A magyar PPC ügynökségek többsége havonta több tíz órát éget el olyan Looker Studio dashboardok manuális foltozgatásával, amelyeket az ügyfelek 82%-a meg sem ért, vagy megnyitni sem vesz magának fáradtságot. Miközben a hazai ügynökségi díjak az egekbe szöktek – egy középkategóriás PPC ügynökség ma már 180 000 és 350 000 HUF közötti havi fix díjon dolgozik ügyfelenként –, a riportálás színvonala megrekedt a 2018-as szinten, ahol a Google Ads és Facebook Ads natív konverziós adatait öntjük rá a megrendelőre. A valóság az, hogy a sablonos adatvizualizáció nem megtartja az ügyfelet, hanem aktívan rombolja a bizalmat, mert nem ad választ a legalapvetőbb üzleti kérdésre: pontosan mennyi tiszta hasznot termelt a marketingre elköltött minden egyes forint?
Miért fontos ez most
A magyar e-commerce piac 2026-ra elérte azt a telítettségi pontot, ahol az akvizíciós költségek (CAC) a divat, szépségápolás és elektronika kategóriákban átlagosan 35-42%-kal emelkedtek az elmúlt két évhez képest. Egy tipikus, 150 és 500 millió HUF közötti éves árbevételű magyar webshop már nem engedheti meg magának, hogy "vakon" hirdessen: a Google Ads átlagos CPC árak a lakberendezési szektorban elérték a 180-240 HUF-ot, míg a pénzügyi vagy B2B lead generálásban a 600-900 HUF sem ritka.
A harmadik féltől származó cookie-k végleges kivezetése és az iOS 17+ link tracking protection (LTP) korlátozásai miatt a hirdetési fiókok riportált konverziós adatai és a valós ERP (pl. Számlázz.hu, Billingo) vagy CRM rendszerek adatai közötti eltérés ma már rutinszerűen eléri a 15-25%-ot. Ha egy magyar ügynökség még mindig kizárólag a Google Ads és a Meta Pixel által visszamért ROAS-szal villog a dashboardon, az ügyfél előbb-utóbb fel fogja tenni a kérdést: miért mutat a Looker Studio 5-ös ROAS-t, miközben a bankszámlánkon nem látni a pénzt? Az analytics szerepe a puszta adatmegjelenítésből átalakult az ügynökség túlélési zálogává.
A háromdimenziós dashboard architektúra
A legnagyobb hiba, amit egy hazai PPC csapat elkövethet, hogy egyetlen, 12 oldalas, végtelenül bonyolult Looker Studio riportot küld ki mindenkinek a cégnél, a marketing asszisztenstől az ügyvezető igazgatóig (CEO). Egy profi ügynökségi struktúrának három jól elkülöníthető szintet kell kiszolgálnia, eltérő részletességgel és fókusszal.
1. A C-Level / Tulajdonosi Dashboard (Az "Executive" nézet)
A cégvezetőt nem érdekli a hirdetéscsoportok szintű CTR vagy a kulcsszavak minőségi mutatója. Neki egyetlen, egyoldalas képernyőre van szüksége, amely az üzleti szintű életképességet mutatja meg. A fókuszban az Ad Spend to Revenue (MER - Marketing Efficiency Ratio), az LTV (élettartam-érték) és a Blended ROAS állnak.
- Időtáv: Havi és negyedéves összehasonlítások.
- Fő KPI-ok: Teljes marketing költés (Google + Meta + TikTok + egyéb), Teljes realizált nettó árbevétel (számlázási rendszerből vagy GA4 purchase eseményből, szűrve a törölt és visszárus tranzakciókra), Blended ROAS, blended CPA.
- Vizualizáció: Nagyméretű pontozótáblák (scorecards) és egyetlen, trendvonalas grafikon, amely a költés és a nettó bevétel arányát ábrázolja az időben.
2. A Marketing Manager / E-commerce Director Dashboard (A "Taktikai" nézet)
Ez a felület a napi kapcsolattartónak készül. Neki látnia kell, hogy az egyes csatornák hogyan teljesítenek egymáshoz képest, hol csúszik el a büdzsé, és mely kampánytípusok (pl. Google Performance Max vs. Meta Advantage+ Shopping) hozzák a legjobb eredményt.
- Időtáv: Heti és havi nézet.
