Zarządzanie feedem produktowym. 5 reguł Feedink, które warto wdrożyć

Masz w sklepie 10 000 produktów. Trafiają do Google Merchant Center i katalogu Meta. Ceny się aktualizują, zdjęcia wyświetlają, kampanie działają. Feed mamy z głowy?

W tych 10 000 produktów są bestsellery z dobrą marżą, buty dostępne już tylko w trzech rozmiarach i rzeczy, które zbierają tysiące wejść, ale prawie się nie sprzedają. Każdy z tych produktów może trafić do reklamy. Tylko czy na każdy chcesz wydawać pieniądze?

Zarządzanie feedem produktowym pomaga przełożyć dane o sprzedaży, marży i dostępności na wybór produktów do reklam. W tym artykule pokazuję pięć reguł, które można przygotować do pracy z Feedinkiem: co oznaczać, jakie dane połączyć i kiedy ograniczenie reklamy ma sens. Także wtedy, gdy raport pokazuje całkiem ładny ROAS.

Na czym polega zarządzanie feedem produktowym?

Zarządzanie feedem produktowym to regularne poprawianie, uzupełnianie i porządkowanie danych o produktach przekazywanych do systemów reklamowych. Obejmuje jakość nazw i zdjęć, aktualność cen i dostępności oraz segmentację oferty według kryteriów ważnych dla sklepu, takich jak marża, sprzedaż czy zapas magazynowy.

W praktyce pracujemy na trzech poziomach:

Feed produktowy jest uporządkowanym źródłem informacji o asortymencie. Katalog Meta i dane produktów w Merchant Center są miejscami, do których te informacje trafiają. Aktualizacja pliku nie oznacza jeszcze, że system reklamowy zdążył go pobrać i przetworzyć.

Jeśli zaczynasz od podstaw, przeczytaj też:

• Jakie informacje powinny znaleźć się w feedzie produktowym Meta Ads?
• Wszystko, co musisz wiedzieć o feedzie produktowym w Meta Ads

Tutaj zajmiemy się przede wszystkim trzecim poziomem. Zakładam jednak, że podstawowe dane są poprawne. Etykieta „skaluj” niewiele pomoże produktowi, którego reklama prowadzi do nieistniejącej strony.

Dlaczego dwa dostępne produkty mogą wymagać innych decyzji reklamowych?

Spójrzmy na dwa modele butów z przykładu. Dane dotyczą tego samego okresu.

Oba produkty są dostępne i mogą być reklamowane. Przy produkcie A sprawdziłbym możliwość zwiększenia wydatków. Przy produkcie B zacząłbym od rozmiarówki, źródeł ruchu i karty produktu.

Nie wiemy jeszcze, czy B trzeba wyłączyć. Może przyciąga klientów, którzy kupują inny model. Może sprzedaje się dobrze w określonej grupie odbiorców. Mamy jednak wystarczający sygnał, żeby się nim zająć.

Przy kilkunastu produktach da się robić taki przegląd ręcznie. Przy kilku tysiącach przydają się reguły, które regularnie wskazują produkty do sprawdzenia.

Do czego służy Feedink w tym procesie?

Feedink pozwala przetwarzać dane produktowe przed przekazaniem ich do kanałów sprzedaży i reklamy. Dokumentacja opisuje łączenie importów według wspólnego pola, uzupełnianie produktów o marżę oraz reguły z warunkami „jeżeli” i działaniami „wtedy”. Warunki można łączyć operatorami AND oraz OR. [1–3]

Przykładowy proces wygląda tak: sklep dostarcza ofertę, analityka dane o zachowaniach klientów, a ERP stany i dane kosztowe. Po połączeniu tych informacji reguły nadają produktom etykiety lub zmieniają zakres konkretnego eksportu.

