Proč průměrné PNO nestačí
PMax optimalizuje na celkový výsledek a průměrné PNO drží blízko cíli. Na první pohled je vše OK. Pod povrchem může být jiná realita: algoritmus si vybere malou skupinu produktů, reálně 20–40 SKU z tisícového katalogu, a do nich sype rozpočet. Zbytek se testuje náhodně nebo vůbec. V praxi to způsobuje:
- novinky se k zákazníkům prakticky nedostanou,
- sezonní zboží přijde o sezonu bez povšimnutí,
- produkty s dobrými prodeji z jiných kanálů nemusí dostat vůbec prostor v Google Ads,
- SKU s rozbitým detailem nebo bez reálné skladovosti dostane prioritu, než algoritmus detekuje problém.
Cílem segmentace je tohle aktivně řídit. Každý produkt dostane štítek. Štítek říká kampani, co má dělat.
Tři PNO na jeden produkt
Za mě je tohle klíčová věc, kterou spousta segmentačních nástrojů pro Google Ads vůbec neřeší. Stejný produkt vám tři systémy popíšou třemi různými čísly.
PNO z Google Ads atribuce. Náklady v Google Ads děleno vlastními konverzemi. Tohle číslo řídí Smart Bidding.
PNO z GA4 last non-direct atribuce. Náklady z Google Ads děleno tržbami, které GA4 atribuuje k placené reklamě z Google Ads. Typicky ukáže jiný výsledek, protože GA4 pracuje s jiným atribučním modelem.
PNO dle celkového pohledu. Náklady z Google Ads děleno celkovým obratem produktu napříč všemi kanály, bez ohledu na zdroj.
Hodnota není v číslech samotných, ale v jejich neshodách.
Google Ads říká dobré PNO, GA4 ukazuje, že to není tak úplně v pořádku: problém je v atribuci, ne v produktu. Dát štítek STOP by byla chyba.
Oba pohledy špatné nebo nulové náklady, celkový obrat dobrý: produkt se prodává organicky nebo třeba přes kampaň z Meta Ads, ale reklamní systém produkt neinzeruje.
Všechny tři PNO špatná a produkt se vůbec neprodal: produkt je skutečně mrtvý, dotuju ho zbytečně a ani nevede k asistovaným konverzím.
Bez celkového pohledu se zkrátka nedá spolehlivě rozeznat, co upřednostnit a co potlačit. Většina nástrojů tento pohled nemá a pracuje jen s daty z Google Ads.
Sedm štítků
Každý štítek má jednoznačný byznysový i technický význam.
SUPERSTOP. Produkt propálil definovanou cenu, žádné prodeje na e-shopu ani žádná přiřazená konverze. Okamžité vyloučení z kampaní.
STOP. Horší výkon, ale mírnější kritéria než SUPERSTOP. Produkt dostane výrazně omezený budget nebo vypadne z prioritní kampaně.
TOP. Bestsellery s excelentním PNO napříč pohledy. Vlastní kampaň, maximální budget.
SUPERBOOST. Produkt právě zlevnil nebo se výrazně rozjel na jiných kanálech. Přechod bez čekání, aby se šance nepropásla.
BOOST. Silný výkon, ale zatím nedosahuje TOP kritérií. Nebo jde o akceleraci nového produktu.
MEDIUM. Standardní produkty, které si na sebe ještě vydělají.
MANUAL. Anomálie. Atribuce se výrazně neshodnou, nebo reklama vypadá dobře, ale celkový pohled nevychází. Izoluji, kontroluju ručně.
Žádný štítek není permanentní. Klouzavá 30 a 90denní okna plus meziroční srovnání produkt automaticky přeřadí, jakmile se změní sezona.
Pravidlo 14 dní a výjimky
Když jsem zpočátku aktualizoval štítky denně, výsledky byly nestabilní. PMax má fázi učení, která se při každé změně struktury kampaně prodlužuje. Algoritmus zkrátka potřebuje chvíli času.
Nakonec jsem se ustálil na 14 dnech jako minimu mezi změnami štítku. 7 dní je absolutní spodní hranice, pod to bych nechodil.
Výjimky, kdy se mění hned:
- První přiřazení štítku. Produkt v systému ještě nebyl. Nečekám 14 dní na něco, co se zatím nestalo.
- Cenový event v Merchant Centru. Dojde k zlevnění kvůli akci a produkt jde okamžitě do BOOST nebo SUPERBOOST. Čekat 14 dní může znamenat akci prosvihnout.
