Problém: Díváš se na ROAS v Google Ads, svítí ti 8:1, a tváříš se spokojeně. Jenže ten dashboard ti dnes lže hned dvakrát — část konverzí vůbec nezměřil (cookie lišta, Safari, blokace GTM) a tu část, co změřil, si nejspíš připisuje i někdo druhý (Sklik, Meta, Microsoft). Číslo v reklamním systému i v GA4 přestalo být pravda. Stalo se z něj odhad — a často špatný.
Posledních pár let se v PPC potichu změnilo něco zásadního: přestali jsme vidět, co se reálně děje. Ne proto, že bychom měřili hůř, ale proto, že prohlížeče, legislativa a uživatelé nám měření systematicky berou. A dokud se na to díváš starýma očima — „kolik mi to ukázalo konverzí“ — vyhodnocuješ kampaně podle čísla, kterému se nedá věřit.
V tomhle článku rozeberu, kolik dat dnes reálně ztrácíme a proč, proč nestačí dívat se ani do reklamního systému, ani do GA4, a hlavně jak vyhodnocovat PPC dnes — přes inkrementalitu, blended pohled a experimenty. A proč to bez otevřenosti klienta nejde.
Obsah
1. Kolik dat dnes reálně ztrácíme (a proč)
Začnu tím nepříjemným. Na běžném klientském setupu (klasický client-side GTM, gtag, Meta pixel) dnes nezměříš zhruba 40–50 % konverzí. Není to číslo z nějaké studie — je to to, co vídám napříč účty, když porovnám, co hlásí systém, s tím, co reálně přistane v účetnictví nebo v CRM.
Skládá se to z několika vrstev, které se navíc kumulují:
- Cookie lišta a odmítnutý souhlas. Uživatel, který v consent banneru klikne „odmítnout“, ti zmizí z analytiky i z reklamních cookies. V Česku to běžně dělá 20–40 % lidí. Tyhle konverze prostě nezměříš — fyzicky se k tobě signál nedostane.
- Safari a ITP. Apple Intelligent Tracking Prevention zkracuje životnost client-side cookies nastavených JavaScriptem na 7 dní (a u návštěv s odkazem z reklamy přes link decoration klidně na 24 hodin). Uživatel, který klikl na reklamu v pondělí a koupil za 10 dní, se tváří jako úplně nový, „organický“ — a tvoje PPC kampaň si zásluhu nepřipíše.
- Firefox a blokace trackerů. Enhanced Tracking Protection ve Firefoxu blokuje známé trackery defaultně. K tomu připočti uživatele s uBlock Origin, Brave a dalšími blokery — u těch se gtag.js, GTM kontejner i fbevents.js často vůbec nenačtou. Ta návštěva ani konverze pro tebe nikdy neexistovala.
- iOS, ATT a in-app. App Tracking Transparency a obecný posun Applu k privacy ti urvou další kus, zvlášť u kampaní, co míří do appek.
Když to sečteš, dostaneš se k tomu, že na klasickém setupu vidíš zhruba polovinu reality. A to jsou čísla z českého trhu — na německy mluvících trzích (DACH), kde je citlivost na soukromí a ochota odmítat souhlas ještě vyšší, bývá ztráta dat zpravidla ještě větší. Pokud cílíš do Německa nebo Rakouska, počítej s tím.
A teď to důležité: ta chybějící polovina není náhodná. Safari uživatelé jsou bonitnější, blokery má technicky zdatnější (a často dražší) publikum. Takže neztrácíš náhodný vzorek — ztrácíš nepoměrně ten lepší segment. Tvoje měřená data jsou nejen děravá, ale i zkreslená.
2. sGTM a custom loader pomůžou — ale zázrak nečekej
Logická reakce je: „nasadíme server-side GTM a vyřešíme to.“ A je pravda, že server-side měření je dnes spíš povinnost než nadstandard. Posune měření z prohlížeče na server, cookies nastavuje server (first-party, delší životnost, ITP se obchází), requesty nejdou na známé tracker domény, takže je blokery tak snadno nechytí. K tomu custom loader (přejmenovaný endpoint, vlastní cesta načítání) a dostaneš se výrazně výš.
Ale tady je ta poctivá pointa, kterou prodejci sGTM neradi říkají: i s perfektním server-side setupem a custom loaderem se pohybuješ pořád někde okolo 30 % ztráty.
Proč? Protože sGTM řeší transportní vrstvu — blokace, krátké cookies, doménové reputace. Neřeší vrstvu souhlasu. Uživatel, který odmítl cookie lištu, ti zůstane neviditelný i přes sebelepší server-side, protože bez souhlasu prostě nesmíš měřit. A to je v Česku pořád velký kus lidí.