- Fő KPI-ok: Csatornánkénti ROAS, kosárérték (AOV), új vs. visszatérő vásárlók aránya, landing page konverziós arány (CR), assisted konverziók száma.
- Vizualizáció: Csatorna-összehasonlító táblázatok feltételes formázással (hőtérkép), tölcsér-diagramok az e-commerce checkout folyamatról.
3. A PPC Specialist / Operatív Dashboard (A "Diagnosztikai" nézet)
Ez az a munkalap, amit az ügyfélnek meg sem kellene mutatni, mert csak összezavarja. Ez az ügynökségi PPC specialista belső játszótere, ahol a hibákat detektálja.
- Időtáv: Napi és heti bontás.
- Fő KPI-ok: Search Lost IS (budget/rank), CTR trendek, hirdetés-relevancia mutatók, PMax termékszintű teljesítmény (zombi termékek aránya), Meta ad set szintű frekvencia.
- Vizualizáció: Részletes, szűrhető táblázatok, scatter plotok (szórásdiagramok) a CPC és konverziós arány összefüggéseiről.
---
Adatforrások és az "Single Source of Truth" illúziója
A Looker Studio natív Google-konnektorai ingyenesek, de veszélyes csapdát jelentenek. Ha közvetlenül kötjük be a Google Adset és külön a GA4-et, elfelejthetjük az adatok konszolidációját. A valódi, professzionális riportáláshoz elengedhetetlen egy köztes adattárház (Google BigQuery) vagy egy megbízható middleware használata.
```
[Google Ads] \
[Meta API] ---> [Supermetrics / Windsor.ai] ---> [Google BigQuery] ---> [Looker Studio]
[Shopify/ERP]--> /
```
Miért kötelező a Google BigQuery integráció?
A GA4 API kvótakorlátai (API quota limits) miatt a közvetlen GA4-Looker Studio kapcsolatok napi szinten omlanak össze, "Quota Error" hibaüzenetet dobva az ügyfélnek. Ez egy havi 300 000 HUF-os ügynökségi díjnál megengedhetetlen presztízsveszteség. A megoldás az ingyenes GA4-BigQuery export beállítása. Az adatok lekérdezése Looker Studióban így nem közvetlenül a GA4 API-ból történik, hanem a BigQuery táblákból, ami:
- Villámgyors betöltést eredményez: a dashboard nem 45 másodpercig töltődik, hanem 2 másodperc alatt.
- Kiküszöböli a mintavételezést (sampling): a valós, nyers adatokat látjuk.
- Hosszú távú adattárolást biztosít: a GA4 alapértelmezett 14 hónapos adatmegőrzési korlátja megkerülhető.
A Meta Ads és egyéb nem-Google adatok integrációja
A magyar piacon elterjedt gyakorlat, hogy a Meta Ads adatokat ingyenes, instabil Google Sheets-alapú manuális copy-paste módszerekkel vagy kétes hátterű, ingyenes bővítményekkel húzzák be. Ezzel szemben egy skálázható ügynökségnek be kell fektetnie olyan fizetős csatlakozókba, mint a Supermetrics, a Windsor.ai vagy a Power My Analytics. Egy 20 ügyfelet kiszolgáló magyar ügynökségnek ez havi 40 000 - 80 000 HUF költséget jelent, ami bérköltségben azonnal megtérül, amint kalkuláljuk, hogy egy senior PPC-s óradíja ma már minimum 15 000 - 25 000 HUF.
---
Valós magyar esettanulmány: A 200M HUF-os elektronikai webshop esete
Nézzük meg egy valós, hazai piacon működő, fogyasztói elektronikát értékesítő webshop példáját. Az éves árbevételük 200 millió HUF (átlagosan havi 16,6 millió HUF).
