Google Ads i Meta: jak porównać konwersje z zamówieniami

Przy zamknięciu miesiąca pojawiają się trzy liczby: konwersje z Google Ads, konwersje z Meta i zamówienia ze sklepu. Po dodaniu wyników platform sprzedaż wygląda lepiej niż w systemie zamówień. Zanim uznasz to za błąd pomiaru, sprawdź, co jest liczone. Platformy przypisują sobie udział w sprzedaży według własnych zasad. Sklep rejestruje zamówienia.

Która liczba opisuje sprzedaż firmy?

Punktem odniesienia jest rejestr zamówień lub CRM. Każdy identyfikator zamówienia uwzględniasz raz, zgodnie z ustaloną polityką płatności, anulowań i zwrotów. Uzgodnij również, jaką wartość porównujesz. Podatki, dostawa, rabaty i zwroty pieniędzy muszą być traktowane tak samo, inaczej nawet poprawne raporty będą pokazywały różne kwoty.

W ten sposób ustalasz liczbę zamówień i ich wartość w określonym zakresie. Nie rozstrzygasz jednak, która reklama spowodowała zakup. Ta sama transakcja może zostać przypisana do dwóch platform. Z kolei brak danych łączących zamówienie z reklamą nie dowodzi, że reklama nie miała wpływu. To po prostu przypadek, którego nie można rozstrzygnąć na podstawie dostępnych informacji.

Czy raporty obejmują to samo?

Najpierw zachowaj kopie źródeł i zapisz datę ich pobrania. Następnie porównaj okres, strefę czasową, walutę i sposób ujmowania wartości. Zwróć uwagę na datę: standardowe kolumny konwersji w Google Ads odnoszą wyniki do momentu interakcji z reklamą. Kolumny według czasu konwersji mogą ułatwić porównanie z datą zamówienia. Nie zmieniają jednak zasad przypisywania konwersji.

Sprawdź wybrane działanie powodujące konwersję, sposób zliczania, działania główne i dodatkowe oraz faktyczne okna i modele atrybucji. W Meta zweryfikuj definicje kliknięć, wyświetleń i interakcji obowiązujące na koncie oraz w eksporcie. Meta ogłosiła zmiany w marcu 2026 r.; termin ich wdrożenia może zależeć od reklamodawcy. Nie zakładaj jednej domyślnej konfiguracji ani stałego czasu, po którym każda rozbieżność sama zniknie.

Przykład: sześć zamówień, siedem przypisanych konwersji

W przykładzie używamy wyłącznie fikcyjnych danych. Przykład obejmuje sześć opłaconych zamówień z 1 września 2026 r. Przyjmujemy strefę UTC i walutę EUR. Kwoty nie obejmują podatków ani dostawy; zwrotów nie ma. Powiązania z platformami zostały dostarczone specjalnie na potrzeby ćwiczenia. Nie jest to zwykły eksport platformy zawierający pełną historię atrybucji każdego zamówienia.

Łączna wartość zamówień wynosi 700 EUR. Google przypisuje sobie cztery z nich o wartości 570 EUR, a Meta trzy o wartości 300 EUR. Zamówienia A100 i A103 występują w obu grupach: to dwa zamówienia za 220 EUR. Liczba różnych zamówień przypisanych do co najmniej jednej platformy wynosi zatem 4 + 3 − 2 = 5.

Zamówienie A104 za 50 EUR nie ma przypisania do żadnej z tych platform w danych przykładowych. Po jego dodaniu otrzymujemy sześć zamówień oraz 570 + 300 − 220 + 50 = 700 EUR. Różnica 7 − 6 = 1 nie wskazuje liczby wspólnych zamówień: w obu grupach są dwa zamówienia. Taka arytmetyka wymaga zgodnych danych pojedynczych zamówień; nie można jej automatycznie stosować do sum zagregowanych, modelowanych lub ułamkowych.

Duplikaty techniczne sprawdź osobno

Wielokrotne wysłanie zdarzenia zakupu do jednej platformy może powodować techniczne powielenie pomiaru. Przypisanie jednego rzeczywistego zamówienia przez Google i Meta to inny problem. Usunięcie podwójnie wysyłanych zdarzeń nie sprawi automatycznie, że platformy przestaną przypisywać sobie tę samą sprzedaż.

Stały identyfikator transaction_id może w Google Ads zapobiec ponownemu zliczeniu tej samej konwersji dla danego działania. Nie deduplikuje jednak danych pomiędzy Google a Meta i nie zapewnia standardowego, pełnego raportu przypisań według zamówień. Jeżeli Meta otrzymuje kopie zdarzeń z przeglądarki i serwera, sprawdź udokumentowaną konfigurację ich deduplikacji. Identyfikator zamówienia nie powinien zawierać imienia, nazwiska ani adresu e-mail klienta.

Raport powinien pokazywać także to, czego nie wiadomo

Korzystaj z dostępnych własnych danych, których użycie jest dozwolone, aby potwierdzać powiązania z zamówieniami. Z samych sum Google Ads i Meta nie wyliczysz części wspólnej. Konwersje modelowane również mogą nie dawać się przyporządkować do pojedynczych rekordów. Nie uzupełniaj tych luk domysłami tylko po to, żeby sumy się zgadzały.

1. Zachowaj oryginalne pliki i daty pobrania
2. Opisz kryteria zamówień, wartości i zwrotów
3. Oddziel duplikaty, potwierdzone wspólne zamówienia i przypadki nieznane
4. Przedstaw wyniki Google Ads oraz Meta w osobnych kolumnach
5. Pokaż nierozstrzygniętą resztę wraz z przyjętymi założeniami

Tak przygotowane zestawienie można sprawdzić i odtworzyć przy kolejnym zamknięciu. Łatwiej też ustalić, czy zmieniły się dane, czy reguły raportowania.

W czym może pomóc AI?

AI może zaproponować dopasowanie kolumn, wskazać brakujące pola i przygotować opis na podstawie sprawdzonych wyników. Zliczanie i sumowanie oprzyj na deterministycznych obliczeniach, a wyjątki poddaj weryfikacji przez człowieka. Model nie odtworzy niedostępnych identyfikatorów, nie odtworzy brakujących rekordów bez danych źródłowych i nie ustali rzeczywistego wpływu przyczynowego kanału.

Pracuj lokalnie, używając możliwie małego zakresu zanonimizowanych danych. Pilotaż AI Workflow Launch może objąć jeden proces raportowania: uzgodnione źródła, reguły, testy wyjątków, przegląd i przekazanie zespołowi. Efektem ma być powtarzalna procedura, której obliczenia i ograniczenia da się wyjaśnić.