Nasza agencja specjalizuje się głównie w optymalizacji kampanii Meta Ads dla e-commerce, a to case study pokazuje spektakularny przykład jak właściwa segmentacja odbiorców i wykorzystanie unikalnych atutów marki może przełożyć się na wzrost efektywności o 147%. Dzięki strategicznemu podejściu do kreacji wykorzystujących markę osobistą oraz uszczelnieniu lejka sprzedażowego, osiągnęliśmy rezultaty przekraczające oczekiwania klienta.
Z tego artykułu dowiesz się:
- Jak wykorzystać markę osobistą w kampaniach Meta Ads dla branży fashion
- W jaki sposób uszczelnić segmentację odbiorców w długim cyklu zakupowym
- Jakie działania pozwoliły zwiększyć liczbę transakcji o 170% przy niższych kosztach
- Jak eliminować „wyklikiwaczy” i skupić się na jakości ruchu
- Dlaczego spadek CTR może być pozytywnym sygnałem
- Jak wykorzystać retencję do zwiększenia efektywności kampanii
O kliencie – branża fashion premium
Nasz klient to polska marka odzieżowa działająca w segmencie premium, skierowana do majętnych kobiet w wieku 25-55 lat. Jest to marka własna, nie multibrandowy sklep, co daje dodatkowe możliwości budowania unikalnej tożsamości i komunikacji.
Kluczowe cechy biznesu:
- Segment cenowy: Premium (powyżej średniej rynkowej)
- Średnia wartość zamówienia (AOV): Około 540-560 zł
- Grupa docelowa: Świadome zakupowo kobiety z wyższym budżetem na modę
- Unikalny atut: Silna marka osobista właściciela, która buduje zaufanie i autorytet w branży
- Cykl zakupowy: Dłuższy niż w fast fashion – klientki podejmują przemyślane decyzje
Ten profil biznesu ma swoje specyficzne wyzwania w reklamie Meta Ads. Nie walczymy tu o impulsowe zakupy za 50 zł, ale o przemyślane transakcje na kwoty 500-600 zł. To wymaga innego podejścia do komunikacji, budowania zaufania i prowadzenia potencjalnych klientów przez lejek sprzedażowy.
Cele współpracy
Kiedy klient zgłosił się do nas, miał już działające kampanie Meta Ads, które generowały przyzwoite wyniki – ROAS na poziomie 16,52. Dla wielu marek byłby to świetny rezultat. Jednak po wstępnej analizie wiedzieliśmy, że jest duży potencjał do poprawy.
Głównym celem projektu było zwiększenie efektywności kampanii Meta Ads poprzez:
Zwiększenie ROAS przy utrzymaniu lub nieznacznej redukcji budżetu reklamowego
- Nie chodziło o „dolanie budżetu”, ale o mądrzejsze wykorzystanie tego, co już jest
Poprawę jakości ruchu zamiast skupiania się wyłącznie na jego ilości
- Zauważyliśmy, że część grup odbiorców generuje dużo kliknięć, ale niewiele transakcji
Wykorzystanie mocnych stron marki, które nie były wcześniej w pełni eksploatowane
- Silna marka osobista właściciela była niedoceniana w komunikacji reklamowej
Uszczelnienie lejka sprzedażowego dzięki precyzyjnej segmentacji zimnego i ciepłego ruchu
- Długi cykl zakupowy wymagał precyzyjnego docierania do różnych etapów podejmowania decyzji
Obniżenie kosztu pozyskania transakcji przy jednoczesnym zwiększeniu ich liczby
- Kluczowy cel biznesowy – więcej transakcji przy niższych kosztach jednostkowych
Wykorzystanie retencji jako źródła przychodów
- Klienci, którzy już kupili, to „najcieplejsza” grupa – należało ich odpowiednio reaktywować
Case Study
Główne wyzwania
Podczas realizacji projektu zidentyfikowaliśmy następujące wyzwania charakterystyczne dla branży fashion premium:
1. Długi cykl zakupowy w segmencie premium
W przeciwieństwie do fast fashion, gdzie decyzje zakupowe są szybkie i impulsowe, klienci kupujący odzież premium potrzebują więcej czasu. Proces wygląda tak:
- Pierwsza styczność z marką – zainteresowanie, ale brak zakupu
- Rozważanie i porównywanie – klientka wraca, przegląda ofertę, porównuje z innymi markami
- Budowanie zaufania – czyta opinie, sprawdza social media marki
- Decyzja – po kilku, czasem kilkunastu dniach podejmuje decyzję o zakupie
To oznacza, że kampanie muszą „towarzyszyć” potencjalnej klientce przez cały ten proces, dostarczając odpowiednie komunikaty na każdym etapie.
2. Brak wykorzystania marki osobistej
Właściciel marki zbudował silną markę osobistą w branży fashion – ma rozpoznawalność, jest postrzegany jako autorytet, buduje zaufanie. To ogromny atut, szczególnie w segmencie premium, gdzie zaufanie jest kluczowe.
Problem: Kreacje reklamowe w ogóle tego nie wykorzystywały. Były generyczne, mogłyby pochodzić od jakiejkolwiek marki odzieżowej. Traciliśmy największy wyróżnik na rynku.
3. Nieoptymalną segmentację odbiorców
Klient miał wdrożony podział na zimny i ciepły ruch, co teoretycznie było dobrym rozwiązaniem. Problem leżał w szczegółach technicznych.
Co było nie tak:
- Wykluczenia między grupami nie były odpowiednio skonfigurowane
- Grupy odbiorców „przeciekały” – osoba mogła jednocześnie widzieć reklamy dla zimnego i ciepłego ruchu
- Nie uwzględniano długości cyklu zakupowego przy definiowaniu „ciepłego ruchu”
- Brak segmentacji retencyjnej (byli klienci traktowani tak samo jak potencjalni)
Efekt? Algorytm Meta nie miał czystych danych, żeby optymalizować kampanie. Komunikaty nie były odpowiednio dopasowane do etapu lejka.
4. Problemy z jakością ruchu
Niektóre grupy odbiorców generowały wysokie CTR (co na pierwszy rzut oka wyglądało dobrze), ale bardzo niską konwersję. To klasyczny przypadek „wyklikiwaczy” – osób, które klikają w reklamy, ale nie mają zamiaru kupować.
