Looker Studio riport sablonok magyar PPC ügynökségeknek: Riportálás HUF alapon, felesleges körök nélkül

A magyar PPC ügynökségek többsége ma is abba a csapdába esik, hogy a Looker Studio dashboardot egyfajta dizájnos ügyfélnyugtatóként használja, miközben az adatok valós üzleti haszna a nullához közelít. Az ügyfeleknek kiküldött, 15 diából álló, vibráló grafikonokkal teli jelentések nem a valós döntéshozatalt szolgálják, hanem azt a célt, hogy az ügynökség igazolja a havi 250 000 - 500 000 HUF közötti menedzsment díját. Ez a megközelítés azonban fenntarthatatlan, mivel a marketingvezetők és a cégtulajdonosok egyre inkább a valódi pénzügyi hatékonyságot keresik a vanity metric-ek helyett. Ha egy riport nem képes azonnal megválaszolni, hogy a tegnap elköltött 150 000 HUF Google Ads büdzsé hány forint tiszta profitot termelt az áfa és a logisztikai költségek levonása után, akkor az a dashboard felesleges időpocsékolás.

A hazai e-commerce piac növekedési üteme megtorpant, a fogyasztói kosárérték (AOV) reálértéken csökken, miközben a hirdetési költségek drasztikusan emelkednek. A Google Ads és Meta hirdetési aukciókban a CPC árak a hazai szektorokban brutális növekedést mutatnak: a divat és ruházat kategóriában a korábbi 70-110 HUF közötti CPC-k mára elérték a 140-220 HUF közötti sávot, míg a nagyobb versenyű otthon és kert, illetve barkács szegmensben nem ritka a 280-450 HUF közötti átlagos kattintási költség sem. Ebben a környezetben a vakon optimalizálás egyenlő a lassú csőddel.

A helyzetet tovább nehezíti a Google Analytics 4 (GA4) API kvótakorlátozása, amely a Looker Studio közvetlen GA4-konnektorait használhatatlanná teszi a nagyobb forgalmú, havi 20 000 feletti munkamenetet produkáló webshopok esetében. A "Quota Error" hibaüzenet miatt összeomló dashboardok korában az ügynökségek nem engedhetik meg maguknak a közvetlen API alapú lekérdezéseket. Az adatok strukturálása, a BigQuery alapú adattárolás és az adatok tisztítása ma már nem a prémium ügynökségek kiváltsága, hanem a túlélés alapfeltétele.

Aki ma nem áll át a profit-alapú (POAS - Profit on Ad Spend) mérésre és a csatornákon átívelő kohorsz-elemzésre, az elveszíti azokat a hazai középvállalati ügyfeleket, akik 100M és 800M HUF közötti éves árbevétellel rendelkeznek, és pontosan látják a bankszámlájukon, ha a marketingesek által jelentett "szárnyaló ROAS" ellenére sincs pénzük árukészletre.

---

Egy profi magyar PPC dashboardnak szigorú hierarchiát kell követnie. Nem önthetjük a nyers adatokat az ügyfél nyakába; három jól elkülöníthető szintet kell kialakítanunk ugyanazon a jelentésen belül, hogy a cégvezető, a marketingvezető és a PPC specialista is a saját szintjének megfelelő válaszokat kapja meg 5 másodperc alatt.

A cégvezetőt vagy a pénzügyi igazgatót nem érdekli a Meta hirdetések CTR-je vagy a Google Search kampányok Quality Score-ja. Számukra egyetlen dolog számít: a marketingbe fektetett tőke megtérülése a teljes üzleti eredményre vetítve. Ebben a nézetben az alábbi mutatóknak kell szerepelniük:

• MER (Marketing Efficiency Ratio): Teljes nettó árbevétel osztva a teljes marketing költéssel. Ez mutatja meg a marketing valódi motorját, kiszűrve az attribúciós modellek torzításait.
• POAS (Profit on Ad Spend): A bruttó árrésből származó profit osztva a hirdetési költéssel.
• Blended CAC (Customer Acquisition Cost): Az összes marketing költés osztva az új vásárlók számával.
• Új vs. Visszatérő vásárlók aránya: Különösen fontos a magyar piacon, ahol az ügyfélszerzés költsége gyakran magasabb, mint az első vásárlásból származó profit.

```

[Vezetői Nézet (C-Level)] -> Fókusz: Pénzügyi hatékonyság (MER, POAS, Blended CAC)

│

├──> [Operatív Nézet (Marketing Manager)] -> Fókusz: Csatorna-specifikus teljesítmény (CPA, ROAS)

│

└──> [Taktikai Nézet (PPC Specialist)] -> Fókusz: Kampányszintű adatok (CTR, CPC, QS, Imp. Share)

