Case study: PMax dla sklepu meblowego — 0 konw → ROAS 15,8x w 60 dni

Sklep meblowy WooCommerce, 122 SKU, dwa segmenty (premium tapicerowane + budget skandi). Klient po wcześniejszej agencji raportował 0 konwersji w Google Ads przy wydatku 8 100 zł miesięcznie. Po 60 dniach od przejęcia: 47 konwersji/mc, ROAS 15,8x na bestsellerach, łączny ROAS konta 6,2x. Pokazujemy dokładnie, co poszło źle i jak to naprawiliśmy — z liczbami.

Problem — co znaleźliśmy na koncie

Obszar	Stan zastany
Conversion tracking	5 tagów Google Ads Conversion w GTM raportujących do obcego AW-ID (17118183951) zamiast naszego konta. Klasyczny GTM hijack.
Offline conversions	Brak. Wszystkie konwersje liczone tylko z online checkout (~70% pokrycia, 30% transakcji „ginie”).
Feed Merchant Center	122 produkty, ale 18 disapproved, 24 bez wymiarów, 0 z GTIN, 0 z cost_of_goods_sold.
Custom Labels	Wszystkie puste. Algorytm traktował 122 produkty identycznie, bez priorytetyzacji bestsellerów.
Struktura kampanii	3 stare PMax z 2024, każda z asset group bez audience signals, jedna na cały katalog. Brak Hero/Rest podziału.

Wniosek po audycie: algorytm Google nie miał jak się uczyć, bo nie widział własnych konwersji (hijack), nie miał danych offline (brak integracji), nie miał sygnałów priorytetyzacji (brak Custom Labels). Sytuacja typowa dla agencji, która „robi setup w pół godziny” i wystawia faktury miesiąc do miesiąca.

Rozwiązanie — co zrobiliśmy krok po kroku

Krok 1: Tracking od zera (tydzień 1-2)

• Audyt GTM, identyfikacja 5 obcych tagów, podmiana na właściwy (klienta) Conversion ID z poprawnymi conversion labels
• Mu-plugin generujący unikalne transaction_id przez SHA-256(order_id + AUTH_KEY salt) — eliminacja duplikatów konwersji
• Offline conversions z WooCommerce → REST API → Ads co 24h, z GCLID. Match rate wzrósł z 70% do 96%
• Enhanced Conversions for Web (zhashowany email klienta) — wzrost match rate o kolejne 12%
• Weryfikacja 7-dniowa: WooCommerce orders vs GA4 purchase vs Ads conversions, różnice <5%

Pełen guide implementacji w naszym poście Conversion tracking dla WooCommerce — GA4 + GTM setup.

Krok 2: Custom Labels w feedzie (tydzień 2-3)

Stworzyliśmy automatyczny generator Custom Labels (Python CLI uruchamiany co 24h), który ciągnie dane z WooCommerce (sprzedaż, marża, stan magazynu) i propaguje do feedu w Merchant Center. Mapowanie:

• custom_label_0 = margin tier (high >50% / mid 30-50% / low <30%)
• custom_label_1 = performance (bestseller — top 20 / standard / longtail)
• custom_label_2 = price range (premium / mid / budget)
• custom_label_3 = seasonality (winter / summer / evergreen)
• custom_label_4 = strategy (loss_leader / standard / margin_max)

Krok 3: Power Pack 2026 — nowa struktura (tydzień 3-4)

Stare 3 kampanie spauzowane (historical data zostaje), nowa struktura:

• PMax Hero — Bestsellery: 87 zł/dzień, listing group custom_label_1 = bestseller, Max Conv Value, Customer Match audience (2000 emaili)
• PMax Reszta Katalogu: 65 zł/dzień, cały feed BEZ bestsellerów, asset group szerszy
• Shopping Discovery: 43 zł/dzień (później spauzowany — ROAS 1,8x, gorzej niż PMax)

Asset groups: 11 assets per kampanię (logo + 5 lifestyle + 2 video + 8 headlines + 5 descriptions + 4 long headlines).

Wyniki po 60 dniach

Metryka	Przed	Po 60 dniach	Zmiana
Wydatek/mc	8 100 zł	5 900 zł	−27%
Konwersje w Ads	0	47	+∞
Przychód z Ads/mc	brak danych	36 600 zł	—
ROAS PMax Hero	—	15,8x
ROAS konta łącznie	—	6,2x
CPA średni	—	125 zł

Co się sprawdziło, co nie

✓ Sprawdziło się: Podział Hero/Rest (Hero ciągnął cały rachunek z ROAS 15,8x), Customer Match jako audience signal (wzrost ROAS Hero z 8x do 15,8x w 3 tygodnie), offline conversions (match rate +26pp).

✗ Nie sprawdziło się: Shopping Discovery (ROAS 1,8x — spauzowany po 6 tygodniach), short video assets w PMax (CTR niższy niż statycznych obrazów dla branży meblowej), in-market „Home Improvement” (za szeroki, traffic DIY zamiast finished furniture).

Wnioski generalne

• 80% problemu to tracking — bez czystego trackingu nie ma sensu optymalizować nic innego
• Custom Labels dają algorytm sygnał priorytetu — bez nich budżet rozjeżdża się równo na „wszystko”, co wygładza wyniki
• Podział Hero/Rest jest niedoceniany — większość agencji robi 1 PMax „na wszystko”, co zostawia 50% potencjalnego ROAS na stole
• Customer Match to najmocniejszy audience signal — własne dane klientów > jakikolwiek in-market segment od Google

Pełen pakiet — Google Ads dla e-commerce. Checklist audytu PMax — Performance Max audyt 30 punktów. Model rozliczeń — wycena.