Trzeba tu rozdzielić dwie rzeczy: obliczenie wskaźnika oraz wykorzystanie gotowego wskaźnika w regule. Liczbę dostępnych rozmiarów, percentyle sprzedaży czy zapas w dniach możesz obliczyć przed importem. Nie zakładaj, że każde takie obliczenie wykonasz bezpośrednio w edytorze Feedinka.

Poniższe reguły są propozycją logiki biznesowej. Zapisy w blokach to pseudokod, a nie kod do wklejenia do aplikacji. Nazwy pól i sposób obliczeń trzeba dopasować do źródeł danych oraz możliwości konkretnego konta.

Wszystkie progi liczbowe w przykładach są umowne. Nie są benchmarkami ani wynikami kampanii klientów.

Jakie dane przygotować, zanim ustawisz pierwszą regułę?

Najpierw ustal, co właściwie liczysz. „Wejścia” mogą oznaczać odsłony, sesje albo użytkowników. „Zakupy” mogą oznaczać zamówienia zawierające produkt albo liczbę sprzedanych sztuk. To różne liczby.

Klient może obejrzeć kartę pięć razy i kupić trzy sztuki w jednym zamówieniu. Dostaniesz wtedy pięć odsłon, jedno zamówienie i trzy sztuki. Bez uzgodnionej definicji łatwo zbudować regułę, która wygląda sensownie, ale porównuje nieporównywalne dane.

Dla przykładów w tym artykule przyjmuję:

To własny słownik wdrożenia, nie lista standardowych pól Feedinka.

GA4 opisuje pomiar e-commerce przez zdarzenia, m.in. view_item, add_to_cart i purchase, z informacjami o produktach w tablicy items. Samo podłączenie Google Analytics nie zastępuje poprawnego wdrożenia tych zdarzeń. [5]

Jeśli dzielisz zamówienia zawierające produkt przez odsłony jego karty, nazwij wynik dokładnie tak, jak go liczysz. To pomocniczy wskaźnik relacji sprzedaży do wyświetleń, a nie automatycznie sesyjny współczynnik konwersji. Nie dowodzi też, że konkretne wyświetlenie doprowadziło do zakupu.

Dla specjalisty ma to jeszcze jedną konsekwencję: regułę dla ruchu z Google Ads buduj na danych z tego kanału. Nie dziel całej sprzedaży sklepu przez same wejścia z Google i nie nazywaj tego skutecznością Google Ads. Ustal zakres kanału, sposób przypisania sprzedaży i okres analizy.

1. Dużo wejść i dużo sprzedaży: znajdź kandydatów do skalowania

Produkt często się pojawia w analizie ruchu i regularnie trafia do zamówień. To dobry punkt wyjścia do sprawdzenia, czy można mocniej go reklamować.

Przykładowa reguła:

JEŻELI views_30d > 1000
ORAZ orders_30d > 30
WÓWCZAS custom_label_0 = high_traffic_high_sales

Etykieta tworzy listę produktów z potwierdzonym zainteresowaniem i sprzedażą. Możesz porównywać ich wyniki, sprawdzać koszty reklamy i przygotować grupę do testu większego wsparcia.

Przed zwiększeniem wydatków sprawdziłbym jeszcze marżę po rabatach, zwroty, zapas i źródło dotychczasowej sprzedaży. Produkt może mieć dobre wyniki dzięki newsletterowi do stałych klientów. To nie daje pewności, że równie dobrze zadziała przy docieraniu do nowych odbiorców.

Jak dobrać progi do sklepu?

Dla kosmetyków 30 zamówień może być niewielką liczbą. Dla mebli po 10 000 zł może oznaczać bardzo dobry miesiąc. Dlatego zamiast jednego progu dla całego sklepu można porównywać produkty w obrębie kategorii i podobnego przedziału cenowego.

Alternatywą jest wybór produktów, które znajdują się jednocześnie w górnych 20% pod względem ruchu i liczby zamówień. Przy takim podejściu ustal sposób traktowania remisów oraz minimalną ilość danych. Czołówka słabo sprzedającej się kategorii nadal może mieć zaledwie kilka zamówień.