Dlaczego to problem:
- Płacimy za kliknięcia, które nic nie wnoszą
- Zatruwamy dane dla algorytmu Meta (algorytm „uczy się” na złych zachowaniach)
- Psujemy grupy remarketingowe (dodajemy do nich osoby, które nigdy nie kupią)
- Grupy podobnych odbiorców (Lookalike) są budowane na bazie „wyklikiwaczy”
5. Kreacje niedopasowane do etapu lejka
Klient używał podobnych kreacji dla wszystkich etapów lejka sprzedażowego. Osoba, która pierwszy raz słyszy o marce, widziała te same reklamy co ktoś, kto porzucił koszyk z konkretnymi produktami.
Brak różnicowania komunikacji oznaczał niższą skuteczność na każdym etapie – ani nie budowaliśmy efektywnie świadomości marki, ani nie konwertowaliśmy ciepłego ruchu tak dobrze, jak mogliśmy.
Case Study
Stan wyjściowy
Przed rozpoczęciem optymalizacji kampanie klienta generowały następujące wyniki w okresie 2 tygodni (1-15 września):
- ROAS: 16,52
- Unikatowy CTR linku: 3,09%
- Liczba transakcji: 109
- Koszt pozyskania transakcji (CPA): 33,88 zł
- Średnia wartość zamówienia (AOV): 559,54 zł
- Wydana kwota: 3 692,53 zł
- Przychód: 60 990,63 zł
Mimo że na pierwszy rzut oka wyniki wyglądały przyzwoicie (ROAS powyżej 16 to marzenie wielu e-commerce), zauważyliśmy istotne sygnały ostrzegawcze:
Czerwone flagi, które dostrzegliśmy:
Wysokie CTR przy niskim ROAS
- CTR 3,09% jest przyzwoite, ale przy takim AOV (559 zł) ROAS powinien być znacznie wyższy
- To sugerowało problem z jakością ruchu
Relatywnie wysoki koszt pozyskania transakcji
- 33,88 zł za transakcję przy AOV 559 zł daje marżę, ale jest sporo miejsca na optymalizację
Brak wyraźnej strategii w strukturze kampanii
- Kampanie nie miały jasnego podziału na etapy lejka
- Podobne komunikaty dla różnych grup odbiorców
Niewykorzystane atuty marki
- W kreacjach brakowało elementów budujących unikalność i zaufanie
- Marka osobista właściciela była nieobecna
Obszary do optymalizacji, które zidentyfikowaliśmy:
- Uszczelnienie segmentacji – „Dziurawy” podział na zimny i ciepły ruch powodował, że reklamy docierały do nieodpowiednich odbiorców w niewłaściwym momencie
- Wykorzystanie marki osobistej – Największy atut firmy pozostawał w cieniu, podczas gdy mógł być kluczem do wyróżnienia się na rynku
- Eliminacja grup o niskiej jakości ruchu – „Wyklikiwaacze” psuły statystyki i zatruwali grupy remarketingowe
- Dostosowanie kreacji do etapu lejka – Te same komunikaty trafiały do osób, które dopiero poznają markę i tych gotowych do zakupu
- Implementacja strategii retencyjnej – Byli klienci to najłatwiejsze źródło przychodów, a nie byli odpowiednio adresowani
Po zidentyfikowaniu tych obszarów przeszliśmy do opracowania strategii optymalizacji.
Case Study
Nasza strategia optymalizacji kampanii Meta Ads
Po dogłębnej analizie sytuacji wyjściowej stworzyliśmy strategię opartą na trzech kluczowych filarach, dostosowanych do specyfiki branży fashion premium:
1. Wykorzystanie marki osobistej jako głównego wyróżnika
W branży modowej, szczególnie w segmencie premium, zaufanie i relacja z marką są kluczowe. Ludzie nie kupują tylko ubrań – kupują styl życia, wartości, przynależność do pewnej grupy.
Właściciel sklepu zbudował silną markę osobistą w branży fashion. Ma rozpoznawalność, jest postrzegany jako ekspert, buduje zaufanie. To był niedoceniony skarb, który należało wykorzystać.
Dlaczego marka osobista działa w fashion premium?
Buduje zaufanie – Ludzie kupują od ludzi, nie od „sklepów”. Widzenie właściciela marki za produktami buduje autentyczność.
Wyróżnia na rynku – W morzu podobnych ofert, marka osobista jest niekopiowalna. Konkurencja może skopiować produkty, ale nie osobę.
Skraca cykl zakupowy – Jeśli klientka zna i ufa właścicielowi marki, szybciej podejmie decyzję o zakupie.
Zwiększa wartość percepcyjną – Produkty od „znanej osoby z branży” są automatycznie postrzegane jako bardziej wartościowe.
Nasze konkretne działania:
Analiza, które aspekty marki osobistej rezonują najlepiej
- Przeprowadziliśmy research w social mediach, komentarzach, opiniach
- Zidentyfikowaliśmy, co ludzie cenią w właścicielu marki (ekspertyza, styl, wartości)
Stworzenie kreacji „z twarzą” marki
- Kreacje, w których właściciel jest centralnym elementem
- Storytelling pokazujący filozofię marki przez pryzmat osoby
- Autentyczne zdjęcia i nagrania, nie stocki
Dostosowanie tone of voice
- Komunikacja w reklamach brzmi jak od konkretnej osoby, nie od „firmy”
- Osobisty, ciepły ton, ale profesjonalny (pasujący do segmentu premium)
Testowanie różnych formatów
- Zdjęcia z właścicielem w produktach marki
- Short video z opowieścią o filozofii marki
- Kulisy tworzenia kolekcji
- Porady stylingowe od właściciela
Rezultat: Kreacje z marką osobistą osiągnęły znacznie wyższe zaangażowanie i konwersje niż generyczne zdjęcia produktowe.
2. Precyzyjna segmentacja odbiorców i uszczelnienie lejka
Grupa docelowa – majętne kobiety 25-55 lat – to świadomi konsumenci, którzy podejmują przemyślane decyzje zakupowe. W segmencie premium nikt nie kupuje na impuls pierwszego dnia. Kluczowe było dotarcie do nich we właściwym momencie z odpowiednim przekazem.
