POAS w e-commerce: dlaczego sam ROAS nie wystarcza do oceny kampanii Google Ads?

W wielu sklepach internetowych skuteczność kampanii reklamowych nadal ocenia się głównie przez ROAS. To naturalne, bo ROAS jest prosty, dobrze znany i dostępny bez większej analitycznej gimnastyki. Pokazuje, ile przychodu wygenerowała reklama w stosunku do kosztu kampanii.

Problem zaczyna się wtedy, gdy sklep ma produkty o bardzo różnych marżach.

Kampania może mieć świetny ROAS, generować dużą sprzedaż i jednocześnie nie dawać oczekiwanego zysku. Szczególnie w e-commerce, gdzie w jednym koszyku mogą pojawić się produkty wysokomarżowe, niskomarżowe, przecenione, promocyjne, z darmową dostawą, z prowizją marketplace albo z dodatkowymi kosztami logistycznymi.

Dlatego coraz ważniejszym tematem w analityce e-commerce staje się POAS, czyli Profit on Ad Spend.

Google w swoich materiałach dotyczących value-based bidding wskazuje, że systemy reklamowe mogą optymalizować kampanie nie tylko pod przychód, ale również pod wartości bliższe realnemu biznesowi, takie jak marża lub profit margin. Wymaga to jednak odpowiednio przygotowanych danych i poprawnego pomiaru wartości konwersji.

Czym jest POAS?

POAS to wskaźnik, który pokazuje relację między zyskiem lub marżą a kosztem reklamy.

W uproszczeniu:

ROAS odpowiada na pytanie: ile przychodu wygenerowała reklama?

POAS odpowiada na pytanie: ile zysku lub marży wygenerowała reklama?

To pozornie mała różnica, ale w praktyce potrafi całkowicie zmienić ocenę kampanii.

Przykład. Sklep sprzedaje dwa produkty.

Produkt A kosztuje 500 zł, ale ma tylko 40 zł marży. Produkt B kosztuje 120 zł, ale ma 55 zł marży.

Jeśli Google Ads widzi tylko wartość sprzedaży, produkt A może wyglądać atrakcyjniej, bo generuje większy przychód. Jeżeli jednak spojrzymy na rentowność, produkt B może być dla sklepu znacznie lepszy.

I właśnie tutaj pojawia się sens wdrożenia pomiaru opartego o marżę.

Dlaczego ROAS może wprowadzać w błąd?

ROAS jest przydatny, ale ma jedno fundamentalne ograniczenie: nie zna kosztu produktu.

Dla systemu reklamowego sprzedaż za 300 zł to sprzedaż za 300 zł. Nie ma znaczenia, czy sklep zarobił na niej 120 zł, 30 zł, czy po uwzględnieniu rabatu i kosztu dostawy praktycznie nic.

W efekcie kampanie mogą optymalizować się pod:

• produkty drogie, ale niskomarżowe,
• produkty często kupowane, ale mało rentowne,
• koszyki z dużym przychodem, ale słabym zyskiem,
• promocje, które zwiększają sprzedaż, ale obniżają realną rentowność,
• kategorie, które dobrze wyglądają w raportach, ale słabo wpływają na wynik firmy.

W e-commerce to bardzo częsty problem. Szczególnie tam, gdzie sklep ma szeroki asortyment, częste zmiany cen zakupu, produkty sezonowe, różne narzuty dla kategorii lub dużą zależność od dostawców. To zresztą ten sam fundament, który decyduje o poprawnym pomiarze wartości w audycie konwersji Google Ads - bez właściwej wartości konwersji żadna strategia bidów nie zadziała tak, jak powinna.

POAS a Google Ads: po co przekazywać marżę do systemu reklamowego?

Google Ads może optymalizować kampanie pod wartość konwersji. Oficjalna dokumentacja Google wskazuje, że strategie takie jak Target ROAS i Maximize conversion value korzystają z wartości konwersji, a ta wartość może reprezentować między innymi przychód ze sprzedaży albo marżę.

To oznacza, że sklep nie musi ograniczać się do wysyłania samej wartości zamówienia.

W bardziej zaawansowanym modelu można tak przygotować analitykę, aby system reklamowy dostawał sygnał bliższy realnej wartości biznesowej. Zamiast informować tylko: „sprzedano produkt za 200 zł”, można przekazać informację typu: „ta transakcja miała określoną wartość marżową”.

