Z ROAS na POAS: jak jsme e‑shopu přeladili kampaně na zisk

E-shop rostl na obratu a nerostl na zisku. Kampaně běžely na cílový ROAS a v reportu vypadaly dobře. Tenhle text není o tom, že POAS je lepší metrika než ROAS, to dnes ví každý. Je o tom, co jsme museli srovnat v datech, než se vůbec dalo přepnout, a co nám rozdělení sortimentu podle zisku ukázalo o tom, kam do té doby tekl rozpočet.

Klienta neuvádíme. Jde o e-shop s obuví a mezinárodním prodejem, katalog v řádu tisíců produktů a široký rozptyl marže napříč sortimentem. Všechna čísla v článku jsou z jeho účtu.

Co ukázalo rozdělení sortimentu podle zisku?

Že 268 produktů z 2 879, tedy 9,3 % katalogu, dělalo 91,1 % zisku. Zbylých 2 611 produktů spotřebovalo 51,3 % rozpočtu a přineslo 8,9 % zisku. Než jsme cokoli přepínali, nechali jsme si sortiment rozdělit podle skutečného příspěvku k zisku, ne podle obratu.

Skupina	Podíl na sortimentu	Podíl na rozpočtu	Podíl na zisku	POAS
Vysoce zisková	5,7 % (165 produktů)	19,8 %	58,6 %	5,99
Zisková	3,6 % (103 produktů)	28,9 %	32,5 %	2,28
Nezisková	4,2 % (121 produktů)	27,5 %	8,2 %	0,60
Nízká návštěvnost	86,5 % (2 490 produktů)	23,8 %	0,7 %	0,06

Nejhorší je poslední řádek. Skupina s nízkou návštěvností tvořila 86,5 % katalogu, spotřebovala skoro čtvrtinu rozpočtu a její POAS byl 0,06. To je šest centů hrubého zisku na každé euro poslané do reklamy.

Proč ROAS u tohohle e-shopu klamal?

Protože ROAS pracuje s obratem, ne s marží. Neziskové produkty měly ROAS 1,69 a produkty s nízkou návštěvností 0,42. V reportu to vypadá jako slabý, ale existující výkon. V zisku to byla čistá ztráta.

Dvě kampaně se stejným ROAS mají jiný dopad na zisk, pokud jedna prodává zboží s marží 40 % a druhá s marží 15 %. Algoritmus, který vidí jen obrat, si vybere tu, která víc utrží, ne tu, která víc vydělá. Vzorce, modelový výpočet i rozdíl proti ROI máme rozepsané v heslech POAS a příspěvková marže. Nulový bod, break-even ROAS, je převrácená hodnota marže: při marži 40 % tedy 2,5.

Co se muselo srovnat v datech, než šlo přepnout?

Nákupní ceny na úrovni položky ve feedu, párování ID mezi objednávkami a feedem, variabilní náklady objednávky, ošetření vratek, záložní hodnoty a jedna konzistentní definice marže. Samotné přepnutí bidovací strategie je práce na dvacet minut. Rozhoduje tahle příprava, a právě tady většina přechodů na marži skončí.

• Nákupní ceny v produktovém feedu. Marže se počítá na úrovni položky, takže feed musí nést nákupní cenu u každého produktu, ne průměr za kategorii. Průměr vypadá jako rozumný kompromis a je to nejrychlejší způsob, jak si model rozbít: uvnitř kategorie se marže liší nejvíc.
• Párování ID mezi objednávkami a feedem. Objednávka posílá ID položky, feed nese ID produktu a u sortimentu s variantami velikostí to nebývá totéž. Když se ID nespárují, marže se u části objednávek nedopočítá a systém sáhne po záložní hodnotě. Účet pak optimalizuje na číslo, které si částečně vymyslel.
• Variabilní náklady objednávky. Doprava, platební metoda, balení. U tohohle e-shopu tyhle tři položky dohromady odpovídaly zhruba 7 % obratu. Nastavit se musí odděleně podle typu dopravy a platby, ne jedním číslem pro všechno: rozdíl mezi dobírkou a kartou je u nízkých objednávek klidně celá marže.
• Vratky. U módy a obuvi je to zásadní položka a v den objednávky o ní nevíte nic. Pokud se do modelu marže nedostanou, POAS je systematicky nadhodnocený, a nejvíc právě u produktů s nejvyšší mírou vracení, tedy tam, kde by měl varovat nejhlasitěji.
• Záložní hodnoty. Pro každý případ, kdy se marže nedopočítá, musí existovat definované záložní číslo. Bez něj systém pošle nulu nebo plnou cenu a obojí je horší než konzervativní odhad.
• Konzistentní definice marže. Hrubá, nebo příspěvková. Obě jsou legitimní, ale účet musí používat jednu a tutéž ve všech kampaních a v čase. Jinak se POAS mezi kampaněmi nedá srovnávat a cílové hodnoty ztratí smysl.

