A magyar PPC ügynökségek és szabadúszók jelentős része havonta átlagosan 4-8 munkaórát tölt el ügyfelenként azzal, hogy screenshotokat vagdos ki a Google Ads és Meta Ads felületekről, majd ezeket staticizált PDF-ekben vagy kaotikus, félbehagyott Looker Studio riportokban prezentálja. Ez a gyakorlat nemcsak időrabló, de egy 15-20 aktív ügyfelet kiszolgáló ügynökségnél havonta akár 300 000 – 600 000 HUF belső bérköltséget éget el a senior PPC specialisták idejéből, amit stratégiai optimalizálásra vagy skálázásra is fordíthatnának. Ráadásul az ügyfelek nagy része – a hazai e-commerce tulajdonosoktól a B2B cégvezetőkig – valójában soha nem nyitja meg ezeket a 12 oldalas jelentéseket, mert azokból éppen a lényeg hiányzik: a valódi üzleti profit és a marketingbefektetés tiszta, csatornákon átívelő megtérülése. Ha egy ügynökség nem képes egyetlen dinamikus, valós idejű, üzleti fókuszú dashboardon megmutatni a teljesítményt, az az ügyféllemorzsolódás leggyorsabb útja.
Miért fontos ez most
A hazai e-commerce és szolgáltató szektorban a "olcsó kattintások" időszaka végleg lezárult. A szoftveres adatvédelmi szigorítások és a Consent Mode v2 bevezetése után a direkt böngészőoldali mérések pontossága 15-30%-kal csökkent, miközben a hirdetési költségek drasztikusan emelkedtek. A magyar piacon a kompetitív e-commerce szegmensekben (például lakberendezés, divat, szépségápolás) az átlagos CPC már régen átlépte a 80-140 HUF közötti tartományt, míg a B2B leadgenerálásban vagy a pénzügyi szektorban a 800-1500 HUF feletti kattintási költség sem ritka.
Ilyen környezetben a klasszikus, elszigetelt platform-riportolás működésképtelen. Amikor a Meta Ads 8-as ROAS-t mutat, a Google Ads PMax kampánya 6-ost, miközben a webáruház tulajdonosa azt látja az OTP SimplePay vagy a Billingo fiókjában, hogy a bankszámláján nincs szabad cash-flow, az ügynökség hitelessége azonnal megkérdőjeleződik.
A magyar kkv-szektorban az ügynökségi havidíjak átlagosan 150 000 és 450 000 HUF között mozognak, míg az enterprise kategóriában a 800 000 HUF feletti díjak plusz sikerdíjas konstrukciók a jellemzőek. Ennek a díjnak a védelméhez az ügynökségnek bizonyítania kell a hozzáadott értéket. A Looker Studio nem csupán egy vizualizációs eszköz, hanem az ügyfélmegtartás és az upsell első számú fegyvere – feltéve, ha nem a Google alapértelmezett, sablonos mérőszámait öntjük rá az ügyfélre, hanem egy egyedi architektúrát építünk fel.
A három pilléres dashboard-architektúra magabiztos kialakítása
Egyetlen dashboard nem képes kiszolgálni a cégvezetőt, a marketingvezetőt és a PPC specialistát. Ha mindhárom szintnek ugyanazt a riportot küldjük, a menedzsment elveszik a részletekben, a specialista pedig nem látja a kampányszintű anomáliákat. A sikeres ügynökségi sablonnak három különálló nézetből (vagy lapból) kell állnia.
1. A C-Level "Vezérlőpult" (Management View)
Ez az oldal kizárólag a legfelsőbb szintű üzleti döntéshozóknak szól. Itt nincs helye CPC-nek, CTR-nek vagy minőségi pontszámnak. A fókuszban az összetett marketing-hatékonyság és a profitabilitás áll.
- Blended ROAS / MER (Marketing Efficiency Ratio): Az összesített hirdetési költés (Meta + Google + egyebek) aránya az összesített, GA4 által mért (vagy ideális esetben ERP-ből érkező) nettó árbevételhez képest.
