A legtöbb magyar PPC ügynökség és szabadúszó havonta átlagosan 4-6 munkaórát pazarol el ügyfelenként olyan Looker Studio (korábban Data Studio) riportok foltozgatására, amelyeket a megrendelők többsége soha meg sem nyit. Miközben a hazai kkv-k havi 150 000 és 450 000 HUF közötti ügynökségi díjat fizetnek a hirdetéskezelésért, az asztalukra letett, 15 oldalas, felesleges mérőszámokkal telezsúfolt dashboardok nem a transzparenciát, hanem a valós üzleti eredmények hiányát hivatottak elfedni. A marketing vezetők és cégtulajdonosok nem a kattintásszámra vagy a tizedesjegyre pontos egyéni CPC-re kíváncsiak, hanem arra, hogy az elköltött marketing budget hogyan járul hozzá a nettó profit növekedéséhez. Ideje leszámolni az öncélú adathalmozással, és olyan dashboard struktúrákat építeni, amelyek valós döntéstámogató eszközként működnek a hazai e-commerce szektorban.
Miért fontos ez most
A hazai PPC piacon a transzparencia és a hatékonyság már nem kényelmi szempont, hanem a túlélés záloga. A Google és a Meta algoritmusaivá váló hirdetéskezelés korában az ügynökségek hozzáadott értéke a technikai végrehajtásról eltolódott az üzleti és adatintegrációs stratégia irányába. Egy Budapesten dolgozó senior PPC specialista bérköltsége mára elérte a bruttó 850 000 - 1 200 000 HUF sávot, amihez ha hozzáadjuk az irodabérlet, az szoftverlicencek (Supermetrics, Adobe, egyéb feed-optimalizálók) és a rezsi költségeit, egy ügynökség óradíja nem lehet 18 000 - 25 000 HUF alatt, ha nyereséges akar maradni.
Ilyen költségszintek mellett tarthatatlan az a gyakorlat, hogy a specialisták havonta több napot töltenek manuális riportálással, vagy a GA4 API kvótakorlátai (Quota Limits) miatt összeomló Looker Studio táblázatok hibaelhárításával. Amikor a Google 2023 végén szigorította a GA4 API-hozzáféréseket, a közvetlen konnektorokra épülő dashboardok tömegesen adtak `Error code: exhausted concurrent request quota` hibaüzeneteket. Azok az ügynökségek, amelyek nem álltak át strukturált, BigQuery-alapú vagy köztes adattárházas megoldásokra, ügyfelek tucatjait veszítették el a megbízhatatlan riportálás miatt. Egy 100M és 500M HUF közötti éves árbevételű magyar webshop tulajdonosa azonnali, valós idejű és mindenekelőtt pontos adatokat követel meg a döntéseihez, nem pedig utólagos magyarázkodást.
---
A háromszintű dashboard-struktúra: kevesebb adat, több profit
A sikeres riportálás titka az információk rétegzése. Nem létezik egyetlen olyan dashboard, amely egyszerre szolgálja ki a cégtulajdonost, a marketing vezetőt és a napi szintű kampányoptimalizálást végző PPC specialistát. Az ügynökségek legnagyobb hibája, hogy egyetlen, mindent elnyelő "Svájci Bicska" jelentést próbálnak átadni. Ehelyett egy háromszintű, moduláris sablonrendszert kell bevezetni.
A C-szintű dashboard (Az "Egyoldalas Igazság")
A cégtulajdonos vagy az ügyvezető igazgató ideje a legdrágább. Számukra egyetlen, mobilra is optimalizált, tisztán vizualizált oldalnak kell készülnie, amely kizárólag a makro-KPI-kra fókuszál. Itt nincs helye olyan kifejezéseknek, mint a minőségi mutató, az átlagos pozíció vagy a CPM.
A C-szintű dashboardnak a következő metrikákat kell tartalmaznia:
- Összesített Marketingköltés (Total Ad Spend): Meta Ads + Google Ads + TikTok Ads + Árukereső + egyéb csatornák együttesen, forintban kifejezve.
- Blended ROAS / MER (Marketing Efficiency Ratio): Az összesített hirdetési költés és a teljes webshop árbevétel aránya. Formula: `Összes Árbevétel / Összes Hirdetési Költés`.
- POAS (Profit on Ad Spend): A nettó árrés és a hirdetési költés aránya. Ehhez be kell csatornázni a termékek beszerzési árait (COGS) is.
- NC-CPA (New Customer Cost Per Acquisition): Mennyibe kerül egy teljesen új vásárló megszerzése (levonva a visszatérő vásárlók konverzióit).