Percentyle można policzyć w arkuszu lub hurtowni danych, a do Feedinka przekazać gotowy wynik. Ta reguła wskazuje kandydatów do testu. Decyzję o skalowaniu uzupełnimy o ekonomię produktu w regule czwartej.

2. Dużo wejść i mało sprzedaży: zbuduj listę do analizy CRO

Produkt przyciąga uwagę, ale rzadko trafia do zamówień. Warto sprawdzić, gdzie zatrzymują się klienci.

JEŻELI views_30d > 1000
ORAZ orders_30d < 10
WÓWCZAS custom_label_0 = high_traffic_low_sales

Nie wyłączałbym takiego produktu od razu. Etykieta powinna uruchomić przegląd karty produktu, oferty i ruchu. To dobre połączenie pracy nad reklamami z CRO, czyli poprawianiem sklepu tak, żeby więcej odwiedzających kończyło zakup.

Dużo wyświetleń i niewiele dodań do koszyka kieruje uwagę na ofertę oraz kartę produktu. Dużo dodań i niewiele zamówień skłania do sprawdzenia dostawy, płatności i koszyka. To hipotezy do weryfikacji; najpierw upewnij się, że pomiar działa.

Dlaczego produkt za 15 000 zł wymaga innej oceny?

W przykładzie z 1500 wejściami i sześcioma sprzedażami samą liczbą zamówień łatwo się rozczarować. Ale przy cenie 15 000 zł i odpowiedniej marży wynik może być bardzo dobry. Potrzebujesz kosztu pozyskania sprzedaży oraz informacji o długości decyzji zakupowej.

Nie oceniaj drogich produktów po kilku dniach emisji. Okno analizy powinno uwzględniać czas potrzebny klientowi na zakup i opóźnienie w raportowaniu.

Po oznaczeniu produktu przypisz osobę odpowiedzialną, hipotezę i datę sprawdzenia poprawki. Dzięki temu lista high_traffic_low_sales staje się kolejką konkretnych zadań.

3. Mało dostępnych rozmiarów: ogranicz reklamę niepełnej oferty

Buty były dostępne w rozmiarach od 36 do 45. Zostały 36, 37 i 45. Produkt nadal jest dostępny, ale wielu klientów po kliknięciu nie znajdzie swojego rozmiaru.

Podstawowa reguła może wyglądać tak:

JEŻELI available_sizes < 4
WÓWCZAS custom_label_2 = size_critical

Możesz też przygotować trzy poziomy:

Produkt bez dostępnego wariantu wymaga odrębnej obsługi zgodnej z rzeczywistą dostępnością. Nie zmieniaj dostępnego towaru na „niedostępny” tylko dlatego, że chcesz ograniczyć reklamę. Do decyzji reklamowej użyj etykiety i odpowiedniego wykluczenia.

Licz rozmiary dla modelu i koloru, a nie pojedynczego SKU

Jeśli każdy wariant ma osobny rekord, pojedyncze SKU ma jeden rozmiar. Reguła „mniej niż cztery rozmiary” zastosowana na tym poziomie oznaczy niemal wszystko.

Najpierw zgrupuj warianty należące do tej samej oferty, np. modelu i koloru. Policz różne rozmiary dostępne do sprzedaży, a wynik przypisz do właściwych rekordów. Do grupowania wykorzystaj zweryfikowany identyfikator rodziny produktów, np. odpowiednio zdefiniowany item_group_id.

Sprawdź też stronę docelową. Jeśli reklama prowadzi do konkretnego dostępnego rozmiaru i użytkownik właśnie takiego szuka, ograniczona rozmiarówka całego modelu może mieć mniejsze znaczenie.

