Aktualności
AI Search w e-commerce — odpowiedzi na pytania z webinaru z ICEA
Czytaj wiecej 
- 13 sierpnia 2026
E-commerce Profit-First — jak odzyskać kontrolę nad marżą (webinar z JustIdea)
O czym rozmawialiśmy na webinarze z JustIdea
5 sierpnia 2026 wspólnie z Mateuszem Haberem — założycielem JustIdea Agency i Just Automate, właścicielem marki streetwearowej SURF — poprowadziliśmy webinar „E-commerce Profit-First: jak odzyskać kontrolę nad marżą”. Mateusz pokazał, jak SURF w trzy lata urósł sześciokrotnie (24 mln przychodu w 2025, cel 30 mln w 2026) dzięki przejściu z myślenia w kategoriach ROAS na myślenie w kategoriach profitu — i jak dziś ich agent AI, SerfBot, samodzielnie zarządza kampaniami reklamowymi na 8 rynkach zagranicznych. Ja z kolei pokazałem, jak ceny konkurencji wpływają na performance reklam produktowych i dlaczego strategia cenowa musi być różna dla różnych ról produktów w portfolio.
W artykule zbieramy najważniejsze wnioski z webinaru w formie gotowej do wdrożenia w Twoim sklepie — od pierwszej zmiany, którą warto zrobić jeszcze dziś (audyt Performance Max), po plan przygotowania sklepu na erę agentów AI.
Poznaj wszystkie funkcjonalności naszej platformy podczas bezpłatnej prezentacji online.
Dlaczego ROAS to zła miara sukcesu
ROAS pokazuje, ile przychodu wygenerowała reklama — nie ile na tym zarobiłeś. Mateusz sformułował to bez ogródek: „ROAS is dead. Profit is king.” Konkretny przykład z SURF: buty z ROAS-em 600% wysłane do Niemiec, opłacone PayPalem (prowizja do 6%), po odjęciu kosztów wytworzenia, wysyłki, pakowania i zwrotu okazują się stratne. Koszulka z ROAS-em 200% wysłana do Polski, opłacona BLIK-iem, generuje realny profit. Ta sama tabela w Google Ads pokazuje sukces w pierwszym przypadku i porażkę w drugim.
Trzy poziomy mierzenia rentowności, o których mówił Mateusz:
| Poziom | Co mierzy | Wartość informacyjna |
| ROAS | Przychód / koszt reklamy pojedynczej kampanii | Niska — porównania mikro, wewnątrz jednej kampanii |
| MER (Marketing Efficiency Ratio) | Wszystkie przychody / wszystkie koszty reklamowe | Średnia — pokazuje efektywność całego marketingu |
| Profit (marża 2. stopnia) | Przychód netto minus wszystkie koszty przypisywalne do produktu | Wysoka — jedyna miara pokazująca, ile zostaje w kieszeni |
Marża drugiego stopnia to formuła, którą warto zapamiętać:
Przychód netto − zwroty − koszty reklamowe − koszty wytworzenia − koszty wysyłki − koszty pakowania − prowizje płatności − koszty obsługi zwrotów − koszty agencyjne − inne koszty skorelowane = profit
Zasada Mateusza: jeśli koszt da się przypisać do produktu, odliczasz go. Nawet koszty influencerów — dzielisz przez liczbę produktów sprzedanych w danym miesiącu.
Jak liczyć profit w czasie rzeczywistym
Excel się nie skaluje — koszty zmieniają się z każdym zamówieniem, kody rabatowe wpływają na marżę per transakcja. Model, który wdrożył SURF, opiera się na koncepcie data warehouse: co godzinę wszystkie dane ze wszystkich źródeł (PrestaShop, Comarch Optima, Zalando, Google Ads, Meta Ads, TikTok Ads, Google Analytics, ExpertSender i wiele innych) trafiają do setek tabel w BigQuery, są normalizowane i scalane do jednej tabeli all-in-one. Ta tabela zasila własny dashboard analityczny, który pokazuje profit dzienny z odświeżeniem co godzinę.