A webshop havi marketing költségvetése 2 500 000 HUF, amely így oszlott meg:
- Google Ads: 1 800 000 HUF
- Meta Ads: 700 000 HUF
A régi, félrevezető riportálás módszere
Az ügynökség korábban klasszikus Looker Studio sablont használt, amely a Google Ads saját konverziós pixelét és a Meta SDK adatait mutatta egymás mellett.
| Csatorna | Riportált Költés | Riportált Bevétel | Riportált ROAS |
| :--- | :--- | :--- | :--- |
| Google Ads | 1 800 000 HUF | 9 000 000 HUF | 5.0 |
| Meta Ads | 700 000 HUF | 4 200 000 HUF | 6.0 |
| Összesen | 2 500 000 HUF | 13 200 000 HUF | 5.28 |
A probléma: A tulajdonos a bankszámlát ellenőrizve látta, hogy a teljes havi nettó árbevétel valójában csak 14 100 000 HUF volt (organikus kereséssel, hírlevelekkel és közvetlen látogatásokkal együtt). Ha a két hirdetési rendszernek elhinnénk a 13,2 milliós bevételt, akkor az összes többi csatorna mindössze 900 000 HUF-ot hozott volna, ami teljességgel irreális.
Mi történt? Duplikált konverziós mérés. Egy vásárló hétfőn kattintott egy Meta hirdetésre, szerdán keresett a Google-ön egy márkaneves kifejezésre, majd vásárolt 50 000 HUF értékben. Mind a Meta, mind a Google Ads saját magának tulajdonította a teljes 50 000 HUF-ot. Az ügynökség büszkén prezentálta az 5.28-as ROAS-t, miközben a valós, üzleti szintű hatékonyság sokkal alacsonyabb volt.
Az új, háromdimenziós Blended Dashboard megoldása
Az ügynökség átalakította a Looker Studio struktúrát. Bevezették a Blended Marketing Metrics formulákat, amelyek a teljes költést viszonyítják a GA4-ben tisztított, illetve az ERP-ből (Billingo API-n keresztül Google Sheets-be, majd onnan Looker-be behúzott) ténylegesen kifizetett rendelésekhez.
A dashboardon létrehoztak egy egyedi kalkulált mezőt:
$$\text{Blended ROAS} = \frac{\text{ERP Valós Nettó Árbevétel}}{\text{Google Ads Költés} + \text{Meta Ads Költés}}$$
A Looker Studio kalkulált mező képlete (ha Google Sheets-ből dolgozunk):
```sql
SUM(Valós Nettó Bevétel) / (SUM(Google Spend) + SUM(Meta Spend))
```
Az új dashboard által feltárt valóság:
- Valós ERP nettó bevétel: 14 100 000 HUF
- Összes hirdetési költés: 2 500 000 HUF
- Valós Blended ROAS: 5.64
- Valós POAS (Profit on Ad Spend): Az elektronikai cikkek átlagos árrése ezen a shopon 30%.
Nettó árrés tömeg:* $14 100 000 \times 0.3 = 4 230 000 \text{ HUF}$
POAS (Árrés / Költés): $4 230 000 / 2 500 000 =$ $1.69$*
Saját szakmai vélemény: Ha a POAS értéke 1.0 alatt van, a webshop konkrétan veszteséget termel minden egyes eladással. Ha 1.0 és 2.0 között van, akkor éppen csak fedezi a működési költségeket (bérlet, csomagolás, logisztika, ügynökségi díj). Egy magyar PPC ügynökségnek bűn elhallgatnia a POAS mutatót az ügyfele elől. Az, hogy a Google Ads fiókban zölden világít egy 6-os ROAS, semmit nem ér, ha a tulajdonos a hó végén nem tud fizetést osztani. Az új dashboard bevezetése után az ügynökség azonnal leállította a legkisebb árrésű, de magas konverziós számot produkáló termékek hirdetését, és a fókuszt a magasabb (45-50%-os) árrésű kategóriákra helyezte át. Az eredmény: a bevétel enyhén csökkent (13,1 millióra), de a realizált nettó nyereség 42%-kal nőtt.
---
Gyakori hibák: Mit NE csinálj a Looker Studio dashboardoddal
A hazai ügynökségi gyakorlatot vizsgálva három olyan kritikus hiba rajzolódik ki, amelyeket azonnal fel kell számolni a professzionális működés érdekében.
1. A "Színorgia" és a kognitív túlterhelés
Sok PPC-s dizájn-versenynek tekinti a dashboardot. Egymás mellett szerepel a kék, piros, zöld, sárga, lila szín, minden scorecard alatt ott virít egy értelmezhetetlen mini-diagram (sparkline).
- A hiba: Ha minden ki van emelve, semmi sincs kiemelve. Az ügyfél agya 3 másodperc alatt elfárad, és bezárja a riportot.
