A legtöbb magyar PPC ügynökség havonta több tíz órát éget el olyan Looker Studio dashboardok foltozgatásával, amelyeket az ügyfelek többsége meg sem ért, vagy ha igen, nem hoz belőlük üzleti döntést. Miközben a hazai ügynökségi piac a szoftveres integrációk és a GA4-API limitációk szorításában vergődik, a vezetőknek bemutatott riportok 90%-a még mindig felesleges hiúsági mutatókkal (impresszió, kattintásszám, átlagos CPC) van telezsúfolva. A valóság az, hogy a magyar kkv-k döntéshozóit nem érdekli a Google Ads fiók technikai részletezése; ők az elköltött forintok és a realizált profit közvetlen kapcsolatát akarják látni egy tiszta, dashboard-alapú felületen. Ez a cikk szakít a sablonos, "minden adatot öntsünk rá a képernyőre" szemlélettel, és megmutatja, hogyan építhető fel egy olyan Looker Studio ökoszisztéma, amely egyszerre szolgálja ki az operatív PPC-st és a megtérülésre éhes cégvezetőt.
Miért fontos ez most
A magyar PPC piacon 2026-ra a technológiai nyomás és a költségek növekedése kritikus pontot ért el. A Google Analytics 4 API-kvóták (API limits) bevezetése óta a közvetlen GA4-Looker Studio összeköttetések használhatatlanná váltak a közepes és nagyobb forgalmú oldalaknál: a napi lekérdezési limitek túllépése miatt a dashboardok "System Error" üzenettel egyszerűen összeomlanak. Ez a probléma közvetlenül érinti az 50 és 500 millió HUF közötti éves árbevételű hazai webshopokat kiszolgáló ügynökségeket, ahol az adatok real-time követése alapelvárás.
A piaci környezet drasztikusan átalakult:
- Elszálló CPC árak: A divat- és szépségápolási szektorban a kattintási költségek elérték a 120-180 HUF-os sávot, míg az építőipari és B2B szegmensekben nem ritka a 450-800 HUF közötti CPC sem a Google Search hálózatán. Ilyen árak mellett a pazarlás azonnal meglátszik a profiton.
- Dráguló ügynökségi óradíjak: A komolyabb magyar digitális ügynökségek óradíjai 2026-ban már 25 000 és 45 000 HUF + ÁFA között mozognak. Havonta 8-10 órát manuális adatmásolással és PDF-es riportgyártással tölteni tiszta veszteség mind az ügynökségnek, mind az ügyfélnek.
- Az adathordozás költségei: A BigQuery használata immár nem opció, hanem kötelező infrastruktúra. Aki nem tereli át a GA4 és a hirdetési rendszerek adatait egy központi felhőtárhelyre (mint a BigQuery) a Looker Studio-ba való vizualizáció előtt, az folyamatos adatkimaradásokkal és lassú betöltési időkkel fog szembesülni.
Ez a technológiai váltás kikényszeríti, hogy a magyar PPC ügynökségek elhagyják a statikus jelentéseket, és olyan dinamikus sablonokat fejlesszenek, amelyek képesek kezelni a multibrand, multi-channel kampányok komplexitását is.
---
Az ügynökségi riportálás háromszintű piramisa
Nem létezik egyetlen olyan Looker Studio sablon, amely a cégvezetőnek, a marketingvezetőnek és a PPC specialistának is ugyanúgy megfelel. Ha mindent egy helyre zsúfolunk össze, az eredmény egy átláthatatlan káosz lesz. Egy professzionális magyar ügynökségnek három, egymásra épülő szinten kell tálalnia az adatokat.
1. A C-level (Executive) dashboard: A tulajdonos és a CFO nyelve
Ezen a szinten kizárólag a makrogazdasági és közvetlen üzleti mutatóknak van helye. Itt nem szerepelhet a CTR, a minőségi pontszám vagy a kulcsszavak listája.
A C-level dashboard kötelező elemei:
- Összes marketing költés vs. Összes bevétel: Csatornákra bontva (Google Ads, Meta Ads, TikTok), forintosítva, a teljes árréshez viszonyítva.
- Blended ROAS és POAS (Profit on Ad Spend): A tisztán marketingből származó profitarány, levonva a termékköltséget (COGS - Cost of Goods Sold) és a szállítási díjakat.