Dlaczego to działa: Mateusz podawał konkretny przypadek skalowania budżetu reklamowego o 1000% w ciągu jednego dnia (z 500 zł do 10 000 zł). Bez wglądu w profit w czasie rzeczywistym takiej decyzji nie da się podjąć bezpiecznie.
Estimated True Profit (ETP) — sposób na problem zwrotów
Zwroty diametralnie utrudniają liczenie profitu. Sprzedaż z 15 listopada może wrócić 6 grudnia — korekta powinna być przypisana do dnia sprzedaży, nie do dnia zwrotu. Do tego trzeba przywrócić na magazyn wartość produktu wcześniej odliczoną jako koszt wytworzenia, odjąć koszt obsługi zwrotu i koszt przesyłki, a w przypadku Zalando dodać zwróconą prowizję platformy.
Do niedawna okno zwrotu na Zalando wynosiło 100 dni — realny wynik ze sprzedaży można było ocenić dopiero po 100 dniach. Rozwiązanie SURF: macierz zwrotów per kraj × kategoria produktowa. Sukienki w Niemczech mają 56% zwrotów, koszulki 26%, w Polsce liczby są znacząco niższe. Codziennie system analizuje, co się sprzedało i estymuje przewidywany zwrot w kolejnych 14–30 dniach. Z dokładnością do 5% da się dziś powiedzieć, ile zostanie profitu za 30 dni. Ten wskaźnik SURF nazwał Estimated True Profit.
Case study Performance Max — jak SURF zaoszczędził 44 000 zł miesięcznie
Skalując najlepszą kampanię Pmax z ROAS-em 670%, SURF odkrył, że za każdą złotówkę wydaną na kampanię non-brand Google wydawał 20 zł na brand. Kampania równolegle skalowała ruch brandowy i non-brandowy. Efekt — ROAS wyglądał świetnie, ale realny przyrost ruchu spoza marki był niewielki.
Co zrobili:
- Wyłączyli reklamy brandowe w Google Ads na Polsce — przy 90% pewności, że ktoś wpisujący nazwę marki myśli o SURF, nie ma sensu za to płacić.
- Na rynkach zagranicznych zachowali reklamy brandowe — tam nazwa jest bardziej ambiwalentna, ktoś wpisujący ją niekoniecznie szuka SURF.
Wyniki:
| Metryka | Przed | Po |
| ROAS Pmax | 670% | 289% |
| Miesięczne wydatki na brand | 44 000 zł | 0 zł |
| Wyświetlenia w wyszukiwarce | Baza | 2× wyższe |
| Kliknięcia w Brand Ads → Organika | — | 20 000 / 24 000 (83% odzyskane) |
Wniosek liczony ROAS-em: klęska. Wniosek liczony profitem: 44 000 zł miesięcznie w kieszeni. Dokładnie to obala patrzenie na kampanie tylko przez pryzmat ROAS. Jeśli prowadzisz Performance Max — sprawdź w raportach, na jakie zapytania faktycznie się reklamujesz.
Cena a ROAS reklam produktowych — reguła 5/10%
W trakcie webinaru pokazaliśmy dane z monitoringu cen naszych klientów: pozycja cenowa produktu bezpośrednio przekłada się na performance reklam produktowych. Analiza pokazuje trzy strefy:
| Pozycja cenowa | ROAS i konwersje |
| Najtańszy lub do 5% powyżej najtańszego | Dobry ROAS, konwersje w normie |
| 5–10% powyżej najtańszego | Wyraźny spadek |
| Ponad 10% powyżej najtańszego | Konwersje spadają dramatycznie — płacisz za każdy klik, sprzedaży brak |
Mechanika jest prosta. Klient klika reklamę, wchodzi na kartę produktu, otwiera nową kartę, wpisuje nazwę w porównywarkę i widzi ofertę tańszą o 15%. Ty zapłaciłeś za kliknięcie — sprzedaż idzie do konkurencji.