- Vánoční zámek (20. 12. – 15. 1.). V tomto období se štítky nemění. Výkon v době Vánoc přirozeně padá a kdyby se přepočítávaly štítky normálně, přesunou se produkty do STOP nebo MANUAL zbytečně.
- Manuální přepsání v Google Sheets. Specialista nebo majitel může kdykoli zafixovat štítek. Důvody mohou být různé: slevová akce, ležák na vyprodej nebo klíčový produkt, který si nemůžeme dovolit přeřadit.
Jak je to postavené
Celé řešení běží v Google Cloud. Napojení dat je přímočaré. Pro malé až střední projekty vychází provoz na pár desítek korun měsíčně, někdy vše pokryje i free tier.
Sběr dat
Primárně přes Google Ads Data Transfer a Google Merchant Center Data Transfer. Jsou to nativní nástroje pro export dat z těchto systémů do BigQuery, samotné napojení je zdarma. Platí se jen za úložiště. Přes Data Transfery napojíte i rozsáhlé MCC účty bez znalosti API.
K tomu přibývají data z GA4 Data API. Pro komplexnější projekty jde vycházet také z přímého exportu GA4 do BigQuery a vlastní atribuční logiky. Pro celkový obrázek většinou stačí GA4 Data API. Pokud tam data nejsou v pořádku, dochází k výraznému podměření, a je pak potřeba sáhnout i po datech z e-shopu nebo ERP.
Transformace
Logika nad daty přidělí každému produktu štítek na základě časových oken a tří pohledů.
Aktivace
Export do Google Sheets jako doplňkový feed v Merchant Centru. Čitelné, jednoduché, funkční, auditovatelné, snadno se sdílí s klientem nebo kolegou.
Co nefunguje nebo komplikuje
Atribuce není absolutní pravda. GA4 i Google Ads mají dnes znatelnou ztrátu dat: odmítnutí souhlasu, špatně nastavené GTM, blokování měření. Pokud není měření v pořádku, segmentace nemá z čeho rozhodovat. Garbage in, garbage out. Pořádek v měření je předpoklad, ne luxus.
Nepořádek v datech. Nekonzistentní ID produktů napříč systémy, ceny bez DPH, absence historických dat. Vše se promítá přímo do kvality štítků.
Sezónnost a příliš krátká okna. U silně sezonního sortimentu nestačí 30 nebo 90 dní. Bez meziročního srovnání dostane STOP produkt, který je prostě v mimosezonním útlumu. Podobný problém nastává u zboží s příliš krátkou životností: algoritmus se nestihne naučit, než produkt zmizí z katalogu.
Kdy to nemá smysl řešit
Pokud máte katalog o pár produktech nebo malou útratu v Google Ads, investice do tohoto systému nedává smysl. Podobnou logiku lze použít i pro Meta Ads, ale to je na samostatný článek.
V jakém pořadí to řešit
Segmentaci produktů v PMax obvykle doporučuji jako první krok při optimalizaci reklam v Google Ads. Za mě přináší větší posun než například import marží a jde nasadit v rámci dní. V dalších krocích doporučuji řešit import marže společně s importem akvizice a retence.
Technicky jde nasadit segmentaci, marži i akvizici najednou. Za mě ale často dává smysl implementovat naráz, ale spouštět ve dvou krocích: nejdřív segmentace a mezitím připravit a sbírat data pro import marže a import akvizice a retence, a pak jako druhou vlnu zapnout společně. Segmentace mezitím běží, nečekáte zbytečně. Obecně také nedoporučuji dělat příliš mnoho změn naráz, protože pak nejde sledovat vliv jednotlivých kroků.
Pokud by vás zajímala segmentace, import marže i akvizice a retence, mohl by vás zajímat balíček Kampaně na plný výkon.
Expanze do nové země
Vedlejší efekt, který stojí za zmínku. Při spuštění nové země jde využít štítky ze zavedené země jako startovací rozdělení pro nový trh. Algoritmus tak nezačne od nuly. Jde urychlit, na co přibližně vsadit budget.
Produkty, o kterých se ví, že jinde fungují, jdou rovnou do TOP. Ušetří se týdny testování.
Reporting
Používám pro každodenní monitoring. Vidím, kolik produktů a jaký podíl spendu leží v TOP, BOOST, MEDIUM, STOP a jak se to mění v čase. Přesun produktů mezi štítky je první signál, že se něco děje.

Shrnutí
Průměrné PNO v PMax zakrývá, které produkty vydělávají a které pálí budget. Každé SKU dostane štítek podle tří pohledů na výkon. Minimálně 14 dní mezi změnami, systém běží na BigQuery.

