Looker Studio dashboard sablonok magyar PPC ügynökségeknek – Így automatizáld az ügyfélriportokat

Sokan még mindig abban a hitben élnek, hogy egy ügyfélnek átadott, 12 oldalas, grafikonokkal teletűzdelt Looker Studio (leánykori nevén Data Studio) dashboard a professzionalizmus netovábbja, miközben a valóságban ez a legbiztosabb út az ügyfél elvesztéséhez. A magyar PPC-piacon jelenleg is tucatjával futnak azok a havi 150 000 és 450 000 Ft közötti ügynökségi díjas kampányok, ahol az account manager havi 4 órát tölt azzal, hogy a manuálisan beforgatott Google Sheets adatokból fabrikált, követhetetlen riportokat magyarázza a tulajdonosnak. Az ügyfél nem chartokat és szép kék színű vonaldiagramokat akar látni, hanem azt a 3-4 kritikus mérőszámot, amely eldönti, hogy az ügynökség kitermelte-e a saját munkadíját és a hirdetési budget-et, vagy pedig éppen égeti a marketing tőkét. Ebben a mélyreható útmutatóban lebontjuk, hogyan kell felépíteni egy olyan Looker Studio dashboard ökoszisztémát, amely nemcsak időt takarít meg az ügynökségnek, de drasztikusan javítja az ügyfélmegtartási rátát (retenciót) a hazai e-commerce szektorban.

A magyar PPC piac 2026-ra elért egy olyan érettségi és telítettségi szintet, ahol az e-commerce szereplők (különösen a 100M és 800M HUF közötti éves árbevételű webshopok) minden egyes elköltött marketingforint sorsát pontosan látni akarják. A hazai CPC árak az elmúlt két évben átlagosan 35-50%-kal emelkedtek: míg 2022-ben egy lakberendezési vagy divat fókuszú webshop 40-70 Ft-os kattintási költséggel működött, ma ugyanebben a szegmensben a Google Search CPC-k simán elérik a 120-180 Ft-ot, a Meta-n pedig az 1000 megtekintésre jutó költség (CPM) 1200-1600 Ft között stabilizálódott. Ebben a magas költségvetésű környezetben a vakon repülés egyenlő az öngyilkossággal.

Az ügynökségek többsége mégis ott hibázik, hogy ugyanazt a sablont küldi ki egy havi 300 000 Ft-os budgettel rendelkező B2B szolgáltatónak, mint egy havi 5 000 000 Ft-ot elégető, eMag és Alza piactereken is jelen lévő e-commerce óriásnak. A hazai piacon az ügyfél-lemorzsolódás (churn) 60%-a nem a rossz kampányteljesítmény, hanem a rossz, érthetetlen kommunikáció és transzparencia hiánya miatt következik be. Ha egy looker dashboard nem képes azonnal megválaszolni azt az egyszerű kérdést, hogy "Mennyi tiszta profitot hozott a tegnapi nap?", akkor az az eszköz használhatatlan.

Nincs olyan, hogy "univerzális dashboard". Egy profi magyar marketingügynökségnek három különböző szintű riportálási réteget kell kialakítania ahhoz, hogy a különböző döntéshozókat a megfelelő információval lássa el. Ha a cégvezetőnek megmutatod a kulcsszavak szintű CTR változását, elalszik; ha a PPC specialistának csak egy összesített ROAS-t mutatsz, nem fogja tudni, hol kell optimalizálni.

A cégvezetőknek, tulajdonosoknak szánt felületnek egyetlen képernyőből kell állnia, görgetés nélkül. Itt kizárólag üzleti és pénzügyi KPI-ok szerepelhetnek.

• Összes hirdetési költés (Ad Spend): Google Ads + Meta Ads + egyéb csatornák (pl. TikTok, Árukereső) összesítve, forintban.
• Hirdetésből származó bevétel (Ad Revenue): Az analytics és a backend adatok alapján tisztított, realizált bevétel.
• Blended ROAS (Összesített hirdetési megtérülés): Nem a csatornák saját, sokszor duplikált és kozmetikázott ROAS-a, hanem a teljes bevétel osztva a teljes költéssel.
• POAS (Profit on Ad Spend): A legfontosabb mutató, amely a nettó árrést (margin) is figyelembe veszi. Ehhez a Looker Studioban egy egyedi kalkulált mezőt (Calculated Field) kell létrehozni, ahol a bevételt beszorozzuk az átlagos árréssel (pl. 0.45 a 45%-os marginnál), és ezt osztjuk a költéssel.