```

Ez a nézet a marketingvezetőnek készül. Itt már szétválasztjuk a Google Ads, Meta Ads, TikTok Ads és az olyan hazai sajátosságokat, mint az Árukereső vagy az eMAG Marketplace kampányok teljesítménye. Itt a hangsúly a költségvetés-allokáción van:

• Platform-specifikus CPA és ROAS: Egymás mellett, azonos módszertannal összehasonlítva.
• Havi büdzsé-lefutás előrejelzése: Egy prediktív vonaldiagram, amely megmutatja, hogy a jelenlegi napi költési ütem mellett az ügynökség eléri-e a tervezett havi keretet, vagy alul-/túlköltés várható.
• Asszisztált konverziók vizualizációja: Annak bemutatása, hogy a Meta felső tölcséres (Top of Funnel) kampányai hogyan támogatják a Google brand kereséseket.

Ez az a szint, amit az ügyfélnek alapértelmezetten meg sem kellene mutatni, mert csak felesleges mikromenedzseléshez vezet. Ez az ügynökség belső használatára szolgál, és a napi optimalizálást támogatja:

• Kulcsszavak és hirdetéscsoportok teljesítménye: CTR, CPC, Conversion Rate és Quality Score bontásban.
• Hirdetés-relevancia és kreatívok elemzése: Meta kampányoknál a CTR (Outbound) és a Hook Rate (3-second video view / Impression) ábrázolása.
• Search Lost IS (Budget / Rank): Megmutatja, hogy mennyi megjelenítést veszítünk a szűkös keretek vagy a gyenge hirdetésminőség miatt a legfontosabb konvertáló kulcsszavaknál.

---

A magyar PPC ökoszisztémának megvannak a maga sajátos technikai kihívásai, amelyeket a külföldi, gyári Looker Studio sablonok nem tudnak kezelni. Ha ezeket nem építjük be a rendszerünkbe, a dashboardunk hibás adatokat fog mutatni, ami téves üzleti döntésekhez vezet.

A legnagyobb hiba, amit magyar webshopok jelentéseiben látni, az áfa helytelen kezelése. A Google Ads és a Meta Ads felületein a hirdetési költések nettó értéken jelennek meg (áfa nélkül, sőt gyakran külföldi számlázás miatt áfamentesen), míg a GA4-ben a vásárlási értékek (Purchase Value) gyakran bruttó áron, a 27%-os magyar áfával növelten futnak be, ha a fejlesztő nem figyelt a nettó értékek átadására a datalayerben.

Ha a Looker Studióban a bruttó bevételt osztjuk el a nettó költéssel, egy fiktív módon felduzzasztott, hazug ROAS-t kapunk.

```

Nettó Bevétel = Bruttó GA4 Bevétel / 1,27

Reális ROAS = Nettó Bevétel / Nettó Költés

```

Ezt a Looker Studióban egy egyedi számított mezővel (Calculated Field) kell korrigálnunk:

```sql

SUM(GA4 Purchase Revenue) / 1.27

```

Ugyanez igaz a devizás kezelésre. Sok hazai webshop értékesít Szlovákiában (EUR) vagy Romániában (RON) is, de a hirdetési fiókok egy része HUF-ban, míg a külföldi kampányok EUR-ban költenek. A Looker Studio beépített valutakonverziója gyakran pontatlan vagy késleltetett. A megoldás egy központi valuta-konverziós tábla behúzása a BigQuery-be vagy egy Google Sheet-be, amely naponta frissíti az MNB középárfolyamokat, és ezen keresztül számolja át a költségeket egy közös bázisdevizára.

Egy komolyabb magyar webshop ma már nemcsak a saját felületén értékesít, hanem az eMAG Marketplace-en, az Alza AlzaPartner programjában, vagy használja az Árukereső kosár funkcióját. Ezek a tranzakciók nem fognak megjelenni a standard GA4 mérésekben, vagy ha igen, akkor nem köthetők közvetlenül a PPC kampányokhoz.

