Jak zastavit pálení peněz v Performance Max pomocí segmentace produktů

Proč průměrné PNO nestačí

PMax optimalizuje na celkový výsledek a průměrné PNO drží blízko cíli. Na první pohled je vše OK.

Pod průměrem je ale jiná realita. Algoritmus si vybere malou skupinu produktů, reálně 20–40 SKU z tisícového katalogu, a do nich sype rozpočet. Zbytek se testuje nahodile nebo vůbec. V praxi to způsobuje:

• novinky se k zákazníkům prakticky nedostanou,
• sezonní zboží přijde o sezonu bez povšimnutí,
• produkty s dobrými prodeji z Mety nebo organiky mohou mít nulové kliky z Google Ads,
• SKU s rozbitým detailem nebo bez reálné skladovosti dostane prioritu, protože to algoritmus nedetekuje.

Cílem segmentace je tohle aktivně řídit. Každý produkt dostane štítek. Štítek říká kampani, co má dělat.

Tři PNO na jeden produkt

Za mě je tohle klíčová věc, kterou spousta segmentačních nástrojů pro Google Ads vůbec neřeší.

Stejný produkt vám tři systémy popíšou třemi různými čísly.

Google Ads PNO. Vlastní náklady děleno vlastními atribuovanými konverzemi. Tohle číslo řídí Smart Bidding.

GA4 last non-direct cpc PNO. Náklady z Google Ads děleno příjmy z GA4, filtrovanými na Session source = google a Session medium = cpc. Typicky ukáže víc prodejů než Google Ads samo, protože GA4 pracuje s jiným atribučním modelem.

Celkové PNO e-shopu. Náklady z Google Ads děleno celkovým obratem produktu napříč všemi kanály, bez ohledu na zdroj.

Hodnota není v číslech samotných, ale v jejich neshodách. Google Ads říká špatné PNO, GA4 cpc ukazuje normální prodeje: problém je v atribuci, ne v produktu. Dát mu STOP by byla chyba. Oba Google pohledy špatné, celkový obrat e-shopu dobrý: produkt se prodává organicky, reklama ho nepotřebuje. Všechny tři čísla špatná: produkt je skutečně mrtvý, dotuju ho zbytečně.

Bez celkového obratu z e-shopu jako třetího pohledu se nedá spolehlivě rozeznat první a třetí případ. Většina nástrojů tento pohled nemá a pracuje jen s daty z Google Ads.

Sedm štítků

Každý štítek má jednoznačný byznysový i technický význam.

SUPERSTOP. Produkt propálil definovaný podíl ceny, žádné prodeje na e-shopu ani v GA4 cpc. Okamžité vyloučení z kampaní.

STOP. Horší výkon, ale mírnější kritéria než SUPERSTOP. Produkt dostane výrazně omezený budget nebo vypadne z prioritní skupiny.

TOP. Bestsellery s excelentním PNO. Vlastní kampaň, maximální budget, algoritmus má volnou ruku.

SUPERBOOST. Produkt právě zlevnil (Merchant Center zachytil cenový event) nebo se výrazně rozjel na jiných kanálech. Přechod bez čekání na standardní cyklus.

BOOST. Silný výkon, ale zatím nedosahuje TOP kritérií, nebo jde o akceleraci nového produktu.

MEDIUM. Standardní produkty, které si na sebe vydělají. Tvoří páteř kampaní.

MANUAL. Anomálie. Google Ads a GA4 cpc se výrazně neshodnou, nebo reklama vypadá dobře, ale e-shopu reálně nenese zisk. Izoluji, kontroluju ručně.

Žádný štítek není permanentní. Klouzavá 30 a 90denní okna plus meziroční srovnání produkt automaticky přeřadí, jakmile se změní data. Vánoční dekorace: v únoru STOP, v říjnu BOOST. Bez ručního zásahu.

Pravidlo 14 dní a výjimky

Když jsem zpočátku přepočítával štítky denně, PMax neopouštěl fázi učení a výsledky byly nestabilní. Algoritmu jednoduše nedáte šanci, když mu každý den měníte strukturu.

