Marketingmérési audit: mit higgyen el a Q4 előtt

A zöld dashboard nem jelent egészséges üzletet. Öt friss elemzés ugyanazt a mintát mutatja: a Google Ads olyan célokat teljesít, amelyek már nem illenek az árréshez, a GA4 elveszít rendeléseket, az AI-motorok ismernek egy márkát, de sosem ajánlják, a forgalom pedig esik, miközben a bevétel nő. A marketingmérési auditnak minden főszezoni költségvetés-tervezés előtt meg kell történnie.

Legfontosabb tanulságok

• Minden jelentett számot vessen össze az igazság forrásával: a rendelésekkel, az árréssel és a lezárt üzletekkel.
• A tCPA és a tROAS üzleti döntés, nem beállítás. Számolja újra őket a jelenlegi árrés alapján.
• A GA4 a rendeléseknek csak egy töredékét rögzítheti, ezért hetente számoljon rögzítési arányt.
• Az AI-láthatóságnál a márkanevet nem tartalmazó kérdésekre kapott ajánlásokat mérje, ne a márkanév említéseit.
• A munkamenet nem eredmény. Kövesse a látogatásonkénti bevételt, a leadeket és a pipeline-t.

Miért rejthet egy egészséges dashboard egészségtelen üzletet

A közös szál egyszerű: minden eszköz azt optimalizálja vagy méri, amit megadunk neki, nem azt, ami a cégnek fontos. A Smart Bidding az Ön által beállított tCPA-t vagy tROAS-t célozza. A Search Engine Journal szerint az augusztus 17-i Google Ads frissítés után a költségvetés-korlátos kampányok inkább tartják a célt, mintsem hogy jelentősen túlteljesítenék. A túl szoros cél megszűnik minőségi jelző lenni, és növekedési plafonná válik.

Az AI-láthatóság ugyanígy működik. Az AI-keresés mérésről szóló cikkben leírt teszt szerint minden motor ismerte Tony Uphoffot, mégis a hírlevele a 12 kategóriakérdésből 0-ban jelent meg. Ismerni egy márkát és ajánlani azt két különböző dolog.

1. réteg: erősítse meg, hogy a követés valóban látja a rendeléseket

Nyolc brit e-kereskedelmi márka auditja megmutatta, milyen könnyen cserben hagyja a GA4 a mérést. Az egyik kereskedőnél a rögzített rendelések aránya a 2024 negyedik negyedévi 81%-ról egy évvel később 41%-ra esett, karácsonykor pedig 32%-ra. A GA4 éves összevetésben 68%-os bevételcsökkenést jelentett, miközben az üzlet 13%-kal esett. Az okok: egy havi korláttal rendelkező sütibanner, kiesések utólagos, késői visszatöltéssel, valamint duplikált tranzakcióazonosítók.

Mit tegyen, ebben a sorrendben:

1. Hetente ossza el a purchase eseményen szereplő egyedi tranzakcióazonosítók számát a webshop webes rendeléseivel. A purchase eseményt használja, ne a transactions mutatót, amely a visszatérítéseket is tartalmazza.
2. Figyeljen a nullához közeli és a 100% feletti értékekre. Az utóbbi duplikációt vagy utólagos visszatöltést jelent.
3. Vesse össze a GA4 Google organikus munkameneteit a Search Console kattintásaival. A munkamenetek csökkenése stabil kattintások mellett korai figyelmeztetés.
4. A sütibanner korlátját méretezze a csúcsforgalomra, és állítson be riasztást.
5. A vásárlásokat szerveroldalon, közvetlenül a webshoprendszerből küldje, és a shop adatait tartsa az igazság forrásának.

A rossz adatnak valódi ára van. Az egyik kereskedőnél a tényleges rendelések 31%-kal nőttek, miközben a GA4 harmados csökkenést mutatott. Az ilyen jelentés alapján vezetett költségvetés pont rossz irányba mozdulna.

2. réteg: számolja újra a célokat az árrés alapján

A 4,0x ROAS 20%-os árrésnél közel lehet a veszteséghez, 60%-nál viszont nagyon nyereséges. A múltból örökölt vagy iparági benchmarkból átvett cél semmit sem mond a profitról. Állítson be legalább negyedéves felülvizsgálatot a tCPA-ra és a tROAS-ra, a jelenlegi COGS-hoz, termékmixhez és árréshez kötve.