Ha a dashboard csak a webshop saját motorjának adatait mutatja, a cégvezető azt fogja látni, hogy a marketingköltés magas, de a webshop közvetlen bevétele alacsony. A megoldás: az eMAG API-ból vagy manuális heti exportból származó megrendelési adatokat egy Google Sheet-en keresztül össze kell kapcsolni a Looker Studióval, és egy "Total Business Revenue" mezőben összesíteni a webshopos és a marketplace bevételeket.

---

Az alábbi valós példa bemutatja, hogyan változtatta meg egy közepes méretű magyar webshop marketingstratégiáját a Looker Studio riporting teljes átalakítása.

A webshop női ruházati termékeket értékesít a magyar piacon. Az éves árbevétele 350 000 000 HUF, a havi marketingkerete átlagosan 2 500 000 HUF, amelyet 60%-ban Meta Ads, 30%-ban Google Ads és 10%-ban egyéb csatornákra (Árukereső, hírlevelek) fordítottak.

A korábbi ügynökség havonta egyszer küldött egy PDF formátumú exportot a Looker Studióból, amely a következő főbb számokat tartalmazta:

• Összes költés: 2 500 000 HUF
• GA4-ből származó bevétel: 12 500 000 HUF
• Jelentett ROAS: 5,0x
• Átlagos kosárérték (AOV): 14 500 HUF

A cégtulajdonos mégis likviditási problémákkal küzdött: a bankszámlán nem realizálódott a profit, az árukészlet finanszírozása akadozott. Az ügynökség azzal érvelt, hogy "a hirdetések kiválóan teljesítenek, a hiba az oldalon belüli konverzióban vagy a logisztikában van".

Új audit keretében elvégeztük a mérések felülvizsgálatát és újjáépítettük a Looker Studio jelentést az alábbi lépések szerint:

• Az ÁFA korrekció: Kiderült, hogy a GA4 bruttó értékeket mért (27%-os áfával), míg a költés nettó volt. A valós nettó bevétel nem 12 500 000 HUF volt, hanem csak 9 842 519 HUF. Ez azonnal lecsökkentette a valós ROAS-t 3,9x-re.
• A visszaküldési arány (Return Rate) integrálása: A divat szektorban a magyar piacon is rendkívül magas, átlagosan 25-35% közötti a visszaküldési arány (mérethibák, elállási jog miatt). Ezt az adatot a GA4 egyáltalán nem kezeli offline visszatérítésként a legtöbb hazai rendszernél (pl. UNAS vagy Shoprenter alapú webshopoknál). Összekapcsoltuk a számlázó és készletkezelő rendszert (számlázz.hu API-n keresztül) a dashboarddal. Kiderült, hogy a valós, megtartott vásárlások nettó értéke mindössze 6 889 763 HUF volt (30%-os visszaküldési arány mellett).
• A POAS kiszámítása: A termékek átlagos árrése (margin) 55%.

* Valós megtartott nettó bevétel: 6 889 763 HUF

* Bruttó árrés (áruérték levonása után): 3 789 369 HUF

* Hirdetési költés: 2 500 000 HUF

Valós nettó profit a marketingből: 1 289 369 HUF*

Valós POAS: 1,51x* (A korábban hitt 5,0x-ös ROAS helyett!)

| Mutató | Korábbi ügynökségi jelentés | Új, valós adatú dashboard | Eltérés % / Érték |

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

| Havi Költés | 2 500 000 HUF | 2 500 000 HUF | 0% |

| Bevétel | 12 500 000 HUF (Bruttó) | 6 889 763 HUF (Nettó, tisztított) | -44,8% |

| Megtérülés (ROAS) | 5,0x | 2,75x (Nettó) | -45% |

| POAS (Profit alapú) | Nem mérték | 1,51x | Kritikus szint |

| Valós Nettó Profit | Nem mérték | 1 289 369 HUF | A túlélés kulcsa |

Az új Looker Studio dashboard vizualizációja azonnal rávilágított a problémás pontokra. A dashboardon beállítottunk egy feltételes formázást (Conditional Formatting): ha a POAS 1,8x alá esik egy adott kampánycsoportnál, a sor pirosan villog.

