Hogyan építsünk ügyfélmágnes Looker Studio dashboardot? Sablonok és KPI-ok magyar PPC ügynökségeknek

A magyar PPC ügynökségek többsége jelenleg is abban a jelentéstési csapdában vergődik, ahol havonta több tíz munkaórát éget el manuális adatgyűjtéssel, miközben az ügyfelek jelentős része meg sem nyitja a kiküldött PDF-eket, vagy értetlenül nézi a 40 oldalas, adatokkal telezsúfolt riportokat. Miközben az ügynökségi szakember óradíja 18 000 és 28 000 HUF között mozog a hazai piacon, ezt a magasan kvalifikált munkaerőt még mindig táblázatok másolgatására és hibás GA4 API-kapcsolatok foltozására használják. A megoldás nem az újabb és újabb widgetek behúzása, hanem egy olyan háromszintű Looker Studio sablonrendszer felépítése, amely szétválasztja az operatív, a vezetői és a költségvetési szintet. Ez a cikk bemutatja, hogyan lehet optimalizálni ezt a folyamatot, minimalizálni az API-kvóták miatti összeomlásokat, és valódi üzleti értéket prezentálni a hazai kkv-knak és nagyvállalatoknak egyaránt.

A digitális marketing ökoszisztéma drasztikus átalakuláson megy keresztül, amely közvetlenül érinti a hazai PPC ügynökségek profitabilitását. A Google és a Meta algoritmusaivá váló kampánytípusok (mint a Performance Max vagy az Advantage+ Shopping Campaigns) korlátozzák a manuális optimalizálási lehetőségeket, így az ügynökségek hozzáadott értéke egyre inkább az adatvezérelt stratégiai tanácsadásban és a precíz üzleti attribúcióban rejlik. Ha egy ügynökség havi 250 000 HUF átalánydíjért dolgozik egy ügyféllel, és ebből havonta 8 órát tölt riportálással, akkor a profitjának közel 40%-át égeti el adminisztratív feladatokra.

A helyzetet tovább nehezíti, hogy a Google Analytics 4 API-kvótáinak bevezetése óta a közvetlen Looker Studio-GA4 összeköttetések rendszeresen összeomlanak ("Quota Error - exhaust of concurrent requests" hibaüzenettel), megbízhatatlanná téve a riportokat a kritikus időszakokban, például Black Friday idején vagy havi zárásokkor.

Egy átlagos, 100 és 500 millió HUF közötti éves árbevételű magyar webshop (amely jellemzően Unas, Shoprenter vagy Shopify motort használ) ma már nem elégszik meg a kattintásszámok és a közvetlen Google Ads ROAS mutatókkal. Látni akarják a valódi üzleti profitot (POAS), a csatornák közötti átfedéseket és a raktárkészlet-alapú hatékonyságot. Az az ügynökség, amely nem képes ezt az igényt automatizált, stabil és átlátható módon kiszolgálni, pillanatok alatt elveszíti az ügyfeleit a strukturáltabb, fejlett BI (Business Intelligence) háttérrel rendelkező versenytársakkal szemben.

A legnagyobb hiba, amit egy ügynökség elkövethet, hogy ugyanazt a dashboardot küldi el a napi szinten optimalizáló kampánymenedzsernek, a marketingvezetőnek és a cégtulajdonosnak. Egyetlen nézet nem képes kiszolgálni a különböző döntéshozatali szinteket. A modern ügynökségi működés alapja a háromszintű dashboard-rendszer.

A cégvezetőt vagy a pénzügyi igazgatót nem érdekli a kulcsszavak minőségi mutatója vagy a Facebook hirdetések CTR-je. Őket kizárólag a növekedés, a profit és a marketing hatékonysága érdekli makro szinten.

• Fókuszált KPI-ok: Blended ROAS (teljes webshop árbevétel osztva a teljes ad spenddel), MER (Marketing Efficiency Ratio), POAS (Profit on Ad Spend - a COGS és egyéb költségek levonása utáni profitra vetített hirdetési megtérülés), Új vásárlók megszerzési költsége (Customer Acquisition Cost - CAC) szemben a visszatérő vásárlók arányával.
• Vizualizáció: Minimális táblázat, maximális trendvonal és scorecard. Az eMAG-hoz vagy Alza-hoz hasonló nagy szereplők mintájára a teljesítményt az előző év azonos időszakával (YoY) kell összehasonlítani, nem pedig az előző hónappal (MoM), kiküszöbölve a szezonalitásból adódó torzításokat.
• Adatforrások: Shopify/Unas/Shoprenter megrendelési adatok (akár BigQuery-n keresztül), Meta Ads, Google Ads és az egyéb hirdetési rendszerek összesített költségvetései egyetlen blended táblázatba gyúrva.