Praktyczna reguła: promuj tylko produkty, które są najtańsze na rynku lub do 5% powyżej najtańszego. Budżet z produktów nieatrakcyjnych cenowo przenieś na traffic buildery. Do decyzji, które produkty spełniają ten warunek w danym dniu, potrzebujesz aktualnych danych o cenach konkurencji — analizy cen konkurencji wpięte w feed Google Merchant Center rozwiązuje to bez ręcznej pracy.
Trzy role produktów w portfolio — różne strategie cenowe
Rzadko kiedy sklepy mają zrobiony podział asortymentu na role — a to podstawa każdej sensownej strategii cenowej. Rotacja dzieje się zwykle na 10–20% produktów; reszta to długi ogon albo dead stock. Podział trzech ról, o którym rozmawialiśmy:
| Rola | Charakterystyka | Strategia cenowa | Marża |
| Traffic builder | Generuje ruch, klient porównuje ceny | Bądź najtańszy lub w top 3 — o grosz taniej od najtańszego konkurenta (z opcją wykluczenia lombardów i sprzedawców z Chin) | Niska |
| Produkt komplementarny | Dokupowany do traffic buildera | Średnia cena rynkowa, końcówki .99, nie walczysz ceną | Wyższa |
| Longtail | Sprzedaje się rzadko, klient nie porównuje | 15% powyżej średniej rynkowej, nie promujesz w reklamach | Wysoka |
Ustawienie tych reguł ręcznie w Excelu nie ma sensu — konkurencja zmienia ceny wielokrotnie w ciągu dnia. Automatyzacja cen wdraża reguły dla każdej roli osobno i pilnuje ich w czasie rzeczywistym.
Jak zwiększyć ROAS? Strategia promocji produktów z wysoką intencją zakupową
Crossell — trzy miejsca, w których większość sklepów go marnuje
Crossell to nie jest sekcja „może Cię zainteresuje” pod stopką karty produktu. Trzy realne miejsca, w których się dzieje:
- Karta produktu — zestawy albo pojedyncze produkty komplementarne blisko przycisku „Dodaj do koszyka”. Wiertarka → bity, wiertła, przedłużacz, okulary ochronne.
- Modal po dodaniu do koszyka — najskuteczniejsze, najczęściej pomijane miejsce. „Do tej wiertarki potrzebujesz akumulatora.” Klient już podjął decyzję zakupową, jest w momencie największej otwartości na dorzucanie.
- Strona koszyka — nice-to-have, drobne dodatki. Baterie, żarówki, dodatki impulsywne do 40 zł.
Typowe błędy w crossellu
- Złe zakotwiczenie cenowe. Audyt live w trakcie webinaru: łóżeczko dziecięce za 850 zł, w koszyku propozycja witryny za 3 000 zł. Nikt kupujący łóżeczko za 850 zł nie dorzuci witryny za 3 000 zł.
- Za dużo opcji. Trzy sensowne propozycje zawsze wygrywają z ośmioma losowymi.
- Propozycja niekompatybilna. Jeśli nie zaznaczysz, że akcesorium pasuje do głównego produktu, klient nie wie i nie kupi — odpowiedzialność za dopasowanie zdejmujesz z niego wprost („kompatybilne z X”).
- Przycisk „Dodaj do koszyka” chowany przy scrollowaniu. Na stronie crossellowej powinien być przyklejony do dołu ekranu.
Praktyczna wskazówka Mateusza: zanim zlecisz przebudowę koszyka deweloperowi, zrób prototyp w Lovable (no-code, darmowe kredyty). Przeklikanie prototypu z zespołem oszczędza dwie iteracje wdrożenia.
