Platformy reklamowe raportują to, co widzą. Loyalz zaczyna od rozliczonych zamówień, układa ranking kreacji na przychodzie ze sklepu i pokazuje ścieżkę, którą klient naprawdę przeszedł.
Strategia pozyskania jest warta tyle, ile liczba, po której ją oceniasz — a tę liczbę zwykle raportuje ten, kogo oceniasz. Model atrybucji to decyzja o tym, jak podzielić zasługę za sprzedaż między punkty styku, które ją poprzedziły. Loyalz nie rozstrzyga tego sporu — pokazuje, gdzie modele się rozjeżdżają, i daje Ci jeden punkt odniesienia, w którym żadna platforma nie jest sędzią we własnej sprawie: to, co naprawdę wpłynęło do Twojej kasy.
Meta przypisuje sobie o połowę więcej zakupów, niż rozliczył sklep. Nikt nie kłamie — każde z tych narzędzi liczy co innego, w innym oknie i z innym obrazem klienta.
Sam układ jest prawdziwy i codzienny, liczby to przykład rachunkowy. Większość narzędzi rozwiązuje to tak, że wybiera zwycięzcę i chowa rozbieżność. Wielkość tej różnicy to informacja — mówi Ci, jaka część Twojego raportowania jest modelowana, a nie zaobserwowana.
Zaangażowanie i przychód z GA4 stoją w tym samym wierszu co wydatek danej reklamy z Mety, połączone po identyfikatorze reklamy.
Reklamy, w których utm_content nie zgadza się co do znaku z identyfikatorem reklamy, pokazują zero — a to wygląda tak samo jak reklama, która naprawdę nie miała ruchu.
Przykład rachunkowy. Każdy model przypisuje sobie więcej, niż zapisał sklep, bo każdy jest hojny w swoją stronę. Liczba ze sklepu nie jest piątym modelem — jest granicą, w której cztery pozostałe muszą się zmieścić.
Zapisywane first-party w Twojej własnej domenie, nie w cudzej pamięci przeglądarki. Wizyty bez znaczników kampanii klasyfikujemy jako bezpośrednie, organiczne albo z odesłania, zamiast je odrzucać — dlatego w większości raportów kanałowych ruch sumuje się do mniejszej liczby, niż miałeś naprawdę.
Wtyczka zapisuje punkty styku każdego odwiedzającego w cookie first-party — parametry utm, identyfikatory kliknięć gclid / fbclid / ttclid / msclkid, referrer i stronę wejścia — a przy zakupie przekazuje cały łańcuch do zamówienia.
Dwadzieścia ostatnich wpisów, trzymanych od ostatniego zakupu i wygasających po dziewięćdziesięciu dniach bezczynności — to nie to samo co dziewięćdziesiąt dni historii. Wizyty bez znaczników kampanii klasyfikujemy jako bezpośrednie, organiczne albo z odesłania, zamiast je odrzucać.
Wideo demo
6.4×
wg platformy
Hook UGC, 15s
6.2×
POAS 2.4×
Hook UGC, 15s
31
nowych klientów
Wideo demo
→
Hook UGC
→
Hook UGC
Zwycięzca
Sama wiedza, że reklama zadziałała, nie wystarczy, żeby zabriefować następną. Zapisujemy osiem pól; panel pokazuje dziś hook, i wolimy powiedzieć to wprost, niż sugerować, że cały komplet jest już na ekranie.
Claude czyta tekst i podgląd każdej kreacji raz i zapisuje, co reklama naprawdę mówi — hook, ofertę, CTA, ton, styl wizualny, odbiorcę, deklaracje i emocje.
Jedna analiza obejmuje wszystkie reklamy z tą samą treścią. Dashboard pokazuje hook obok liczb przeanalizowanej reklamy.
Przykład rachunkowy. Blended CAC dzieli cały wydatek reklamowy przez wszystkich nowych klientów — łącznie z 240, którzy przyszli bez żadnego kosztu. To zaniża prawdziwy koszt płatnego pozyskania — dlatego kafelek jest tak podpisany, zamiast po cichu upiększać liczbę.
Mission Control pokazuje, ilu zidentyfikowanych klientów w danym okresie składało pierwsze zamówienie w historii zsynchronizowanej przez Loyalz, i dzieli wydatek reklamowy z tego okresu przez tę liczbę.
Jeden uśredniony koszt nowego klienta dla całego sklepu. Nie per kanał, nie per kampania. W mianowniku siedzą też klienci z ruchu bezpłatnego, więc wszędzie tam, gdzie pozyskanie dzieje się za darmo, ta liczba zaniża koszt płatnego pozyskania.
Układ poglądowy. Dashboard zbudujesz w każdym narzędziu z tej kategorii — pytanie brzmi, co jest na nim do postawienia. Wydatek reklamowy i rozliczone zamówienia są wierszami w tej samej tabeli, więc jeden widget pomieści jedno i drugie bez kroku z eksportem.
Jedno zapytanie zwraca wydatek ze wszystkich podłączonych platform obok przychodu ze sklepu albo z CRM za ten sam okres.
Nie per kampania i nie per reklama: wiersze ze sklepu i z CRM nie mają wymiaru kampanii, więc wzór łączący źródła spada do zera, jeśli o niego poprosisz. Produkt uprzedza, kiedy tak się dzieje.
Który format kreacji przyprowadził klientów, którzy wrócili — i ile ci klienci kosztowali?
query_metrics
list_metric_catalog
get_purchase_history
W ostatnim kwartale wideo UGC przyniosło 212 nowych klientów, po £71 na każdego. Statyki z ofertą przyniosły 318 po £54.
Ale 41% kohorty UGC zamówiło ponownie w ciągu 90 dni, wobec 19% kohorty statycznej. Licząc przychód narastająco na klienta, tańszy kanał okazuje się droższy.
Zbudować dashboard, który śledzi obie kohorty?
Rozmowa poglądowa. Każdy konkurencyjny MCP w tej kategorii sięga do platform reklamowych. Nasz sięga do wydatku i do tego, ile był potem wart klient, którego ten wydatek przyprowadził, bo jedno i drugie leży w tej samej tabeli. Asystent w panelu tylko czyta; zmiany robisz przez serwer MCP, tokenem, który sam generujesz.
Przy pisaniu tej strony przejrzeliśmy siedem konkurencyjnych produktów. Żaden nie podaje przedziału ufności, współczynnika dopasowania, minimalnego wolumenu ani jednego warunku, w którym jego metoda zawodzi.
Dwadzieścia minut, na żywo, na Twoich danych. Przy Tobie liczymy różnicę między tym, co przypisują sobie Twoje platformy, a tym, co wpłynęło do Twojej kasy.
Umów te dwadzieścia minut →