Část téhle díry zalepí Consent Mode v2 — Google z agregovaných, neidentifikovatelných signálů domodeluje pravděpodobné konverze i pro uživatele bez souhlasu. Ale „domodeluje“ je klíčové slovo: je to modelovaný odhad, ne změřená realita. A navíc se zapne až nad určitým objemem dat — malé účty z modelování nedostanou skoro nic. (Jak Consent Mode v2 správně nastavit přes GTM, aby aspoň ta část fungovala, jsem rozepsal v samostatném článku.)
Server-side tě dostane z 50% slepoty na 30 %. To je obrovský posun. Ale pořád to znamená, že každá třetí konverze je odhad nebo chybí. Kdo ti tvrdí, že „se sGTM měříš všechno“, buď neměřil, nebo neporovnával s účetnictvím.
Mimochodem, jak vypadá poctivé server-side měření konverzí v praxi, včetně toho, kde to drhne, jsem popsal na příkladu měření rezervací z hotelového systému v tomhle článku.
3. Proč nestačí dívat se na konverze v reklamním systému
Dobře, dat je míň. Ale ten druhý, záludnější problém není v tom, kolik konverzí vidíš — je v tom, že stejnou konverzi vidí víc systémů najednou a každý si ji připíše celou.
Představ si reálnou cestu zákazníka: klikne na Google Search reklamu, o dva dny později ho chytne retargeting na Meta, pak ještě uvidí Sklik a nakoupí. Jedna objednávka. Tři platformy. A každá z nich si tu jednu konverzi započítá jako svou.
Každý reklamní systém má vlastní pixel, vlastní atribuční okno a vlastní logiku „last click v rámci mého kanálu“. Nevědí o sobě. Takže když si otevřeš tři dashboardy a sečteš je, dostaneš nesmysl:
# Co ti hlasi jednotlive dashboardy (soucet je fikce):
Google Ads konverze 100 trzby 800 000 Kc
Meta Ads konverze 60 trzby 350 000 Kc
Sklik konverze 40 trzby 180 000 Kc
----------------------------------------------------
SOUCET konverze 200 trzby 1 330 000 Kc <- duplicitne
# Co rika ucetnictvi (jedina pravda):
Skutecne objednavky 140
Skutecne trzby 920 000 Kc
----------------------------------------------------
Rozdil: 60 konverzi a 410 000 Kc navic = prekryv kanalu
Tohle není chyba v nastavení. Takhle to funguje by design. Každá platforma je optimalizovaná na to, aby si připsala maximum zásluh — protože tak ti dokazuje svou hodnotu. Sečíst ROAS z Adsů, Meta a Skliku a říct klientovi „blended ROAS X“ je proto metodicky špatně. Reálné tržby tolik nejsou.
A nejde jen o vykazování. Pokud každou platformu optimalizuješ na její vlastní reportovaný ROAS, přeceníš překrývající se kanály — typicky naleješ peníze do retargetingu na třech platformách, které se honí za stejným nákupem, a tváříš se, že každá z nich vydělává.
4. Proč nestačí ani GA4
„Tak se podíváme do GA4, to je nezávislé a uvidíme to celé.“ Kéž by. GA4 řeší duplikaci napříč kanály líp než jednotlivé pixely — vidí cestu uživatele přes kanály a default je dnes data-driven atribuce. Ale má dva vlastní háčky.
Háček č. 1 — GA4 měří jen to, co k němu dorazí. Platí pro něj přesně ta samá ztráta dat z první kapitoly. Consent, ITP, blokery — GA4 stejně tak nevidí půlku lidí. Takže „nezávislý“ pohled je nezávislý, ale stejně děravý.
Háček č. 2 — způsob, jakým ho většina lidí čte, je pořád last-click. I když GA4 nabízí data-driven model, drtivá většina reportů a rozhodnutí stojí na posledním (nebo posledním nepřímém) kliknutí. A last-click systematicky přeceňuje spodek trychtýře a podceňuje vršek. Brand search a direct si seberou kredit za nákup, který před týdnem odstartoval generický dotaz, Display nebo prospecting na Meta.
Důsledek je nebezpečný: díváš se do GA4, vidíš, že „prospecting kampaň má hrozný ROAS“, vypneš ji — a za měsíc ti spadne i ten krásný brand search, protože jsi uškrtil to, co poptávku vůbec spouštělo. (Rozepsal jsem to i v článku o tom, proč AI rada bez zkušenosti pošle výkon k šípku — vypnutí „drahé“ klíčovky je přesně tahle past.)