Tohle je práce agentury ve spolupráci s vývojářem e-shopu. Žádný nástroj za vás nerozhodne, jestli se do marže mají počítat vratky, a žádný vám neřekne, že se vám nepárují varianty. Vidíte to až v datech, když víte, kam se dívat.

Jak dopadlo přepnutí na optimalizaci podle marže?

Útrata za reklamu vzrostla o 21 %, obrat o 38 % a hrubý zisk o 41 %. Zisk tedy rostl dvakrát rychleji než investice do reklamy a rychleji než obrat, což znamená, že každé další prodané euro nechávalo v e-shopu víc než předtím.

Metrika	Změna proti stejně dlouhému období před přepnutím
Útrata za reklamu	+20,97 %
Obrat	+38,28 %
Hrubý zisk	+41,00 %
ROAS	+14,31 %
POAS	+16,56 %

První dva týdny jsme účet sledovali denně, ne týdenně z reportu, a to čtyři věci najednou: POAS, ROAS, CPC a objem konverzí. CPC proto, aby algoritmus nezačal přeplácet úzkou skupinu ziskových produktů, objem proto, aby se účet nezaškrtil na příliš agresivním cíli.

Stojí za zmínku, že ROAS tady po přepnutí neklesl, jak se často píše, ale vzrostl o 14 %. Neplatí tedy, že za zisk musíte vždycky zaplatit obratem. Platí jen to, že při optimalizaci na marži je ROAS kontrolní číslo, ne cíl.

Co přineslo přeskládání shoppingu podle marže?

V ziskové větvi se hrubý zisk víc než zdvojnásobil. Když měření marže běželo stabilně, rozdělili jsme produkty přímo ve feedu podle profitability a strukturu kampaní přeskládali tak, aby každá skupina dostala vlastní rozpočet a vlastní cíl.

Kampaň	Hrubý zisk	Obrat	POAS	ROAS
PMAX, zisková větev	+108,77 %	+170,17 %	+32,92 %	+72,00 %
PMAX, nezisková větev	-2,83 %	-14,60 %	+10,37 %	-3,00 %

Přečtěte si druhý řádek pozorně. Nezisková větev ztratila 14,6 % obratu, ale její zisk klesl jen o 2,8 % a POAS jí naopak stoupl o 10,4 %. Odřízl se z ní přesně ten obrat, který v e-shopu nic nenechával. Princip zná každý, kdo dělal kategorizaci produktů podle ROASu, jen se místo obratu labeluje podle zisku. U sortimentu s pestrou marží to jsou dvě úplně jiné skupiny produktů.

Kdy optimalizace na marži nedává smysl?

Nechceme z POAS dělat univerzální odpověď. Jsou účty, kde je to zbytečná práce, a je lepší to vědět dopředu než po třech měsících.

• Jednotná marže napříč sortimentem. Když se marže neliší, POAS je jen ROAS vynásobený konstantou a nepřinese žádnou novou informaci.
• Chybějící nákupní ceny. Pokud e-shop nemá nákupní ceny na úrovni položky a nedokáže je dostat do feedu, není z čeho marži počítat. Tohle se řeší dřív než reklama.
• Malý objem konverzí. Bidovací algoritmus potřebuje data. U účtu s desítkami konverzí měsíčně nová konverzní hodnota jen prodlouží učení.
• Služby a leadgen bez jasné hodnoty objednávky. Tam se místo marže řeší kvalita leadu a to je jiný projekt.