Ezután keresse meg, hol válik el a hozzárendelt teljesítmény a növekedéstől:

• Válassza szét az új és a visszatérő vásárlókat, valamint a márkás és a nem márkás forgalmat. A hozzárendelt ROAS úgy is emelkedhet, hogy egyetlen új keresletforrás sem jelenik meg.
• Töltse vissza az Adsbe az offline konverziókat, a lezárt üzleteket és ideális esetben az ügyfélértéket. Az olyan helyettesítő akciók, mint egy űrlapkitöltés, a volument optimalizálják, nem az értékesítést.
• Figyelje a megjelenési arányt, a zárási arányt, a leadekre adott válaszidőt és a készletet. Az elveszett megjelenési arány azt is jelentheti, hogy a hatékonysági cél túl szigorú, nem azt, hogy a piac kimerült.

Ezeknek az ellenőrzéseknek több fiókon átívelő automatizálásához nézze meg a Charlie terméket és az AI-szakértőit.

3. réteg: látogatásonkénti bevételt mérjen, ne munkameneteket

Kipp Bodnar CMO szerint a HubSpot az organikus forgalmának nagyjából 80%-át elvesztette a havi több mint 20 millió látogatásból, a 2025-ös bevétele mégis közel 20%-kal nőtt. Az AI-ból érkező látogatók nagyjából háromszor gyakrabban konvertáltak, az értékesítési ciklus pedig nagyjából fele olyan hosszú volt. A cég több mint 3000 üzleti érték nélküli blogoldalt távolított el, és a tartalmi leadek mintegy 90%-a ma már új csatornákból érkezik.

Némi óvatosság indokolt. A minősített AI-leadek 1850%-os növekedése kis bázisról indul, és csupán korrelációra épül. Az abszolút lead- és pipeline-számokat nézze, ne csak a százalékokat.

Gyakorlati mutatókészlet: látogatásonkénti bevétel, konverziós arány, értékesítési ciklus hossza, AI share of voice és a tartalom által befolyásolt pipeline.

4. réteg: nehezen mérhető AI-felületek

A Google Search & Other bevétele évi 12%-kal, 63,35 milliárd dollárra nőtt, de a növekedés lassult a első negyedévi 19%-hoz és a második negyedévi 17%-hoz képest. Az egyik ok az AI Mode alacsonyabb monetizációja volt. A hirdetések 10 országra terjednek ki, a meglévő Search, Shopping és Performance Max kampányok pedig automatikusan bekerülnek. Az AI Mode teljesítménye viszont csak összesítve jelenik meg, és nem célozható, nem is zárható ki.

Ezért a gyakorlati eszközök egyértelműek. A kizáró kulcsszavak és a márkakizárások maradnak a fő karok, a hatást pedig az összesített riportok és a lekérdezések, kattintások és konverziók ellenőrzésének kombinálásával ítéli meg. A Google-ön túl hetente tesztelje a márkanevet nem tartalmazó kérdéseket a ChatGPT-ben, a Geminiben, a Perplexityben és az AI Overviewsban, és mérje az ajánlási arányt. Egy 1076 B2B vásárlót felmérő G2-kutatásban 51% mondta, hogy a kutatást gyakrabban kezdi AI chatbottal, mint a Google-lel, 69% pedig egy chatbot miatt változtatta meg a tervezett beszállítót.

Hogyan kezdje: 30 napos munkasorrend

1. 1. hét: GA4 rögzítési arány és sütibanner-ellenőrzés.
2. 1. hét: a tCPA és a tROAS újraszámolása az árrés alapján, az új vásárlók szegmentálása.
3. 1. hét: offline konverziók és ügyfélérték importálása az Adsbe.
4. 1. hét: az AI-ajánlások követésének alapszintje és az új mutatókészlet (látogatásonkénti bevétel, pipeline).

Azok az ügynökségek, amelyek ezt egyszerre több ügyfélnél vezetik be, megnézhetik a megközelítést ügynökségeknek. A webshop rendelései és bevétele marad az igazság forrása, a GA4-et pedig a legjobb viselkedési trendekre használni.