A PPC specialisták műszerfala (A mélyfúrás)
Ez a lap az ügynökség belső használatára és a marketing vezetővel való heti szintű operatív egyeztetésekre szolgál. Itt csatornánkénti és kampánytípusonkénti bontásban látszódnak az adatok, vizuális kiemelésekkel (kondicionális formázással) jelezve a kilengéseket.
| Csatorna | KPI | Magyar piaci benchmark (2026) | Beavatkozási küszöb |
| :--- | :--- | :--- | :--- |
| Google Ads (PMax) | ROAS / Kosárérték | 450% - 600% / 18 000 HUF | ROAS < 350% |
| Meta Ads (Prospecting) | CTR / CPC | 1.4% - 2.2% / 90 - 140 HUF | CTR < 0.9% |
| Árukereső | Konverziós arány | 3.5% - 5.5% | Konverzió < 2.5% |
| TikTok Ads | CPA | 1 800 HUF - 2 500 HUF | CPA > 3 500 HUF |
Kohorsz és LTV alapú vizualizáció
A 200M HUF feletti éves árbevételű webáruházaknál a növekedés motorja nem az új vásárlók folyamatos, drága akvirálása, hanem a meglévő vásárlói bázis reaktiválása. A harmadik szintű dashboardnak meg kell mutatnia az ügyfélélettartam-értéket (LTV) és a vásárlási gyakoriságot. Looker Studióban ezt olyan kohorsz-táblázatokkal lehet szemléltetni, amelyek bemutatják, hogy az adott hónapban megszerzett kohorsz a 30., 60. és 90. napon mennyi plusz bevételt generált hirdetési támogatás nélkül (hírlevelek, direkt látogatások révén).
---
Hogyan kerüljük meg a GA4 API kvótakorlátait olcsón?
Ha közvetlenül a GA4 adatforrást kapcsoljuk össze a Looker Studióval, a riportok lassúak lesznek, és gyakran összeomlanak. Az egyetlen professzionális és jövőálló megoldás az adatok köztes tárolása. Magyar kkv szinten a legköltséghatékonyabb módszer a Google BigQuery és a Google Sheets hibrid használata.
```
+--------------------------------------------------------------+
| ADATFORRÁSOK |
| [Google Ads] [Meta Ads] [TikTok Ads] [Árukereső API] |
+------------------------------+-------------------------------+
|
v
+------------------------------+-------------------------------+
| ADATKONSZOLIDÁCIÓ |
| [Google BigQuery] <---> [Google Sheets (COGS)] |
+------------------------------+-------------------------------+
|
v
+------------------------------+-------------------------------+
| VIZUALIZÁCIÓ |
| [Looker Studio Sablon] |
+--------------------------------------------------------------+
```
A BigQuery-alapú architektúra felépítése
A GA4 ingyenes BigQuery exporttal rendelkezik (napi 1 millió eseményig, ami egy havi 400M HUF árbevételű webshopnál is bőven elegendő). Az adatok BigQuery-be történő exportálásával az alábbi előnyökhöz jutunk:
- Nincs API kvótakorlát: A Looker Studio a BigQuery-ből kérdezi le az adatokat, nem a GA4 API-ból. A lekérdezések villámgyorsak lesznek.
- Adatbiztonság: Az adatok nyers formátumban megmaradnak, nem vesznek el a GA4 adatmegőrzési korlátai (alapértelmezetten maximum 14 hónap) miatt.
- Egyedi SQL lekérdezések: Összetett attribúciós modelleket és egyedi csatorna-csoportosításokat határozhatunk meg közvetlenül az adatbázis szintjén.
Google Sheets mint köztes adatbázis a non-Google csatornáknak
Mivel a Meta, a TikTok és az Árukereső költségadatait nem húzza be automatikusan a Google Analytics, ezeket külső konnektor (például egy havi 15 eurós Supermetrics előfizetés vagy egy ingyenes Make.com forgatókönyv) segítségével naponta egyszer be kell tölteni egy dedikált Google Sheet táblázatba.
A Looker Studióban ezután a Google Sheets-ben lévő költségeket és a BigQuery-ből származó GA4 tranzakciós adatokat egy közös kulcs (például a `Dátum` és a `Kampány_ID`) mentén kapcsoljuk össze (Data Blend). Ezzel a módszerrel teljesen kiküszöbölhetőek a drága, havi több száz eurós enterprise konnektorok, miközben a riportok stabilitása 100%-os marad.