Jak przygotować sklep na erę agentów AI
Większość ruchu w e-commerce będzie wkrótce pochodzić od agentów AI, a nie od ludzi scrollujących stronę. Agent nie widzi układu wizualnego karty produktu — widzi kod. Nie porównuje samej ceny — sumuje cenę, wysyłkę, czas dostawy i politykę zwrotów w jedną „całkowitą ofertę”. Trzy kroki, które warto zrobić już teraz:
| Krok | Faza | Konkretne działania |
| 1 | Dane wewnątrCrossell — trzy miejsca, w których większość sklepów go marnuje Crossell to nie jest sekcja „może Cię zainteresuje” pod stopką karty produktu. Trzy realne miejsca, w których się dzieje:
Typowe błędy w crossellu
Praktyczna wskazówka Mateusza: zanim zlecisz przebudowę koszyka deweloperowi, zrób prototyp w Lovable (no-code, darmowe kredyty). Przeklikanie prototypu z zespołem oszczędza dwie iteracje wdrożenia. Jak przygotować sklep na erę agentów AIWiększość ruchu w e-commerce będzie wkrótce pochodzić od agentów AI, a nie od ludzi scrollujących stronę. Agent nie widzi układu wizualnego karty produktu — widzi kod. Nie porównuje samej ceny — sumuje cenę, wysyłkę, czas dostawy i politykę zwrotów w jedną „całkowitą ofertę”. Trzy kroki, które warto zrobić już teraz: z sklepu | Struktura danych zgodna ze schema.org, feed dedykowany dla agentów AI, kompletne atrybuty produktowe, informacje w tekście — nie na obrazkach. |
| 2 | Monitoring rynku | Śledzenie cen, promocji i stanów magazynowych konkurencji. Mapowanie kosztów dostaw — niektórzy konkurenci manipulują ceną produktu i ceną wysyłki równolegle. |
| 3 | Automatyzacja | Ustawiasz reguły dla ról produktowych; system je wdraża i egzekwuje. Optymalizacja pod ETP, nie pod ROAS. |
Fundament to feed produktowy przygotowany pod agentów. Structured data w feedzie (tytuł, atrybuty, cena, dostępność, czas dostawy, polityka zwrotów) to warunek konieczny, żeby agent AI w ogóle wciągnął Twoją ofertę do rankingu. Nie wystarczy standardowy feed do Google Merchant — potrzebujesz kompletnych atrybutów w tekście (a nie na obrazkach), spójnych identyfikatorów produktów i aktualnych stanów magazynowych. Bez tego agent zobaczy tylko fragment oferty i dopasuje ją niżej niż konkurencję z porządnym feedem. Uporządkowany feed z danymi produktowymi i cenowymi to pierwszy krok, który warto zrobić przed jakąkolwiek optymalizacją treści pod AI.
Dlaczego cena wpływa na widoczność w AI. Asystenci AI (ChatGPT, Gemini, Perplexity, Copilot) w rekomendacjach zakupowych nie ograniczają się do jakości opisu — do rankingu wciągają cenę, koszt i czas dostawy, politykę zwrotów oraz ocenę sklepu. To znaczy, że dobrze przygotowana karta produktu przegra, jeśli oferta wokół niej jest gorsza. Dane cenowe i logistyczne stają się elementem strategii widoczności w AI — dlatego uporządkowany feed z danymi produktowymi i cenowymi to inwestycja nie tylko w performance marketing, ale też w GEO (generative engine optimization).
AI agents w e-commerce — co robi SerfBot
Mateusz pokazał, jak wygląda praca z agentem AI wpiętym w całą infrastrukturę e-commerce SURF. SerfBot ma bezpośredni dostęp do BigQuery (wyselekcjonowane tabele) i przez API/MCP do Google Ads, Meta Ads, ExpertSender, PrestaShop, Ahrefs i Comarch Optima. Nie tylko czyta dane — modyfikuje kampanie, aktualizuje zamówienia, zmienia ceny w PrestaShop i ERP.
Konkretne przypadki użycia z webinaru:
- Daily Review. Jedno zapytanie w terminalu — 5 minut wykonania — 2 mln wierszy w BigQuery, 25 równoległych zapytań, 10 źródeł danych. Output: konkretne sugestie „skaluj tę kampanię, obniż budżet tam, wyklucz te produkty, ubij tę reklamę”. Człowiek zatwierdza akcje przyciskiem.
- Ranking produktów po ETP. Codziennie w nocy z Google Merchant i Facebook Catalogs wykluczane są produkty z ujemnym ETP, które nie sprowadzają też krzyżowo klientów do innych produktów.
