warunkiem segmentacji. Jedna kampania PMax na 4500 SKU jest katastrofą, bo algorytm koncentruje się w top 5–10% pozycji. Trzy do pięciu kampanii PMax, każda z własnym target ROAS i własną grupą zasobów, to minimum. W kategoriach wąskich (np. tylko elektronarzędzia profesjonalne) można zostać przy dwóch kampaniach z bardziej zróżnicowanymi etykietami niestandardowymi.
Jak często powinien odświeżać się feed produktowy?
Zależy od dynamiki asortymentu. Dla sklepu DIY ze stabilnymi stanami i cenami — cztery razy dziennie wystarczy. Jeśli masz promocje dzienne albo stany magazynowe, które zmieniają się intensywnie — co godzinę przez Merchant Center Content API. Odświeżenie automatyczne raz na dobę to minimum, które dopuszcza Google, ale w praktyce oznacza słaby priorytet i kłopoty z reklamami do produktów niedostępnych.
Czy warto walczyć o długi ogon w Shopping, czy skupić się na topowych SKU?
Obie strategie mają sens, ale w różnych fazach. Na start długi ogon jest trudny, bo brakuje danych konwersyjnych, żeby algorytm rozpoznał intencję. Kiedy topowe SKU są stabilne i realizują target ROAS, wtedy warto uruchomić dedykowaną kampanię dla długiego ogona z luźniejszym ROAS (np. 3.0 vs 5.5 na topowych). W naszym case’u długi ogon urósł z 18% udziału w transakcjach do 59%, co znacznie uodporniło sklep na wahania popytu w topowych pozycjach.
Jakie znaczenie ma schema Product na karcie produktu dla Shopping?
Schema Product z pełnymi atrybutami (price, availability, rating, review) jest wykorzystywana przez Googlebot Shopping jako dodatkowe źródło weryfikacji danych z feedu. Jeśli feed mówi „in stock”, a schema na stronie mówi „OutOfStock”, algorytm obniży priorytet wyświetlania. Oprócz tego bogata schema pozwala na wyświetlanie fragmentów z oceną i ceną w wynikach organicznych, co wspiera ruch bezpłatny i buduje efekt halo dla kampanii płatnych.
Ile powinien wynosić budżet dzienny na start kampanii Shopping dla sklepu DIY?
Minimum 50 zł na kampanię i minimum trzy kampanie, czyli 150 zł dziennie na starcie. Poniżej tego budżetu algorytm nie zbierze wystarczająco danych, żeby wyjść z fazy eksploracji. Rekomendowane 300–500 zł dziennie na sklep ze średnim katalogiem (1000–5000 SKU), przy czym w sezonowych pikach budżet można podwajać. Ważne, żeby budżet nie wyczerpywał się do południa — jeśli wyczerpuje, to znak, że stawki są za wysokie lub katalog nie jest gotowy na skalę.
Czy da się konkurować w DIY bez własnej marki własnej?
Da się, ale trudniej. Marki własne pozwalają kontrolować marżę i nie ścigać się po cenie z hurtowniami na tym samym SKU dystrybucyjnym. Bez marki własnej musisz wygrywać innymi dźwigniami: szybkością dostawy, jakością obsługi, szerokością asortymentu, bundlowaniem zestawów, wiedzą ekspercką w opisach. Nasz case’owy sklep nie miał marki własnej i mimo to uzyskał ROAS 6.8 — dzięki jakości danych i strukturze kampanii. Marka własna przyspieszyłaby efekt o 20–30%, ale nie była warunkiem koniecznym.
Jak zbudować listę odbiorców B2B, żeby wydzielić ich w osobnej kampanii?
Najskuteczniej łączyć dwie źródła. Pierwsze to dane CRM — klienci z fakturą VAT, z dużym średnim koszykem, z powtarzającymi się zakupami. Drugie to sygnały behawioralne — użytkownicy, którzy przeglądają kategorie profesjonalne (np. elektronarzędzia akumulatorowe z serii Pro), spędzają powyżej średniej czasu na stronie i wracają minimum trzy razy w miesiącu. Obie listy ładujesz do Google Ads jako segmenty i wykorzystujesz w PMax jako sygnał odbiorczy. Dokumentacja samego mechanizmu znajduje się w oficjalnych materiałach Google Ads o segmentach odbiorców.
