Raport wyszukiwanych haseł w Shopping, którego Google ci nie da

Klient zadał mi kiedyś pytanie, które powinno mieć odpowiedź na jedno kliknięcie. Ktoś wpisał „odkurzacz bezprzewodowy do 200”, kliknął reklamę Shopping, a konto za to zapłaciło. Na którym z 5 000 produktów w feedzie wylądowało to kliknięcie? Otworzyłem raport wyszukiwanych haseł, potem raport produktów, i nie dało się ich połączyć. Nadal się nie da. Google pokazuje ci zapytanie i pokazuje ci produkt, ale nigdy razem.

Lata temu dokładnie to parowanie dawało stare AdWords API. Potem po cichu zniknęło i żadne ustawienie, żaden raport, żadne pole API go nie przywróci. Dla sklepu internetowego to nie jest kosmetyczna luka. Powiązanie zapytania z produktem to miejsce, gdzie żyje prawdziwa optymalizacja: to ono mówi ci, czy twoje tytuły pasują do realnego popytu, które produkty ściągają śmieciowy ruch i dlaczego produkt dostaje kliknięcia, ale nigdy nie konwertuje.

Dwanaście lat budowania na Google Ads API nauczyło mnie, że raport, który Google wycofa, już nie wraca. Więc odbudowałem go sam, a odbudowa jest niemal żenująco prosta. Jeden parametr URL. W ciągu tygodnia GA4 oddaje ci każde płatne kliknięcie sparowane jako zapytanie × produkt, z sesjami, konwersjami i przychodem w komplecie. Budowa zajmuje minuty; reszta tego artykułu jest o tym, co robisz z tym, co wraca.

Rozwiązanie: jeden parametr, dwa wymiary GA4

Auto-tagowanie i ręczny UTM nie walczą ze sobą. Gclid nadal obsługuje źródło, medium i kampanię; twój UTM niesie tylko ID produktu.

Wiedz, co dostajesz (i czego nie)

Wyciąganie raportu z GA4

W interfejsie GA4 otwórz Eksplorację i zbuduj tabelę w formacie dowolnym. Wymiary to Treść reklamy z ręcznego tagowania (sesja) i Zapytanie Google Ads (sesja). Dane to sesje, zdarzenia kluczowe (dawniej konwersje) i przychody z zakupów. Ustaw filtr wymiaru Źródło / medium sesji na wartość google / cpc.

Do czegokolwiek poważnego będziesz chcieć Data API, bo miejsce tego raportu jest w dashboardzie albo w złączeniu w BigQuery, a nie w karcie przeglądarki:

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import (
    RunReportRequest, DateRange, Dimension, Metric, FilterExpression, Filter
)

request = RunReportRequest(
    property=f"properties/{GA4_PROPERTY_ID}",
    dimensions=[
        Dimension(name="sessionManualAdContent"),  # product ID
        Dimension(name="sessionGoogleAdsQuery"),    # search term
    ],
    metrics=[
        Metric(name="sessions"),
        Metric(name="keyEvents"),
        Metric(name="purchaseRevenue"),
    ],
    date_ranges=[DateRange(start_date="30daysAgo", end_date="today")],
    dimension_filter=FilterExpression(filter=Filter(
        field_name="sessionSourceMedium",
        string_filter=Filter.StringFilter(value="google / cpc"),
    )),
)

Połącz sessionManualAdContent ze swoim feedem produktowym (id → tytuł, cena, kategoria) i raport jest kompletny. Zapytanie, produkt, tytuł, konwersje i przychód w jednej tabeli.

Zweryfikowane, nie wymyślone

Wdrożyliśmy to na aktywnym koncie czeskiego sprzedawcy elektroniki z 22 włączonymi kampaniami Shopping. Siedem dni później sprawdziłem GA4:

Teraz zabawna część: co mówią ci te pary

1 · Luka w tytule

Zestaw każde zapytanie z tytułem i opisem produktu, który wyświetlił się przy tym zapytaniu. Niedopasowanie wyskakuje samo:

Roadmapa feedu pisze się sama. Ostatnie dwa lata budowałem narzędzie AI do wzbogacania feedów i jeśli mam być szczery, słabością całej tej kategorii jest udowadnianie wpływu. Ten raport to naprawia. Przepisz tytuł tak, żeby pasował do popytu, który właśnie udowodniłeś, a potem patrz, jak CTR i współczynnik konwersji ruszają się per zapytanie. Wzbogacanie feedu przez AI przestaje być czymś, co bierzesz na wiarę, i staje się mierzalną pętlą.

2 · Kto jeszcze jest na „twoim” zapytaniu i z jakim produktem

Wykluczających słów kluczowych per produkt dodać nie możesz. Google nie daje ci takiej dźwigni w kampaniach Shopping ani PMax. Więc kiedy para zapytanie × produkt nie dowozi, pytanie o to, jak ją wykluczyć, prowadzi donikąd. Produktywne pytanie to, dlaczego nie dowozi.