Lepsza wersja: dostępność rozmiarów ważona popytem

Cztery przypadkowe rozmiary i cztery najczęściej kupowane rozmiary to biznesowo różne sytuacje. Możesz więc policzyć udział historycznego popytu przypadający na rozmiary, które nadal są dostępne.

pokrycie_popytu = suma udziałów sprzedaży rozmiarów dostępnych obecnie

Jeżeli dostępne rozmiary odpowiadały historycznie za 70% sprzedaży, oferta zachowuje większą część potencjału niż przy pokryciu 15%. To przykład metody oceny, nie gotowy próg wykluczenia.

Udziały wyznaczaj w okresach z dobrą dostępnością. Rozmiar, którego przez większość miesiąca brakowało, będzie miał zaniżony udział w sprzedaży. Warto też korzystać z danych podobnej kategorii, gdy konkretny model ma krótką historię.

4. Sprzedaż, marża i zapas: wybierz produkty z warunkami do skalowania

Produkt zrobił ROAS 900%. Świetnie. Tylko ile na nim zostaje?

ROAS pokazuje relację przypisanego przychodu do wydatków reklamowych. Nie odejmuje kosztu towaru, realizacji zamówienia czy zwrotów. Dlatego dwa produkty z dobrym ROAS-em mogą mieć zupełnie inną rentowność.

Rozwińmy przykład z pierwotnego zestawienia. Przyjmijmy umownie ten sam przychód 10 000 zł dla obu produktów i spójną podstawę liczenia marży oraz ROAS-u.

Produkt A ma wyższy ROAS, a już na tym uproszczonym poziomie wynik jest ujemny. Produkt B zostawia pieniądze na dalsze koszty. To nadal nie jest zysk netto sklepu.

Jaka marża powinna trafić do reguły?

Ustal z osobą odpowiedzialną za finanse, co oznacza pole margin_pct. Marża handlowa uwzględnia koszt towaru, ale do oceny dopuszczalnego kosztu reklamy przydaje się kwota po odjęciu również kosztów zmiennych: prowizji płatniczych, pakowania, dopłaty do dostawy czy oczekiwanych kosztów zwrotów.

Nie mieszaj marży z narzutem. Marżę liczysz względem przychodu, a narzut względem kosztu zakupu. Sprawdź też, czy przychód, koszty i wartość przekazywana do reklam są liczone na zgodnej podstawie netto lub brutto.

Pomocniczy wzór na ROAS pokrywający reklamę to:

ROAS graniczny = 1 / udział kwoty pozostającej przed reklamą w przychodzie

Jeśli po koszcie towaru i pozostałych kosztach zmiennych zostaje 25% przychodu, ROAS równy 4 pokrywa koszt reklamy. Nie zostawia jeszcze środków na koszty stałe i docelowy zysk. Wzór zakłada spójną podstawę przychodu i kosztów oraz dodatni udział kwoty pozostającej przed reklamą.

Dlaczego zapas warto liczyć w dniach?

Sto sztuk może wystarczyć na miesiąc albo na dwa dni. Sama liczba sztuk niewiele mówi bez tempa sprzedaży.

zapas_w_dniach = stock_units / średnia_dzienna_sprzedaż_sztuk

Przy 82 sztukach i sprzedaży dwóch sztuk dziennie zapas wystarcza orientacyjnie na 41 dni. Przy dziesięciu sztukach dziennie: na 8,2 dnia. To kalkulacja przy niezmienionym tempie, bez przyszłych dostaw. Po zwiększeniu wydatków tempo może wzrosnąć.

Dla zerowej sprzedaży nie dziel przez zero. Nadaj osobny status i oceń produkt według zasad dla nowości lub małej ilości danych. Uwzględnij też czas dostawy od dostawcy i popularność wariantów.

Przykładowa reguła kwalifikacji:

JEŻELI orders_30d > 30
ORAZ contribution_before_ads_pct >= 0.25
ORAZ stock_days >= 21
ORAZ size_status != size_critical
ORAZ data_status = fresh
WÓWCZAS custom_label_4 = scale

contribution_before_ads_pct oznacza tutaj udział kwoty pozostającej po uzgodnionych kosztach zmiennych, przed reklamą. Wartość 0.25 to 25%.