• Meta Ads stratégiaváltás: Kiderült, hogy az "akciós és olcsóbb" termékeket hirdető Meta kampányok visszaküldési aránya 45% feletti volt, míg a prémium, teljes áras termékeké csak 12%. A Meta kampányok fókuszát áthelyeztük a magasabb kosárértékű, prémium kategóriákra. Bár a CPC emelkedett 110 HUF-ról 145 HUF-ra, a visszaküldési arány csökkenése miatt a nettó profit nőtt.
• Google Search optimalizálás: Leállítottuk azokat a kulcsszavakat, amelyek alacsony kosárértékű (AOV < 8000 HUF) tranzakciókat hoztak, mert ezeknél a szállítási és csomagolási fix költségek teljesen felemésztették a profitot.

Az átalakítás eredményeként a webshop éves szinten 14 000 000 HUF feleslegesen elégetett hirdetési költséget takarított meg, miközben a realizált nettó profitja 22%-kal növekedett, annak ellenére, hogy a GA4-ben jelentett névleges "bruttó bevétel" kismértékben csökkent.

---

Gyakori hibák: Mit NE csinálj a dashboardoddal

A Looker Studio egy rendkívül rugalmas eszköz, és éppen ez a legnagyobb veszélye is. A túl sok szabadság miatt a magyar ügynökségek hajlamosak olyan riportokat építeni, amelyek több kárt okoznak, mint hasznot.

Soha ne használj közvetlen Google Analytics 4 konnektort olyan ügyfélnél, ahol a havi munkamenetek száma meghaladja a 30 000-et, vagy ha a dashboardot naponta többen is megnyitják. A Google által bevezetett API limitációk miatt a dashboardod folyamatosan meg fog szakadni, "Quota Error" hibaüzeneteket dobálva.

A helyes megoldás: Aktiváld a GA4 ingyenes BigQuery exportját. Az adatokat tárold a Google Cloudban (ez egy átlagos magyar webshop méreténél havonta párszáz forintnál nem kerül többe), majd a Looker Studiót a BigQuery-hez csatlakoztasd. Ezzel nemcsak a kvótakorlátokat kerülöd meg, de a lekérdezéseid sebessége is a tízszeresére nő, és az adatok is biztonságban megmaradnak historical formában.

Gyakori hiba, hogy a Google Ads és a Meta Ads adatokat a "Date" (Dátum) dimenzió alapján vonják össze a Looker Studióban, hogy megmutassák a "Teljes napi költést". Ha az adatforrások között eltérés van az időzónák beállításában (például a Google Ads magyar időzónában van, de a Meta Ads fiók véletlenül Pacific Time-ra van állítva), a dashboard teljesen fals napi adatokat fog mutatni.

Ugyanez igaz a kampánynevek szerinti összekapcsolásra. Ha a kampányok elnevezési konvenciója (Naming Convention) nem tökéletesen egységes a platformok között, a `LEFT JOIN` vagy `INNER JOIN` műveletek elhagyják a releváns adatok jelentős részét.

```

Helytelen összekapcsolás (csak dátum alapján):

[Meta Ads (PST)] ──(Dátum)── [Google Ads (CET)] => Eltérő napokra eső költések és konverziók

Helyes összekapcsolás:

[BigQuery Adatbázis] <── Időzóna-korrigált SQL lekérdezés ── [Nyers Adatforrások]

```

Az ügyfelek nem akarnak 25 különböző szűrőt (szegmens, eszköz, régió, kampánytípus, hirdetéscsoport) nyomkodni ahhoz, hogy képet kapjanak a helyzetről. A túl sok interaktív elem és a feleslegesen bonyolult reguláris kifejezésekkel (Regex) operáló számított mezők drasztikusan lelassítják a riport betöltését. Ha egy dashboard betöltése 10 másodpercnél tovább tart, az ügyfél soha többé nem fogja megnyitni.

---

Ahhoz, hogy a dashboard valóban professzionális legyen, alkalmaznunk kell néhány olyan haladó Looker Studio funkciót, amelyek túlmutatnak az alapvető fogd-és-vidd (drag-and-drop) vizualizáción.

Sokszor előfordul, hogy a kampányok elnevezése az idők során változik, vagy több különböző specialista dolgozik a fiókon, és nem követik a naming convention-t. A Looker Studióban létrehozhatunk egy új dimenziót, amely tiszta, kategóriákba rendezett adatokat mutat a kampánynevekből származtatva.