Problem techniczny: „dziurawy” podział na grupy
Klient miał teoretyczny podział na zimny i ciepły ruch, ale praktycznie grupy się przenikały:
Przed optymalizacją:
- Ktoś, kto odwiedził stronę 3 dni temu, widział reklamy dla zimnego ruchu
- Osoba, która porzuciła koszyk, mogła nadal widzieć reklamy budujące świadomość
- Byli klienci byli traktowani jak nowi odbiorcy
Problem: Algorytm Meta nie miał jasnych sygnałów, kogo ma optymalizować. Wszystko się mieszało.
Nasze rozwiązanie: szczelna segmentacja
Zimny ruch (cold traffic):
- Osoby, które NIE były na stronie w ostatnich 30 dniach
- Lookalike Audience bazujące na Top 10% klientów (według wartości transakcji)
- Wykluczenia: wszyscy, którzy byli na stronie, wszyscy z listy klientów
Komunikacja: Budowanie świadomości marki, pokazanie unikalności, wykorzystanie marki osobistej właściciela. Cel: zainteresować i sprowadzić na stronę.
Ciepły ruch – etap zainteresowania (warm traffic):
- Osoby, które odwiedziły stronę w ostatnich 30 dniach
- Wykluczenia: osoby, które dodały do koszyka, zainicjowały checkout, kupili
- Dodatkowo wykluczeni: zimny ruch (żeby grupy się nie przenikały)
Komunikacja: Pokazywanie konkretnych produktów (katalog dynamiczny), budowanie zaufania przez social proof, zachęcanie do głębszego poznania oferty.
Ciepły ruch – etap rozważania (hot traffic):
- Osoby, które dodały do koszyka LUB zainicjowały checkout w ostatnich 7-14 dniach
- Wykluczenia: osoby, które kupiły w ostatnich 7 dniach
Komunikacja: Konkretne produkty z koszyka, motywacja do dokończenia zakupu (darmowa dostawa, gwarancje), pilność (ograniczona dostępność).
Retencja (past customers):
- Klienci, którzy kupili 30-90 dni temu (analiza pokazała, że to typowy czas powrotu)
- Segmentacja według wartości (VIP klienci osobno)
Komunikacja: Nowości w ofercie, ekskluzywne propozycje dla stałych klientów, program lojalnościowy.
Kluczowe wykluczenia techniczne:
Żeby grupy były naprawdę szczelne, skonfigurowaliśmy precyzyjne wykluczenia:
- Custom Audiences były wzajemnie się wykluczające
- Użyliśmy odpowiednich okien czasowych (np. 30 dni, 7 dni, 90 dni)
- Testowaliśmy, czy wykluczenia faktycznie działają (sprawdzanie nakładania się grup)
Rezultat: Algorytm Meta miał czyste dane do optymalizacji. Każda grupa odbiorców widziała komunikaty dopasowane do swojego etapu w lejku.
Eliminacja „wyklikiwaczy”
Przeanalizowaliśmy, które grupy odbiorców mają:
- Wysoki CTR, ale niski współczynnik konwersji
- Wysoki koszt za transakcję
- Niską wartość koszyka (poniżej średniej AOV)
Wyeliminowaliśmy:
- Szerokie grupy zainteresowań, które przyciągały „gapowiczów”
- Niektóre Lookalike Audience niskiej jakości
- Kampanie na Ruch, które przyciągają słabej jakości odbiorców
To był kluczowy ruch – przestaliśmy płacić za ruch, który nigdy nie skonwertuje. Dlatego CTR spadł, ale ROAS wzrósł dramatycznie.
3. Optymalizacja kreacji pod etap lejka sprzedażowego
Różne etapy lejka wymagają różnych komunikatów i formatów reklamowych. To brzmi oczywiste, ale większość sklepów tego nie robi (używa tych samych kreacji wszędzie).
Nasze podejście do kreacji:
Zimny ruch – budowanie świadomości i zainteresowania:
Format: Zdjęcia lifestyle z marką osobistą właściciela, krótkie wideo storytellingowe
Komunikat:
- „Kim jesteśmy i dlaczego jesteśmy inni”
- Wartości marki, filozofia, unikalność
- Emocjonalny storytelling, nie „sprzedażowe” komunikaty
Przykładowe headline’y:
- „Moda, która opowiada Twoją historię”
- „Odkryj kolekcję stworzoną z pasją do detali”
CTA: Delikatne, zapraszające – „Odkryj kolekcję”, „Zobacz więcej”
Ciepły ruch – etap zainteresowania:
Format: Katalog dynamiczny produktów Meta (DPA – Dynamic Product Ads), karuzele produktów
Komunikat:
- Konkretne produkty, które już przeglądali
- Social proof – „Bestsellery tego sezonu”, „Najczęściej wybierane”
- Szczegóły oferty – jakość materiałów, detale produktu
Przykładowe headline’y:
- „Wróć do produktów, które Cię zainteresowały”
- „Te modele uwielbiają nasze klientki”
CTA: „Kup teraz”, „Dodaj do koszyka”, „Zobacz szczegóły”
Ciepły ruch – etap rozważania (porzucony koszyk):
Format: Dynamiczny katalog pokazujący dokładnie te produkty, które zostawili w koszyku
Komunikat:
- Przypomnienie o produktach w koszyku
- Motywacja do dokończenia zakupu – darmowa dostawa, gwarancje, łatwy zwrot
- Budowanie pilności – „Ostatnie sztuki”, „Produkt czeka na Ciebie”
Przykładowe headline’y:
- „Twój koszyk czeka na Ciebie”
- „Dokończ zakup z darmową dostawą”
- „Te produkty mogą wkrótce zniknąć”
CTA: „Dokończ zakup”, „Wróć do koszyka”
Retencja – byli klienci:
Format: Mix – lifestyle (nowa kolekcja) + dynamiczny katalog (rekomendacje)
Komunikat:
- Ekskluzywność – „Tylko dla naszych klientów”
- Nowości – „Nowa kolekcja już dostępna”
- Personalizacja – „Na podstawie Twoich ostatnich zakupów”
Przykładowe headline’y:
- „Witaj ponownie! Nowa kolekcja na Ciebie czeka”
- „Ekskluzywny dostęp dla stałych klientów”
CTA: „Zobacz nowości”, „Odkryj więcej”
Testowanie i optymalizacja kreacji:
Nie zgadywaliśmy, co zadziała. Testowaliśmy:
- A/B testy różnych formatów (lifestyle vs produktowe)
- Testy różnych komunikatów
- Testy różnych CTA
- Testy z marką osobistą vs bez
Wynik: Kreacje z marką osobistą dla zimnego ruchu miały o 30-40% wyższe zaangażowanie. Katalog dynamiczny dla ciepłego ruchu dał najlepszy ROAS. Komunikaty pilności dla porzuconych koszyków zwiększyły konwersję o 25%.