Jak wygląda praca operacyjna przy optymalizacji Shopping na co dzień
Zewnętrzny obserwator widzi rezultaty — liczby ROAS, wzrosty CVR, wykresy z Google Ads. Wewnątrz projektu toczy się znacznie mniej efektowna praca, która jednak decyduje o ostatecznym wyniku. Chcemy pokazać, jak wygląda tydzień zespołu prowadzącego kampanie Shopping dla sklepu takiej wielkości jak MajsterShop, żeby dać Ci realistyczny obraz tego, czego wymaga utrzymanie tego typu programu.
Poniedziałkowy poranek zaczyna się od przeglądu Merchant Center. Specjalista feedu sprawdza raport Diagnostyka, wychwytuje nowe ostrzeżenia, klasyfikuje je według krytyczności i tworzy listę zadań na tydzień. Zdarza się, że po aktualizacji katalogu w sklepie kilkadziesiąt produktów dostaje flagi odrzucenia — najczęściej z powodu rozbieżności cenowej lub zmian w GTIN. W sklepie z 4500 SKU normą jest pięć do piętnastu takich incydentów tygodniowo. Rutyna polega na tym, żeby naprawiać je w ciągu 48 godzin, bo skumulowane problemy obniżają scoring konta.
Wtorek poświęcamy na analizę kampanii. Specjalista Google Ads przegląda raporty segmentowe, patrzy na trendy tygodniowe i porównuje je z zeszłorocznymi. Szuka anomalii — kampanii, których CVR spadł o więcej niż 20% w tydzień, SKU, które nagle pożerają budżet bez konwersji, grup produktowych, które zyskały nieoczekiwanie dobre wyniki i zasługują na dodatkowy budżet. W tym momencie powstają rekomendacje dotyczące realokacji budżetu, które są omawiane na call-u z klientem w środę.
Środowy call to pół godziny na omówienie wyników i zatwierdzenie kierunków na kolejny tydzień. Klient ma pełny wgląd w panel, ale raport podsumowujący oszczędza mu godziny analizy. Po call-u wdrażamy decyzje — zmiany budżetów, nowe testy A/B na tytułach w feedzie, eksperymenty z target ROAS w wybranych segmentach. Każda zmiana jest logowana w arkuszu, żebyśmy mogli retrospektywnie ocenić, co działało, a co nie.
Czwartek i piątek to praca nad kartami produktów i eksperymentami. Copywriter przygotowuje nowe opisy dla SKU, które weszły do katalogu w zeszłym tygodniu. Projektant grafik odświeża zdjęcia dla produktów z niską jakością wizualną wskazaną w Merchant Center. Specjalista SEO weryfikuje, czy schema Product na nowo dodanych stronach jest poprawna i czy dane strukturalne zgadzają się z feedem. To żmudna, ale kluczowa warstwa pracy.
Raz w miesiącu wykonujemy pełny przegląd strategiczny. Analizujemy top 50 produktów według przychodu, top 50 według marży, top 50 według wzrostu. Szukamy wzorców, które można przenieść na inne SKU. Kategorie, w których mikro-klaster produktów rośnie szybciej niż reszta, są kandydatem do osobnej kampanii lub dedykowanej grupy zasobów w PMax. Raz na kwartał robimy duży audyt techniczny feedu z pomiarem kompletności atrybutów, jakości zdjęć i dryfu cen między feedem a stroną.
Lessons learned: co byśmy zrobili inaczej, gdybyśmy zaczynali od zera
Cztery miesiące pracy z MajsterShop dostarczyły nam sporo materiału do refleksji. Z perspektywy czasu widzimy kilka decyzji, które warto byłoby podjąć inaczej, oraz kilka, które okazały się trafne i powinny stać się standardem w kolejnych projektach.
Co byśmy powtórzyli. Decyzja o podziale pracy na cztery strumienie równoległe była dobra. Gdybyśmy robili jeden strumień naraz, cykl trwałby osiem miesięcy, a klient by nas nie utrzymał. Sekwencja — najpierw feed, potem karty, potem kampanie, potem lejek pomocniczy — okazała się optymalna. Każdy kolejny strumień korzystał z efektów poprzedniego. Dobre były też inwestycje w narzędzia — własny skrypt transformacji feedu zwrócił się po miesiącu, bo ograniczył ilość manualnych interwencji o 80%.