Ustálil jsem se na 14 dnech jako minimu mezi změnami štítku. 7 dní je absolutní spodní hranice, pod to bych nechodil.

Výjimky, kdy se mění hned:

1. První přiřazení štítku. Produkt v systému ještě nebyl. Nečekám 14 dní na něco, co se zatím nestalo.
2. Cenový event v Merchant Centru. Google zachytí zlevnění nebo akci a produkt jde okamžitě do BOOST nebo SUPERBOOST. Čekat 14 dní příležitost zabije.
3. Vánoční zámek (20. 12. – 15. 1.). V tomto období se štítky nemění. Důvod je jednoduchý: výkon v době Vánoc padá. Kdybychom přepočítávali štítky normálně, přesunou se produkty do STOP nebo MANUAL zbytečně.
4. Manuální přepsání přes Google Sheets. Kdykoli mohu ručně zafixovat štítek, pokud vím o akci nebo nechci, aby mi z TOP vypadl klíčový produkt.

Jak je to postavené

BigQuery na Google Cloud Platform. Provozní náklady středního e-shopu jsou reálně v desítkách, maximálně stovkách korun měsíčně.

Sběr dat

Primárně přes Google Merchant Center Data Transfer a Google Ads Data Transfer, nativní nástroje v BigQuery, platíte jen za uložení. Přes Data Transfery napojíte i rozsáhlé MCC účty bez nutnosti API. K tomu přibývají data z GA4 Data API, případně z přímého exportu GA4 do BigQuery.

Transformace

SQL logika v BigQuery přidělí každému produktu štítek na základě časových oken a tří PNO pohledů.

Aktivace

Export do Google Sheets jako doplňkový feed v Merchant Centru. Čitelné, auditovatelné, snadno se sdílí s klientem nebo kolegou.

Celé řešení je modulární. Každá část je samostatný SQL dotaz nebo list v Sheetu. Jde přidávat, odpojovat, vyměňovat bez přepisování celého systému.

Co nefunguje nebo komplikuje

Atribuce není absolutní pravda. GA4 i Google Ads mají dnes znatelnou ztrátu dat: odmítnutí souhlasu, špatně nastavené GTM, blokování měření. Pokud je měření v nepořádku, segmentace nemá z čeho rozhodovat. Garbage in, garbage out. Pořádek v měření je předpoklad, ne luxus.

Nepořádek v datech z e-shopu. Nekonzistentní ID produktů napříč systémy, ceny bez DPH, absence historických dat. Vše se promítá přímo do kvality štítků.

Sezónnost a příliš krátká okna. U silně sezonního sortimentu nestačí 30 nebo 90 dní. Bez meziročního srovnání dostane STOP produkt, který je prostě v mimosezonním útlumu.

Expanze do nové země

Vedlejší efekt, který stojí za zmínku. Při spuštění nové lokální domény na Haltimo.com jsem použil štítky ze zavedené domény jako startovací rozdělení pro nový trh. Algoritmus nezačal z nuly. Věděl, na co přibližně vsadit budget.

Produkty, o kterých víme, že na daném trhu nefungují, jdou rovnou do STOP nebo MANUAL. Ušetří se týdny testování.

V jakém pořadí to řešit

Segmentaci produktů v PMax z tohoto článku obvykle doporučuji jako první krok. Za mě přináší větší posun než úprava hodnoty konverze, dokud neřešíte, která SKU vám pálí rozpočet.

Technicky jde nasadit segmentaci, marži i akvizici najednou. Za mě ale často dává smysl dva kroky: nejdřív segmentace v kampaních, mezitím na pozadí připravit nebo nechat sbírat data pro import marže a import akvizice a retence, pak druhou vlnu zapnout společně. Segmentace mezitím běží, nečekáte zbytečně na marži. Akvizici a retenci v hodnotě konverze řešte až po vyhodnocení, jestli vám na nových zákaznících záleží a měření drží — jinak stačí segmentace a případně marže.