4. Strategia retencji – wykorzystanie wartości życiowej klienta (LTV)
Oprócz głównych trzech filarów, kluczowym elementem strategii było odpowiednie zaadresowanie byłych klientów.
Analiza cyklu zakupowego:
Przeanalizowaliśmy dane historyczne i odkryliśmy, że:
- Typowy klient wraca po kolejny zakup po 60-90 dniach
- Klienci VIP (wysokie AOV) wracają szybciej – po 45-60 dniach
- Po 120 dniach szansa na powrót dramatycznie spada
Nasza strategia retencyjna:
Segmentacja czasowa:
- 30-60 dni od zakupu: „Wczesna retencja” – delikatne przypomnienie o marce
- 60-90 dni: „Peak retencji” – aktywna kampania z nowościami
- 90-120 dni: „Ostatnia szansa” – mocniejsza motywacja (kod rabatowy, darmowa dostawa)
Segmentacja wartościowa:
- VIP klienci (AOV powyżej 800 zł): Ekskluzywne oferty, wcześniejszy dostęp do nowych kolekcji
- Standardowi klienci: Regularna komunikacja z nowościami
Komunikaty dopasowane do historii zakupów:
- Jeśli kupili sukienki – pokazujemy nowe sukienki
- Jeśli kupili casualowe ubrania – nie pokazujemy eleganckich
Rezultat: Retencja stała się znaczącym źródłem przychodów przy bardzo niskim koszcie pozyskania transakcji (CPA często poniżej 10 zł).
Case Study
Proces wdrożenia
Nasza strategia została wdrożona szybko i systematycznie, co było kluczowe dla utrzymania ciągłości sprzedaży. Nie mogliśmy sobie pozwolić na „wyłączenie wszystkiego i odbudowę od zera” – to działający biznes, który generuje przychody.
Tydzień 1: Audyt i przygotowanie (1-7 września)
Dogłębna analiza dotychczasowej struktury kampanii:
- Przeszliśmy przez każdą kampanię, zestaw reklam i reklamę
- Zidentyfikowaliśmy, które elementy działają, a które nie
- Sprawdziliśmy piksel, konwersje, śledzenie
Mapowanie ścieżki zakupowej:
- Przeanalizowaliśmy dane z Google Analytics i Meta Pixel
- Zidentyfikowaliśmy typową ścieżkę od pierwszego kliknięcia do zakupu
- Sprawdziliśmy długość cyklu zakupowego (ile dni od pierwszej wizyty do zakupu)
Identyfikacja „dziur” w segmentacji:
- Sprawdziliśmy, jak nakładają się grupy odbiorców
- Zidentyfikowaliśmy miejsca, gdzie wykluczenia nie działały poprawnie
- Przygotowaliśmy plan naprawienia segmentacji
Analiza grup odbiorców:
- Które grupy mają wysoki CTR ale niski ROAS
- Które grupy mają najwyższy koszt za transakcję
- Które produkty i kreacje najlepiej konwertują
Przygotowanie nowych kreacji:
- Sesja zdjęciowa z właścicielem marki (marka osobista)
- Przygotowanie nowych tekstów reklamowych dopasowanych do etapów lejka
- Stworzenie różnych wariantów do testów A/B
Tydzień 2: Wdrożenie (8-15 września)
To był kluczowy tydzień – wdrażaliśmy zmiany stopniowo, żeby nie zatrzymać sprzedaży.
Reorganizacja struktury kampanii:
Dzień 1-2: Stworzenie nowych kampanii z podziałem na etapy lejka:
- Kampania „Cold Traffic” – zimny ruch
- Kampania „Warm Traffic – Interest” – odwiedzili stronę
- Kampania „Warm Traffic – Consideration” – porzucone koszyki
- Kampania „Retention” – byli klienci
Dzień 3-4: Konfiguracja grup odbiorców (Custom Audiences):
- Precyzyjne definicje każdej grupy z odpowiednimi oknami czasowymi
- Implementacja wykluczeń technicznych
- Testowanie, czy wykluczenia działają poprawnie
Dzień 5-6: Uruchomienie nowych kreacji:
- Wgranie kreacji z marką osobistą dla zimnego ruchu
- Konfiguracja katalogów dynamicznych dla ciepłego ruchu
- Przygotowanie komunikatów dla porzuconych koszyków
Dzień 7: Eliminacja słabych grup odbiorców:
- Stopniowe ograniczanie budżetu na grupy o niskiej jakości
- Przekierowanie budżetu na nowe, lepiej skonfigurowane kampanie
- Monitoring pierwszych wyników
Kluczowa zasada: Nie wyłączaliśmy wszystkiego naraz. Stare kampanie działały równolegle z nowymi przez pierwsze dni, a my stopniowo przerzucaliśmy budżet tam, gdzie widzieliśmy lepsze wyniki.
Tydzień 3-4: Pierwsza fala rezultatów (16 września – 15 października)
Po wdrożeniu zmian przyszedł czas na monitoring i optymalizację.
Pierwsze 2 tygodnie po optymalizacji (16-30 września):
Już w pierwszych dniach zobaczyliśmy pozytywne sygnały – ROAS zaczął rosnąć, koszt za transakcję spadał. Po 2 tygodniach mieliśmy pełny obraz:
Kluczowe wyniki:
- ROAS wzrósł do 40,79 (+147% vs okres bazowy!)
- Liczba transakcji: 257 (+136% vs 109 w okresie bazowym)
- Koszt pozyskania transakcji spadł do 12,37 zł (-63% vs 33,88 zł)
- Przychód: 129 652,83 zł (+113% vs okres bazowy)
- Wydatki: 3 178,87 zł (-14% vs okres bazowy – nawet niższe!)
Obserwacja: CTR spadł z 3,09% do 2,13%, ale to był pozytywny sygnał. Wyeliminowaliśmy „wyklikiwaczy” – osoby, które klikały, ale nie kupowały. Niższy CTR + wyższy ROAS = lepsza jakość ruchu.