Ez a dashboard az ügynökségi PPC specialista és az ügyfél oldali marketinges napi munkaeszköze. Itt a granuláris adatok dominálnak, amelyek alapján azonnali beavatkozási pontokat lehet azonosítani.

• Fókuszált KPI-ok: Csatornánkénti és kampánytípusonkénti bontás (Search vs. PMax vs. Meta Catalog Ads), átlagos CPC (amely a divat kategóriában 40-80 HUF, míg a hazai B2B szegmensben 250-600 HUF között mozog), CTR, konverziós arány (CR), kosárérték (AOV), Impression Share (megjelenítési részesedés) és Search Lost IS (költségkeret és rangsor miatti veszteség).
• Strukturális felépítés: Külön lapok a Google Ads, a Meta Ads, a TikTok Ads és a hazai piacon még mindig erős Árukereső kampányok számára. A táblázatok tartalmazzák a kampányok pontos nevét, az elköltött összeget, a konverziókat és a ROAS-t, feltételes formázással (színskálákkal) kiemelve a legjobban és legrosszabbul teljesítő elemeket.

Ez a nézet a transzparenciát és a biztonságot szolgálja. Megakadályozza az alul- vagy túlköltéseket, és folyamatos visszajelzést ad a havi célok teljesüléséről.

• Fókuszált KPI-ok: Tervezett havi budget vs. Tényköltés, Pacing (időarányos költéskövető mutató, amely jelzi, ha a kampányok túl gyorsan vagy túl lassan égetik a pénzt), előrejelzett havi költés a jelenlegi futási sebesség (run-rate) alapján.
• Vizualizáció: Bullet chartok és progress bar-ok, amelyek azonnal mutatják, hogy a hónap 15. napján a tervezett 1 200 000 HUF-os keretből pontosan 50%-ot (600 000 HUF) költöttünk-e el, vagy már 800 000 HUF-nál tartunk, ami azonnali beavatkozást igényel.

---

A Looker Studio natív GA4 konnektora felett eljárt az idő. Aki ma közvetlen GA4 csatlakozást használ egy napi több ezer látogatót fogadó webáruház esetében, az rendszeresen a használhatatlanságig lassuló dashboardokkal és hibaüzenetekkel fog szembesülni.

| Szempont | Közvetlen GA4 API Konnektor | BigQuery-alapú Adattárház |

| :--- | :--- | :--- |

| Lekérdezési sebesség | Lassú, gyakran időtúllépéses (Timeout) | Rendkívül gyors (másodpercek alatt lefutó query-k) |

| API Kvótakorlátok | Nagyon szigorúak (könnyen elfogy a napi limit) | Nincsenek Looker Studio oldali API kvótakorlátok |

| Történelmi adatok | Csak a GA4 megőrzési ideje szerint (alapértelmezetten 14 hónap) | Korlátlan ideig tárolható és lekérdezhető |

| Adattranszformáció | Korlátozott, nehezen kezelhető blendingek | Korlátlan SQL lekérdezési és tisztítási lehetőségek |

| Költségek | Ingyenes (de a kieső munkaidő miatt drága) | Minimális BigQuery tárolási és lekérdezési díj (~1-5 USD/hó) |

Az ügynökségeknek kötelező jelleggel be kell vezetniük a GA4 BigQuery exportot minden olyan ügyfélnél, ahol a havi marketingköltés meghaladja a 300 000 HUF-ot. A GA4 ingyenesen biztosítja a napi exportot 1 millió eseményig, ami a hazai webshopok 95%-ánál bőségesen elegendő.

A folyamat lényege, hogy a Looker Studio nem a GA4-et kérdezi le közvetlenül, hanem a Google Cloud Platformon futó BigQuery adattáblákat. Ezzel nemcsak a kvótahibákat küszöböljük ki, hanem lehetőségünk nyílik SQL segítségével előre aggregálni az adatokat. Például, ahelyett, hogy a Looker Studio-ban próbálnánk meg kiszámolni a blended ROAS-t bonyolult és lassú kalkulált mezőkkel, egy BigQuery-ben futó napi ütemezett lekérdezés (Scheduled Query) előre elkészíti a tiszta, aggregált táblát, amit a Looker Studio már villámgyorsan, másodpercek alatt jelenít meg.

Ezzel a módszerrel az ügynökség stabil, professzionális rendszert épít, amely akkor sem omlik össze, amikor az ügyfél vezetősége hétfő reggel 9-kor egyszerre nyitja meg a riportokat a heti megbeszélés előtt.

---

Vizsgáljuk meg egy valós paraméterek alapján felépített esetet. Az érintett ügyfél egy hazai női ruha webáruház, amely Shopify motoron fut, éves szinten nettó 250 millió HUF árbevételt generál, és havi szinten átlagosan 2,5 millió HUF-ot költ hirdetésekre (65% Meta Ads, 30% Google Ads, 5% egyéb csatornák, például Árukereső és Instagram influencer kampányok).

