Google Ads dla e-commerce — ROAS, strategie ustalania stawek

Co to jest ROAS w e-commerce i dlaczego bez marży jest mylący?

ROAS (Return On Ad Spend) to przychód z reklam podzielony przez koszt reklam. W Google Ads najczęściej patrzysz na niego jako liczbę typu 400% (czyli ROAS=4.0).
Problem w e-commerce jest prosty: ROAS mówi, ile wpływa pieniędzy, ale nie mówi, ile zostaje po kosztach produktu, wysyłki, zwrotach i obsłudze.

→ Kampanie Discovery i Demand Gen — czym są i kiedy stosować?

→ Jak śledzić konwersje w Google Ads z pomocą GTM?

→ Rozszerzenia reklam (assets) — jakie dodawać i jak?

→ Ile kosztuje reklama w Google Ads w Polsce — CPC, branże

→ Najczęstsze błędy w Google Ads, które przepalają budżet

→ Negatywne słowa kluczowe — jak tworzyć skuteczną listę?

Jeśli masz produkt z marżą 15% i celujesz w ROAS 3.0, to de facto tworzysz bezpieczną przestrzeń dopiero wtedy, gdy struktura kosztów (COGS, logistyka, zwroty) to udźwignie.
Przy marży 50% ROAS 2.0 może być świetny. Przy marży 10% ROAS 2.0 często jest dramatem.

W praktyce ustawienia stawek w Google Ads powinny wynikać z ROAS dla zysku, a nie ROAS „dla przychodu”.
Google Ads nie zawsze liczy marżę wprost — ale możesz to osiągnąć przez:

• wartość konwersji brutto + offline/niestandardowe wartości (jeśli robisz to w sposób kontrolowany),
• cel dla przychodu, który odpowiada Twoim realnym widełkom marży,
• raportowanie zewnętrzne: koszt reklam vs marża (np. w Looker Studio / BigQuery / arkuszu).

Anegdota z życia: kiedy audytowałem konto Google Ads małej firmy, okazało się, że „wartość konwersji” w ogóle nie odzwierciedlała realnych zakupów (pomiar łapał zaniżone wartości).
ROAS wyglądał super, dopóki nie przeliczyliśmy go na marżę w raporcie z e-commerce — wtedy spadł o połowę.
Jedno ustawienie w pomiarze potrafi rozjechać strategię stawek w tydzień.

Jak Google Ads optymalizuje stawki w 2026? (tROAS vs Maximize conversions)

Google Ads podbija lub obniża stawki na aukcji na podstawie sygnałów użytkownika i historii konwersji.
W skrócie: im lepsze dane o konwersji (jakość i ilość), tym sensowniejsze automatyczne sterowanie.

1) tROAS (Target ROAS) – gdy chcesz kontrolować efektywność

tROAS to strategia, w której ustawiasz cel zwrotu z kosztu reklamy.
Działa najlepiej, gdy:

• wartości konwersji są wiarygodne (np. cena koszyka w systemie),
• masz wystarczająco dużo konwersji, żeby model uczył się zależności,
• ROAS nie jest wywrócony przez zaniżone śledzenie lub błędny feed produktowy.

2) Maximize conversions z limitem (albo bez) – gdy chcesz skalować

„Maximize conversions” optymalizuje pod liczbę konwersji.
Jest dobre na start, gdy nie jesteś jeszcze gotowy na precyzyjny ROAS (albo wartości konwersji nie są idealne).
Jeśli dodajesz kontrolę budżetem i ograniczeniami (np. budżet dzienny, harmonogram), nadal możesz utrzymać rentowność na poziomie procesu, a nie samej automatyki.

Benchmark, który pomaga ustawić oczekiwania

W kampaniach Shopping w Polsce często spotyka się CTR (Click Through Rate) rzędu ~2–5% i konkurencyjne CPC (Cost Per Click) zależnie od kategorii (od kilku do kilkunastu złotych, czasem więcej w hitach sezonu).
To nie są widełki do kopii-wklej, ale do zrozumienia, że model potrzebuje danych, a nie cudów.

Jak ustalić docelowy ROAS: prosta formuła z marżą (i widełki startowe)

Jeśli chcesz, żeby strategia stawek miała sens, policz ROAS, który odpowiada Twojej marży.
Najprościej: traktuj ROAS jako „ile razy zwraca ci się koszt kliknięcia w przychodzie”, ale w praktyce przelicz to na zysk.

Krok 1: zbierz parametry

• Marża brutto na sprzedaży (np. po rabatach i kosztach produktu; nie „marketingowa”, tylko realna),
• Udział zwrotów (i ich koszt),
• Koszt wysyłki (czy jest refundowany przez klienta czy płacisz go z własnej kieszeni),
• średni koszt obsługi zamówienia (jeśli masz stały proces).

Krok 2: wyznacz ROAS dla zysku

Prosta heurystyka, którą stosujemy w projektach, zanim wejdziemy w bardziej rozbudowane modele:
ROAS celowy ≈ (1 / docelowa marża netto na zamówieniu), korygowany o zwroty.

