Reklamos duomenų analizė: kaip optimizuoti savo kampanijas

Straipsnis atnaujintas: 2025-09-30
Autorius: Reklama.lt

Trumpai: šiame gide praktiškai parodysiu, kaip surinkti svarbiausius rodiklius, greitai suprasti „kas vyksta“, išsiaiškinti „kodėl taip nutiko“, nuspėti „kas bus toliau“ ir nuspręsti „ką daryti dabar“, kad kampanijos ne tik rodytųsi, bet ir uždirbtų.

Ką sužinosite šiame gide

• Kas yra reklamos duomenų analizė
• Ekosistema: duomenų šaltiniai ir srautas
• Palyginimas: analizės tipai (aprašomoji, diagnostinė, nuspėjamoji, nurodomoji)
• Feed: produktų duomenų kokybės įtaka rezultatams
• 1P auditorijos: kaip išnaudoti savo duomenis
• Matavimas: KPI, ataskaitos ir klaidos, kurių vengti
• Starto planas: 30 dienų veiksmai nuo 0 iki įžvalgų
• Mini case: 3 savaitės, –32 % CPA ir +18 % pajamų
• DUK (7 klausimai)
• Susiję skaitymai
• Terminų žodynėlis

Kas yra reklamos duomenų analizė?

Reklamos duomenų analizė – tai nuoseklus reklamos duomenų rinkimas, tvarkymas, interpretavimas ir pritaikymas sprendimams. Tikslas – maksimaliai padidinti rinkodaros grąžą (ROAS) mažiausiomis sąnaudomis, remiantis faktais, o ne nuojauta. Praktikoje tai apima:

• Duomenų rinkimą iš skirtingų kanalų (Google Ads, Meta Ads, TikTok Ads, „programmatic“ ir pan.), analitikos (GA4), CRM ir pardavimų sistemų.
• Kokybės kontrolę (UTM, konversijų žymos, deduplikacija, atidėjimo langai).
• Analizę keturiais lygiais: aprašomąja („kas įvyko“), diagnostine („kodėl taip įvyko“), nuspėjamąja („kas bus toliau“), nurodomąja („ką daryti dabar“).
• A/B testus bei iteracijas pagal duomenų įžvalgas.

LT pavyzdys: vidutinė e. parduotuvė, prekiaujanti aksesuarais, per savaitę gauna ~50 000 parodymų, 2 500 paspaudimų (CTR 5 %), 125 krepšelius ir 50 pirkimų (CR 2 %). Duomenų analizė leidžia pamatyti, kad 60 % pajamų sugeneruoja 30 % SKU, o brangiausi kliento įsigijimo kaštai (CPA) kyla iš plačių interesų auditorijų – sprendimas: diferencijuoti pasiūlymus pagal asortimentą ir perkelti biudžetą į geriausius segmentus.

↩ Grįžti į turinį

Ekosistema: duomenų šaltiniai ir srautas

Tipinis duomenų kelias:

1. Reklamos kanalai: Google/Meta/TikTok/LinkedIn/Display & Video 360.
2. Žymėjimas: UTM, konversijų žymos (GA4, Google Ads, Floodlight), „Enhanced Conversions“.
3. Svetainė / programėlė: įvykių srautai, mikrokonversijos, server-side ar hibridinis žymėjimas.
4. Analitika (GA4) + CDP/CRM: seansai, įvykiai, pajamos, LTV, segmentai.
5. Vizualizacija: Looker Studio/BI (Power BI, Tableau), savaitinės/mėnesinės ataskaitos.
6. Veiksmas: kampanijų biudžeto ir siūlymų korekcijos, kūrybinių testai, asortimento/landingų optimizacijos.

LT pavyzdys: B2B SaaS su „trial“ modeliu: GA4 laiko produktinius įvykius (signup → activation), CRM (pvz., HubSpot) – MQL/SQL/Deal, o ads konversijos importuojamos iš CRM kaip „Offline Conversions“ – taip algoritmai mokomi optimizuoti į realias pardavimo stadijas.

