Zakres techniczny

Strona główna mówi, po co to robić. Ta strona mówi, co dokładnie się dzieje. Jest napisana dla osoby, która chce sprawdzić głębię, zanim napisze pierwszego maila – jeśli nie jesteś taką osobą, spokojnie ją pomiń.

Opisuję tu metodę, nie konkretne wdrożenia. Szczegóły projektów klientów – ich architektura, znalezione błędy i wyniki audytów – zostają u nich.

Kampanie: architektura kont, nie tylko optymalizacja

Google Search, remarketing display, wideo, Meta Lead Generation, Performance Max – prowadzenie i optymalizacja na wielu rynkach europejskich.
Konsolidacja kampanii tam, gdzie rozdrobnienie psuje jakość sygnału dla automatycznego ustalania stawek.
Dobór strategii biddingowej do realnego wolumenu konwersji, a nie do tego, co poleca panel.
Zarządzanie tCPA, strukturą słów kluczowych i wykluczeń, alokacją budżetu według efektywności.
Decyzje o skalowaniu na podstawie CPA w różnych oknach czasowych i trendów CPM, CPC oraz CTR – nie na podstawie jednego tygodnia.
Wychwytywanie błędów metodologicznych, które psują ocenę kampanii: duplikacja wydatku, mieszanie sieci wyszukiwania i display, źle zdefiniowane wskaźniki.

Hurtownia jako jedyne źródło prawdy

BigQuery jako centralne miejsce, w którym spotykają się dane z GA4, systemów reklamowych, CRM, płatności i bazy produkcyjnej.
Zapytania, widoki i warstwy mart budowane tak, żeby dało się przejść od wydatku reklamowego do rzeczywistego przychodu.
Mechanizmy rekoncyliacji – porównywanie tego, co raportuje kanał, z tym, co faktycznie wydarzyło się w systemie.
Kontrola jakości: świeżość danych, eliminowanie duplikacji, deterministyczne łączenie rekordów, niezależna walidacja wyników bezpośrednio w hurtowni.

Tracking i pomiar konwersji

Google Tag Manager, serwerowy GTM, GA4, Google Ads oraz Meta Pixel i Conversions API.
Środowiska trudne: wiele subdomen, aplikacje jednostronicowe, pomiar oparty o zmianę historii przeglądarki.
Niestandardowe zdarzenia konwersji, dynamiczne wartości leadów, Advanced Matching, Conversion Linker, poprawa Event Match Quality.
Porządkowanie standardu UTM – błędne separatory, złe mapowanie źródeł i zaszyte na sztywno identyfikatory potrafią realnie zniekształcić raportowanie, a wykrywa się je dopiero w hurtowni.

Atrybucja

Modele atrybucji obejmujące wiele punktów styku, łączące dane reklamowe, produktowe, CRM i subskrypcyjne.
Zmiana modelu atrybucji przeprowadzana równolegle do istniejącego i walidowana na danych, zanim zastąpi dotychczasową logikę. Nigdy podmianą z dnia na dzień.
Rozpoznawanie kanałów i sklejanie tożsamości między urządzeniami – w szczególności tam, gdzie przeglądarki wbudowane w aplikacje anonimizują kliknięcia.

Pipeline'y danych i domykanie pętli

Produkcyjne pipeline'y ETL i reverse-ETL łączące systemy reklamowe, CRM, płatności i hurtownię.
Konwersje offline: przekazywanie do systemów reklamowych informacji o wartościowych zdarzeniach CRM i zamkniętych transakcjach, przez Enhanced Conversions i Conversions API.
Deterministyczne łączenie tożsamości po identyfikatorach CRM i adresach – zamiast probabilistycznego dopasowywania po nazwie firmy, które wygląda na działające do pierwszego audytu.
Pipeline'y grup odbiorców z segmentacją po statusie w lejku sprzedażowym i automatycznym wykluczaniem pracowników, kont testowych oraz obecnych klientów.

Wdrożenia produkcyjne

Snapshoty umożliwiające wycofanie zmiany, wersjonowane buildy, niezależna walidacja danych po wdrożeniu, synchronizacja z repozytorium.
Operacje nieodwracalne zabezpieczone przebiegiem próbnym, asercjami i jawnym mechanizmem aktywacji.
To jest część, której zwykle nie ma w pracy marketingowej – a to ona decyduje o tym, czy zmiana w pomiarze da się cofnąć, gdy okaże się błędna.

Raportowanie

Warstwa raportowa spinająca dane reklamowe, produktowe, CRM i finansowe – od wydatku po przychód.
Raporty pokazujące jawnie granice danych: osobno ruch i konwersje, których nie da się przypisać z powodu braku zgody, blokad lub ograniczeń technicznych.
Rekoncyliacja danych kanałowych z rzeczywistą liczbą kont albo transakcji, żeby różnica była widoczna, a nie ukryta w sumie.

Zgoda, prywatność i ład danych

Bramkowanie tagów marketingowych zgodą, usuwanie zbędnego kodu zapisującego ciasteczka, sprawdzanie zachowania pomiaru w czystej sesji.
Audyt kontenerów tagowych pod kątem tego, co faktycznie się odpala i kiedy.
Po stronie danych: przegląd uprawnień w chmurze, wychwytywanie nadmiernych uprawnień kont serwisowych, inwentaryzacja danych osobowych w hurtowni.
Cykl życia danych – czy usunięcie w systemie źródłowym propaguje się do warstwy analitycznej i gdzie da się zastosować pseudonimizację.

Narzędzia

Reklama: Google Ads · Meta Ads
Analityka i tagowanie: GA4 · Google Tag Manager · serwerowy GTM · Meta Pixel · Meta CAPI
Dane: BigQuery · ClickHouse · SQL
CRM i przychód: HubSpot · Stripe
Chmura i pipeline'y: Google Cloud Platform · Cloud Run · Cloud Storage · ETL i reverse-ETL
Pomiar: modelowanie atrybucji · konwersje offline · Enhanced Conversions · Customer Match
Ład danych: zarządzanie zgodą · uprawnienia · jakość danych · dane osobowe
Wytwarzanie: Git · wdrożenia produkcyjne · walidacja · wycofywanie zmian · monitoring

Jeśli któryś z tych punktów opisuje problem, który macie – to jest dobry początek rozmowy.

Napisz do mnie