Ez a riport a napi kapcsolattartónak (marketing vezető vagy e-commerce manager) szól. Itt már helyet kapnak a csatorna-specifikus adatok, de még mindig szigorúan konverzió- és tranzakció-fókuszúan.

• Kosárelhagyási ráta (Cart Abandonment Rate) trendek: Segít azonosítani, ha a kampányok jó forgalmat hoznak, de a webshop checkout folyamatában (pl. a GLS vagy Foxpost szállítási módok integrációjánál) hiba lépett fel.
• Átlagos kosárérték (AOV) változása csatornánként: Különösen fontos a Black Friday vagy a karácsonyi szezon alatt, amikor az akciók miatt az AOV beeshet.
• Új vs. Visszatérő vásárlók aránya: Megmutatja, hogy a Meta kampányok valóban új ügyfeleket akvirálnak-e, vagy csak a meglévő bázist remarketingelik újra és újra.

Ez az a belső dashboard, amit az ügyfélnek alapértelmezetten meg sem kell mutatni, mert csak összezavarná. Ez az ügynökségi szakember munkaeszköze.

• Keresési kifejezések (Search Terms) és kizáró kulcsszavak listája: Automatikusan frissülő táblázat, amely kiemeli a 0 konverziót hozó, de magas költésű kereséseket.
• Meta hirdetéssorozat (Ad Set) szintű frekvencia figyelmeztetők: Piros jelzést kap a dashboardon minden olyan kreatív, amelynél a 7 napos frekvencia meghaladja a 4.0-s értéket, jelezve a hirdetés kiégését.
• Ajánlattételi stratégiák és költségkeret-kihasználtság: Figyeli, hogy a Google Ads kampányok nem futnak-e bele a "Korlátozott költségkeret" státuszba a hétvégi, magasabb konverziós hajlandóságú időszakokban.

---

A Looker Studio egyik legnagyobb veszélye a "Garbage in, garbage out" (szemét be, szemét ki) elve. Ha közvetlenül, szűrés nélkül húzzuk be az adatokat a Google Analytics 4 (GA4) API-n keresztül, a dashboardunk lassú, pontatlan és használhatatlan lesz. A GA4 adatlimitációi (API quota limits) miatt a napi szinten frissülő, bonyolult dashboardok gyakran hibakódot adnak vissza. Ennek elkerülésére strukturált adatmigrációra van szükség.

```

+--------------------+ +--------------------+ +--------------------+

| Adatforrások | ---> | Google BigQuery | ---> | Looker Studio |

| (GA4, Meta, CRM) | | (Tisztított adatok)| | (Gyors Dashboard) |

+--------------------+ +--------------------+ +--------------------+

```

A közvetlen partner összekötők (pl. Supermetrics, Porter Metrics, vagy a magyar piacon is népszerű Windsor.ai) helyett érdemes a Google BigQuery használatát bevezetni a közepes és nagy méretű (havi 1,5M HUF feletti költésű) ügyfeleknél. A GA4 ingyenes BigQuery exportját bekapcsolva az adatok egy felhőalapú adatbázisba kerülnek, ahonnan a Looker Studio villámgyorsan, másodpercek alatt képes betölteni a vizualizációkat, ráadásul nem kell tartanunk az API kvóták túllépésétől.

Sokan elkövetik azt a hibát, hogy ingyenes, de megbízhatatlan köztes szoftverekkel próbálják behozni a Meta adatokat. Ügynökségi szinten kötelező beruházni egy fizetős csatlakozóra (pl. Supermetrics), de ha költséghatékony megoldás kell, egy automatizált Google Sheets script is megteszi. Ebben az esetben a Meta riportokat naponta egyszer, automatizáltan kiküldjük egy Google Drive mappába, ahonnan a Google Sheets összefésüli az adatokat, és ezt kötjük be a Looker Studio-ba. Ez a módszer kiküszöböli a harmadik féltől származó konnektorok havi 50-150 dolláros licencdíját, ami egy 15-20 ügyfelet kiszolgáló kisügynökségnél már érezhető megtakarítás.

---

Nézzük meg egy valós, anonimizált magyar divat webshop (éves árbevétel: 210 000 000 HUF, havi PPC költés: 2 200 000 HUF) esetét, ahol az ügynökség lecserélte a hagyományos PDF-alapú havi riportálást egy dinamikus, Looker Studio alapú dashboard rendszerre.