Pokud jste v jedné z těchto situací, ušetřete si to a dejte energii do měření, MER a čistoty atribuce.

Kde v tom stojí ProfitMetrics?

Marži jsme počítali a do reklamních systémů posílali přes ProfitMetrics. Jsme jeho partnerem, což tady říkáme rovnou, ať je to jasné.

Počítá zisk na úrovni jednotlivé objednávky v reálném čase a posílá ho do reklamních systémů jako konverzní hodnotu, takže odpadá dodatečné párování marže v reportingu. Feed s nákupními cenami, záložní hodnoty pro typy dopravy a plateb i napojení na měřicí vrstvu se nastavují na jednom místě. Rozdělení sortimentu podle profitability, ze kterého vyšla tabulka na začátku článku, je jeho nadstavba.

Co nástroj neudělá: nerozhodne za vás definici marže, nespáruje rozbitá ID, neřekne vám, kdy povolit cílovou hodnotu, aby se účet nezaškrtil, a nepřestaví vám strukturu kampaní. To je práce na účtu a ta zůstává na týmu, který ho řídí. Jak k ní přistupujeme, popisujeme na stránkách Google Ads agentura a Performance marketing pro e-shopy.

Časté otázky

Jaký je rozdíl mezi ROAS a POAS?

ROAS je poměr tržeb k nákladům na reklamu, POAS poměr zisku k nákladům na reklamu. ROAS nevidí marži, POAS na ní stojí. Dvě kampaně se stejným ROAS mohou mít úplně jiný dopad na zisk. Vzorce a modelový výpočet jsou v hesle POAS.

Klesne mi po přepnutí na POAS ROAS?

Nemusí. V tomhle účtu ROAS po přepnutí vzrostl o 14 %, zatímco hrubý zisk vzrostl o 41 %. Klesnout ale může a není to problém, pokud roste zisk. Při optimalizaci na marži je ROAS kontrolní číslo, ne cíl.

Jak dlouho trvá přechod na optimalizaci podle marže?

Samotné přepnutí bidovací strategie je otázka minut. Rozhoduje datová příprava na straně e-shopu, tedy nákupní ceny ve feedu, párování ID a nastavení variabilních nákladů. První výsledky jsme v tomhle účtu viděli po dvou týdnech.

Musí mít e-shop nákupní ceny v produktovém feedu?

Ano, a na úrovni jednotlivé položky. Průměr za kategorii model marže rozbije, protože uvnitř kategorie se marže liší nejvíc. Bez nákupních cen v systému e-shopu nemá smysl přechod na POAS vůbec začínat.

Počítá se do marže i doprava a vratky?

Záleží na definici. Hrubá marže je tržby bez DPH minus nákupní cena zboží, příspěvková marže odečítá i variabilní náklady objednávky včetně dopravy, plateb a vratek. U e-shopu z tohohle článku tvořily doprava, platby a balení zhruba 7 % obratu, takže rozdíl mezi oběma definicemi není zanedbatelný. Účet musí držet jednu a tutéž ve všech kampaních.

Pro jaké e-shopy optimalizace na marži nedává smysl?

Pro účty s jednotnou marží napříč sortimentem, bez nákupních cen v systému, s malým objemem konverzí nebo pro leadgen bez jasné hodnoty objednávky. Ve všech čtyřech případech je lepší dát energii do měření a atribuce.

Závěr

POAS jako metrika je dnes známá. Rozdíl dělá způsob, jak optimalizaci na marži nastavit, a ten stojí a padá na datech e-shopu, ne na výběru nástroje. Když se marže spočítá správně, algoritmus začne investovat tam, kde e-shopu reálně zbývají peníze, a to je vidět na účtu do dvou týdnů.

Rostete na obratu a nerostete na zisku? Napište nám. Projdeme s vámi, co váš e-shop pro přechod na marži potřebuje, kde jsou v datech díry, a setup postavíme společně. Optimalizaci na zisk stavíme na účtech napříč evropskými trhy a s ProfitMetrics spolupracujeme přímo. Datové pipeline pro marži a reporting jsou součástí naší AI automatizace marketingu.