To nie jest magiczny przełącznik, który od razu poprawia kampanie. To raczej kolejny poziom jakości danych. Jeżeli kampanie mają wystarczającą liczbę konwersji, poprawnie skonfigurowany tracking i sensowną strukturę, dane marżowe mogą pomóc systemowi lepiej rozumieć, które zakupy są faktycznie wartościowe dla sklepu.

Gdzie w tym wszystkim pojawia się server-side tracking?

Server-side tracking pozwala przenieść część przetwarzania danych z przeglądarki użytkownika na serwer. Google opisuje server-side tagging jako model, w którym dane pomiarowe są przetwarzane w kontenerze serwerowym, co może poprawiać kontrolę nad danymi, bezpieczeństwo oraz wydajność strony przez ograniczenie liczby skryptów działających po stronie przeglądarki. Pełny obraz wdrożenia, łącznie z warstwami i kolejnością prac, opisałem w przewodniku po server-side GTM na Shoper.

W kontekście POAS ma to szczególne znaczenie, bo dane o marży i cenach zakupu są wrażliwe biznesowo.

Sklep raczej nie chce ujawniać w kodzie strony informacji o tym, ile zarabia na konkretnym produkcie. Dlatego rozsądne wdrożenie powinno być zaprojektowane tak, aby dane kosztowe nie były wystawiane publicznie w prosty sposób po stronie frontendu.

Z punktu widzenia właściciela sklepu najważniejsza jest nie technologia sama w sobie, ale efekt: system reklamowy otrzymuje lepszy sygnał o wartości transakcji, a dane o kosztach produktów pozostają pod większą kontrolą.

Jakie dane są potrzebne do wdrożenia POAS?

Największym wyzwaniem w takim projekcie zazwyczaj nie jest sama analityka. Największym wyzwaniem są dane produktowe.

Aby mierzyć kampanie bliżej marży, sklep musi posiadać uporządkowaną informację o cenach zakupu, kosztach produktów albo gotowej marży produktowej.

W praktyce potrzebne są przynajmniej:

• identyfikator produktu,
• cena zakupu lub marża,
• spójne SKU, EAN, ID produktu albo inny stabilny identyfikator,
• regularna aktualizacja danych,
• zgodność między danymi produktowymi a danymi wysyłanymi w zdarzeniach e-commerce.

W dokumentacji rozwiązań typu POAS Data Feed podkreśla się, że feed produktowy powinien zawierać kolumnę z identyfikatorem produktu oraz kolumnę z wartością marży, a identyfikator z feedu musi odpowiadać identyfikatorowi używanemu w danych zdarzenia e-commerce. Ważna jest też konsekwencja: wartość marży powinna być liczona w stały, spójny sposób.

To właśnie tutaj często zaczynają się problemy.

Najczęstsze problemy przy wdrożeniu POAS

1. Brak uzupełnionych cen zakupu

Najprostszy i najczęstszy problem: sklep nie ma systematycznie uzupełnionych cen zakupu.

Część produktów ma koszt wpisany, część nie. Część danych jest aktualna, część pochodzi sprzed roku. Niektóre produkty były kupowane w różnych partiach po różnych cenach. Inne mają koszt liczony orientacyjnie.

Bez dobrych danych kosztowych POAS będzie tylko pozornie dokładny.

2. Różne marże w ramach jednej kategorii

Właściciele sklepów często patrzą na kategorię jako całość: etui, szkła, ładowarki, kable, elektronika, akcesoria.

W rzeczywistości produkty w tej samej kategorii mogą mieć zupełnie inną rentowność. Dwa produkty o podobnej cenie sprzedaży mogą mieć kompletnie inną marżę, jeśli pochodzą od różnych dostawców, były kupione w innej walucie albo są sprzedawane z innym rabatem.

3. Problemy z identyfikatorami produktów

POAS wymaga spójności identyfikatorów.

Jeżeli w sklepie produkt ma jedno ID, w feedzie reklamowym inne ID, w systemie magazynowym SKU, a w zdarzeniu e-commerce jeszcze inny identyfikator, wdrożenie zaczyna się komplikować.

To jeden z najważniejszych elementów do sprawdzenia przed wdrożeniem: czy produkt da się jednoznacznie rozpoznać w całym procesie, od kliknięcia, przez koszyk, po zakup i raportowanie.

4. Warianty produktów

Produkty wariantowe bywają problematyczne.