Co działało najlepiej w tym okresie:
- Kreacje z marką osobistą właściciela miały najwyższe zaangażowanie
- Katalog dynamiczny dla ciepłego ruchu generował najwyższy ROAS (często powyżej 50)
- Kampania retencyjna miała najniższy koszt za transakcję (poniżej 10 zł)
- Reklamy dla porzuconych koszyków konwertowały 3x lepiej niż przed optymalizacją
Nasze działania w tym okresie:
- Codzienne monitorowanie wyników
- Szybkie wyłączanie kreacji, które nie działały
- Skalowanie budżetu na kampanie z najlepszym ROAS
- Testowanie nowych wariantów kreacji, które działały
Kolejne 2 tygodnie (1-15 października):
W tym okresie chcieliśmy sprawdzić, czy wyniki się utrzymają, czy to była tylko „szczęśliwa fluktuacja”. Dodatkowo nieznacznie zwiększyliśmy budżet, żeby sprawdzić skalowalność.
Kluczowe wyniki:
- ROAS ustabilizował się na poziomie 38,71 (nadal +134% vs okres bazowy)
- Liczba transakcji: 294 (+170% vs okres bazowy!)
- Koszt pozyskania transakcji: 14,01 zł (-59% vs okres bazowy)
- AOV wzrosło do 542,36 zł (zbliżone do poziomu bazowego 559,54 zł, co jest świetne)
- Przychód: 159 454,67 zł (+161% vs okres bazowy)
- Wydatki: 4 119,13 zł (+11% vs okres bazowy – lekki wzrost budżetu)
Kluczowa obserwacja: ROAS nieznacznie spadł z 40,79 do 38,71, ale to normalne przy skalowaniu budżetu. Nadal jest to wzrost o 134% vs okres bazowy, co jest spektakularnym wynikiem. Liczba transakcji nadal rosła (294 vs 257), co pokazuje, że kampanie są skalowalne.
CTR ustabilizował się na 2,28% – nadal niższy niż przed optymalizacją (3,09%), ale jakość ruchu jest nieporównywalnie lepsza.
Co się działo w tym okresie:
- Dalsze testowanie kreacji – szukaliśmy „winnerów”
- Optymalizacja budżetów między kampaniami
- Wprowadzenie nowych segmentów Lookalike (bazując już na lepszych danych)
- Rozszerzenie kampanii retencyjnej o VIP segment
Wnioski po 4 tygodniach:
- Wyniki są stabilne i powtarzalne
- Kampanie są skalowalne – można zwiększać budżet bez utraty efektywności
- Algorytm Meta „nauczył się” na lepszych danych i teraz sam optymalizuje w dobrym kierunku
Case Study
Rezultaty optymalizacji kampanii Meta Ads
Podsumowując wyniki po 4 tygodniach optymalizacji – mamy spektakularne rezultaty, które przekroczyły oczekiwania klienta:
Kluczowe metryki efektywności:
ROAS: Z 16,52 do 38,71-40,79
To jest absolutnie kluczowa metryka. ROAS (Return on Ad Spend) pokazuje, ile złotych przychodu generuje każda wydana złotówka na reklamy.
- Okres bazowy: 16,52 (już przyzwoity wynik)
- Po optymalizacji (najlepszy okres): 40,79
- Wzrost: +147% (prawie 2,5x lepszy wynik!)
- Stabilizacja: 38,71 (nadal +134%)
Co to oznacza w praktyce:
- Przed: 1 zł wydany na reklamy → 16,52 zł przychodu
- Po: 1 zł wydany na reklamy → 38,71-40,79 zł przychodu
- Różnica: 22-24 zł więcej przychodu na każdą wydaną złotówkę
Liczba transakcji: Ze 109 do 294
Nie tylko zwiększyliśmy efektywność – zwiększyliśmy również wolumen sprzedaży.
- Okres bazowy: 109 transakcji w 2 tygodnie
- Po optymalizacji: 294 transakcje w 2 tygodnie
- Wzrost: +170%
To oznacza, że prawie 3x więcej klientów kupiło produkty dzięki zoptymalizowanym kampaniom.
Koszt pozyskania transakcji (CPA): Z 33,88 zł do 12,37-14,01 zł
CPA (Cost Per Acquisition) to jeden z najważniejszych wskaźników dla e-commerce – ile kosztuje pozyskanie jednej transakcji.
- Okres bazowy: 33,88 zł za transakcję
- Po optymalizacji (najlepszy okres): 12,37 zł
- Spadek: -63%
Co to oznacza:
- Za każdą transakcję płacimy o 19-21 zł mniej
- Przy 294 transakcjach to oszczędność około 5 500 zł w ciągu 2 tygodni
- Lub możliwość zdobycia 2,7x więcej transakcji za ten sam budżet
Przychód: Z 60 990,63 zł do 159 454,67 zł (w okresie 2 tygodni)
Najważniejsza metryka biznesowa – ile faktycznie zarobiła firma.
- Okres bazowy: 60 990,63 zł w 2 tygodnie
- Po optymalizacji: 159 454,67 zł w 2 tygodnie
- Wzrost: +161%
Ekstrapolacja na miesiąc:
- Przed: ~122 000 zł/miesiąc
- Po: ~319 000 zł/miesiąc
- Wzrost przychodu: około 200 000 zł miesięcznie więcej
Wydatki: Pozostały na podobnym poziomie
To jest kluczowa obserwacja – nie osiągnęliśmy tych wyników przez „dolanie budżetu”, ale przez mądrzejsze wykorzystanie tego, co było.
- Okres bazowy: 3 692,53 zł w 2 tygodnie
- Po optymalizacji: 3 178,87 – 4 119,13 zł
- Zmiana: -14% do +11% (praktycznie ten sam poziom)
Unikatowy CTR (Click-Through Rate): Z 3,09% do 2,13-2,28%
Na pierwszy rzut oka to wygląda jak pogorszenie – Unikatowy CTR spadł o około 30%. Ale to jest pozytywna zmiana.
Dlaczego spadek CTR jest dobry?