Etykieta scale oznacza spełnienie wstępnych warunków. Przed zwiększeniem budżetu sprawdź jeszcze obecny koszt reklamy, docelową rentowność i zwroty. Po zmianie oceniaj wynik przy dodatkowych wydatkach. Dotychczasowy średni ROAS nie gwarantuje rentowności kolejnej złotówki.

5. Rosnące zainteresowanie: zauważ produkt, zanim zostanie bestsellerem

Bestseller znajdziesz w raporcie sprzedaży. Reguła trending pomaga wychwycić wcześniejszy sygnał: produkt zaczyna być wyraźnie częściej oglądany.

JEŻELI views_previous_7d >= 100
ORAZ views_last_7d > views_previous_7d * 1.5
ORAZ views_last_7d - views_previous_7d >= 100
WÓWCZAS custom_label_3 = trending

Porównuj dwa pełne, niepokrywające się okresy, każdy obejmujący siedem dni. Próg względny wykrywa wzrost o ponad 50%, a warunki minimalnej bazy i przyrostu ograniczają przypadki, w których kilka wejść tworzy efektowny procent.

Wzrost może wynikać z pogody, sezonu, publikacji influencera albo zbliżającej się okazji zakupowej. Może też wynikać z tego, że wczoraj zwiększyłeś budżet reklamy tego produktu.

Dlatego po oznaczeniu trending sprawdź źródła ruchu, wydatki, promocje i dodania do koszyka. Jeśli płatny ruch wzrósł wraz z budżetem, nie masz jeszcze dowodu na wzrost naturalnego popytu. Jeżeli zainteresowanie rośnie w kilku źródłach, a za nim pojawiają się zamówienia, produkt zasługuje na bliższą uwagę.

Nowości bez poprzedniego okresu oznacz osobno, np. new. Brak historii nie powinien automatycznie oznaczać ani trendu, ani słabego produktu.

Pięć reguł w jednym miejscu

Jak zaplanować custom labels, żeby reguły się nie nadpisywały?

Produkt może jednocześnie dobrze się sprzedawać, mieć wysoką marżę i tracić dostępność rozmiarów. Jeśli każda reguła zapisuje wynik do tego samego pola, możesz utracić wcześniejszą informację.

W Google Merchant Center masz pięć atrybutów: od custom_label_0 do custom_label_4. Każdy przyjmuje jedną wartość dla produktu. Google dopuszcza do 1000 unikalnych wartości na atrybut w obrębie konta. [6]

Zacząłbym od takiego podziału:

Dokładne koszty, marże i wskaźniki mogą pozostać w danych wewnętrznych. Do kanału reklamowego wysyłasz potrzebne grupy, np. margin_high. Nie potrzebujesz osobnej etykiety dla każdej wartości marży.

Przy projektowaniu eksportu do Meta sprawdź mapowanie etykiet oraz możliwość filtrowania po nich w używanym katalogu. Nie przenoś automatycznie limitów i zasad Google na inne systemy.

Ustal też kolejność decyzji. Proponuję, żeby problemy z dostępnością i jakością danych miały pierwszeństwo przed scale. Produkt nie powinien dostać rekomendacji zwiększenia wydatków tylko dlatego, że reguła sprzedażowa wykonała się jako ostatnia.

Przy każdym przeliczeniu obsłuż również sytuację, w której produkt przestaje spełniać warunek. Wczorajsze trending nie powinno zostać w feedzie na zawsze.

Skąd Feedink ma wiedzieć, ile produkt sprzedał i jaką ma marżę?