Przykład: marża netto po zwrotach i kosztach logistycznych to 20% (0.20).
1 / 0.20 = ROAS=5.0. To znaczy: jeśli Twoje reklamy mają generować realny zysk, celujesz w poziom około 500% (5.0).

Widełki startowe, gdy nie masz pewności

W e-commerce, gdy zaczynasz „sensownie” pracować z automatyzacją:
tROAS na start zwykle ustawia się w okolicach 1.5×–3× dla marek o wyższej elastyczności i typowo niższych marżach (np. szybka sprzedaż, promocje), oraz 3×–6× dla sklepów z większą marżą netto.
Jeśli nie znasz marży, to ROAS będzie zgadywaniem — a zgadywanie w automatyzacji kosztuje.

W praktyce ustaw tROAS jako punkt, a nie dogmat: po 7–14 dniach (w zależności od wielkości konta i liczby konwersji) koryguj zgodnie z rentownością, nie tylko przychodem.

Strategie ustalania stawek: co wybrać dla Shopping, Search i remarketingu?

U mnie najlepsze wyniki powstają wtedy, kiedy strategie stawek rozdzielasz logicznie po intencji: „ktoś już wie co chce” vs „ktoś szuka” vs „ktoś był i trzeba domknąć”.
Ten podział często daje szybciej stabilny ROAS niż jedna strategia dla wszystkiego.

Shopping (PMax / standardowe Shopping) – zwykle cel rentowności

• Start: jeśli dane o wartości zakupów są czyste → tROAS; jeśli nie → Maximize conversions z kontrolą budżetu.
• Segment: osobne grupy dla bestsellera, long tail i produktów sezonowych (inny popyt = inny ROC/ROAS).

Search (frazy z intencją) – kontrola przez ROAS lub kontrolę budżetem

• Tu często dobrze działa tROAS, bo użytkownik ma większą intencję, a feed nie jest jedynym źródłem informacji.
• Jeśli masz ograniczoną historię konwersji, zacznij od Maximize conversions i przejdź na tROAS, gdy model ma czym oddychać.

Remarketing (RLSA / Display / YouTube) – zwykle wyższe stawki, ale w granicach marży

Remarketing ma wyższą szansę konwersji, więc często można mieć wyższy target ROAS.
Uważaj jednak na „przegrzewanie” budżetu: część sklepów zwiększa stawki na remarketingu i zaczyna płacić za „ponowne zakupienie” ludziom, którzy i tak kupiliby bez reklam.

Proces „krok po kroku”: jak ustawić ROAS i stałe sterowanie bez chaosu

Poniżej masz praktyczny workflow, który wdrażamy w e-commerce, żeby nie skończyć na „ROAS rośnie, ale rentowność spada”.

Krok 1: upewnij się, że pomiar wartości konwersji jest poprawny

• Sprawdź GA4 (Google Analytics 4) i integrację zakupów: czy event „purchase” ma poprawną wartość (currency, tax, shipping zależnie od standardu).
• W Google Ads zweryfikuj, że importujesz konwersje z wartościami, a nie tylko liczbę zakupów.
• Jeśli używasz Menedżera danych/GTAG/GTM: test z „prawdziwym zamówieniem testowym” i porównanie w raporcie.

Krok 2: podziel kampanie po intencji i marży (minimum)

• Ustal, które produkty są „high margin” i „low margin”.
• Jeśli masz długą listę SKU, zacznij od najważniejszych kategorii (np. 20% asortymentu daje 80% zysku).
• W feedzie zadbaj o tytuły, ceny, dostępność i atrybuty promujące (także do PMax, jeśli je stosujesz).

Krok 3: ustaw strategię stawek i target ROAS na rozsądnym poziomie

• Nowe kampanie: Maximize conversions z limitem budżetu (żeby zebrać dane).
• Gdy masz stabilność: przełącz na tROAS.
• Korekta co 7–14 dni: jeśli marża rośnie, a ROAS osiąga cel — podnosisz target stopniowo. Jeśli marża spada — twardo obniżasz lub ograniczasz segmenty.

Krok 4: raportuj rentowność, nie tylko ROAS

Skuteczna kontrola wygląda tak: koszt reklam z Google Ads vs przychód i marża z e-commerce.
Najprostsze wdrożenie to:

• raport w Looker Studio albo arkusz z feedem danych (koszt z Ads, sprzedaż z Shopify/Woo/ERP),
• kolumny: przychód, zwroty, marża netto, zysk z kampanii, ROAS, CPA (Cost Per Acquisition).

Krok 5: ustaw benchmarki kontrolne (żeby wiedzieć, czy jest sens)

• CTR w wyszukiwarce: często ~1–4% (zależnie od branży i jakości feedu w Shopping),
• średni CPC: zależnie od kategorii, ale zwykle w typowych e-commerce koszt kliknięcia waha się od kilku do kilkunastu zł w konkurencyjnych niszach,
• udział zakupów w ruchu: jeśli konwersja jest rzadka, a ROAS niski, problem może być w landing page (nie w stawkach).

