Kolik korun se firmě vrátí za každou korunu vloženou do reklamy na Facebooku nebo Googlu? Odpověď na tuto zdánlivě jednoduchou otázku zná ve skutečnosti jen zlomek marketérů, kteří s online reklamou pracují. Podle odhadů tuzemských marketingových agentur si přesnou návratnost investic dokáže spočítat méně než polovina firem inzerujících na internetu – zbytek se spokojí s odhady, dojmy nebo metrikami, které nic nevypovídají o skutečném byznysovém přínosu.
ROAS a ROI nejsou totéž
Základní chybou, se kterou se marketéři i majitelé firem setkávají nejčastěji, je zaměňování dvou pojmů – ROAS a ROI. ROAS, tedy Return on Ad Spend, ukazuje poměr tržeb k výdajům na reklamu. Pokud firma investuje do kampaně deset tisíc korun a získá tržby ve výši padesáti tisíc, ROAS činí 500 procent, respektive poměr 5:1. Tato metrika ale nezohledňuje náklady na zboží, marži, provozní výdaje ani další faktory ovlivňující ziskovost.
ROI, Return on Investment, jde o úroveň dál – počítá s čistým ziskem, nikoli s hrubými tržbami. Firma s vysokým ROAS může mít při nízké marži ve skutečnosti ztrátovou kampaň. Typickým příkladem jsou e-shopy s elektronikou, kde marže dosahují jednotek procent. Kampaň s ROAS 400 procent tam může být ekonomicky nevýhodná, zatímco u obchodu s ručně vyráběnými šperky s marží 70 procent by stejné číslo znamenalo výrazný zisk.
Jak se ROI skutečně počítá
Vzorec pro výpočet ROI zní: (zisk minus náklady) děleno náklady, výsledek se vynásobí stem, aby vyšlo procento. Zisk se počítá z tržeb po odečtení nákladů na zboží, dopravu, případné reklamace a další provozní výdaje spojené s prodejem. Náklady zahrnují nejen samotnou investici do reklamy, ale často i práci agentury, čas interního týmu nebo náklady na tvorbu kreativních podkladů.
V praxi se často stává, že firma sleduje pouze výdaje na Facebook Ads nebo Google Ads, aniž by do kalkulace zahrnula honorář agentury nebo mzdové náklady na správu kampaní. Výsledné číslo pak vypadá lépe, než ve skutečnosti je. Odborníci na performance marketing doporučují do nákladové strany počítat všechny výdaje, které s kampaní přímo souvisejí – jinak jde o zkreslený, přehnaně optimistický obrázek.
Atribuce: problém, který se neřeší jednoduše
Druhým velkým tématem je atribuce, tedy určení toho, které reklamě se má přiřadit zásluha za konverzi. Zákazník dnes běžně narazí na reklamu na Instagramu, o pár dní později klikne na výsledek ve vyhledávání Google a nakonec dokončí objednávku po kliknutí na e-mailový newsletter. Které z těchto kanálů si mají připsat konverzi?
Modely atribuce se liší. Model poslední interakce přiřadí celou zásluhu poslednímu kanálu, se kterým zákazník před nákupem interagoval – v uvedeném příkladu tedy e-mailu, přestože bez reklamy na Instagramu by se zákazník o produktu vůbec nedozvěděl. Model první interakce postupuje opačně, zásluhu dostane první kontaktní bod. Existují i lineární modely, které rozdělí zásluhu rovnoměrně mezi všechny kanály, nebo pokročilejší algoritmické modely využívající strojové učení.
Zde se zdroje rozcházejí v tom, který model je „nejsprávnější“ – jednoznačná odpověď totiž neexistuje. Google Analytics 4 pracuje s jiným výchozím modelem než nástroje Meta Business Suite, což vede k situaci, kdy se čísla o výkonu téže kampaně v různých platformách výrazně liší. Firma tak může vidět v Meta reportech ROAS 600 procent, zatímco Google Analytics ukazuje podstatně nižší hodnotu pro tutéž kampaň ve stejném období.