Te dane trzeba dostarczyć z odpowiedniego źródła. Feedink opisuje import dodatkowej marży, łączenie importów oraz konektor Google Analytics. Dokumentacja konektora rozróżnia dane globalne i dane kanału. [2–4]

Opis konektora jest datowany na 11 stycznia 2024 r. i zawiera również starsze nazwy metryk. Przed wdrożeniem sprawdź obsługę swojej konfiguracji GA4, dostępne wymiary, metryki, okresy i sposób oznaczania linków. Nie traktuj nazw z tego artykułu jako gotowej konfiguracji konektora.

Jeżeli potrzebujesz wskaźnika, którego integracja nie dostarcza, możesz przygotować go wcześniej i przekazać jako dodatkowe dane produktowe.

Najczęstsza pułapka: inne ID w każdym systemie

Feed może zawierać ABC123-42, analityka ABC123, a ERP osobny kod magazynowy. Samo połączenie kolumn o nazwie id nie rozwiąże tej różnicy.

Przygotuj mapowanie identyfikatorów. Ustal, które dane dotyczą wariantu, a które całego modelu. Zadbaj o jednoznaczność połączenia: wiele wierszy analitycznych dopiętych do jednego SKU może powielić rekordy albo zawyżyć sumy.

Warto mierzyć udział produktów, dla których udało się dołączyć wymagane dane. Niski udział dopasowań może zepsuć więcej decyzji niż źle dobrany próg sprzedaży.

Brak danych nie oznacza zera

Puste pole marży oznacza „nie znam marży”. Brak rekordu sprzedaży może oznaczać zero zamówień, błąd połączenia albo opóźniony import. Zanim przypiszesz zero, musisz wiedzieć, jak działa dane źródło.

Dodaj status jakości i czas aktualizacji. Dla niepełnych danych można przyjąć review albo zachować ostatnią poprawną klasyfikację przez uzgodniony czas. Ceny i dostępność nadal powinny odzwierciedlać aktualną ofertę.

Jak wykorzystać etykiety w Google Ads i Meta Ads?

Samo dopisanie scale do feedu nie zwiększa budżetu i nie nakazuje algorytmowi mocniejszej emisji. Etykieta porządkuje produkty. Dopiero konfiguracja kampanii określa, jak z tej grupy korzystasz.

W Google Ads etykiety można wykorzystać do podziału produktów w kampaniach produktowych i Performance Max. [7] Podział grup produktów w PMax nie nadaje im osobnych budżetów. Jeśli chcesz niezależnie kontrolować wydatki, musisz rozważyć strukturę kampanii oraz skutki takiego rozdzielenia.

W reklamach katalogowych Meta podejście polega na przygotowaniu odpowiednich zestawów produktów i użyciu ich tam, gdzie pozwala na to wybrana konfiguracja kampanii. Sprawdź faktyczny zakres zestawu po aktualizacji katalogu.

Nie tworzyłbym osobnej kampanii dla każdej etykiety. Najpierw określ decyzję: czy chcesz osobno raportować, wykluczyć produkty, zmienić komunikację, czy rzeczywiście przeznaczyć na grupę odrębny budżet. Przy małej skali nadmierne rozdrobnienie utrudnia ocenę wyników.

Po wdrożeniu sprawdź, czy produkty nie trafiają jednocześnie do kilku niezamierzonych grup oraz czy ta sama oferta nie jest nadal reklamowana z innego zestawu lub źródła. Wykluczenie z jednej kampanii nie oznacza wykluczenia z całego konta.

Scoring produktów: kiedy pięć reguł to za mało?

Scoring polega na przyznawaniu punktów za określone cechy. Może ułatwić ustawienie kolejności przeglądu produktów, gdy masz już wiarygodne dane i działające reguły.

Przykładowy model z tego wpisu:

Wynik 5–6 może oznaczać scale, 3–4 standard, 1–2 observe, a 0 i mniej review. Wagi są umowną propozycją do sprawdzenia na danych sklepu.