A kiinduló állapot (A káosz)

Az ügynökség havonta 350 000 HUF fix díjért kezelte a kampányokat. A havi riportálás a következőképpen zajlott:

• Az account manager minden hónap elsején belépett a Google Ads, a Meta Ads hirdetéskezelőkbe és a Shopify admin felületére.
• Az adatokat manuálisan kimásolta egy Google Sheets táblázatba.
• Mivel a Meta Ads euróban (EUR) számolt, a Google Ads forintban (HUF), a Shopify pedig szintén forintban, a manuális konverzió során rendszeresen elírások történtek az aktuális MNB árfolyamok alkalmazásakor.
• A Looker Studio dashboard közvetlen GA4 csatlakozást használt, amely a magas látogatószám miatt minden harmadik lekérdezésnél megakadt, "System Error" üzenetet dobva.
• Időigény: Az adatok kinyerése, tisztítása, az árfolyamok rendezése és a hibás dashboard widgetek javítgatása ügyfelenként havi 20 munkaórát vett igénybe az ügynökség részéről.

Az ügynökség úgy döntött, hogy átalakítja a teljes riportálási folyamatot az alábbi lépések szerint:

• Adatintegráció: Bevezettek egy harmadik fél általi adatintegrációs eszközt (Supermetrics), amely a Meta Ads költségadatokat közvetlenül egy Google Sheets táblázatba húzta be óránkénti frissítéssel, automatikusan HUF-ra konvertálva az aktuális napi árfolyamon.
• BigQuery bevezetés: Aktiválták a GA4 BigQuery exportot. Írtak egy egyszerű SQL lekérdezést, amely napi szinten összesítette a tranzakciókat és a bevételeket forrás/médium bontásban.
• Háromszintű Dashboard sablon implementálása:

* Az ügyvezető kapott egy 1 oldalas mobiloptimalizált nézetet, amelyen csak a napi Blended ROAS, a teljes költés és a nettó árrés szerepelt.

* A marketinges egy 4 oldalas operatív riportot kapott, ahol kampányszinten látta a teljesítményt.

Az automatizáció bevezetése után az eredmények azonnal megmutatkoztak mind az ügynökség, mind az ügyfél oldalon.

• Időmegtakarítás: A manuális adatgyűjtés és riportkészítés ideje havi 20 óráról mindössze 2 órára csökkent (amely az adatok ellenőrzéséből és a stratégiai kommentárok megírásából állt).
• Pénzügyi megtakarítás az ügynökségnél: 18 megspórolt óra × 15 000 HUF belső önköltségi óradíjjal számolva = 270 000 HUF megtakarítás havonta egyetlen ügyfélen. Ez az ügynökség marginját az adott projekten 22%-ról 74%-ra emelte.
• Üzleti hatás az ügyfélnél: Mivel a kampánymenedzsernek nem táblázatokat kellett töltögetnie, a felszabadult havi 18 órát kreatív tesztelésre és a Google Ads Search kampányok finomhangolására fordította. Ennek köszönhetően a webshop konverziós aránya 1,4%-ról 1,8%-ra nőtt, a blended ROAS pedig 3,8x-es értékről 4,7x-es értékre emelkedett 3 hónapon belül.

---

A hazai ügynökségi gyakorlatban számos olyan visszatérő hibát látni a Looker Studio használata során, amelyek közvetlenül rombolják az ügynökség szakmai hitelességét és felesleges feszültséget szülnek az ügyfélkapcsolatokban.

Sok ügynökség abba a hibába esik, hogy minél több grafikont, táblázatot és scorekártyát zsúfol össze egyetlen lapra, gondolván, hogy a komplexitás professzionalizmust sugároz. A valóságban a túlterhelt dashboardok használhatatlanok. Ha egy oldalon 15-nél több vizuális elem van, a felhasználó figyelme elvész, és a Looker Studio betöltési ideje is drasztikusan megnő.

"A jó dashboard nem attól tökéletes, hogy már nincs mit hozzáadni, hanem attól, hogy már nincs mit elvenni belőle."

Gyakori hiba, hogy a riportokban egyszerűen összeadják a Google Ads konverziós értékét és a Meta Ads hirdetéskezelő által mutatott konverziós értéket, majd ezt vetik össze a valós Shopify vagy Unas bevételekkel. Mivel mindkét rendszer igyekszik magának tulajdonítani a konverziókat (például ha a vásárló kattintott egy Google keresési hirdetésre, majd másnap egy Facebook remarketing hirdetésre is, mielőtt vásárolt), a két rendszer összesített bevétele gyakran 30-50%-kal is meghaladja a cég tényleges bankszámlájára érkező összeget.