- CAC (Customer Acquisition Cost) trendek: Mennyibe kerül egy új vásárló megszerzése a meglévő (visszatérő) vásárlók megtartásához képest.
2. A Marketing Manager szint: A csatornák közötti allokáció kontrollja
A marketingvezetőnek látnia kell, hogy az egyes platformok hogyan támogatják egymást. Itt már helyet kapnak az attribúciós modellek és az assist konverziók.
- Merchants / Feeds ellenőrzés: Google Merchant Center hibák, elutasított termékek aránya (különösen fontos az olyan nagy hazai szereplők mellett, mint az eMAG Marketplace vagy az Alza, ahol a termék feed pontossága élet-halál kérdése).
- Csatornánkénti büdzsé-kihasználtság: Lineáris előrejelzés (burn rate), amely megmutatja, hogy a tervezett havi keret (pl. 1,5 millió HUF) a hónap végére pontosan el fog-e fogyni, vagy alul-/túlköltekezés várható.
- Landing page teljesítmények: Mely érkező oldalak (pl. Black Friday specifikus aloldal, kiemelt kategóriaoldalak) konvertálnak a legjobban, és hol magas a visszafordulási arány.
3. Az Operatív PPC szint: A specialista munkapultja
Ez a dashboard az, amit az ügyfélnek soha nem kellene látnia. Ez a PPC-s belső eszköze a napi szintű optimalizáláshoz.
- Kampányszintű anomáliák: Hirtelen beeső CTR, megugró CPC értékek csatornánként.
- PMax vs. Standard Search arányok: A PMax kampányok brand-kannibalizációjának mérése (mikor költ a PMax a saját márkanevünkre a tiszta keresési kampányok rovására).
- Hirdetéscsoport szintű konverziós adatok: Keresési kifejezések riportjai közvetlen szűrőkkel az azonnali kizárásokhoz.
---
Technikai architektúra: BigQuery és adatkonktőrök a magyar piacon
A Looker Studio gyári Google Ads konnektora jól működik, de amint több csatornát akarunk összesíteni (például Meta Ads kampányokat vetünk össze a Google Ads adatokkal), komoly technikai akadályokba ütközünk. A magyar ügynökségi gyakorlatban három út kristályosodott ki az adatok behúzására.
A manuális és a félautomata út kockázatai
Sok kisebb, 5-10 fős hazai ügynökség még mindig Google Sheets-be exportálja a Meta Ads adatokat naponta, majd ezt köti össze a Looker Studio-val. Ez a módszer 200 000 HUF havi költés alatt működhet, de efelett óriási a hibalehetőség: az emberi mulasztás, a formázási hibák (tizedesvessző vs. pont a magyar és angol Excel verziók között) miatt a riportok rendszeresen szétesnek.
Külső partnerkonnektorok: Supermetrics, Windsor.ai, Porter Metrics
A leggyorsabb és legstabilabb no-code megoldás az API-konnektorok használata.
| Konnektor | Ár (kb.) | Előnyök | Hátrányok |
| :--- | :--- | :--- | :--- |
| Supermetrics | ~110 000 HUF / hó-tól | Rendkívül stabil, szinte minden létező platformot támogat (Árukereső is behúzható egyedi XML-lel) | Nagyon drága a magyar KKV-szektorra optimalizált büdzsék mellett. |
| Windsor.ai | ~22 000 HUF / hó-tól | Kiváló ár-érték arány, ingyenes multi-touch attribúciós modelleket is kínál | A felület néha lassabb, a magyar nyelvű support hiánya. |
| Porter Metrics | ~18 000 HUF / hó-tól | Egyszerű kezelhetőség, barátságos felület kezdő ügynökségeknek | Korlátozott számú adatforrás és egyedi mező támogatás. |
A professzionális megoldás: GA4 -> BigQuery -> Looker Studio
A jövőálló és költséghatékony módszer a GA4 ingyenes BigQuery exportjának beállítása. Bár a BigQuery használatáért fizetni kell a Google Cloud felületén, egy átlagos magyar webshop (havi 50-100 ezer látogatóval) esetében ez a költség nem éri el a havi 1500-3000 HUF-ot.
Az adatok feldolgozásának folyamata:
- Google Cloud Project létrehozása: A GA4 admin felületén bekapcsoljuk a napi szintű BigQuery exportot.