↩ Grįžti į turinį

Palyginimas: analizės tipai (lentelė + komentaras)

Palyginimo lentelė

200–250 ž. komentaras:
Aprašomoji analizė duoda „momentinę nuotrauką“, tačiau be diagnostikos ji lengvai klaidina – pvz., aukštas CTR nebūtinai reiškia pelningumą, jei CR menkas arba grynojo pelno marža – žema. Nuspėjamoji analizė reikalinga planuoti sezonus (pvz., „Back to school“, Kalėdos), bet ji remiasi praeitimi, todėl turi paklaidą (ypač kainų/atsargų pokyčių metu). Didžiausią verslo vertę neša nurodomoji analizė: ji paverčia įžvalgas darbais – „kokius 5 veiksmus darome šią savaitę“ – ir suderina komandą dėl biudžeto perskirstymo, kūrybinių testų, asortimento ir landingų prioritetų.

LT pavyzdys: „skrydžių lagaminai“ paieškoje: diagnostika parodė, kad CR krito dėl sandėlio stokos 2 populiariausiems SKU; nurodomoji analizė liepia: (1) sustabdyti skelbimų grupę su nebeparduodamais SKU, (2) perkelti biudžetą į alternatyvius modelius, (3) atnaujinti kainodarą su laikinomis nuolaidomis.

↩ Grįžti į turinį

Feed: produktų duomenų kokybės įtaka rezultatams

Kokybiškas produktų feed’as yra „kuras“ našiam našumo (performance) marketingui:

• Pavadinimai (Title): įtraukite prekės tipą, brendą, svarbiausius atributus (dydį/spalvą), 150–180 simb.
• Aprašymai: aiškūs, be „pilstymo“, su svarbiausiais raktiniais žodžiais natūralia kalba.
• Kategorijos/GTIN/MPN: padeda algoritmams sutapatinti prekes.
• Paveikslėliai: aiškūs, be logotipų/koliažų, 1200×1200 ar 1200×630 (pirminis LCP vizualas).
• Kainodara ir prieinamumas: realaus laiko atnaujinimai, netikslumai – brangūs.
• Politikos: laikykitės platformų taisyklių (alkoholio, sveikatos teiginių ir kt.).

LT pavyzdys: vien drabužių kategorijoje suvienodinus pavadinimų šablonus („[brendas] [tipas] [medžiaga] [spalva] [dydžių diapazonas]“), reklaminių pajamų/biudžeto santykis per 14 d. pagerėjo nuo 4,1 iki 5,0 ROAS.

↩ Grįžti į turinį

1P auditorijos: kaip išnaudoti savo duomenis

Pirmosios šalies (1P) duomenys – el. pašto sąrašai, pirkimų istorija, LTV, lojalumo lygiai, produktų pageidavimai. Praktiniai panaudojimai:

• Panašios auditorijos / plėtra (lookalikes) iš top-LTV klientų.
• Retencija: dinaminiai pasiūlymai pagal paskutinio pirkimo laiką.
• Kryžminis pardavimas: segmentai pagal įsigytas kategorijas.
• Offline → Online: kassavaitiniai CRM įkėlimai ir konversijų importas į ads.

LT pavyzdys (skaičiais): 20 000 kliento bazė, top 15 % LTV segmentas → lookalike 1 % padidino CR nuo 1,9 % iki 2,6 % prospecting’o kampanijose per 21 d., CPA –32 %.

↩ Grįžti į turinį

Matavimas: KPI, ataskaitos ir klaidos, kurių vengti

Būtini KPI:

• Funnel: Parodymai → Paspaudimai (CTR) → Seansai → Krepšeliai → Pirkimai (CR) → Pajamos → Marža → ROAS.
• Efektyvumas: CPC, CPA, AOV, LTV, pasikartojantys pirkimai.
• Kokybė: Landing’o įkėlimo laikas (LCP/INP/CLS), atmetimas pagal kanalą, paieškos terminai.