Ten sam model może występować w kilku kolorach, pojemnościach, rozmiarach albo wersjach. Warianty mogą mieć różne ceny zakupu, różną dostępność i różną marżę. Jeżeli system traktuje wszystkie warianty jako jeden produkt, dane mogą zostać zniekształcone.

5. Zestawy, gratisy i bundle

Jeżeli sklep sprzedaje zestawy, np. telefon + szkło + etui, albo produkt z gratisem, trzeba zdecydować, jak liczyć marżę:

• Czy koszt gratisu obniża marżę całego zamówienia?
• Czy zestaw ma osobną marżę?
• Czy każdy element zestawu jest raportowany oddzielnie?
• Czy rabat jest rozbijany proporcjonalnie na produkty?

Bez ustalonej logiki raporty mogą wyglądać dobrze, ale nie będą odzwierciedlać realnego wyniku.

6. Rabaty i promocje

POAS bez poprawnego uwzględnienia rabatów może być mylący.

Produkt, który standardowo ma dobrą marżę, po rabacie może stać się mało rentowny. Jeżeli analityka korzysta ze stałej marży katalogowej, a nie uwzględnia faktycznej ceny sprzedaży, wynik może być zawyżony.

7. Koszty dostawy, płatności i prowizji

Sama cena zakupu produktu to nie zawsze pełny koszt sprzedaży.

W zależności od modelu biznesowego warto rozważyć, czy do kalkulacji powinny wejść również:

• koszt dostawy,
• koszt opakowania,
• prowizje operatorów płatności,
• prowizje marketplace,
• koszt zwrotów,
• koszt obsługi logistycznej,
• rabaty i kupony,
• różnice kursowe,
• koszty reklam przypisane do kanału.

Nie zawsze trzeba uwzględniać wszystko od pierwszego etapu. Ważne jest jednak, aby świadomie zdecydować, co oznacza „marża” w danym wdrożeniu.

8. Zwroty i anulacje

Sklep może sprzedać produkt, Google Ads może przypisać konwersję, ale klient może potem zwrócić zamówienie.

Jeżeli zwroty są częste, analiza rentowności bez ich uwzględnienia będzie zbyt optymistyczna. Dotyczy to szczególnie branż z wysoką zwrotnością, np. fashion, elektronika użytkowa, akcesoria sezonowe czy produkty kupowane impulsywnie.

9. Aktualizacja danych kosztowych

Ceny zakupu zmieniają się w czasie. Dostawca może podnieść ceny. Zmienia się kurs waluty. Zmienia się koszt transportu. Inna partia tego samego produktu może mieć inną cenę zakupu.

Jeżeli feed marżowy nie jest aktualizowany, system reklamowy może optymalizować kampanie na podstawie danych, które już nie odpowiadają rzeczywistości.

10. Zbyt mała liczba konwersji

POAS może być bardzo wartościowym kierunkiem, ale nie każdy sklep powinien zaczynać od tego od razu.

Jeżeli konto reklamowe ma mało transakcji, niestabilne kampanie albo błędny podstawowy tracking, najpierw trzeba uporządkować fundamenty. Google w kontekście value-based bidding wskazuje, że przed wykorzystaniem takich strategii trzeba ocenić cele biznesowe, możliwość przypisywania wartości oraz jakość infrastruktury pomiarowej. To zresztą obszar, w którym duplikacja albo niedoszacowanie konwersji potrafi rozsypać cały model, dlatego warto najpierw zerknąć w trzy najczęstsze źródła duplikacji eventów purchase w Shoper i sprawdzić match rate Enhanced Conversions.

Najpierw poprawny pomiar. Dopiero potem zaawansowana optymalizacja pod marżę.

Czy POAS jest dla każdego sklepu?

Nie.

POAS ma największy sens tam, gdzie:

• sklep ma produkty o różnych marżach,
• kampanie Google Ads generują regularną sprzedaż,
• właściciel chce optymalizować nie tylko przychód, ale realną rentowność,
• dane produktowe są względnie uporządkowane,
• sklep jest gotowy uzupełnić ceny zakupu lub marże,
• tracking e-commerce działa poprawnie,
• decyzje reklamowe są podejmowane na podstawie danych, nie tylko intuicji.

To szczególnie ciekawe dla sklepów z elektroniką, akcesoriami GSM, częściami, kosmetykami, wyposażeniem domu, produktami sezonowymi i kategoriami o bardzo różnych narzutach.