- Sugestie cenowe na Slacku. „Produkt schodzący w 329 dni. Opcja A: −5%, zejście w 270 dni. Opcja B: −45%, zejście w 90 dni.” Jeden przycisk — cena zmienia się w PrestaShop i Optimie.
- Prognoza zamówień produkcyjnych. Na bazie 2–3 lat historycznych danych system sugeruje, ile i kiedy zamówić produktów oraz surowców, żeby zmaksymalizować ETP.
- Support na Slacku. 15 sekund na odpowiedź o statusie zamówienia — po numerze PrestaShop, Baselinkera, imieniu i nazwisku lub numerze telefonu.
Kluczowy cytat Mateusza: „AI halucynuje wtedy, gdy nie ma dostępu do danych. Gdy ma dostęp do ustrukturyzowanych danych — to jest doświadczenie rozmawiania z najinteligentniejszą osobą na świecie, która daje kluczowe wnioski o Twoim biznesie.”
Wniosek dla mniejszych sklepów: nie musisz od razu budować własnego SerfBota. Ale musisz mieć dane w formie, która pozwoli agentowi je czytać — czyli feed, schemę, atrybuty, uporządkowane ERP. To jest fundament, na którym każde wdrożenie agentyczne stoi.
-
Marża pierwszego stopnia to różnica między ceną sprzedaży a kosztem wytworzenia. Profit (marża drugiego stopnia) odejmuje od tej marży wszystkie pozostałe koszty przypisywalne do sprzedaży: reklamę, wysyłkę, pakowanie, prowizję płatności, obsługę zwrotów, część kosztów agencyjnych. Tylko profit pokazuje, ile realnie zostaje w kieszeni po sprzedaży.
-
W małej skali tak — Excel z formułami wystarczy do 100–200 zamówień miesięcznie. Powyżej tej skali koszty zmieniają się szybciej, niż arkusz jest w stanie zaktualizować. Kody rabatowe, różne prowizje płatności per rynek, dynamiczne koszty wysyłki — to wszystko wymaga automatyzacji. Data warehouse (BigQuery, Snowflake) to standard w e-commerce od kilku milionów przychodu w górę.
-
Trzy kroki w tej kolejności. Po pierwsze: audyt Performance Max — sprawdź w raportach, na jakie frazy realnie się reklamujesz. To zajmuje 30 minut, a często zwraca kilkadziesiąt tysięcy oszczędności miesięcznie. Po drugie: podział asortymentu na trzy role (traffic builder, komplementarne, longtail) i osobna strategia cenowa dla każdej. Po trzecie: wdrożenie liczenia profitu w czasie rzeczywistym — najpierw w Excelu jako proof of concept, potem w data warehouse.
-
Dla dwóch grup. Dla pricing managera — jako sparring partner do dyskusji o strategii cenowej i konfrontacji hipotez. Dla szefa e-commerce bez dedykowanego pricing managera — jako narzędzie diagnostyczne pokazujące zaniedbane obszary i konkretną roadmapę wdrożenia.
-
Tak — SURF sprzedaje na 8 rynkach i robi 30 mln przychodu rocznie na PrestaShop. Warunki: dedykowana infrastruktura (SURF ma AWS), Lightspeed Cache i Redis, zarządzanie ruchem botów (Cloudflare), wyłączenie zbędnych domyślnych modułów śledzących. Największym wyzwaniem są kody rabatowe przy setkach tysięcy indywidualnych kodów — PrestaShop 9 ma to rozwiązać. 100 000 produktów samo w sobie nie jest problemem.
Zdiagnozuj strategię cenową swojego sklepu. Profit-First zaczyna się od świadomej polityki cenowej dopasowanej do roli każdego produktu — traffic buildera, produktu komplementarnego, longtaila. Bez tego nawet najlepszy agent AI będzie optymalizował złe metryki.
Zapisz się na bezpłatną 30-minutową sesję Pricing Doctor— dostajesz indywidualną „receptę” z konkretnymi rekomendacjami dla swojego e-commerce.
Na tej stronie