---
Esettanulmány: 350M HUF árbevételű magyar webáruház dashboard-reformja
Nézzük meg egy valós, hazai piacon tevékenykedő webáruház esetét. A "GastroGépész" (a nevet a titoktartás miatt megváltoztattuk) professzionális konyhai gépek forgalmazásával foglalkozik.
A kiinduló helyzet
A webáruház éves nettó árbevétele 350 000 000 HUF, az átlagos kosárérték (AOV) 42 000 HUF. Az ügynökség havi 250 000 HUF fix díjért kezelte a Google Ads és Meta hirdetéseket.
A riportálás egy klasszikus, 8 oldalas, közvetlen GA4- és Google Ads-konnektorra épülő Looker Studio sablonnal történt.
A problémák:
- A dashboard betöltése átlagosan 22 másodpercet vett igénybe.
- A hónap utolsó napjaiban a kvótakorlátok miatt a táblázatok fele rendszeresen `Quota Error` hibát mutatott.
- A riport nem tartalmazta az Árukereső (havi 800 000 HUF költés) és a hírlevélküldő (szintén fizetős csatorna) adatait.
- Az ügyfél nem látta a valós profitot, mert a dashboard a bruttó árbevételt mutatta, miközben a termékkörök árrése 15% és 45% között mozgott.
Az átalakítási folyamat (Re-engineering)
Az ügynökség senior elemzője egy teljes hétvégét szánt a riportálási struktúra alapjaiból történő újjáépítésére. Első lépésként aktiválták a GA4 BigQuery exportot. Második lépésben létrehoztak egy Google Sheet adatbázist, ahová a webshop ERP rendszeréből (számlázó szoftveréből) naponta automatikusan feltöltötték az eladott termékek beszerzési árait (COGS) és a sztornózott/nem átvett rendelések arányát (amely Magyarországon az utánvétes fizetések magas aránya miatt átlagosan 8-12% között mozog).
A Looker Studióban egy teljesen új, mindössze 2 oldalas sablont implementáltak:
- Vezetői összefoglaló oldal: Havi marketing budget-felhasználás, Blended ROAS, POAS (tényleges árrés osztva a hirdetési költéssel), és a realizált nettó profit (számlázott és átvett megrendelések alapján).
- Operatív PPC oldal: Kulcsszócsoportok, hirdetéscsoportok, kreatív tesztek eredményei és a csatornák közötti költség-átcsoportosítási javaslatok.
```sql
-- Példa SQL lekérdezés a BigQuery-ből a napi nettó árbevétel és tranzakciószám kinyerésére (GA4 séma alapján)
SELECT
parse_date('%Y%m%d', event_date) AS datum,
count(distinct(select value.string_value from unnest(event_params) where key = 'transaction_id')) AS tranzakciok_szama,
sum((select value.int_value from unnest(event_params) where key = 'value')) AS brutto_arbevetel
FROM
`project-id.analytics_123456789.events_*`
WHERE
_table_suffix = format_date('%Y%m%d', date_sub(current_date(), interval 1 day))
AND event_name = 'purchase'
GROUP BY
1
```
Az eredmények számokban kifejezve
Az új rendszer bevezetése után az eredmények drasztikus változást mutattak mind az ügynökség, mind az ügyfél oldalán:
- Ügynökségi időmegtakarítás: Az addigi havi 4 óra manuális hibajavítás és adat-összevadászat helyett az ügynökségi specialistának mindössze havi 20 percet kellett töltenie a riport átnézésével a prezentáció előtt. Ez 7 hasonló ügyfélre vetítve havi 25.6 óra megtakarítást jelentett. 18 000 HUF senior óradíjjal számolva ez havi 460 800 HUF tiszta megtakarítás az ügynökségnek.
- Döntési sebesség javulása: A dashboard betöltési ideje 22 másodpercről 1.8 másodpercre csökkent.
- Hirdetési hatékonyság növekedése: Mivel fény derült arra, hogy a Google PMax kampányok bár magas ROAS-t produkáltak, de főleg az alacsony árrésű (15%-os) kategóriákat adták el, a fókusz átkerült a magas árrésű (40%-os) saját márkás termékekre. Ezzel a lépéssel a cég havi nettó profitja 1.2M HUF-fal növekedett, miközben a teljes marketingköltés változatlan maradt.
---
Mit NE csinálj: A leggyakoribb riportálási hibák Magyarországon
A hazai PPC ügynökségek dashboardjait vizsgálva kirajzolódik néhány olyan tipikus hiba, amelyek nemcsak felesleges munkát generálnak, hanem kifejezetten félrevezetik az ügyfeleket.