- SQL lekérdezések írása: Az adatok előre összesítése (aggregálása) SQL segítségével, hogy a Looker Studio-nak ne kelljen minden egyes betöltéskor gigabájtnyi nyers adatot átnyálaznia.
- Partitionálás: A lekérdezések dátum szerinti particionálása, amivel drasztikusan csökkenthető a Google Cloud számlánk és felgyorsítható a dashboard betöltési ideje (3 másodperc alá).
---
Esettanulmány: Hogyan spórolt meg egy 250M HUF árbevételű magyar webshop 12 munkaórát havonta?
Nézzük meg egy valós paraméterek alapján felépített magyar esettanulmányt. A divatcikkeket forgalmazó, budapesti székhelyű divatwebáruház éves online árbevétele 250 millió HUF. A marketinget egy külső ügynökség kezeli.
A kiinduló állapot (A régi módszer)
Az ügynökség havonta egyszer küldött egy 15 oldalas PDF jelentést, amelyet az account manager manuálisan ollózott össze a Google Ads, Meta Ads és a Shoptet (vagy Unas / Shopify) admin felületéről.
- Időráfordítás: Havonta 4 óra az adatok kigyűjtésével, 2 óra a dizájn igazításával és további 1,5 óra az ügyféllel való telefonos egyeztetéssel. Ez összesen 7,5 óra volt havonta.
- Probléma: Az adatok utólagosak voltak (mindig a következő hónap 10. napjáig készültek el). Ha a Meta Ads hirdetéseknél a frekvencia túl magasra ugrott a hónap 5. napján, az csak a következő hónapban derült ki, amikor a költségkeret már elégett.
Az új, automatizált Looker Studio architektúra
Az ügynökség bevezetett egy háromoldalas, BigQuery alapú Looker Studio dashboardot, amely óránként frissül. Az adatokat a Windsor.ai segítségével csatornázták be a GCP (Google Cloud Platform) környezetbe.
- Első oldal: Pénzügyi cockpit. Nettó árbevétel, ad költés, ROAS, és a futárszolgálatok (GLS, Packeta) adatai alapján számolt valós visszáru-arány (amely a magyar divatpiacon a 25-35%-ot is elérheti).
- Második oldal: Készlet- és termékteljesítmény. Azon termékek listázása, amelyekre jelentős hirdetési büdzsé megy el (Google Shopping), de a készletük 3 darab alá csökkent.
- Harmadik oldal: Csatorna crossover. Meta hirdetések által generált forgalom és a Google márkaneves kereséseinek korrelációja.
```
+------------------------------------------------------------+
| FŐBB PÉNZÜGYI MUTATÓK (Havi nézet) |
+------------------------------------------------------------+
| Összes Költés: 2.100.000 HUF | Összes Bevétel: 14.700.000|
| Meta Ads: 1.200.000 HUF | Google Ads: 8.900.000 |
| Google Ads: 900.000 HUF | Meta Direct: 4.100.000 |
| Blended ROAS: 7.0x | POAS (nettó): 3.1x |
+------------------------------------------------------------+
```
Az elért eredmények számokban
A bevezetés utáni harmadik hónapban a következő számszerűsíthető eredményeket könyvelhették el:
- Időmegtakarítás: Az ügynökségi oldalon a manuális jelentéskészítési idő havi 7,5 óráról mindössze 15 percre csökkent (amely az adatok gyors átnézéséből és egy rövid, 3 mondatos vezetői összefoglaló megírásából áll a dashboard tetején lévő szöveges mezőbe).
- Költségmegtakarítás: Az ügynökség havi 35 000 HUF + ÁFA óradíjjal dolgozott. A megspórolt 7,25 óra havi 253 750 HUF közvetlen megtakarítást jelentett az ügynökégnek munkaerő-kapacitásban, amit így stratégiai optimalizálásra (A/B tesztelés, kreatívgyártás) tudtak fordítani.
- Üzleti hatás: A valós idejű készletfigyelésnek köszönhetően megszüntették a készlethiányos termékek hirdetését. Ez 12%-kal csökkentette a felesleges Google Shopping költést, ami havi 108 000 HUF tiszta hirdetési megtakarítást eredményezett.
---
Gyakori hibák: Mit NE csinálj a dashboardok építésekor
Az elmúlt években több tucat magyar ügynökségi dashboard auditálása során kirajzolódott néhány visszatérő, súlyos hiba, amelyek rombolják az ügyfél-ügynökség közötti bizalmat és tévútra viszik a marketing stratégiát.