A kiinduló állapot (A káosz)

Az ügynökség korábban minden hónap 5. napjáig küldött egy 15 oldalas PDF prezentációt. Az ügyfél (a webshop tulajdonosa és egy marketinges munkatárs) a következő problémákkal szembesült:

• A Google Ads és a Meta Ads adatai köszönőviszonyban sem voltak a valósággal. A Meta 4.5-ös ROAS-t mutatott, a Google Ads 5.2-őt, miközben a bankszámlán lévő pénz és a Webshoppy ( fulfillment partner) adatai alapján a vállalkozás éppen csak nullszaldós volt.
• A riportok utólagosak voltak: a hónap közepén történt hirdetési félrecsúszásokat (pl. egy rosszul beállított Performance Max kampány hirtelen elégetett 350 000 Ft-ot irreleváns keresési kifejezésekre) csak a következő hónap elején vették észre.
• A CTR és CPC mutatók javulását ünnepelte az ügynökség, miközben a nettó profit csökkent az emelkedő szállítási költségek és a magasabb visszáru arány miatt.

Az ügynökség egy háromoldalas, BigQuery-alapú Looker Studio dashboardot épített fel az alábbi specifikációkkal:

• Valós profit kalkuláció (POAS): Bevezették a beszerzési árak figyelembevételét. Mivel a webshop nem akarta megosztani a pontos beszerzési árakat termékszíntig, egy fix, átlagos 52%-os árréssel kalkulált egyedi képletet hoztak létre a Looker Studioban:

$$\text{POAS} = \frac{\text{Webshop Nettó Bevétel} \times 0.52}{\text{Összes PPC Költés} + \text{Ügynökségi Munkadíj}}$$

Ezzel a képlettel az ügyfél azonnal látta, hogy ha a POAS értéke 1.2 felett van, akkor a kampányok nemcsak magukat és az ügynökséget termelik ki, hanem tiszta profitot is realizálnak.

• Tranzakció-egyeztetési modul: Egy táblázatban egymás mellé tették a GA4 által mért tranzakciók számát és a ShopRenter (a webshop motorja) által rögzített valós megrendelések számát. Ha az eltérés meghaladta a 8%-ot, a rendszer automatikusan narancssárga riasztást küldött, jelezve, hogy a mérőkódok körül valami hiba van (pl. egy elutasított cookie consent banner miatt kieső tranzakciók).

A dashboard bevezetése utáni három hónapban az alábbi változások történtek:

| Mutató | A reform előtt | 3 hónappal utána | Változás (%) |

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

| Ügyfél megtartási idő (Retention) | 7.2 hónap | 14.8 hónap | +105% |

| Ügynökségi riportálási idő / hó | 4.5 óra / ügyfél | 0.5 óra / ügyfél | -88% |

| Meddő költés aránya (Wasted Spend) | 18.5% | 4.2% | -77% |

| Ügyfél elégedettségi index (NPS) | 6.8 / 10 | 9.4 / 10 | +38% |

A legnagyobb sikert az jelentette, hogy az account managernek nem kellett többé magyarázkodnia a riportok megbízhatósága miatt. A megbeszélések a "miért nem stimmelnek a számok" helyett átalakultak "hogyan skálázzuk a nyertes kampányokat" típusú stratégiai egyeztetésekké.

---

Több mint 100 hazai PPC és SEO dashboard auditálása során az alábbi visszatérő hibákkal találkoztunk, amelyek rombolják az ügynökségi hitelességet.

A Meta Pixel és a Google UTM paraméterezés alapján a GA4 hajlamos ugyanazt a vásárlást mindkét csatornának elkönyvelni, ha a felhasználó mindkét hirdetésre rákattintott a vásárlás előtt. Ha a Looker Studioban egyszerűen összeadjuk a Google Ads és a Meta Ads konverziós bevételeit, egy olyan fiktív számot kapunk, ami akár 30-40%-kal is meghaladhatja a webshop valós banki bevételét.

Megoldás: Mindig szerepeltetni kell egy "GA4 Last-Click" vagy "DDA" (Data-Driven Attribution) bevételi oszlopot is, ami tisztítja ezeket az átfedéseket, és ezt kell összevetni a csatornák saját bevallású számaival.

Amikor az ügynökség meg akarja mutatni, milyen keményen dolgozik, és minden létező adatot ráborít a dashboardra: CPM, CPC, CTR, vizuális hőtérképek, eszközök szerinti megoszlás, városok szerinti bontás, impresszió megoszlás. A túl sok információ döntési paralízishez vezet. Az ügyfél nem fogja látni a fától az erdőt. Korlátozzuk az egy oldalon megjelenő KPI kártyák számát maximum 6 darabra.