Nie traktuj punktów jako prognozy zysku. Sygnały mogą się częściowo dublować, a wysoka marża nie powinna „odrobić” braku dostępności. Warunki blokujące, takie jak niedostępność produktu lub niewiarygodne dane, sprawdzaj przed scoringiem.

Zwroty analizuj dla zamówień, które miały czas wrócić. Dzielenie zwrotów z tego tygodnia przez sprzedaż z tego tygodnia może porównywać różne grupy zamówień.

Jak wdrożyć reguły bez wywracania kampanii?

Zacząłbym od jednej kategorii i reguł, które tylko oznaczają produkty. Dzięki temu zobaczysz, czy klasyfikacja odpowiada rzeczywistości, zanim wpłynie na emisję.

1. Wybierz problem. Na przykład reklama modeli z niepełną rozmiarówką albo wysoki ruch bez sprzedaży. Określ, jaką decyzję ma wspierać reguła.
2. Ustal słownik danych. Zapisz źródła, okres, definicję zakupów, marży i identyfikatorów. Przypisz odpowiedzialność za aktualizację.
3. Sprawdź przykładowe produkty. Porównaj dane reguły ze sklepem, zamówieniami i stanem magazynowym. Uwzględnij nowość, bestseller, brak danych i produkt po dostawie.
4. Uruchom samo etykietowanie. Obserwuj liczebność grup, zmiany statusów i nietypowe przypadki. Ustal też, jak status ma wracać do wartości podstawowej.
5. Włącz wybrane działanie w kampanii. Zapisz datę i zakres zmiany. Przygotuj możliwość przywrócenia poprzednich ustawień.
6. Oceń wynik po odpowiednim czasie. Uwzględnij cykl zakupowy, opóźnione konwersje i zwroty. Podejmij decyzję o rozszerzeniu, korekcie lub wycofaniu reguły.

W harmonogramie aktualizacji uwzględnij cały proces: dane źródłowe, obliczenia, import do Feedinka, eksport i pobranie przez kanał reklamowy. Jeśli każdy etap czeka na kolejny, dane widoczne w reklamie mogą być znacznie starsze niż ostatni eksport sklepu.

Żeby produkty nie przeskakiwały codziennie między grupami, można zastosować różne warunki wejścia i wyjścia. Na przykład oznaczać trend po przekroczeniu wzrostu 50%, a usuwać oznaczenie dopiero po spadku wzrostu poniżej 20%. To przykład stabilizacji reguły; progi trzeba dopasować do zmienności danych.

Jak sprawdzić, czy zarządzanie feedem poprawia wyniki?

Porównuj wynik biznesowy, nie tylko średni ROAS wybranej grupy. Po wyłączeniu części produktów ROAS może wzrosnąć, a łączna kwota pozostająca po reklamie spaść wraz ze sprzedażą.

Zapisz stan przed zmianą, budżety, promocje i inne istotne działania. Gdy skala pozwala, zastosuj grupę porównawczą lub eksperyment. Zwykłe porównanie „przed i po” nie rozdzieli wpływu reguły od sezonu czy zmiany cen.

Do raportowania zachowuj również historyczne etykiety z datą. Dzisiejsza grupa scale może zawierać inne produkty niż miesiąc temu. Bez historii trudno ocenić, jak produkty zachowywały się wtedy, gdy faktycznie należały do danej grupy.

Pytania o zarządzanie feedem produktowym

Czy optymalizacja feedu produktowego poprawia ROAS?

Może pomóc poprawić wyniki przez lepszą jakość danych i dobór oferty, ale nie gwarantuje wzrostu ROAS-u. Efekt zależy również od ceny, popytu, reklamy, sklepu i sposobu wykorzystania etykiet. Oceniaj też kwotę pozostającą po kosztach i reklamie.

Czy każdą regułę muszę wdrożyć w Feedinku?

Nie. Logika opiera się na danych i decyzjach biznesowych. Feedink może służyć do połączenia informacji i przygotowania eksportów, a część obliczeń możesz wykonać wcześniej. Dobierz narzędzie do potrzeb i sprawdź dostępność wymaganych funkcji.