A "Vanity Metrics" (hiúsági mutatók) túlsúlya
Soha ne kezdd a dashboardot az impressziók, elérések vagy a kattintásszámok kiemelésével. Amikor egy tulajdonos azt látja, hogy "Az elérésünk 45%-kal nőtt!", de a bankszámláján nincs több pénz, azonnal érezni fogja a disszonanciát. Ez az úgynevezett "ügynökségi bullshit-faktor". Kivétel ez alól a tiszta branding kampány, de a magyar kkv-k 95%-a direkt válaszreakció-alapon (performance) hirdet, így a fókuszos pontoknak mindig a pénzügyi konverzióknak kell lenniük.
A rossz deviza és tizedes jegy kezelése
A nemzetközi platformok (pl. a Meta) alapértelmezetten USD-ben vagy EUR-ban számolhatnak, ha a fiókot így hozták létre, miközben a webshop HUF-ban realizálja a bevételt.
Kritikus hiba: A Looker Studio-ban történő devizakonverzió kihagyása. Ha a költést nem az aktuális napi MNB vagy ECB középárfolyammal számoljuk át forintra, a riportok teljesen fals képet mutatnak. Ugyancsak figyelni kell a magyar nyelvű tizedesvessző (,) és az angolszász tizedespont (.) helyes beállítására a regex alapú egyedi mezőknél, különben az összeadások hibásak lesznek.
Az interaktív szűrők hiánya vagy túlzott bonyolultsága
A dashboardnak interaktívnak kell lennie, de a túl sok szűrő (dátum, kampánytípus, eszköz, lokáció, demográfia egyszerre) összezavarja a felhasználót. Gyakori hiba, hogy a szűrőket nem korlátozzák egy-egy adott oldalra, így a felhasználó átvált a második oldalra, és nem érti, miért nem lát adatokat – miközben csupán az előző oldalon beállított, túl szigorú szűrő maradt aktív.
---
Akcióterv: Így építsd fel a saját ügynökségi sablonodat
Ha szeretnéd a saját ügynökségedet vagy vállalkozásodat átállítani egy stabil, modern Looker Studio riportálási rendszerre, kövesd az alábbi lépéseket.
- Kösd be a GA4-et a BigQuery-be: Azonnal kapcsold be a napi exportot a Google Cloud Console-ban. Ez a lépés ingyenes és megvédi a jövőbeli adataidat az API kvótakorlátozásoktól.
- Válassz ki egy megbízható API-konnektort: Ha nem akarsz SQL-lel bajlódni a Meta Ads és egyéb nem-Google csatornák (pl. Árukereső, Facebook oldalkövetők) behúzásánál, fizess elő a Windsor.ai-ra vagy egy hasonló költséghatékony adatkapcsolatra.
- Készíts háromoldalas sablonstruktúrát:
1. oldal:* Üzleti összefoglaló (Bevétel, Költés, ROAS, POAS).
2. oldal:* Csatornaspecifikus elemzés (Google Ads vs. Meta Ads vs. Organikus SEO).
3. oldal:* Landing page és termékszintű teljesítmény (készletinformációkkal kombinálva).
- Használj egységes színpalettát: Ne legyen a dashboardod egy tarka karácsonyfa. Alkalmazz maximum 3-4 márkaszínt (az ügynökség vagy az ügyfél brand színeit), a pozitív változásokat mindig lágy zölddel, a negatívakat tompa pirossal jelöld.
- Számolj egyedi mezőket közvetlenül a Looker Studio-ban: Ne az Excelben matekozz. Hozz létre calculated field-et a blended ROAS-ra: `SUM(Revenue) / SUM(Cost)`.
- Építs be automatikus riasztásokat (Alerts): Állíts be e-mailes értesítéseket, ha egy dashboard adat drasztikusan eltér a normálistól (pl. ha a napi Google Ads költés 0 HUF-ra esik vissza egy technikai hiba vagy elutasított kártyás fizetés miatt).
- Dokumentáld le a definíciókat: A dashboard jobb felső sarkába tegyél egy kis információs ikont, amelyre rámutatva az ügyfél elolvashatja, hogy pontosan mit jelent az adott kifejezés (pl. Blended ROAS: A teljes webshop bevétel osztva a teljes hirdetési költéssel). Ez a transzparencia azonnal kiemel a konkurens ügynökségek tömegéből.