Co byśmy zrobili inaczej. Po pierwsze, zaczęlibyśmy mierzyć marżę jednostkową od dnia pierwszego, a nie od miesiąca trzeciego. Import marży do wartości konwersji wymaga integracji z systemem ERP, co trwa dwa–trzy tygodnie. Jeśli zaczniesz to w miesiącu trzecim, przez pierwsze trzy miesiące optymalizujesz przychód, a nie zysk — a to dwie różne rzeczy. Po drugie, zainwestowalibyśmy więcej w recenzje produktowe na kartach. W miesiącu czwartym zaczęliśmy test dedykowanej kampanii e-mail z prośbą o opinię dla klientów, którzy kupili produkt w ciągu ostatnich 30 dni. Gdybyśmy zaczęli to w miesiącu pierwszym, do końca projektu mielibyśmy tysiąc więcej opinii, co przekłada się na lepszy CTR i lepszy CVR.
Po trzecie, rozważylibyśmy wcześniejsze uruchomienie kampanii Demand Gen. Zaczęliśmy ją dopiero w miesiącu czwartym jako test, ale pierwsze wyniki sugerują, że to efektywny kanał budowania świadomości dla marek własnych i segmentu B2B. Wcześniejszy start dałby nam dwa pełne miesiące danych, a tak musimy czekać do piątego miesiąca, żeby zacząć podejmować decyzje oparte na liczbach. Po czwarte, mocniej zainwestowalibyśmy w automatyzację raportowania. Arkusz, w którym logowaliśmy decyzje, dobrze spełniał funkcję pamięci zespołu, ale ręczne raportowanie tygodniowe pożerało cztery godziny pracy. Dashboard automatyczny w Looker Studio oszczędziłby te godziny i pozwolił klientowi mieć ciągły wgląd w metryki.
Czego się nauczyliśmy o samej branży DIY. Rynek DIY w Polsce jest sezonowo nerwowy. Kwiecień–czerwiec to szczyt sprzedaży związany z remontami, ogrodem, grillami. Październik–listopad to drugi szczyt związany z przygotowaniem domu do zimy. Lipiec–sierpień to wyraźny dołek, styczeń–luty drugi dołek. Kampanie Shopping trzeba rozpisywać pod te cykle, bo target ROAS, który sprawdza się w kwietniu, jest nierealistyczny w lipcu. Custom labels dla sezonowości nie są kosmetyką — są narzędziem dostosowania budżetu do rytmu rynku.
Nauczyliśmy się też, że klienci DIY dzielą się wyraźnie na dwie grupy: hobbyści i profesjonaliści. Hobbysta kupuje rzadko, ale porównuje szczegółowo, czyta opisy, ogląda recenzje, waha się dni lub tygodnie. Profesjonalista kupuje często, wie, czego szuka, decyduje w minutach, ale oczekuje szybkiej wysyłki i możliwości faktury VAT. Te dwie grupy wymagają innego feedu (w jednym przypadku nacisk na parametry techniczne, w drugim na dostępność i szybkość) oraz innej struktury kampanii (hobbyści lepiej reagują na Shopping i remarketing, profesjonaliści na Search brandowy i kampanie dedykowane B2B).
Narzędzia i stack technologiczny, który wykorzystaliśmy
Szczegół, o który klienci często pytają, to konkretne narzędzia, z których korzystamy podczas takich projektów. Poniżej stack, który okazał się najbardziej efektywny dla MajsterShop i który z drobnymi modyfikacjami stosujemy w większości projektów Shopping.
Po stronie analityki: Google Ads, Google Merchant Center, Google Analytics 4 z rozszerzonym eCommerce, Looker Studio do wizualizacji. Po stronie feedu: własny skrypt w Node.js uruchamiany w Google Cloud Functions co sześć godzin, z logowaniem do BigQuery, plus Feed Rules w Merchant Center jako drugi slot bezpieczeństwa. Po stronie kart produktów: platforma sklepu (w tym przypadku Shoper, ale podobnie działa to na PrestaShop, Magento, WooCommerce), wtyczka do schemy Product, edytor treści z obsługą markdown dla copywriterów.
Po stronie optymalizacji konwersji: Hotjar do nagrań sesji, Microsoft Clarity jako alternatywa darmowa, dedykowana wtyczka do banerów cookie z obsługą Consent Mode v2. Po stronie CRM i kampanii e-mail: Klaviyo do automatyzacji i kampanii pozakupowych, integracja z Google Ads przez customer match dla list odbiorców. Po stronie monitorowania jakości: skrypt własny, który co godzinę porównuje ceny i dostępność między feedem a stronami produktów i alertuje na Slacku przy rozbieżnościach powyżej 2%.