Például, ha szeretnénk csoportosítani a "Brand", "Non-Brand" és "Shopping" kampányokat Google Ads-ben, használjuk az alábbi `CASE` képletet:

```sql

CASE

WHEN REGEXP_MATCH(Campaign, '.(?i)brand.') THEN 'Brand (Saját márka)'

WHEN REGEXP_MATCH(Campaign, '.(?i)shopping.|.(?i)pmax.') THEN 'Shopping / PMax'

WHEN REGEXP_MATCH(Campaign, '.(?i)generic.|.(?i)kategoria.') THEN 'Non-Brand (Kategória)'

ELSE 'Egyéb kampányok'

END

```

Ez a képlet érzéketlen a kis- és nagybetűkre (`(?i)` jelölés), és tiszta, az ügyfél számára is értelmezhető csoportosítást hoz létre a grafikonokon.

Ahelyett, hogy csak egy számot mutatnánk (pl. konverziós arány: 1.8%), használjunk összehasonlító mutatókat az előző időszakhoz (MoM - Month over Month, vagy YoY - Year over Year) képest. A Looker Studio KPI kártyáinál állítsuk be a "Show comparison" funkciót, de vigyázzunk a színek jelentésére: ha a CPC csökken, az pozitív változás, így a csökkenő trendet zöld színnel kell jelölnünk. Ezt a KPI kártya beállításaiban a "Comparison decimal formatting" résznél kézzel kell megfordítanunk.

---

Kövesd ezt a konkrét, mérhető folyamatot, hogy az ügynökséged Looker Studio jelentései elérjék a piacvezető szintet, és valódi értéket teremtsenek az ügyfeleidnek.

Ülj le az ügyféllel (vagy küldj ki egy strukturált kérdőívet), és határozzátok meg a 3 legfontosabb üzleti mutatót. Felejtsd el a CTR-t és a CPC-t ezen a megbeszélésen. Tisztázzátok a következőket:

• Mekkora a termékek átlagos árrése (margin %)?
• Milyen egyéb költségek terhelik a tranzakciókat (csomagolás, szállítási támogatás, fizetési kapu jutalékok - pl. Barion, SimplePay)?
• Hogyan kezelitek a visszaküldött termékeket?

• Aktiváld a GA4 BigQuery exportot az ügyfél Google Cloud konzoljában.
• Ha több csatornát használsz, regisztrálj egy megbízható middleware szolgáltatásra (pl. Windsor.ai, Porter Metrics vagy Supermetrics, amelyek havi díja 15 000 - 45 000 HUF között mozog az adatforrások számától függően), és húzd be a Meta Ads és egyéb nem-Google adatok napi szintű aggregációit egy Google Sheet-be vagy közvetlenül a BigQuery-be.

Hozz létre egy háromoldalas dashboardot:

• Vezetői összefoglaló (C-Level): Csak 4 fő KPI kártya (MER, POAS, Teljes Költés, Teljes Nettó Bevétel) és egy havi kumulált költés/bevétel grafikon.
• Csatorna-szintű elemzés (Operatív): Google Ads vs. Meta Ads vs. egyéb csatornák teljesítménye egymás mellett összehasonlítva.
• Kampány-szintű mélyfúrás (Taktikai): Táblázatok a PPC specialistáknak, szűrőkkel és részletes mutatókkal.

• Hozd létre a számított mezőket a Looker Studióban a nettósított bevételek és a valós ROAS kiszámítására.
• Teszteld az adatokat: vesd össze a Looker Studio által mutatott nettó bevételt a számlázó program (pl. Billingo vagy Számlázz.hu) adott időszaki nettó exportjával. Az eltérés nem haladhatja meg az 5%-ot (ami az elállások és mérési hibák természetes sávja).

• Állíts be egy heti rendszerességű automatikus e-mail küldést a Looker Studióból hétfő reggel 8:00-ra az ügyfélnek és a belső PPC csapatnak.
• Vezess be egy belső szabályzatot (SLA): ha a dashboardon bármelyik adatforrás megszakad vagy hibát jelez, azt a felelős PPC specialista 4 munkaórán belül köteles javítani. Ezzel elkerülhetők a kellemetlen helyzetek, amikor az ügyfél hívja fel a figyelmet a hibás riportra.

---

SEO Cím: Looker Studio PPC Dashboard Sablonok: Magyar Ügynökségi Útmutató

Meta Leírás: Hogyan építsünk olyan Looker Studio PPC dashboardot, ami nemcsak szép, de valódi üzleti döntéseket támogat? Magyar ügynökségi árak, hibák és konkrét sablonstruktúra BigQuery alapokon.