Weź zapytanie i zescrapuj dla niego aktualną stronę wyników. Korzystam z endpointu serp/google/organic/live/advanced dostępnego w DataForSEO. Jeden POST z treścią zapytania i location_code twojego rynku zwraca całą stronę wyników jako ustrukturyzowany JSON: płatne reklamy, bloki shopping z nazwami sprzedawców i cenami oraz wyniki organiczne pod spodem. DataForSEO rozlicza się per SERP, a jeden SERP obejmuje do 10 wyników. Przy obecnej cenie bazowej około 0,002 $ za SERP sprawdzenie 200 zapytań o domyślnej głębokości kosztuje jakieś 0,40 $, nie licząc płatnych parametrów zaawansowanych.

Typowe znalezisko. Twój śpiwór ze średniej półki zbiera kliknięcia na ogólnym zapytaniu, a to samo zapytanie pokazuje trzy budżetowe marki z tej samej kategorii za połowę twojej ceny. Produkt jest w porządku. Cena przegrywa tę konkretną aukcję.

Teraz masz realne opcje. Zmień cenę. Wepchnij wyróżnik w tytuł („wypełnienie puchowe, komfort −15 °C”). Przenieś produkt do kampanii ze strategią ustalania stawek pasującą do realiów jego marży. Albo przyjmij zapytanie jako górę lejka i oceniaj je po metrykach wspomaganych zamiast po ostatnim kliknięciu.

3 · Decyzje o strukturze i stawkach

Produkty przyciągające zapytania o wysokiej intencji zasługują na własne grupy zasobów i budżety. Produkty zbierające tylko ogólny ruch należą do zbiorczych grup z konserwatywnymi celami. Ten raport stawia segmentację Shoppingu na dowodach zamiast na przeczuciu.

4 · Badanie kondycji PMaxa

PMax nie mówi ci o wyszukiwaniu prawie nic. Ten raport jest najbliższy audytowi, jaki dostaniesz: dla każdego produktu widzisz, co PMax faktycznie kupuje dla ciebie w wyszukiwarce.

Przejdę z tobą przez jeden realny eksport, krok po kroku

Wszystko powyżej było o tym dlaczego. Teraz przychodzi jak: co pobierasz, na co patrzysz i jaka realna liczba z tego wychodzi.

Dane w tej sekcji pochodzą z drugiego konta, które należy do średniej wielkości czeskiego sklepu internetowego w segmencie tanich produktów. To nie jest sklep z elektroniką z ramki GA4 powyżej. Wybrałem ten sklep, ponieważ jego katalog jest na tyle szeroki, że każdy wzorzec widać w pełnej skali. Wyciągnąłem jego surowy raport wyszukiwanych haseł Shopping przez Google Ads API do lokalnej tabeli SQLite i puściłem na nim poniższe agregacje. Jedno zastrzeżenie na start. Surowy raport daje ci grupę reklam albo grupę produktów, pod którą zapytanie zostało wyświetlone, nie pojedynczy produkt. To dokładnie ta luka, którą zamyka sztuczka z UTM. Ale nawet na poziomie grupy produktów poniższe liczby wyraźnie pokazują, na co faktycznie idą pieniądze.

Źródło każdej liczby w tej sekcji: raport wyszukiwanych haseł Shopping (Google Ads), jedno średniej wielkości czeskie konto sklepu internetowego, ~22,6 mln wierszy, dane wyciągnięte w kwietniu 2026. Kwoty przeliczone z CZK po kursie ~25 CZK/EUR.

Krok 1 · Wyciągnij surowy raport i zmierz stos

Wyeksportuj raport wyszukiwanych haseł Shopping przez Google Ads API (search_term_view) do dowolnego systemu obsługującego GROUP BY, na przykład SQLite albo BigQuery. Zanim cokolwiek złączysz albo odfiltrujesz, puść zwykłe COUNT(*) i parę SUM-ów. Musisz poczuć, jak duży i jak zaszumiony jest surowy stos, bo ten jeden fakt resetuje każde oczekiwanie, które przyjdzie potem:

22,6 miliona wierszy, 5,4 miliona unikalnych zapytań. Tego nikt nie czyta. Te dwie liczby mają jedno zadanie: pokazać, że ręczna analiza każdego wiersza nie wchodzi w grę. Jedynym wyjściem jest zagregowanie całego stosu według wymiaru, który płaci rachunki.

Krok 2 · Wyrzuć 96% zanim cokolwiek przeanalizujesz

Policz wiersze z zerem kliknięć, potem je odfiltruj. Raport wyszukiwanych haseł Shopping loguje każde zapytanie, na które twoja reklama się pokazała. W większość z tych zapytań nikt nigdy nie kliknął. Wiersze z samymi wyświetleniami nie mogą cię nic kosztować i nie mogą skonwertować. To szum, przez który tabela wygląda przerażająco.

WHERE clicks > 0 zwija tabelę do 738 444 wierszy, rozmiaru, na którym da się realnie pracować.

96,7% przerażającej liczby nigdy nie było niczym innym niż szumem. Filtruj do klikniętych wierszy, zanim cokolwiek przeanalizujesz, a każda poniższa agregacja będzie działać na części, która faktycznie wydaje pieniądze.