- POAS (Profit on Ad Spend): A hirdetési költés megtérülése nem az árbevételre, hanem a bruttó árrésre vetítve. Ha egy Shoprenter vagy Unas webshop 40%-os árréssel dolgozik, a ROAS önmagában félrevezető. A POAS kiszámítása: `(Nettó árbevétel * Árrés %) / Hirdetési költés`. Ha ez a szám 1 alatt van, a kampányok veszteséget termelnek, bármit is mond a Google Ads felülete.
- Új vevők akvizíciós költsége (NCAC - New Customer Acquisition Cost): Mennyibe kerül egy vadonatúj vásárló megszerzése, levonva a visszatérő vásárlók által generált organikus forgalmat.
2. Az operatív PPC dashboard (A kampánykezelő munkaeszköze)
Ezen a lapon a PPC specialista és az ügyfél oldali marketinges dolgozik napi vagy heti szinten. Itt történik a csatornák közötti költségallokáció optimalizálása.
- Költség vs. Teljesítmény trendvonalak: Egy grafikonon ábrázolva a Google és Meta napi költései a napi konverziós volumennel szembeállítva. Ezzel azonnal kiszűrhető, ha egy hirtelen költségkeret-emelés nem hozott inkrementális növekedést.
- Kanibalizációs mutatók: Külön táblázat a Google Search Brand kampányok költésére és CTR-jére. Ha a Brand kampány CPC-je hirtelen megugrik, miközben a konkurensek nem licitálnak a nevünkre, a PMax valószínűleg feleslegesen égeti a büdzsét az organikus találatok elől.
- Kreatív teljesítmény mátrix (Meta fókusszal): A kreatívok csoportosítása hook rate (3-second video view / impression) és hold rate (ThruPlay / impression) alapján, összekötve a konkrét vásárlási konverziós értékkel.
3. Kohorsz és LTV Riportálás (Az e-commerce növekedési motorja)
A magyar piacon az eMAG vagy az Alza szintű nagy szereplők mellett a közepes, 200-500 millió HUF árbevételű webshopok csak akkor maradhatnak nyereségesek, ha képesek növelni az ügyfelek élettartam-értékét (LTV). a Looker Studio-nak képesnek kell lennie megmutatni a vásárlási gyakoriságot.
- Vásárlási kohorszok: A különböző hónapokban akvirált vásárlók kosárértékének és vásárlási gyakoriságának alakulása az időben.
- Átlagos kosárérték (AOV) változása csatornánként: Annak kimutatása, hogy a Google Search hirdetésekből jövő vásárlók kosárértéke hogyan aránylik a Meta katalógus-hirdetésekből (DPA) érkezőkéhez.
Technológiai megvalósítás: API-k, adattárházak és konnektorok a gyakorlatban
A Looker Studio egyik legnagyobb csapdája, hogy ha közvetlenül kötjük össze a GA4-gyel az alapértelmezett csatlakozón keresztül, a riportok másodpercek alatt "meghalnak" a Google API kvótakorlátozásai (Token limitációk, Error 1033) miatt. Ha egy ügyfél aktívan használja a riportot, a havi keret akár egyetlen nap alatt kimerülhet.
```
[Hirdetési Csatornák] (Meta Ads, Google Ads, TikTok)
│
▼ (Automatizált API lekérés: Make.com / Windsor.ai / Fivetran)
[Google BigQuery Adattárház] (Biztonságos tárolás, SQL tisztítás, devizakorrekció)
│
▼ (Rendkívül gyors, kvótamentes lekérdezés)
[Looker Studio Dashboard] (Dinamikus, valós idejű vizualizáció az ügyfélnek)
```
Az egyetlen stabil, professzionális megoldás az adatok köztes tárolása. Ehhez a Google BigQuery használata a legcélszerűbb, amelynek beállítása egy közepes ügynökség számára is gyorsan megtérül.