Czy custom_label jest poprawną nazwą pola w feedzie Google?

To skrót używany w rozmowach. W danych Google stosuje się konkretne atrybuty od custom_label_0 do custom_label_4. Przypisz każdemu z nich jedno przeznaczenie, np. marżę albo dostępność rozmiarów. [6]

Czy słabo sprzedający się produkt należy od razu wykluczyć?

Najpierw sprawdź ilość danych, cenę, marżę, koszt reklamy i rolę produktu w zakupach innych produktów. Sześć zamówień drogiego towaru może być dobrym wynikiem. Brak sprzedaży przy bardzo małym ruchu nie wystarcza do oceny.

Jak często aktualizować feed produktowy?

Dostosuj częstotliwość do zmian cen i dostępności. Szybko rotujący asortyment wymaga szybszej reakcji niż oferta rzadko zmieniana. Osobno ustal częstotliwość przeliczania etykiet analitycznych. Sprawdzaj czas od zmiany w sklepie do przetworzenia jej przez kanał reklamowy.

Jak traktować nowe produkty bez historii sprzedaży?

Nadaj im osobny status, np. new lub insufficient_data, i zapewnij kontrolowany test. Nie kwalifikuj ich automatycznie jako słabych. Do wstępnej oceny wykorzystaj marżę, zapas, kategorię i podobne produkty, a później rzeczywiste wyniki.

Czy można użyć danych z Google Ads do wyboru produktów reklamowanych w Meta?

Można potraktować je jako punkt wyjścia do testu. Zachowaj informację o źródle: skuteczność produktu w Google nie gwarantuje takiego samego wyniku w Meta. Sprawdź wynik w kanale, w którym zwiększasz wydatki.

Od której reguły zacząć?

Jeśli sprzedajesz odzież lub obuwie i szybko tracisz popularne rozmiary, zacząłbym od dostępności. Jeśli produkty zbierają dużo ruchu bez zamówień, przygotowałbym listę do analizy CRO. Jeśli sprzedaż rośnie, ale trudno ocenić, ile zostaje w firmie, najpierw połączyłbym dane o marży, reklamie i zapasie.

Wybierz jeden problem, oznacz produkty i sprawdź, czy na podstawie tej listy potrafisz podjąć lepszą decyzję. Dopiero wtedy rozszerz automatyzację.

Jeśli chcesz omówić, które produkty warto reklamować w Twoim sklepie i jak połączyć to z kampaniami Meta Ads, napisz do mnie. Przyjrzymy się wyborowi oferty, danym i temu, co faktycznie wynika z raportów.

Źródła i dokumentacja

Dokumentacja opisuje funkcje narzędzi i formaty danych. Progi, scoring, przykłady obliczeń oraz proponowana kolejność działań w artykule są propozycjami wdrożeniowymi, nie wynikami badań ani deklaracjami skuteczności producentów. Dokumentację sprawdzono 22 września 2026 r.; część instrukcji Feedinka ma starsze daty aktualizacji.

1. Feedink: What is the structure of a rule? — warunki IF, działania THEN, operatory AND i OR.
2. Feedink: How do I combine imports? — łączenie danych przez wspólne pola.
3. Feedink: Adding margin attribute and using it for campaign optimization — dodatkowe dane o marży.
4. Feedink: Google Analytics Connector — opis konektora i rozróżnienia danych globalnych oraz kanałowych; zakres aktualnej integracji wymaga sprawdzenia na koncie.
5. Google Analytics: Measure ecommerce — zdarzenia e-commerce i dane produktów.
6. Google Merchant Center: Etykieta własna 0–4 — nazwy pól, limity i zasady etykiet.
7. Google Ads: Używanie etykiet własnych w reklamach produktowych — wykorzystanie etykiet w kampaniach.