GA4 je skvělý nástroj a do měřicího stacku patří. Ale jako jediný arbitr toho, jestli PPC funguje, neobstojí o nic víc než dashboard v Adsech. Oba ti říkají kus příběhu a oba ten kus podávají zkresleně.
5. Co měřit místo toho: inkrementalita, ne atribuce
Tady je ten posun v myšlení, který musíš udělat. Přestaň se ptát „kolik konverzí mi systém připsal“ a začni se ptát „o kolik víc tržeb / leadů mám díky tomu, že tahle reklama běží.“
Tomu se říká inkrementalita — přírůstek. Není to atribuce (komu připíšeme zásluhu za nákup, který se stejně stal), je to úplně jiná otázka: stal by se ten nákup i bez reklamy? Část ano (loajální zákazník, co by tě našel tak jako tak). Část ne (to je tvůj reálný přínos). A jen ta druhá část je to, za co platíš.
V praxi to znamená dívat se na byznys metriky nad celkovými čísly, ne na platformní dashboardy:
MER (Marketing Efficiency Ratio) = celkove trzby firmy / celkovy marketingovy spend
new-CAC = celkovy spend / pocet NOVYCH zakazniku
prispevek po marzi = (trzby x marze) - spend
- MER / blended ROAS přes celé tržby a celý spend nelže o duplikaci — bere realitu z účetnictví, ne součet pixelů. Když zvedneš spend o 30 % a MER zůstane, škáluješ zdravě. Když MER spadne, doháníš sám sebe.
- new-CAC (náklad na nového zákazníka) tě ochrání před tím, že retargeting recykluje stávající klienty a tváří se jako akvizice.
- Příspěvek po marži je jediné číslo, které zajímá majitele. ROAS 8:1 na produktu s 10% marží je ztráta; ROAS 3:1 na 60% marži je výhra.
A když chceš jít dovnitř kanálů, posílej do systémů skutečnou hodnotu, ne proxy — offline konverze z CRM, hodnotu po vrácení zboží, kvalifikované leady místo všech leadů. Bidding se pak učí na realitě. (Jak jsem napojil Pipedrive na Google Ads a posílal zpátky reálně kvalifikované leady bez placeného konektoru, jsem popsal tady.)
6. Experimenty, které říkají pravdu
Inkrementalitu nevyčteš z dashboardu — musíš ji změřit experimentem. Tady je sada nástrojů od nejjednoduššího po nejtěžší, seřazená podle toho, co reálně utáhne i menší český účet:
1. Blackout / pause test (nejdostupnější). Vypni na 2–4 týdny jednu věc — typicky brand search nebo jednu retargetingovou linku — a sleduj, o kolik reálně spadnou celkové tržby. Když platforma hlásila 80 konverzí měsíčně z brand searche, ale po vypnutí ti celkové tržby klesnou jen o 15 objednávek, právě jsi zjistil, že 65 z těch „konverzí“ by přišlo tak jako tak. To je brutálně cenná informace — a v dashboardu ji nikdy neuvidíš.
2. Geo holdout. Vypni (nebo drž) kanál v části regionů, jinde ho nech běžet, a porovnej byznysový výsledek mezi skupinami. Zlatý standard inkrementality. V Česku má háček velikost trhu — na malý rozpočet je geo granularita hrubá a šum velký — ale u větších účtů přes kraje/města funguje.
3. Conversion Lift / Brand Lift studie. Meta i Google umí randomizovaný holdout (ghost ads) — část publika reklamu nevidí a měří se rozdíl. Metodicky nejčistší, ale v ČR naráží na minimální objemy a rozpočty, takže pro malé účty bývá nedostupné.
4. Spend stepping (poor mans MMM). Měň rozpočet po kontrolovaných krocích nahoru a dolů a sleduj blended výsledek se zpožděním. Není to laboratorní čistota, ale ukáže ti tvar křivky — kde začínáš narážet na strop a další koruna už nepřináší.
Pravidlo nad tím vším je jednoduché: změň jednu věc, drž ostatní, dej tomu čas, čti byznys metriku — ne dashboard. Je to iterativní řemeslo, ne jednorázové nastavení. Stejný princip „testuj po krocích, neřeš dojmy“ platí i mimo PPC.
7. Bez otevřenosti klienta to nejde
A teď proč o tom píšu jako o vztahu, ne jako o technice. Všechno výše vyžaduje, aby ti klient otevřel data a dal důvěru — jinak se vrátíš k vykecanému ROAS v dashboardu, protože nic jiného nemáš.