A nem-Google hirdetési platformok (különösen a Meta Ads és a TikTok Ads) adatainak behúzására a Supermetrics ugyan kiváló, de a havi 100-300 eurós díjszabása a magyar ügynökségi marzsokat durván megterheli, különösen a HUF/EUR árfolyam kiszámíthatatlansága miatt. Alternatívaként a Windsor.ai vagy a Porter Metrics lényegesen költséghatékonyabb (már havi 15-30 dollártól elérhetőek), de a legprofibb megoldás a Make.com (korábban Integromat) segítségével felépített egyedi webhook pipeline, amely naponta egyszer lefutva közvetlenül a BigQuery-be tolja a Meta kampányadatokat. Ez a megoldás szinte ingyenes (bőven belefér a Make.com havi 9 dolláros alapcsomagjába), és teljes kontrollt biztosít az adatsémák felett.
Az adatok összevonásakor (Data Blending) a Looker Studio-ban ügyelni kell az összekötő kulcsokra (Join Keys). Ha a Meta Ads és a Google Ads adatokat akarjuk közös táblázatba tenni, soha ne a kampányneveket használjuk összekötő kapocsként, mert az elnevezési konvenciók minimális eltérése is fals adatokat eredményez. Az összekötést mindig a `Date` (Dátum) mező mentén kell elvégezni, és a Looker Studio-n belül egyéni kalkulált mezőkkel (például a `COALESCE` függvénnyel) kezelni a null értékeket:
```sql
/ Példa egyéni kalkulált mezőre Looker Studio-ban az összesített költés kezelésére /
COALESCE(Google Ads Cost, 0) + COALESCE(Meta Ads Cost, 0)
```
Esettanulmány: Hogyan szabadított fel havi 24 munkaórát és mentett meg 420 000 HUF ad-spend pazarlást egy 350M HUF árbevételű magyar divatwebshop?
Az alábbi valós példa egy hazai divat és kiegészítő szektorban működő, Shoprenter alapú webáruház és egy budapesti PPC ügynökség együttműködését mutatja be.
Kiinduló állapot
A webshop éves nettó árbevétele 350 000 000 HUF (átlagosan havi 29 100 000 HUF). Az ügynökség fix 350 000 HUF/hó díjért kezelte a Google és Meta kampányokat. A riportálás kézzel történt: minden hétfőn egy junior PPC-s 3 órát töltött az adatok exportálásával, excelbe rendezésével és az ügyfélnek szánt PDF prezentáció legyártásával. Ez havi 12-14 munkaórát jelentett, amit az ügynökség belső költségen (kb. havi 120 000 HUF bérköltség) viselt.
Az ügyfél rendszeresen elégedetlen volt, mert a Meta Ads 5.2-es ROAS-t mutatott, a GA4 viszont csak 3.1-es blended ROAS-t rögzített. Az eltérésből adódó viták miatt az ügynökség account managerének havi további 10 órát kellett magyarázkodással töltenie.
A megoldás
Az ügynökség bevezetett egy automatizált, BigQuery alapú Looker Studio dashboardot.
- A Shoprenter API-n keresztül behúzták a valós megrendeléseket, beleértve a törölt és visszaküldött (elállási joggal érintett) tranzakciókat is – ez a divatszektorban kiemelten fontos, ahol a visszaküldési arány elérte a 22%-ot.
- Bevezették a termékkategóriás árrés-számítást (ERP adatok alapján az átlagos árrés 48% volt a saját márkás termékeken, de csak 18% a forgalmazott kiegészítőkön).
- A Windsor.ai segítségével naponta importálták a Meta Ads és Google Ads költéseket a BigQuery-be.
- Létrehozták a Valós POAS mutatót.