Ten stack nie jest tani — miesięczny koszt samych licencji i subskrypcji to około 2800 zł, do tego dochodzi praca zespołu. Dla sklepu o miesięcznym obrocie Shopping rzędu 200 000 zł zwrot z tej inwestycji jest oczywisty, dla sklepu z obrotem 20 000 zł tańszy stack byłby lepszy. Stosujemy zasadę, że koszt narzędzi nie powinien przekraczać 3% przychodu z kanału, który wspierają.
Co dalej: od ROAS 6.8 do strategii rocznej
Zamknięcie projektu na poziomie ROAS 6.8 i CVR +180% to jest ten moment, w którym zarząd cieszy się wynikami, a zespół operacyjny zaczyna się zastanawiać, co dalej. W tej fazie popełnić można dwa błędy diametralnie różne, ale oba kosztowne. Pierwszy to zamrożenie stanu — kiedy wszystko działa, kuszące jest nie ruszać niczego. Algorytmy Google ewoluują co kwartał, feed wymaga ciągłej higieny, a konkurencja nie śpi. Drugi to nadmierne eksperymentowanie — próby nowych kampanii, nowych segmentów, nowych kreacji na każdą aktualizację platformy, bez systematycznego pomiaru wpływu.
Nasza rekomendacja dla klienta, z którą wchodzimy w piąty miesiąc współpracy, to program stabilizacji plus rozwoju. Stabilizacja oznacza comiesięczny audyt feedu, co kwartał audyt kart produktów (przynajmniej próbki 10% katalogu), cotygodniowy przegląd Merchant Center Diagnostyki. Rozwój oznacza zaplanowane eksperymenty — testujemy jedną zmienną na raz, zbieramy dane przez minimum dwa tygodnie, decydujemy na podstawie istotności statystycznej, a nie intuicji.
Konkretnie na najbliższe cztery miesiące planujemy trzy duże inicjatywy. Po pierwsze, migrację do Feed Rules po stronie Merchant Center, żeby ograniczyć zależność od własnego skryptu transformacji i zbliżyć się do natywnych możliwości platformy. Po drugie, wdrożenie Consent Mode v2 z pełną integracją z platformą cookie banner, żeby poprawić jakość danych konwersyjnych i dać algorytmowi lepsze podstawy do optymalizacji. Po trzecie, test Demand Gen jako kanału budowania rozpoznawalności w segmencie B2B — ten segment już teraz ma najwyższy CVR, a jego skalowanie przez świadomość może być najtańszą dźwignią wzrostu na kolejny kwartał.
Osobny wątek to ekspansja geograficzna. Sklep rozważa uruchomienie sprzedaży do Czech i Słowacji — rynki mniej nasycone niż polski, z ciekawą dynamiką w kategorii DIY. W takim scenariuszu cały framework feedu i struktura kampanii, które tu opisaliśmy, zostaje, ale dochodzi warstwa lokalizacji językowej (tytuły, opisy, obsługa klienta) i logistyki. To jednak materiał na osobne case study.
Najważniejsza lekcja z tych czterech miesięcy brzmi prosto: w Google Shopping nie wygrywa się stawkami ani budżetem. Wygrywa się jakością danych. Jeśli feed jest precyzyjny, karty produktów rzetelne, a struktura kampanii dopasowana do realiów katalogu, algorytm zaczyna pracować dla Ciebie zamiast przeciwko Tobie. Każdy ze 180 punktów procentowych wzrostu CVR, które osiągnęliśmy, pochodzi z decyzji podjętej o jakości danych, a nie o budżecie. To jest dźwignia, którą możesz zastosować u siebie, niezależnie od wielkości sklepu i budżetu reklamowego, który możesz wdrożyć w najbliższym kwartale.
Jeśli ten case study zainspirował Cię do uporządkowania własnego Shopping, polecamy zacząć od punktu pierwszego frameworku — audytu kompletności atrybutów w Merchant Center. To godzina pracy, która pokaże Ci, ile potencjału masz uwięzionego w wadliwym feedzie. Od tej godziny zaczyna się każda realna optymalizacja.