Konkrétně potřebuju od klienta tři věci:
- Přístup k celkovým číslům. Ne jen k reklamnímu účtu. Celkové tržby, marže, poměr nových vs. vracejících se, telefonické a offline objednávky, kvalita leadů z CRM, ideálně LTV. Bez toho nespočítám MER ani new-CAC a zůstanu slepý úplně stejně jako ten dashboard.
- Povolení experimentovat. Blackout test brand searche na dva týdny zhorší čísla v dashboardu — to je jeho podstata. Když to s klientem nedomluvím dopředu a on třetí den uvidí propad, vypne mi to a celý test je k ničemu. Potřebuju předem odsouhlasený protokol a metriku, na které se hodnotí (celkové tržby, ne konverze v Adsech).
- Trpělivost. Inkrementalita se ukáže v týdnech, ne v denním sloupci ROAS. Klient, který chce každé ráno vidět zelená čísla, mě tlačí přesně k tomu špatnému — optimalizovat na dashboard, ne na byznys.
Ten vztah se posouvá z „ukaž mi ROAS v Adsech“ na „pojďme spolu měřit, jaký má reklama dopad na firmu.“ Je to náročnější na obě strany. Ale je to jediná cesta, jak v roce 2026 vyhodnocovat PPC poctivě — a ne se utěšovat číslem, které nadhodnocuje samo sebe.
Závěr
Vyhodnocovat PPC „podle čísla v dashboardu“ přestalo fungovat. Reklamní systém ti půlku dat nezměří a druhou půlku nadhodnotí duplikací; GA4 měří stejně děravě a čte se last-clickem. Obojí ti říká kus pravdy a ten kus zkresluje.
Tři věci, které si odnes:
- Smiř se s tím, že měříš odhad. I se server-side ti chybí ~30 % a ten zbytek je modelovaný. Kdo tvrdí opak, neporovnával s účetnictvím.
- Vyhodnocuj inkrementalitu, ne atribuci. Blended MER, new-CAC, příspěvek po marži nad celkovými čísly firmy — a reálnou hodnotu posílej zpátky do systémů.
- Pravdu dají jen experimenty. Blackout, geo holdout, lift studie, spend stepping. A ty jdou jen tam, kde ti klient otevře data a dá důvěru.
Jestli tě dashboardy přestaly bavit a chceš vědět, jestli ti PPC reálně přidává tržby, nebo jen recykluje zákazníky, co bys měl tak jako tak — ozvi se. Rád ti ukážu, jak rozdíl mezi „připsanou“ a „přírůstkovou“ konverzí změřit na tvých datech. Přesně tohle rozlišení je dnes ta práce, za kterou klienti platí.
Měříš PPC podle dashboardu, nebo podle tržeb?
FAQ
- Kolik dat dnes reálně ztrácíme při měření PPC? Na běžném client-side setupu zhruba 40–50 % konverzí (consent, Safari ITP, blokace GTM a trackerů). Se server-side GTM a custom loaderem se dostaneš na ~30 %, protože ztrátu z odmítnutého souhlasu žádná technika nedožene — tu jen částečně domodeluje Consent Mode v2.
- Proč nemůžu sečíst ROAS z Google Ads, Meta a Skliku? Protože každá platforma si tu samou konverzi připíše celou. Cesta zákazníka přes tři kanály = tři započítané konverze za jednu objednávku. Součet platformních tržeb je proto vždycky vyšší než realita v účetnictví. Používej blended MER nad celkovými čísly.
- Není data-driven atribuce v GA4 řešení? Pomáhá proti duplikaci napříč kanály, ale neřeší dvě věci: GA4 stejně nezměří lidi bez souhlasu a v blokerech, a většina lidí ho stejně čte last-clickem. Jako jediný arbitr výkonu neobstojí.
- Co je inkrementalita a jak ji změřím? Přírůstek tržeb/leadů díky reklamě — tedy to, co by bez ní nevzniklo (ne to, co systém připíše). Měří se experimentem: blackout/pause test, geo holdout, conversion lift, spend stepping. Dashboard ji neukáže.
- Co je blackout test? Dočasně (2–4 týdny) vypneš jednu kampaň či linku a sleduješ, o kolik reálně klesnou celkové tržby. Rozdíl mezi tím a tím, co platforma hlásila, je míra duplikace a neinkrementality. Pozor — domluv protokol a metriku s klientem předem, propad v dashboardu je očekávaný.
- Proč po mně chceš přístup k celkovým tržbám, ne jen k reklamnímu účtu? Protože reálný přínos PPC se počítá nad byznysem (MER, new-CAC, marže), ne nad pixely. Bez celkových čísel ti spočítám jen ten zkreslený dashboard, který má všechny problémy popsané v článku.