Kontrolowana niedoskonałość, którą często rekomenduję: nie próbuj idealnie „ustawić ROAS” w pierwszym tygodniu.
Ustaw podstawy, zbierz dane i dopiero potem stroisz. Automatyzacja lubi stabilność i historię.

Najczęstsze błędy w ROAS i stawkach (i dlaczego to boli)

1) ROAS od przychodu zamiast ROAS od zysku

Efekt: strategia tROAS „cieszy się” rosnącym przychodem, ale rentowność spada, bo marża netto jest zbyt niska na dużą część sprzedaży.
Naprawa: raport marżowy i korekta targetu na podstawie zysku, nie przychodu.

2) Rozjechany pomiar wartości konwersji

Najczęściej: importujesz źle liczoną wartość (np. bez rabatów, z inną walutą, tylko część zamówień, brak uwzględnienia podatku/wysyłki).
Model uczy się złych danych, więc potem walczy z rzeczywistością.
Naprawa: weryfikacja eventu purchase w GA4 i spójność z Google Ads konwersjami.

3) Zbyt duży remarketing i kanibalizacja

Kiedy zawężasz remarketing i ustawiasz agresywne stawki bez wykluczeń albo bez segmentacji, możesz przepłacać za użytkowników, którzy wrócą sami.
Naprawa: test okien (np. 7/14/30 dni), segmenty według zachowania (Add to cart vs View content vs Purchase) i monitoring udziału sprzedaży „own”.

4) Brak higieny feeda produktowego

W Shopping i PMax feed jest krytyczny: błędy w dostępności, cenie, atrybutach i id produktów niszczą efektywność stawek.
Naprawa: proces aktualizacji feeda, kontrola błędów w Merchant Center i walidacje.

Agencja vs freelancer vs samodzielnie: co jest najrozsądniejsze przy ROAS?

To pytanie wraca ciągle, bo Google Ads potrafi być zarówno prosty, jak i „wredny” w zależności od danych i platformy.
W e-commerce zazwyczaj liczy się nie liczba godzin, tylko jakość pomiaru, struktura i iteracje na marżę.

• Samodzielnie ma sens, jeśli masz ogarnięte analytics (GA4), feed, podstawowy raport marżowy i jesteś gotowy na testy przez 4–8 tygodni.
• Freelancer sprawdza się, gdy potrzebujesz konkretnego wsparcia: ustawienie tROAS, porządek w kampaniach, audyt feeda i konwersji, wdrożenie raportowania.
• Agencja wygrywa, kiedy budżet jest spory i potrzebujesz ciągłej optymalizacji oraz pracy cross-funkcyjnej (tracking + produkt + strona + kreacje).

Koszt współpracy w Polsce zwykle wygląda tak: obsługa Google Ads kosztuje najczęściej 800–3 000 PLN miesięcznie (mniejsze sklepy / podstawowy zakres), a przy większych budżetach i rozbudowanej strategii często rośnie wraz z zakresem (techniczne zmiany, audyt, analityka, Merchant Center).
Najważniejsze: niezależnie od modelu współpracy, dopilnuj mierzenia marży i spójności konwersji.

Jak ocenić, czy strategia stawek działa? Prosty test tygodniowy

Po 7–14 dniach (nie 3 dniach!) sprawdź trzy rzeczy:

1. Czy ROAS jest stabilny i blisko celu? Jeśli skacze jak ping-pong, to zwykle problem w danych albo w nieustabilizowanych zmianach (np. nowe feedy, promocje, duże zmiany budżetu).
2. Czy zysk na zamówieniu rośnie (marża netto), a nie tylko przychód? Jeśli marża spada, korekta targetu to nie „miły dodatek”, tylko konieczność.
3. Czy CPA (Cost Per Acquisition) i udział refundów są pod kontrolą? Spadek CPA przy spadku jakości to często „fałszywa wygrana”.

Jeżeli na konwersjach masz wystarczająco danych, wchodzisz na tROAS i dopiero potem optymalizujesz strukturę i budżety.
Jeśli nie masz danych, optymalizacja stawek będzie ruletką — lepiej najpierw wzmocnić pomiar i feed.

Podsumowanie: ustaw ROAS tak, żeby bronił zysku, a nie tylko sprzedaży

Najkrócej: w Google Ads dla e-commerce ROAS ma sens wtedy, gdy jest sprzężony z marżą, a stawki automatyczne mają poprawne dane o wartości zakupów.
Wybieraj strategie według intencji (Shopping/Search/remarketing), startuj bez presji na idealny target, a kontroluj rentowność, nie sam przychód.

Powiedz mi, jaki masz model: Shopify / WooCommerce / inny system, średnia marża netto (choćby widełki) i ile konwersji miesięcznie generują kampanie?
Na tej podstawie podpowiem, czy lepiej iść w tROAS od razu, czy najpierw zebrać dane na Maximize conversions i przełączyć po stabilizacji.