Ataskaitų ritmas:

• Savaitė: greitos korekcijos (biudžeto perstumdymai, neigiami raktai, kūrybos rotacija).
• Mėnuo: plačios įžvalgos (sezonika, kategorijos, LTV, „hero“ produktai).
• Ketvirtis: strategija (kanalų miksas, kainodara, brand’o x performance balansas).

Top klaidos:

1. Netvarkingi UTM (skirtingi kampanijų pavadinimai ar parametrai iškraipo ataskaitas).
2. Single-touch priskyrimas (nevertinama kanalo sąveika).
3. Nesukonfigūruoti atidėjimo langai (pvz., 7 d. per trumpa kategorijoms su ilgesniu apsisprendimu).
4. Žymų dubliai (dvigubos konversijos).
5. Lėtas LCP/INP (blogina kokybės balą, didina CPA).

LT pavyzdys: sutvarkius UTM standartą ir atmetus „brand navigacinius“ terminus iš prospecting’o, CPA sumažėjo 18 % per 30 dienų.

↩ Grįžti į turinį

Starto planas: 30 dienų veiksmai nuo 0 iki įžvalgų

0–3 d.:

• UTM standartas, konversijų žymos, GA4 įvykiai, „Enhanced Conversions“, pagrindiniai KPI.
• Feed’o sveikatos patikra (pavadinimai, kategorijos, atsargos, kainos, paveikslėliai).

4–10 d.:

• Aprašomoji + diagnostinė analizė (kanalas × auditorija × kūryba × landings).
• Greitos „hygiene“ korekcijos (neigiami terminai, biudžeto perskirstymai).

11–20 d.:

• 2–3 A/B testai (kūryba, pasiūlymas, landing’o hero, antraštė).
• 1P segmentų paruošimas ir aktyvavimas.

21–30 d.:

• Nuspėjamoji: paprastas forecast’as (sezonika, atsargos, biudžetas).
• Nurodomoji: veiksmų sąrašas kitam mėnesiui (top 5), KPI tikslai ir atsakomybės.

LT pavyzdys: smulkus elektronikos e-shop per 30 d. išbandė 3 kūrybinius variantus, perkėlė 25 % biudžeto į aukščiausio CR kategorijas ir pridėjo „free shipping 48h“ – bendra CR +0,6 p.p., CPA –27 %.

↩ Grįžti į turinį

Mini case: 3 savaitės, –32 % CPA ir +18 % pajamų

Situacija: vidutinio dydžio e-komercija (≈1,2 mln. €/m.). Problema: aukštas CPA prospecting’e, stagnuojantis ROAS.
Veiksmai:

1. UTM ir konversijų žymų auditas;
2. Feed’o pavadinimų šablonai + atsargų sinchronizacija;
3. 1P top-LTV lookalike 1 %;
4. Landing’o hero ir CTA A/B testas;
5. Biudžeto perkėlimas iš plačių interesų į geriausiai konvertuojančias kategorijas.
   Rezultatai (21 d.): CPA –32 %, ROAS +0,9 p.p., pajamos +18 %, INP sumažėjo nuo 280 ms iki 180 ms, CR +0,4 p.p.

↩ Grįžti į turinį

DUK (7 klausimai)

1) Kuo skiriasi aprašomoji ir diagnostinė analizė?
Aprašomoji atsako „kas įvyko“, pvz., „CTR krito 15 %“. Diagnostinė aiškina „kodėl“, pvz., „CTR krito, nes nauja kūryba turi silpnesnį pirmą kadrą ir rodomasi platesnei auditorijai“. Be diagnostikos aprašomoji analizė lengvai nuveda į klaidingus sprendimus – pvz., „pakelkime biudžetą“, kai problema iš tikro – netinkamas targetingas ar landing’o lėtumas.