- Wyeliminowaliśmy „wyklikiwaczy” – osoby, które klikały, ale nie kupowały
- Niższy CTR + wyższy ROAS = lepsze dopasowanie odbiorców
- Płacimy za mniej kliknięć, ale te kliknięcia częściej kończą się zakupem
- Algorytm Meta uczył się na lepszych danych
Analogia: Wolisz 100 gości na stronie, z których 1 kupuje, czy 60 gości, z których 5 kupuje? My wybraliśmy drugą opcję.
AOV (Average Order Value): Stabilny na poziomie 540-560 zł
Średnia wartość zamówienia pozostała na podobnym poziomie, co jest dobrą wiadomością.
- Okres bazowy: 559,54 zł
- Po optymalizacji: 504,48 – 542,36 zł
- Zmiana: -3% do -10%
Lekki spadek AOV wynika z większej liczby transakcji – im więcej transakcji, tym większa różnorodność koszyków. Ale różnica jest minimalna i nie wpływa negatywnie na wyniki.
Spójrzmy jednak na kilka wykresów, które najlepiej zobrazują nam wyniki kampanii.
Co to wszystko oznacza dla biznesu klienta?
Każda złotówka wydana na reklamę po optymalizacji generowała 22-24 zł więcej przychodu niż przed naszym wejściem.
Przy podobnym budżecie reklamowym firma zarabia o około 200 000 zł miesięcznie więcej z kampanii Meta Ads.
Koszt pozyskania klienta spadł o 60%, co oznacza, że firma może albo zarabiać więcej przy tym samym budżecie, albo skalować budżet z zachowaniem rentowności.
Skalowalność: Testy pokazały, że przy zwiększeniu budżetu o 30% (z 3,2k do 4,1k), ROAS spadł tylko o 5% (z 40,79 do 38,71), co oznacza, że kampanie są bardzo skalowalne.
Czego się możesz nauczyć z tego case study?
1. Wykorzystuj unikalne atuty swojej marki
Największy błąd, jaki widzieliśmy u klienta, to niewykorzystywanie tego, co już mieli – silnej marki osobistej właściciela. W branży fashion, gdzie konkurencja jest ogromna i produkty często wyglądają podobnie, to właśnie takie wyróżniki mogą być kluczem do sukcesu.
Marka osobista właściciela:
- Buduje zaufanie szybciej niż bezimienne logo
- Jest niekopiowalna przez konkurencję
- Skraca cykl zakupowy w segmencie premium
- Zwiększa wartość percepcyjną produktów
Pytanie dla Ciebie: Co wyróżnia Twoją markę?
Może to być:
- Założyciel z ciekawą historią i ekspercką wiedzą
- Unikalny proces produkcji (handmade, eko, lokalne materiały)
- Misja firmy i wartości (np. zrównoważona moda, fair trade)
- Społeczność wokół marki (lojalni fani, którzy tworzą treści UGC)
- Unikalna specjalizacja (np. „eksperci od jedwabiu”, „specjaliści od elegancji plus size”)
Wykorzystaj to w kreacjach! Nie bądź kolejną „generyczną marką odzieżową” – pokaż, co czyni Cię wyjątkowym.
2. Jakość ruchu > ilość ruchu
To jedna z najważniejszych lekcji z tego case study. CTR spadł z 3,09% do 2,13-2,28%, ale liczba transakcji wzrosła o 170%. Jak to możliwe?
Wyeliminowaliśmy „wyklikiwaczy” – osoby, które klikały w reklamy, ale nigdy nie kupowały. Te osoby:
- Kosztowały nas pieniądze (płacisz za kliknięcie)
- Zatruwały dane dla algorytmu Meta (algorytm uczył się na złych przykładach)
- Zatruwały grupy remarketingowe (dodawaliśmy do nich osoby, które nigdy nie kupią)
- Psuły grupy Lookalike (Meta budowała grupy podobne do „wyklikiwaczy”)
Jak to zrobiliśmy:
- Przeanalizowaliśmy, które grupy odbiorców mają wysoki CTR ale niski współczynnik konwersji
- Wyeliminowaliśmy te grupy z kampanii
- Skupiliśmy budżet na grupach, które faktycznie kupują
Lekcja: Nie daj się zwieść wysokiemu CTR. To jest metryka „próżności” (vanity metric). Jeśli kliknięcia nie przekładają się na transakcje, płacisz za ruch, który Cię zubożą.
Co powinieneś monitorować:
- CTR jest ważny, ale nie najważniejszy
- Ważniejszy jest współczynnik konwersji (conversion rate)
- Najważniejszy jest ROAS i koszt za transakcję (CPA)
Analogia: Wolisz mieć sklep stacjonarny, do którego wchodzi 1000 osób dziennie i 10 kupuje (1% konwersja), czy 400 osób dziennie i 40 kupuje (10% konwersja)?
W pierwszym przypadku masz więcej „ruchu” (CTR), ale w drugim zarabiasz 4x więcej przy mniejszych kosztach (klimatyzacja, oświetlenie, obsługa itp.).
3. Uszczelnij segmentację – diabeł tkwi w szczegółach
„Założenia były dobre, ale techniczne wykonanie miało dziury” – to częsty problem w kampaniach Meta Ads.
Na papierze podział na zimny i ciepły ruch wygląda dobrze. W teorii wszyscy wiedzą, że osoby na różnych etapach lejka potrzebują różnych komunikatów. Ale w praktyce większość kampanii ma źle skonfigurowane wykluczenia i grupy się przenikają.