A "Színkavalkád és Dizájn-orgia" csapdája
Sok ügynökség azt hiszi, hogy a jó dashboard úgy néz ki, mint egy sci-fi film irányítópultja: sötét mód (dark mode), neon zöld és pink diagramok, villogó ikonok. Ez a megközelítés teljesen életidegen. A magyar cégtulajdonosok jelentős része a riportokat útközben, mobiltelefonon, vagy egy gyengébb kijelzőjű laptopon nézi meg a kávézóban, sokszor erős fényviszonyok mellett.
A sötét hátteres riportok olvashatatlanok ilyen helyzetekben. Mindig világos hátteret, magas kontrasztú, letisztult vállalati színeket (maximum 3 domináns szín használatával) alkalmazzunk. A legfontosabb számokat pedig hatalmas méretű "Scorecard" kártyákon helyezzük el a bal felső sarokban – oda, ahová a szemünk természetes módon először téved.
Az offline adatok és a visszáru teljes ignorálása
A magyar e-commerce piac sajátossága az átlagosan 50-60%-os utánvételi arány (Cash on Delivery). A divat és ruházati szektorban a visszáru (elállási jog) mértéke elérheti a 25-35%-ot is. Ha a Looker Studio kizárólag a GA4 online mérési adatait (amelyek a sikeres megrendelés gomb megnyomásakor aktiválódnak) mutatja, az ügyfél egy teljesen fals valóságot lát.
Ha a riport 10 000 000 HUF eladást jelez, de ebből 2 000 000 HUF értékű csomagot nem vettek át, vagy visszaküldtek, akkor a valós ROAS sokkal alacsonyabb. Egy professzionális ügynökségnek integrálnia kell a visszáru százalékát a dashboardba, vagy egy korrekciós tényezőt (pl. `GA4 árbevétel * 0.88`) kell alkalmaznia a reális üzleti kép megmutatásához.
---
Akcióterv
Ha szeretnéd, hogy az ügynökséged Looker Studio riportálása szintet lépjen, és valódi üzleti értéket teremtsen, hajtsd végre a következő lépéseket a következő 14 napban:
- Leltár és Audit (1-2. nap): Listázd ki az összes jelenlegi ügyfeled riportját. Mérd meg a betöltési sebességüket, és kérdezd meg az ügyfeleket (egy gyors telefonhívással), hogy a riport melyik oldalait nézik leggyakrabban. Amire nem érkezik egyértelmű válasz, azt kíméletlenül töröld le a dashboardról.
- GA4 BigQuery Export Aktiválása (3-4. nap): Minden olyan ügyfélnél, amelynek havi hirdetési költése meghaladja a 200 000 HUF-ot, kapcsold be a Google Cloud Console-ban az ingyenes BigQuery exportot. Ez mindössze 10 percet vesz igénybe ügyfelenként.
- Hibrid Adatbázis Létrehozása (5-7. nap): Készíts egy mester Google Sheet sablont, amely tartalmazza az ügyfelek havi tervezett büdzséjét, a termékek átlagos árrését, valamint a nem-Google csatornák (Meta, TikTok, Árukereső) napi költési adatait.
- A C-Level Sablon Elkészítése (8-10. nap): Tervezz meg egy egyoldalas, világos hátterű, mobilra optimalizált Looker Studio sablont. Használj nagy méretű scorecardokat és egyszerű vonaldiagramokat az időbeli trendek ábrázolására. A fókuszban a Spend, MER, és a POAS álljon.
- A PPC Specialist Lap Leválasztása (11-12. nap): Hozz létre egy második oldalt a sablonban, amely kifejezetten a kampány szintű optimalizálást támogatja. Itt jelenítsd meg a kulcsszavakat, a kreatívok teljesítményét és a mikro-konverziók arányát. Ez a lap maradjon belső használatra, vagy a heti státuszokra.
- Automatizálás Tesztelése (13. nap): Ellenőrizd az adatok frissülését. Győződj meg róla, hogy nincsenek API kvótahibák, és a Google Sheets adatok automatikusan bekerülnek a riportba minden reggel 8:00 óráig.
- Ügyfél "Onboarding" és Átadás (14. nap): Mutasd be az új dashboardot az ügyfeleknek. Magyarázd el nekik a POAS és a MER közötti különbséget, és vezesd be őket az új, transzparens riportálás világába. Biztosítsd őket arról, hogy mostantól nem a kattintásokat, hanem a profitot méritek közösen.