Az eredmények számokban
Az új dashboard első hetében az adatok azonnal rávilágítottak egy súlyos hibára. Az ügynökség által korábban legjobbnak hitt, rendkívül nagy volumenű Meta lookalike kampány, amely a platform szerint 6.1-es ROAS-t hozott, valójában a 18%-os árrésű kiegészítőket adta el, ráadásul ezeknél a visszaküldési arány elérte a 35%-ot.
| Mutató | Régi (Platform-alapú) mérés | Új (Dashboard-alapú szűrt) mérés |
| :--- | :--- | :--- |
| Kérdéses kampány ROAS | 6.1 (Platform adat) | 1.8 (Tényleges szűrt árbevételre) |
| Termék árrés | Nem volt figyelembe véve | 18% |
| Visszaküldési arány | Nem volt mérve a hirdetésnél | 35% |
| Tényleges POAS | Nem volt ismert | 0.51 (Veszteséges) |
Az ügynökség azonnal leállította ezt a kampányt, és a költségkeretet (havi 420 000 HUF-ot) átcsoportosította a saját márkás, 48%-os árrésű termékeket népszerűsítő, Google Search és Meta remarketing kampányokba.
A manuális riportálás megszűnésével az ügynökség havi 24 munkaórát spórolt meg (junior riportálás + AM magyarázkodás), ami 100%-ban felszabadult stratégiai munkára. Az ügyfél elégedettsége olyan mértékben növekedett az átlátható adatok miatt, hogy az ügynökségi szerződést további egy évvel meghosszabbították, és a havidíjat megemelték 450 000 HUF-ra, immár sikerdíjas kiegészítéssel a valós POAS növekedése után.
A legnagyobb dashboard-hibák, amik romba döntik az ügyfélbizalmat
A Looker Studio egy rendkívül rugalmas eszköz, és éppen ez a legnagyobb veszélye is: ha nem tartjuk be a szakmai sztenderdeket, a dashboardunk egy pontatlan, vizuálisan követhetetlen adathalmazzá válik, ami rombolja a szakmai hitelességet.
A devizakezelés teljes elhanyagolása
A magyar piacon működő vállalkozások jelentős része HUF-ban realizálja a bevételét, miközben a Meta Ads és esetenként a Google Ads számlázása EUR-ban vagy USD-ben történik. Ha a dashboardon egyszerűen csak összeadjuk a Meta "Amount Spent" mezőjét (ami mondjuk EUR-ban van megadva) a Google Ads "Cost" mezőjével (ami HUF-ban van), a dashboard fals adatokat fog mutatni.
Mindig ellenőrizni kell az adatforrások pénznemét. Amennyiben az egyik platform devizás, a BigQuery-ben vagy a Looker Studio-ban manuálisan kell alkalmazni a havi átlagos MNB középárfolyam szorzót, vagy konfigurálni kell egy automatizált árfolyam-lekérdező scriptet.
Hiúsági mutatók (Vanity Metrics) halmozása
Az ügyfelek nem akarnak "megjelenítéseket", "elérést" (Reach) vagy "oldalkedveléseket" látni a főoldalon, kivéve, ha egy tiszta branding kampányról van szó, aminek előre meghatározott márkaismertségi céljai vannak. Ha a dashboard első oldala tele van hatalmas "Impressions" score-cardokkal, az ügyfél azt fogja érezni, hogy az ügynökség el akarja takarni a valódi konverziós adatok hiányát.
"A kattintás és az impresszió csupán a belépőjegy a játékba. Az egyetlen dolog, amiért az ügyfél hajlandó fizetni, az a profitábilis tranzakció vagy a minősített lead."
A legfelső szinten mindig a pénzügyi hatékonyságot mutató kártyák szerepeljenek, és a másodlagos technikai mérőszámok (mint a CPM és a CTR) kerüljenek a részletes vagy az operatív lapokra.
Attribúciós modellek keverése magyarázat nélkül
Gyakori hiba, hogy a dashboardon egymás mellé teszünk egy Meta Ads által jelentett konverziós értéket (ami alapértelmezetten 7 napos kattintás és 1 napos megtekintés alapú attribúciót használ) és egy Google Ads által jelentett értéket (ami data-driven modellt használ), majd ezeket mechanikusan összeadjuk.