Problem:
- Osoba, która porzuciła koszyk, nadal widzi reklamy budujące świadomość marki (zamiast komunikatu „wróć do koszyka”)
- Osoba, która kupiła 3 dni temu, widzi agresywne reklamy „kup teraz” (zamiast dać jej oddychać)
- Były klient jest traktowany jak nowy odbiorca (tracisz szansę na tańszą retencję)
Efekt:
- Algorytm Meta nie ma jasnych sygnałów, kogo ma optymalizować
- Komunikaty nie są dopasowane do etapu lejka
- Wydajemy budżet nieefektywnie
Jak to naprawić:
Krok 1: Zdefiniuj precyzyjne grupy odbiorców z konkretnymi oknami czasowymi
- Zimny ruch: NIE był na stronie w ostatnich 60 dniach
- Ciepły – zainteresowany: Był na stronie w ostatnich 60 dniach, ALE NIE dodał do koszyka
- Ciepły – rozważający: Dodał do koszyka w ostatnich 7/14 dniach, ALE NIE kupił
- Retencja: Kupił 30-90 dni temu
Krok 2: Skonfiguruj wykluczenia między grupami
- Zimny ruch WYKLUCZENIE: wszyscy, którzy byli na stronie, wszyscy z listy klientów
- Ciepły – zainteresowany WYKLUCZENIE: osoby, które dodały do koszyka, osoby, które kupiły
- Ciepły – rozważający WYKLUCZENIE: osoby, które kupiły w ostatnich 7 dniach
- Retencja WYKLUCZENIE: osoby, które kupiły w ostatnich 30 dniach (daj im oddech)
Krok 3: Testuj, czy wykluczenia faktycznie działają
- Sprawdź w Ads Managerze, czy grupy się nie nakładają
- Możesz użyć narzędzia „Audience Overlap” w Meta Ads
- W razie potrzeby, dostosuj wykluczenia
Praktyczny tip: Zawsze rysuj schemat na kartce – narysuj 4 koła reprezentujące 4 grupy odbiorców i upewnij się, że się nie nachodzą. Jeśli się nachodzą na papierze, nachodzą w kampaniach.
4. Dostosuj kreacje do etapu lejka
Osoba, która pierwszy raz słyszy o Twojej marce, potrzebuje innego komunikatu niż ta, która porzuciła koszyk. Proste, ale często ignorowane.
Większość sklepów używa tych samych kreacji dla wszystkich kampanii. To tak jakby używać tego samego tekstu na pierwszej randce i przy oświadczynach – nieefektywne.
W branży fashion (ale nie tylko) działa taki podział:
Top of funnel (zimny ruch) – pierwsze spotkanie:
- Format: Lifestyle, marka osobista, storytelling, emocje
- Komunikat: „Kim jesteśmy, co nas wyróżnia, dlaczego warto nam zaufać”
- Przykład: Zdjęcie właściciela marki z produktami + historia powstania marki
- CTA: Delikatne, zapraszające – „Odkryj kolekcję”, „Poznaj nas bliżej”
Middle of funnel (ciepły ruch – zainteresowanie) – budowanie relacji:
- Format: Katalogi produktów, karuzele, szczegóły oferty
- Komunikat: „Oto konkretne produkty, które mogą Cię zainteresować”
- Przykład: Dynamiczny katalog pokazujący produkty, które przeglądali
- CTA: „Zobacz szczegóły”, „Dodaj do koszyka”
Bottom of funnel (ciepły ruch – rozważanie) – zamknięcie sprzedaży:
- Format: Konkretne produkty z koszyka, pilność, motywacja
- Komunikat: „Wróć i dokończ zakup, czekamy na Ciebie”
- Przykład: Produkty z koszyka + „Darmowa dostawa przy zakupie do końca tygodnia”
- CTA: „Dokończ zakup”, „Wróć do koszyka”
Retencja (byli klienci) – pogłębianie relacji:
- Format: Nowości, ekskluzywne oferty, personalizacja
- Komunikat: „Witaj ponownie, mamy coś specjalnie dla Ciebie”
- Przykład: „Ekskluzywny dostęp do nowej kolekcji dla naszych stałych klientów”
- CTA: „Zobacz nowości”, „Odkryj więcej”
Kluczowa zasada: Im głębiej w lejku, tym bardziej konkretny i „sprzedażowy” komunikat.
5. Analizuj cykl zakupowy i wykorzystaj retencję
Sprawdziliśmy, co ile czasu klienci wracają po kolejne zakupy i aktywnie docieraliśmy do nich w odpowiednim momencie. To proste, ale niezwykle skuteczne podejście.
Dlaczego retencja jest ważna:
- Najtańsze źródło transakcji – CPA w kampaniach retencyjnych był często poniżej 10 zł (vs 33 zł dla zimnego ruchu przed optymalizacją)
- Wyższe AOV – stali klienci często kupują droższe produkty, bo już ufają marce
- Wyższy współczynnik konwersji – znają markę, wiedzą czego się spodziewać
- Zwiększa LTV (Lifetime Value) – zamiast jednorazowej transakcji, budujesz długoterminową relację
Jak to zrobić:
Krok 1: Przeanalizuj dane historyczne
- Otwórz Google Analytics lub system CRM
- Sprawdź, co ile czasu klienci wracają po kolejne zakupy
- Szukaj wzorców – może klienci VIP wracają szybciej? Może sezonowość ma znaczenie?
Krok 2: Segmentuj według czasu od ostatniego zakupu
- 0-30 dni: „Świeży klient” – daj mu oddech, nie bombarduj reklamami
- 30-60 dni: „Wczesna retencja” – delikatne przypomnienie
- 60-90 dni: „Peak retencji” – aktywna kampania (to jest Twoje okno możliwości!)
- 90-120 dni: „Ostatnia szansa” – mocniejsza motywacja (rabat, darmowa dostawa)
- 120+ dni: „Utracony klient” – możesz spróbować jeszcze raz, ale ROI będzie niski
Krok 3: Segmentuj według wartości
- VIP klienci (wysokie AOV, częste zakupy): Traktuj ich wyjątkowo – ekskluzywne oferty, wcześniejszy dostęp do nowości, osobisty kontakt
- Standardowi klienci: Regularna komunikacja z nowościami i ofertami
- Jednorazowi klienci (kupili raz, niskie AOV): Motywuj do drugiego zakupu (często jest najtrudniejszy)
Krok 4: Dostosuj komunikację na późniejszym etapie
- Personalizuj na podstawie historii zakupów
- Jeśli kupili sukienki – pokazuj nowe sukienki
- Jeśli kupili casual – nie pokazuj eleganckich ubrań na gale
Praktyczny przykład z naszego case study:
Klient miał dane pokazujące, że typowy klient wraca po kolejny zakup po 60-90 dniach. Stworzyliśmy więc kampanię dla osób, które kupiły dokładnie 60-75 dni temu, z komunikatem „Tęskniliśmy za Tobą! Zobacz naszą nową kolekcję”.
Koszt za transakcję w tej kampanii wynosił tylko 8-9 zł (vs 33 zł przed optymalizacją dla zimnego ruchu), a ROAS przekraczał 50.
6. Nie bój się spadku CTR, jeśli inne metryki rosną
To kontraintuicyjna lekcja, ale bardzo ważna.