Krok 3 · Zadaj jedno pytanie, które zmienia twoje spojrzenie na konto

Podziel kliknięte wiersze na dwie kategorie: „co najmniej jedna konwersja” i „zero konwersji”. Następnie zsumuj koszt każdej kategorii. To ten podział zamienia „konto jest okej, ROAS 6,8” w „większość budżetu nie robi nic”. Policz go przed jakimkolwiek pomysłem na optymalizację:

85% budżetu przepłynęło przez kombinacje zapytanie × grupa produktów, które ani razu nie skonwertowały.

To nie jest błąd zaokrąglenia, który zoptymalizujesz później. To największy problem tego konta. I mogłeś to zobaczyć tylko dlatego, że zwinąłeś każde zapytanie do grupy produktów, pod którą je wyświetlono.

Krok 4 · Sprawdź, czy marnotrawstwo to sprawka kilku łotrów, czy całego tłumu

Posortuj kliknięte wiersze po koszcie, weź górny 1% i górne 10% i zmierz, jaki udział całkowitych wydatków trzymają. To decyduje o twojej taktyce. Jeśli garść haseł przepala budżet, pauzujesz je i koniec. Jeśli marnotrawstwo jest rozsmarowane cienko, pauzowanie haseł nic nie daje i potrzebujesz poprawek strukturalnych:

Marnotrawstwo jest rozsmarowane cienko. Górny 1% kosztownych wierszy to ledwie jedna dziesiąta wydatków, więc pauzowanie 20 złych haseł nic nie zmienia. Zamiast gonić pojedyncze zapytania, napraw strukturę: zdecyduj, który produkt trafia do której kampanii i z jakim celem. I pamiętaj, że Google i tak nie pozwoli ci dodać wykluczenia per produkt.

Krok 5 · Dowiedz się, dlaczego długi ogon przecieka: jedno zapytanie, wiele produktów

Dla każdego wyszukiwanego hasła policz, pod iloma różnymi grupami produktów zostało wyświetlone. To wyjaśnia marnotrawstwo mechanicznie. Shopping dopasowuje zapytanie do sygnałów całego twojego feedu, nie do trafności jednego produktu. Pojedyncze zapytanie przecieka do niepowiązanych zakątków katalogu, a ty płacisz za każde pudło.

Konkretny przypadek z konta. Zapytanie „urządzenie antyszczekowe” wciąż przepalało budżet, więc puściłem na nie COUNT(DISTINCT ad_group). Zapytanie wyświetlono w 139 różnych grupach reklam i produktów. Łączny koszt wyniósł 39 €, a konwersji było praktycznie zero. Zapytanie „lego technic” wyświetlono w 300 różnych grupach reklam i produktów.

Prawie połowa zapytań jest rozsmarowana po wielu grupach produktów, a najgorsze sięgają tysięcy. Stąd bierze się hamulec zerowej konwersji z kroku 3. I to jest dokładnie ta rzecz, którą wreszcie widzisz, gdy każde kliknięcie niesie ID swojego produktu.

Krok 6 · Przyjrzyj się najgorszym niedopasowaniom, bo są absurdalne

Wyciągnij najkosztowniejsze wiersze, które nigdy nie skonwertowały, i przeczytaj zapytanie obok grupy produktów, pod którą je wyświetlono. Liczby zagregowane pokazują skalę problemu. Te trzy wiersze pokaż szefowi:

Zapytanie „obroża treningowa dla psa” zostało wyświetlone pod grupą Torebki. Zapytanie „urządzenie antyszczekowe” zostało wyświetlone pod grupą Artykuły dla dzieci. Grupa produktów nie ma nic wspólnego z zapytaniem. Google dopasował zapytanie do zgrubnych sygnałów feedu, zebrał kliknięcie i obciążył konto. Z zapytaniem × produktem widzisz to jednym spojrzeniem; ze standardowym raportem Google nigdy. (Kategorie przetłumaczone i zanonimizowane.)

Krok 7 · Teraz wypłata: te 0,25%, które płaci za całe konto

Odwróć krok 3. Wyizoluj tylko wiersze, które skonwertowały, i zsumuj ich koszt i przychód. To jest powód, dla którego całe ćwiczenie ma znaczenie. Gdy potrafisz oddzielić zwycięzców od hamulca, chronisz zwycięzców i głodzisz resztę.

Ćwierć procenta wierszy działa z ROAS 46,8× i faktycznie niesie całe konto. Pozostałe 99,75% ciągnie mieszaną liczbę w dół do 6,8×. Cała robota polega na tym, żeby znaleźć te 0,25% wierszy, ochronić budżet tego segmentu i przebudować całą resztę tak, aby przestała konkurować o te same pieniądze. Nic z tego nie zadziała, dopóki każdy wiersz nie wskaże produktu, którego reklamę kliknięto. Tę informację daje tylko parametr utm_content={product_id}, który ustawiłeś na początku.

FAQ

CTA: Które z twoich produktów zarabiają na swoje kliknięcia, a które tylko wystawiają ci rachunek? Dodaj parametr dziś, a za tydzień będziesz wiedzieć. Albo podeślij mi swoje konto i przeczytamy ten raport razem.