Situaci dále komplikuje nástup ochrany soukromí. Apple s iOS 14.5 zavedl systém App Tracking Transparency, který zásadně omezil možnosti sledování uživatelů napříč aplikacemi. Podobně Google postupně omezuje cookies třetích stran v prohlížeči Chrome. Přesná čísla o dopadu těchto změn na měření výkonu reklamy se liší podle zdroje, ale shoda panuje v tom, že spolehlivost trackování klesla řádově o desítky procent u kampaní zaměřených na mobilní aplikace.
Multi-touch versus single-touch atribuce
Pokročilejší firmy proto přecházejí na multi-touch atribuci, která se snaží zohlednit celou cestu zákazníka, nikoli jen poslední nebo první krok. Taková analýza ale vyžaduje kvalitní datovou infrastrukturu, propojení CRM systému s reklamními platformami a často i nasazení specializovaného software, jako je Triple Whale, Northbeam nebo Hyros. Menší firmy si takové řešení často nemohou dovolit, a to jak finančně, tak z hlediska technické kapacity.
Co dělat, když data nejsou úplná
Doporučuje se kombinovat několik zdrojů dat najednou a nespoléhat se na jediné číslo z jediné platformy. Vhodné je sledovat nejen platformní reporty, ale i celkový vývoj tržeb v čase, takzvaný holdout test, kdy se reklama v určitém regionu nebo segmentu na čas vypne a sleduje se rozdíl v tržbách oproti oblastem, kde kampaň běží dál. Tato metoda, byť náročnější na realizaci, dává mnohem realističtější představu o skutečném přínosu reklamy než pouhé sledování kliknutí a konverzí v rozhraní Ads Manageru.
Běžný scénář vypadá takto: střední e-shop s obratem kolem dvaceti milionů korun ročně investuje měsíčně do PPC kampaní stovky tisíc korun. Report z Google Ads ukazuje ROAS 450 procent, což vypadá jako výborný výsledek. Po zohlednění marže, náhodných prodejů, které by proběhly i bez reklamy, a nákladů na správu kampaní se skutečná návratnost investice propadne na výrazně nižší číslo, v některých případech i pod hranici rentability. Bez hlubší analýzy by firma pokračovala v investování do kampaně, která ve skutečnosti generuje ztrátu.
Dalším faktorem, který se do výpočtů ROI často nezahrnuje, je hodnota zákazníka v čase – takzvaný customer lifetime value. Zákazník získaný prostřednictvím reklamy nemusí generovat zisk při první objednávce, ale při opakovaných nákupech v následujících měsících se investice do jeho akvizice může vrátit mnohonásobně. Firmy, které počítají ROI pouze na základě první transakce, tak systematicky podhodnocují skutečný přínos reklamních kampaní zaměřených na akvizici nových zákazníků.
Nástroje a jejich limity
Na trhu existuje řada nástrojů pro měření výkonu reklamy – od bezplatného Google Analytics 4 přes Meta Pixel a Conversions API až po komplexní business intelligence platformy jako Power BI nebo Looker Studio, které umožňují spojit data z více zdrojů do jednoho přehledu. Žádný z těchto nástrojů ale není samospásný. Vždy záleží na tom, jak jsou nastavené konverzní události, zda firma sleduje mikrokonverze i makrokonverze a jak často se data validují proti skutečným účetním výsledkům.
Praxe ukazuje, že firmy, které si nejlépe rozumí návratnosti své reklamy, nejsou nutně ty s nejdražšími nástroji, ale ty, které si pravidelně, třeba jednou za měsíc, porovnávají reklamní reporty s reálnými tržbami z účetního systému. Tento jednoduchý krok odhalí rozpory mezi tím, co ukazuje platforma, a tím, co se skutečně stalo na bankovním účtu firmy.