CTR spadł z 3,09% do 2,13-2,28% (-30%), ale:
- ROAS wzrósł o 147%
- Liczba transakcji wzrosła o 170%
- Koszt za transakcję spadł o 60%
Jak to możliwe?
CTR mierzy, jaki procent osób, które zobaczyły reklamę, w nią kliknął. Ale nie mierzy jakości tych kliknięć.
Przed optymalizacją mieliśmy wysoki CTR, bo nasze reklamy trafiały do szerokiego grona osób, w tym „wyklikiwaczy” – osób, które z ciekawości klikają w reklamy, ale nigdy nie kupują.
Po optymalizacji zawęziliśmy grupy odbiorców tylko do osób rzeczywiście zainteresowanych zakupem. Mniej osób klika, ale te osoby, które klikają, częściej kupują.
Analogia ze sklepem stacjonarnym:
Sklep A (wysoki CTR, niski ROAS):
- Lokalizacja: Ruchliwa ulica w centrum
- 1000 osób dziennie przechodzi obok witryny (impressions)
- 100 osób wchodzi do środka (clicks) – CTR 10%
- 2 osoby kupują (purchases) – Conversion Rate 2%
- Koszt najmu: 5000 zł/miesiąc
- CPA:2500 zł za transakcję (5000 zł / 2 transakcje)
Sklep B (niższy CTR, wyższy ROAS):
- Lokalizacja: Spokojniejsza ulica, ale w dzielnicy zamożnych klientów
- 400 osób dziennie przechodzi obok witryny
- 40 osób wchodzi do środka – CTR 10% (taki sam!)
- 8 osób kupuje – Conversion Rate 20%
- Koszt najmu: 3000 zł/miesiąc (niższy, bo mniej ruchliwa ulica)
- CPA: 375 zł za transakcję (3000 zł / 8 transakcji)
Który sklep jest lepszy? Oczywiście B – mimo że ma mniej „ruchu”, zarabia więcej przy niższych kosztach.
Wnioski:
- CTR to wskaźnik pomocniczy, ale nie najważniejszy
- Ważniejszy jest współczynnik konwersji i ROAS
- Czasem warto świadomie obniżyć CTR, żeby poprawić jakość ruchu
7. Wykorzystaj katalogi dynamiczne (DPA) dla ciepłego ruchu
Katalogi dynamiczne (Dynamic Product Ads, DPA) to jeden z najpotężniejszych narzędzi Meta Ads, szczególnie dla e-commerce fashion.
Czym są katalogi dynamiczne?
To reklamy, które automatycznie pokazują użytkownikom produkty, którymi byli zainteresowani – przeglądali je na stronie, dodali do koszyka, lub są podobne do tych, które kupili.
Dlaczego są tak skuteczne:
- Personalizacja na skalę – każdy użytkownik widzi produkty dopasowane do jego zainteresowań
- Automatyzacja – nie musisz ręcznie tworzyć reklam dla każdego produktu
- Wysoka relevancja – pokazujesz ludziom dokładnie to, czym byli zainteresowani
- Najwyższy ROAS – w naszym case study kampanie z katalogami dynamicznymi często osiągały ROAS powyżej 50
Kiedy używać katalogów dynamicznych:
✅ Ciepły ruch – osoby, które odwiedziły stronę produktu
✅ Porzucone koszyki – pokazuj dokładnie produkty z koszyka
✅ Retencja – pokazuj produkty podobne do tych, które klient kupił
✅ Cross-sell – pokazuj produkty komplementarne (np. kupiła sukienkę → pokaż szpilki)
❌ Zimny ruch – DPA nie działają (zazwyczaj) dla osób, które nie znają Twojej marki (wolą lifestyle i storytelling)
Dodatkowe spostrzeżenia z procesu optymalizacji
Znaczenie testowania kreacji
Przez cały okres optymalizacji testowaliśmy dziesiątki wariantów kreacji. Nie zgadywaliśmy, co zadziała – sprawdzaliśmy.
Co testowaliśmy:
- Zdjęcia lifestyle vs zdjęcia produktowe na białym tle
- Kreacje z marką osobistą właściciela vs bez
- Różne formaty (single image, karuzele, wideo)
- Różne komunikaty (emocjonalne vs racjonalne, długie vs krótkie)
- Różne CTA (Call To Action)
Najważniejsze wnioski:
Dla zimnego ruchu w fashion premium:
- Lifestyle z marką osobistą właściciela działał najlepiej
- Zdjęcia „stockowe” (modelki bez twarzy, generyczne) działały najgorzej
- Krótkie wideo (15-30 sekund) z opowieścią o filozofii marki miało świetne wyniki
- Komunikaty emocjonalne („Moda, która opowiada Twoją historię”) działały lepiej niż racjonalne („20% rabatu”)
Dla ciepłego ruchu:
- Katalogi dynamiczne biły wszystko inne
- Komunikaty pilności („Ostatnie sztuki”) zwiększały konwersję o około 25%
- Social proof („Bestseller sezonu”) działał świetnie
Dla retencji:
- „Witaj ponownie” + nowości działało lepiej niż rabaty
- Ekskluzywność („Tylko dla stałych klientów”) zwiększała zaangażowanie
Kluczowa lekcja: Nie zakładaj, że wiesz co zadziała. Testuj wszystko. W naszym przypadku, kreacje które „na oko” wyglądały gorzej, często dawały lepsze wyniki niż te „ładniejsze”.
Ostatnie słowo
Ten case study to nie jest „teoretyczna opowieść o tym, co mogłoby być”. To realne liczby z realnego projektu dla realnej firmy.
294 transakcje. ROAS 40,79. Koszt pozyskania klienta 14 zł.
Te wyniki pokazują, co jest możliwe gdy:
✅ Rozumiesz swoją grupę docelową
✅ Wykorzystujesz unikalne atuty swojej marki
✅ Dbasz o szczegóły techniczne (segmentacja, wykluczenia)
✅ Testujesz i optymalizujesz bez przerwy
✅ Patrzysz na właściwe metryki (ROAS, CPA, nie CTR)
Meta Ads to jedno z najpotężniejszych narzędzi reklamowych dla e-commerce, jakie mamy w 2025 roku. Ale tylko jeśli wiesz, jak z niego korzystać.
Mamy nadzieję, że ten case study dał Ci konkretne pomysły i inspirację do optymalizacji Twoich własnych kampanii.