Czy trzeba zdradzać marżę w kodzie strony?

Dobrze zaprojektowane wdrożenie nie powinno polegać na prostym wypychaniu wrażliwych danych kosztowych do frontendu sklepu.

Informacje o cenie zakupu i marży są danymi biznesowo wrażliwymi. Dlatego przy tego typu wdrożeniach warto korzystać z architektury, która ogranicza ekspozycję tych danych po stronie użytkownika i pozwala przetwarzać je w bardziej kontrolowanym środowisku. To samo podejście odpowiada za to, że Enhanced Conversions po stronie serwera lepiej znosi adblockery i ITP niż klasyczne pomiary w przeglądarce.

Nie chodzi o to, żeby „pokazać Google wszystko”. Chodzi o to, żeby przekazać systemowi reklamowemu lepszy sygnał wartości konwersji, bez niepotrzebnego ujawniania szczegółów operacyjnych sklepu.

POAS jako element rozszerzonego wdrożenia analityki

W mojej usłudze server-side trackingu dla e-commerce możliwość przygotowania pomiaru bliższego marży może pojawić się jako element dodatkowy dla sklepów, które chcą iść krok dalej niż standardowy tracking przychodów.

Nie jest to jednak funkcja, którą da się wdrożyć odpowiedzialnie bez udziału klienta.

Po stronie sklepu konieczne jest uzupełnienie lub dostarczenie danych o cenach zakupu, kosztach produktów albo marżach. Bez tego żadna konfiguracja analityczna nie będzie wiarygodna.

Innymi słowy: technologia może pomóc przekazać lepsze dane do systemów reklamowych, ale nie zastąpi porządku w danych produktowych.

Co warto przygotować przed wdrożeniem?

Przed rozpoczęciem pracy nad POAS warto odpowiedzieć na kilka pytań:

1. Czy wszystkie produkty mają uzupełnioną cenę zakupu?
2. Czy cena zakupu jest aktualna?
3. Czy produkt ma stabilny identyfikator: SKU, EAN lub ID?
4. Czy ten sam identyfikator pojawia się w sklepie, feedzie i danych e-commerce?
5. Czy produkty wariantowe mają osobne koszty?
6. Czy rabaty mają wpływać na marżę raportowaną do reklam?
7. Czy uwzględniamy tylko koszt produktu, czy też dostawę, płatności, prowizje i zwroty?
8. Czy sklep ma wystarczająco dużo transakcji, aby optymalizacja pod wartość miała sens?
9. Czy obecny tracking zakupów działa poprawnie?
10. Czy właściciel sklepu chce optymalizować kampanie pod zysk, nawet jeśli oznacza to inne decyzje niż przy klasycznym ROAS?

Te pytania są ważniejsze niż sama nazwa narzędzia.

POAS nie zastępuje ROAS, on go uzupełnia

ROAS nadal jest potrzebny. Pokazuje skalę przychodu, pozwala oceniać efektywność kampanii i jest prosty do porównywania między kanałami.

Ale ROAS nie powinien być jedynym wskaźnikiem w dojrzałym e-commerce.

POAS dodaje drugą warstwę: rentowność. Pomaga zobaczyć, czy reklamy rzeczywiście wspierają wynik firmy, czy tylko generują obroty. Jeśli chcesz szybko sprawdzić, jaki ROAS odpowiada break-even przy danej marży, skorzystaj z kalkulatora POAS i progu opłacalności.

Dla właściciela sklepu to różnica między pytaniem:

„Ile sprzedaliśmy?”

a pytaniem:

„Ile realnie zarobiliśmy na tej sprzedaży?”

Podsumowanie

POAS to jeden z bardziej praktycznych kierunków rozwoju analityki e-commerce. Szczególnie dla sklepów, które mają różne marże produktowe i chcą podejmować decyzje reklamowe na podstawie realnej wartości sprzedaży, a nie wyłącznie przychodu.

Nie jest to jednak rozwiązanie „jednym kliknięciem”.

Wymaga uporządkowanych danych produktowych, spójnych identyfikatorów, aktualnych cen zakupu, poprawnego trackingu e-commerce i świadomej decyzji, jak sklep definiuje marżę.

Jeżeli te elementy są przygotowane, POAS może stać się mocnym uzupełnieniem server-side trackingu i pomóc w budowaniu kampanii, które nie tylko sprzedają więcej, ale przede wszystkim sprzedają mądrzej.