2) Kaip pasirinkti KPI skirtingiems tikslams?
Viršaus piltuvui (awareness) stebėkite parodymus, video completion, CTR; viduriui (consideration) – CPC, seansus, „add to cart“; dugnui (conversion) – CR, CPA, ROAS, LTV. Vienas KPI retai pakanka – derinkite „leading“ (pvz., CTR) su „lagging“ (pvz., ROAS), kad sprendimai neatsiliktų nuo realybės.

3) Kada verta pereiti prie nuspėjamosios analizės?
Kai turite bent 3–6 mėn. patikimų duomenų ir stabilų žymėjimą. Pradėkite nuo paprastų modelių (sezonika + moving average), o vėliau jungkite kainodarą, atsargas, maržą. Svarbu: fiksuokite paklaidą ir scenarijus (optimistinis/bazinis/pesimistinis), kad prognozės netaptų „viena tiesa“.

4) Kaip išvengti konversijų dublio ir netikslaus priskyrimo?
Turėkite vieną „source of truth“ (pvz., GA4), periodiškai audituokite žymas, naudokite „consent mode“, server-side arba hibridinį žymėjimą, deduplikuokite įvykius pagal ID. Įsiveskite atidėjimo langus pagal kategoriją (pvz., 7–30–90 d.) ir testuokite „data-driven“ modelius.

5) Kiek „platus“ turi būti A/B testas?
Tikslas – pasiekti statistinę galią. Praktikoje orientuokitės į ≥2 savaičių trukmę (jei srautas mažas – ilgiau), aiškų vieną kintamąjį, sėkmės metriką (pvz., CR arba CPA) ir „guardrail“ KPI (pvz., pajamos). Nepamirškite „sample ratio mismatch“ patikros.

6) Kaip pritaikyti 1P duomenis nedidelei parduotuvei?
Pradėkite nuo paprasto CRM eksporto: paskutinio pirkimo data, kategorija, krepšelio suma. Kurkite 2–3 segmentus: „nauji“, „be pirkimo 90 d.“, „VIP (top 10 % LTV)“. Pirmąjį mėnesį aktyvuokite tik vieną taktiką (pvz., VIP lookalike), kad aiškiai matytumėte įtaką.

7) Kokios dažniausios feed’o klaidos ir kaip jas sutvarkyti?
Netikslūs pavadinimai (be brendo/atributų), prastos nuotraukos, neteisingos kategorijos, neatnaujinamos kainos/atsargos. Sprendimai: pavadinimų šablonai, automatiniai vaizdų kokybės tikrintojai, reguliarūs kainų/atsargų „pull“, taisyklių variklis (pvz., „jei atsarga < 3 – nestumti produkto“).

↩ Grįžti į turinį

Susiję skaitymai

• Apie Google paiešką
• GA4 atribucija ir pažangus matavimas: praktinis gidas 2025
• 📚 Naudingų straipsnių katalogas

↩ Grįžti į turinį

Terminų žodynėlis

• CTR (Click-Through Rate): paspaudimų dalis nuo parodymų.
• CPC (Cost per Click): kaina už paspaudimą.
• CR (Conversion Rate): konversijų dalis nuo seansų ar paspaudimų.
• CPA (Cost per Acquisition): kaina už įsigijimą/konversiją.
• ROAS (Return on Ad Spend): pajamos padalytos iš reklamos išlaidų.
• LTV (Lifetime Value): kliento vertė per laiką.
• LCP/INP/CLS: pagrindiniai Core Web Vitals našumo rodikliai.
• 1P duomenys: pirmosios šalies duomenys (jūsų, ne trečiųjų šalių).

↩ Grįžti į turinį

Atsakomybės apribojimas

Ši informacija yra bendro pobūdžio ir nėra teisinė, finansinė ar techninė konsultacija. Prieš taikydami rekomendacijas, įvertinkite savo verslo kontekstą ir rizikas.