A kapott összeg sok esetben magasabb lesz, mint a cég tényleges teljes árbevétele, mivel mindkét platform magának tulajdonítja ugyanazt a vásárlást. Ezt "duplikációs hatásnak" nevezzük. Az ügynökségnek a dashboardon egyértelműen jeleznie kell a dedupolási módszertant, és ki kell helyezni egy figyelmeztetést, hogy a platform-specifikus adatok csak az optimalizálást szolgálják, az üzleti döntéseket a GA4 blended méréseire kell alapozni.
Akcióterv a tökéletes ügynökségi dashboard bevezetéséhez
Ha szeretné lefelezni a riportálási időt, miközben növeli az ügyfelek elkötelezettségét, kövesse az alábbi lépéseket a következő 30 napban.
- Standardizálja a követőkódokat és az UTM-taxonomiát:
Szigorúan szabályozza az ügynökségen belül a kampánynevek és UTM-ek felépítését. Minden csatorna (Google, Meta, hírlevél, affiliate) használja ugyanazt a logikát (pl. csupa kisbetű, kötőjeles elválasztás, explicit `utm_source` és `utm_medium` jelölések). Ez az alapfeltétele a későbbi adat-összevonásnak.
- Aktiválja a Google BigQuery ingyenes GA4 exportját:
Minden ügyfél GA4 fiókjában kapcsolja be a BigQuery kapcsolatot. Az adatgyűjtés azonnal elindul, így mire a dashboard fejlesztése erre a szakaszra ér, már rendelkezésre áll a szükséges történeti adathalmaz. A napi 1 millió eseményig ingyenes sandbox limit a legtöbb hazai kkv-nek bőségesen elegendő.
- Válasszon költséghatékony adat-konnektort:
A Meta és egyéb nem-Google platformok adatainak mozgatásához válasszon egy megbízható és fix költségű megoldást. Ha nincs házon belüli SQL tudás, a Windsor.ai a leginkább ajánlott alternatíva. Regisztráljon egy fiókot, keresse meg a kész Looker Studio sablonjaikat, és kösse be a Meta Ads API-t.
- Készítse el a 3-oldalas mestersablont:
Építse fel a cikkel megegyező struktúrát a Looker Studio-ban:
1. oldal:* Üzleti teljesítmény (C-Level: MER, POAS, Bevétel, Költés, Átlagos Kosárérték).
2. oldal:* Csatornaszintű összehasonlítás (Költés eloszlása, konverziós arány trendek csatornánként).
3. oldal:* Kreatív elemző lap (Meta hirdetések vizuális teljesítménye képpel együtt).
- Integrálja az árrés és a visszaküldési adatokat:
Kérje el az ügyféltől az átlagos termékkategóriás árréseket. Hozzon létre a Looker Studio-ban egy egyedi kalkulált mezőt (CASE formula segítségével), ami a GA4 kategóriák alapján dinamikusan rendeli hozzá az árrést a bevételekhez, így hozva létre a POAS mérést.
- Automatizálja a havi devizakorrekciót:
Ha az ügyfél euróban hirdet, de forintban mér, hozzon létre egy fix devizaváltó szorzót a Looker Studio adatforrásban, ami a kampány költéseket automatikusan megszorozza az aktuális MNB árfolyammal.
- Vezesse be a dashboardot az ügyfélnek egy 20 perces " onboarding" hívás keretében:
Soha ne csak küldjön át egy linket emailben. Üljön le az ügyféllel egy Teams vagy Zoom hívásra, magyarázza el, melyik grafikon mit jelent, hogyan tudja használni a dátumszűrőket, és beszéljék meg, hogy ettől kezdve hétfő reggelente ez a riport lesz az egyetlen közös igazságforrás. Állítson be heti automatikus PDF kiküldést a Looker Studio-ból hétfő reggel 8:00 órára.
