Case study
Jak dzięki infrastrukturze danych zwiększyliśmy przychody o 16.4% – Suplementy diety
Spis treści
Analityka w praktyce: Jak dzięki infrastrukturze danych zwiększyliśmy przychody o 16.4%
Pokazujemy krok po kroku, jak server-side tracking, odzyskiwanie ciasteczek, własny model atrybucji i analiza danych w BigQuery przełożyły się na realne wyniki sklepu e-commerce.
+16,4%
Wzrost przychodów (r/r)
+20%
Odzyskane dane
+15%
Wzrost z email marketingu
~30%
Odzyskany błędnie przypisany ruch
Wszystko osiągnięte dzięki infrastrukturze analitycznej, bez dodatkowych wydatków na reklamy.
Przychody miesiąc po miesiącu: 2024-25 vs 2025-26
Konsekwentny wzrost napędzany lepszymi danymi, nie większymi budżetami. Wszystkie kwoty zanonimizowane. Działania rozpoczęły się we wrześniu. I wpływ danych na przychody w średnim terminie
| Miesiąc | 2025-26 | 2024-25 | Zmiana |
|---|---|---|---|
| Wrz | 1 943 536 zł | 2 062 094 zł | -5.8% |
| Paź | 3 203 130 zł | 3 183 873 zł | +0.6% |
| Lis | 2 668 238 zł | 2 684 040 zł | -0.6% |
| Gru | 2 131 714 zł | 1 952 712 zł | +9.2% |
| Sty | 3 540 951 zł | 2 917 368 zł | +21.4% |
| Lut | 2 341 300 zł | 1 910 240 zł | +22.6% |
| Mar | 4 214 853 zł | 3 168 126 zł | +33.0% |
| Kwi | 2 674 230 zł | 2 279 154 zł | +17.3% |
| Maj | 3 794 427 zł | 2 957 862 zł | +28.3% |
Silnik danych napędzający wzrost
Pięć połączonych systemów współpracujących przy zbieraniu, atrybucji i aktywacji danych.
Server-Side GTM i zaawansowane śledzenie
Wdrożyliśmy server-side Google Tag Manager z custom loaderami, które omijają ad blockery. Efekt? +20% więcej danych trafia do analityki i systemów reklamowych. Żadnych ślepych pól.
Atrybucja oparta na webhookach
Stworzyliśmy system atrybucji oparty na webhookach, zintegrowany ze wszystkimi platformami reklamowymi oraz GA4. Dzięki Stape Store odzyskujemy ciasteczka i łączymy je z cart_id, co pozwala przypisać każdą konwersję, nawet jeśli użytkownik wraca po kilku sesjach
Klaviyo, więcej danych, lepsze maile
Rozszerzyliśmy integrację z Klaviyo o zapisywanie danych użytkowników w ciasteczkach i wysyłkę custom eventów behawioralnych. Rezultat? +15% wzrostu przychodów z e-mail marketingu dzięki trafniejszej segmentacji i precyzyjnemu targetowaniu
Zaawansowana identyfikacja użytkowników
Stworzyliśmy własny system rozpoznawania użytkowników na bazie IP, User-Agent i dodatkowych parametrów. Dzięki temu działamy na 3 identyfikatorach jednocześnie (user_pseudo_id, user_id, custom identifier), co znacząco poprawia łączenie użytkowników między urządzeniami i sesjami.
BigQuery + własny model atrybucji
Wyeksportowaliśmy dane eventów do BigQuery i zbudowaliśmy pipeline analityczny w SQL i Pythonie. Na tej podstawie stworzyliśmy graf połączeń, który pokazał, że ~30% konwersji było błędnie przypisanych do kampanii brandowych lub direct/none. Przypisaliśmy je do rzeczywistych źródeł.
Atrybucja: Przed vs. Po
Prawie 30% konwersji było błędnie przypisanych do branded search i direct/none. Odzyskaliśmy je.
Standardowa atrybucja
Branded Search: 38%
Bezpośredni/Brak: 22%
Paid Social: 18%
Paid Search (nie-brand): 12%
Email: 7%
Inne: 3%
Niestandardowy model atrybucji
Branded Search: 21%
Bezpośredni/Brak: 9%
Paid Social: 28%
Paid Search (nie-brand): 22%
Email: 12%
Inne: 8%
Kluczowy wniosek: Dzięki grafowi połączeń i analizie ścieżek użytkowników w BigQuery odkryliśmy rzeczywiste źródła konwersji. Efekt? Trafniejsza alokacja budżetu i +9,5% wzrostu przychodów.
Nasz Mar Tech
Google Tag Manager
Stape.io
Google Analytics 4
BigQuery
Klaviyo
Python
SQL
Chcesz odzyskać utracone dane?
Większość sklepów e-commerce traci 20–40% danych o konwersjach. Pora to zmienić.
Najczęściej zadawane pytania
Odpowiedzi na pytania, które najczęściej słyszymy od naszych klientów.
Jak długo trwa wdrożenie infrastruktury analitycznej
Standardowe wdrożenie sGTM, webhooków i atrybucji zajmuje 2–4 tygodnie. Pełny setup z BigQuery, grafem połączeń i custom modelem atrybucji, do 6–8 tygodni. Wszystko wdrażamy etapami, więc pierwsze efekty widzisz już po kilku dniach.
Czy muszę zmieniać platformę e-commerce?
Nie. Działamy na każdej platformie, Shopify, WooCommerce, PrestaShop, Magento i inne. Nasz stack integruje się z istniejącą infrastrukturą bez potrzeby migracji.
Ile danych faktycznie tracę przez ad blockery?
Średnio 15–30% użytkowników korzysta z ad blockerów, w zależności od branży i grupy docelowej. To oznacza, że tyle samo konwersji może nie trafiać do Twoich systemów reklamowych i analityki. Server-side tracking eliminuje ten problem.
Co to jest graf połączeń i jak pomaga w atrybucji?
Graf połączeń to model, który budujemy w BigQuery na bazie ścieżek użytkowników. Łączy sesje, urządzenia i identyfikatory w jedną historię. Dzięki temu widzimy, że konwersja przypisana do ‘direct/none’ tak naprawdę zaczęła się od reklamy na Facebooku 3 dni wcześniej.
Jak szybko zobaczę efekty po wdrożeniu?
Pierwsze rezultaty, lepsze dane w GA4 i systemach reklamowych, widać od razu po uruchomieniu sGTM. Pełny obraz z custom atrybucją i analizą BigQuery pojawia się zwykle po 4–6 tygodniach zbierania danych.
Jak wygląda współpraca po wdrożeniu?
Po wdrożeniu nie zostawiamy Cię samego. Monitorujemy jakość danych, aktualizujemy tracking przy zmianach na stronie i dostarczamy cykliczne raporty z rekomendacjami. Możesz też korzystać z nas jako wsparcie marketingowe na stałe.