Hogyan javítsuk: Mindig legyen egy "Valóságellenőrző" szakasz a dashboardon, ahol a GA4 purchase események (vagy a CRM tranzakciók) szerepelnek egyetlen igazságforrásként (Single Source of Truth), és a hirdetési rendszerek adatai csak másodlagos, csatornaspecifikus iránymutatásként szolgálnak.

Magyarországon teljesen megszokott, hogy míg a Google Ads fiók HUF alapú, addig a Meta Ads fiók EUR-ban vagy USD-ben költ, mert az ügyfél korábban így állította be, vagy mert külföldi piacokra is értékesít. Ha a Looker Studio dashboardon ezeket az összegeket egyszerűen összeadjuk anélkül, Egyedi Mezőkben (Calculated Fields) kezelt devizaváltást alkalmaznánk, a végeredmény teljesen fals képet fog mutatni.

Hogyan javítsuk: Alkalmazzunk dinamikus devizaváltó táblázatot adatforrásként, vagy használjunk olyan prémium konnektorokat, amelyek a lekérdezés pillanatában végrehajtják a valutakonverziót az aktuális MNB vagy ECB középárfolyamon.

Egy üres grafikon, amely azt mutatja, hogy a CPA 3200 HUF volt a múlt héten, semmit nem mond az ügyfélnek, ha nem látja mellette a célértéket (Target CPA) és az előző időszak teljesítményét. Kontextus nélkül a számok csupán zajt jelentenek. Minden KPI scorecard mellé kötelezően be kell állítani az összehasonlítási időszakot (Comparison Period) és a vizuális indikátorokat (zöld/piros nyilak).

---

Ha szeretnéd felszabadítani az ügynökséged kapacitásait és növelni az ügyfeleid elégedettségét, kövesd ezt a lépésről-lépésre követhető, mérhető eredményeket hozó akciótervet.

• Leltár és Audit (1-5. nap): Írd össze az összes jelenlegi ügyfeledet, a használt hirdetési csatornákat, a riportálásra fordított havi munkaórákat és a jelenlegi dashboardok linkjeit. Azonosítsd be a leginkább időigényes, problémás riportokat.
• A GA4 BigQuery exportok aktiválása (6-10. nap): Minden olyan ügyfélnél, ahol van aktív Google Cloud hozzáférésed, kapcsold be a GA4 BigQuery exportot. Hozz létre egy belső ügynökségi GCP (Google Cloud Platform) projektet a saját tesztadatok kezelésére.
• A Master Sablonok elkészítése (11-20. nap): Építsd fel a fent bemutatott háromszintű sablonrendszert Looker Studio-ban. Használj egységes ügynökségi arculati elemeket (színpaletta, logó, betűtípusok). Törekedj a letisztult, sötét vagy világos minimalista dizájnra.
• Adatintegráció és automatizálás beállítása (21-25. nap): Kösd össze a sablonokat a dinamikus adatforrásokkal. Használj olyan megbízható middleware-t, mint a Supermetrics, a Windsor.ai vagy a Power My Analytics, hogy elkerüld a manuális táblázatkezelést. Állítsd be a Meta Ads adatok napi szintű automatikus frissülését.
• Belső tesztelés és finomhangolás (26-28. nap): Futtasd párhuzamosan az új automatizált dashboardokat a régi manuális riportokkal egy teljes számlázási cikluson keresztül. Ellenőrizd az adatok pontosságát, a betöltési sebességet és az esetleges API kvótahibákat.
• Ügyfél on-boarding és átadás (29-30. nap): Készíts egy rövid, maximum 3 perces videós bemutatót (pl. Loom segítségével) minden ügyfélnek, amelyben elmagyarázod az új dashboard használatát, a különböző szintek jelentését és az adatok értelmezését. Innentől kezdve ne küldj többé manuális PDF-eket.

A fenti lépések szigorú betartásával az ügynökséged nemcsak professzionálisabb képet fog mutatni az ügyfelek felé, hanem olyan értékes munkaórákat szabadít fel, amelyeket közvetlenül a kampányok növekedésére és az ügynökségi profit maximalizálására fordíthatsz. A Looker Studio nem egy kötelezően letudandó adminisztrációs nyűg, hanem a modern, skálázható PPC ügynökségi működés motorja.

---

SEO Cím: Looker Studio PPC Dashboard Sablonok Magyar Ügynökségeknek

Meta Leírás: Így építs fel egy háromszintű, BigQuery-alapú Looker Studio riportálási rendszert magyar PPC ügynökségednek. Kerüld el a GA4 API hibákat és spórolj havi 18 munkaórát ügyfelenként.