- A javítás: Használj monokróm palettát (pl. az ügyfél márkájának színeit sötét és világos árnyalatokban), és kizárólag a negatív anomalitásokat (pl. 15%-nál nagyobb visszaesés) jelöld pirossal, a pozitív kiugrásokat pedig zölddel.
2. A "Google Ads-orientált" szűrés hiánya a GA4 adatokon
Gyakori, hogy a dashboard GA4-es táblázatában a "Session source / medium" dimenziót használják, de nem tisztítják meg a "Google / cpc" forrást.
- A hiba: A Google Ads nem csak keresőhirdetéseket tartalmaz. Ott van a YouTube, a Discovery (Demand Gen), a Gmail és a Performance Max hálózat is. Ha ezeket egy kalap alá vesszük, nem fogjuk látni, hogy melyik kampánytípus hogyan viselkedik a weboldalon.
- A javítás: Használj egyedi regex szűrőket vagy hozz létre kalkulált mezőket a Looker Studióban, amelyek a kampányok megnevezése (naming convention) alapján különítik el például a brand kereső kampányokat a PMax kampányoktól.
3. Az összehasonlító időszakok hiánya vagy rossz megválasztása
Egy szezonalitástól erősen függő magyar piacon (pl. játékok karácsonykor, medencék nyáron) az előző hónaphoz (MoM) való hasonlítás teljesen irreleváns és félrevezető információkat ad.
- A hiba: Ha júliust hasonlítjuk júniushoz egy klímaberendezéseket értékesítő webshopnál, az adatok fantasztikus növekedést fognak mutatni, ami nem az ügynökségi zsenialitás, hanem a kánikula eredménye.
- A javítás: Minden kulcsfontosságú scorecard alatt kötelezően szerepeltetni kell az előző év azonos időszakával (YoY) való összehasonlítást.
---
Akcióterv: Így építsd fel a következő generációs ügynökségi dashboardodat
Ha szeretnéd, hogy az ügynökséged riportjai valóban a legmagasabb szakmai színvonalat képviseljék, hajtsd végre az alábbi lépéseket a következő 14 napban:
- Számolj le a natív API-kkal: Regisztrálj egy Google BigQuery fiókot az ügyfeleidnek, és kapcsold be az ingyenes GA4 napi adatexportot. Ezzel örökre elfelejtheted a Looker Studio kvótahibáit és a lassú betöltést.
- Definiáld az üzleti árrést: Kérd el az ügyféltől a termékkategóriák átlagos árrését (margin %). Ha ezt üzleti titokként kezeli, írass alá vele egy NDA-t – de enélkül ne hajts végre PPC kampányt.
- Hozozd létre a POAS mezőt: Hozz létre egy kalkulált mezőt a Looker Studióban, amely a GA4 vagy az ERP nettó árbevételt megszorozza a megadott árréssel, majd elosztja a teljes hirdetési költéssel.
- Alakíts ki egységes elnevezési rendszert (Naming Convention): A Google Ads és Meta kampányok neveiben mindig szerepeljen a kampány célja (pl. `PROMO_PMax_AllProducts`, `CONV_Meta_Advantage_Prospecting`). Ez lehetővé teszi, hogy a Looker Studióban rugalmas regex szűrőket használj a kampánytípusok automatikus csoportosítására.
- Vezesd be a "Kérdések és Válaszok" struktúrát: Ahelyett, hogy azt írnád a grafikon fölé: "Közvetett és közvetlen konverziók" használj közérthető kérdéseket: "Mely csatornák indítják el a vásárlói utat, és melyek zárják le?"
- Automatizálj e-mail riportokat: Állíts be havi egyszeri, automatikus PDF-kiküldést a Looker Studióból közvetlenül az ügyfél döntéshozóinak, de szigorúan csak a C-Level (Executive) egyoldalas verzióból. A részletes riportot tartsd meg a havi személyes vagy online konzultációkra, ahol te magad magyarázod el a kontextust.
- Mérd a dashboard használatot: Helyezz el egy Google Analytics követőkódot magában a Looker Studio dashboardban. Így pontosan látni fogod, hogy az ügyfeleid valójában hányszor nyitják meg a riportot, és melyik oldalakat nézik meg. Ha azt látod, hogy egy ügyfél 30 napja meg sem nyitotta a felületet, ott ideje egy proaktív hívásnak, mielőtt elégedetlenség miatt felmondaná a szerződést.