Reporting

Místo standardního PPC reportu (CTR, CPC, průměrná pozice) vidím každý měsíc: kolik produktů a jaký podíl budgetu leží v TOP, BOOST, MEDIUM, STOP a jak se to mění v čase. Z čísel se stává rozhodovací nástroj pro CEO, ne kontrolní tabulka pro PPC specialistu.

Audit produktů přes Google Ads Script (bez BigQuery)

Plný systém na BigQuery a třech PNO pohledech je jedno řešení. Pokud ho zatím nemáte, dá se udělat první orientační průřez katalogem z Google Ads. Stačí jeden Google Sheet a Google Ads Script.

Jak to nastavit

Zkopírujete si veřejné demo Google Sheet šablony a v listu Konfigurace vyplníte pět parametrů: počet dní zpětně, PNO limit pro TOP, PNO limit pro Medium, útratu bez konverze pro štítek Stop a číslo custom labelu (0–4), do kterého chcete štítky ukládat.

V Google Ads pak otevřete Tools → Bulk actions → Scripts, vytvoříte nový skript, vložíte kód z listu Skript, doplníte URL svého Sheetu a Customer ID účtu a kliknete Run.

Co skript dělá

Skript jen čte data z Google Ads, nic v účtu nemění. Štítek vzniká pouze jako hodnota ve sloupci v listu Output v Sheetu. Do produktů v Google Ads se sám nepřenáší.

Stáhne data z Google Ads za zvolené období a každému produktu přidělí jeden ze čtyř štítků:

• TOP: PNO pod limitem pro TOP. Produkt vydělává.
• Medium: PNO mezi oběma limity. Standardní výkon.
• Stop: žádné konverze a útrata nad limitem. Produkt pálí peníze.
• Manual: konverze jsou, ale PNO je nad oběma limity. Vyžaduje ruční pohled.

Výsledky zapíše do listu Output: jeden řádek na produkt s id, štítkem, názvem, útratou, hodnotou konverzí, počtem konverzí a PNO. Souhrny pod tabulkou (kolik produktů a kolik procent výdajů padá na neziskové vs. OK) si Sheet dopočítává vzorci.

Co mi to ukázalo na reálných účtech

Na jednom účtu, kde jsem to pustil, vyšlo přes 80 % produktů v Manual nebo Stop. Číslo bylo vysoké. Skript vidí jen Google Ads data, takže produkty, které se prodávají přes Metu, organiku nebo přímou návštěvu, vypadají v jeho optice jako ztrátové. Po dopojení plnohodného řešení kleslo to číslo na zhruba 70 %. Pořád hodně.

Na dalších účtech ale vycházely výsledky výrazně jinak a chovaly se nestabilně. Bez všech tří PNO pohledů prostě nevidíte celý obrázek a skript vám vrátí výsledky, které nemusí říkat úplnou pravdu o produktu. To je hlavní limit, pokud vycházíte z dat pouze z Google Ads.

Jak to (ne)používat

List Output lze technicky napojit jako doplňkový feed do Merchant Centra a štítky pak letí rovnou do PMax kampaní. Za mě to nedělejte. PMax potřebuje čas na naučení, ne přepočet při každém spuštění skriptu. A bez celkového pohledu jsou výsledky příliš nestabilní na produkční nasazení.

Co dává smysl: spustit skript jednou, výsledky zkopírovat, projít ručně a štítky aplikovat vědomě. Jednou za měsíc opakovat a porovnat, kde se výsledky posunuly. Postupně zjistíte, kde je tento přístup slepý a kde naopak chytá reálný problém. To je dobrý odraz k tomu, jestli má smysl pokračovat ve výstavbě plnohodného řešení.

Pokud nechcete stavět od nuly

Tuhle logiku provozuji pro Haltimo.com i pro klienty v rámci Datimo.ai. Sběr dat, segmentace, aktivace, reporting pod jednou střechou. Kdo si nechce stavět datový sklad sám, může se mi ozvat: projdeme váš účet a řekneme si, kde to dává smysl a kde ne.