Sok dashboardnál elfelejtik beállítani az automatikus dátum-összehasonlítást az előző időszakkal (period-over-period) vagy az előző év azonos időszakával (year-over-year). Egy 10 millió forintos havi árbevétel önmagában nem mond semmit. Ha az előző hónapban ez 15 millió volt, akkor az komoly visszaesés, ha tavaly ilyenkor 5 millió, akkor viszont hatalmas növekedés. Minden fő KPI kártya alatt kötelezően meg kell jelennie a százalékos és abszolút változásnak az előző időszakhoz képest.

A magyar kkv tulajdonosok és marketing vezetők 70%-a a telefonján, útközben, a reggeli kávé mellett vagy két tárgyalás között nézi meg a kampányok állását. Ha a Looker Studio dashboard csak 24 colos asztali monitoron olvasható, mert aprók a betűk és szélesek a táblázatok, akkor az ügyfél nem fogja használni.

Megoldás: Építsünk egy dedikált, függőleges elrendezésű, lakonikus mobil-dashboard oldalt (pl. 450x1200 px felbontással), amit kifejezetten okostelefonos megtekintésre optimalizáltunk.

Nagy hiba, ha a ROAS számításból kihagyjuk az ügynökségi munkadíjat vagy a szoftverköltségeket. Ezzel hamis biztonságérzetet keltünk az ügyfélben. Ha az ügynökség havi 250 000 Ft fix díj + 10% sikerdíjért dolgozik, ezt a költséget is be kell csatornázni a Looker Studioba egy manuális adatbeviteli táblázaton (Google Sheets) keresztül, hogy a valós ROI (Return on Investment) mutatót lássuk, ne csak a nyers média-ROAS-t.

---

Kövesd ezt a lépésről lépésre követhető ellenőrzőlistát, hogy egy héten belül egy teljesen új, professzionális és stabil riportálási rendszert állíts fel az ügynökségednél.

• Hozd létre az adat-összefésülő Google Sheet-et: Készíts egy központi táblázatot az összes ügyfelednek, ahol rögzíted a fix adatokat: árrés (margin), ügynökségi díjak, tervezett havi budgetek csatornánként. Ezt használd kiegészítő adatforrásként a Looker Studioban.
• Állítsd be a GA4 BigQuery exportot: Minden ügyfélnél, ahol a havi tranzakciószám meghaladja az 1000-et, kapcsold be a Google Cloud integrációt. Ezzel elkerülöd a Looker Studio "system error" és quota limit hibaüzeneteit.
• Tervezd meg a C-Level Grid-et: Helyezz el 4 darab nagyméretű Scorecard-ot a dashboard legtetején:

* Összes költés (HUF)

* Összes profit (HUF)

* Blended POAS

* Tranzakciós hibaarány (%)

• Implementálj egy csatorna-mix diagramot: Használj Donut Chart-ot (fánkdiagramot) a költések megoszlásának ábrázolására (Google vs. Meta vs. Egyéb) és helyezz mellé egy halmozott oszlopdiagramot (Stacked Bar Chart), ami ugyanebben a bontásban mutatja a bevételeket. Így azonnal látszik, ha az egyik csatorna túl van finanszírozva a teljesítményéhez képest.
• Állíts be automata e-mail küldést: Ügynökségi szinten ne várd meg, amíg az ügyfél magától megnyitja a linket. Állíts be a Looker Studioban egy automatikus ütemezést (Scheduled Email), amely minden hétfő reggel 8:00-kor elküldi a dashboard aktuális állapotát PDF formátumban az ügyfél és a saját account managered e-mail címére.
• Készíts egy "Hogyan olvasd ezt a dashboardot?" fület: Helyezz el egy rövid, 3-4 mondatos magyarázó szöveget vagy egy beágyazott 2 perces Loom videót közvetlenül a dashboard első oldalán, ahol elmagyarázod az olyan mutatók jelentését, mint a POAS vagy az attribúciós modellek különbségei.
• Mérd le a hatékonyságot: A sablon bevezetése után 30 nappal kérdezz rá az ügyfeleknél egy egyszerű, egykérdéses felméréssel: "Az új dashboard segít-e neked gyorsabban átlátni a marketinged hatékonyságát?". Célozd meg a minimum 85%-os igenlő választ. Ha ezt eléred, nemcsak az ügyfeleid elégedettsége fog megugrani, de az ügynökséged operatív kapacitása is felszabadul a manuális riportálás béklyójából.