Segmentacja Performance Max — odzyskaj kontrolę nad tym, co PMax optymalizuje

Performance Max (PMax) to potężne narzędzie Google Ads, które algorytmicznie miksuje kampanie Search, Shopping, Display, YouTube i Discovery — wszystko w jednej kampanii. Problem: jedna kampania PMax na cały sklep optymalizuje pod przychód widoczny w panelu, czyli pod bestsellery niskomarżowe. Wysokomarżowe produkty nie dostają budżetu, bo „mają mniejszy przychód". Skalowanie polega na trafianiu w produkty, które realnie zarabiają, nie w te z największą sprzedażą wolumenową. Poniżej rozpisujemy strukturę segmentacji PMax, którą stosujemy w praktyce — wg marży, asortymentu, intencji.

Dlaczego jeden PMax na cały sklep nie działa

Algorytm PMax optymalizuje pod cel zdefiniowany jako konwersja: zwykle „zakup z wartością". Jeśli karmisz go całym katalogiem, system uczy się: „kupują najczęściej produkt X za 89 zł" — i kieruje 80% budżetu na promowanie X. Co z produktem Y za 350 zł z marżą 200 zł vs X z marżą 15 zł? PMax tego nie wie, bo nie podałeś mu informacji o marży — widzi tylko przychód.

Efekt: skalujesz sprzedaż produktu o najniższej marży, drenujesz magazyn produktu niskozyskownego, a wysokomarżowy schowany. ROAS w raporcie wygląda OK (algorytm robi swoje), ale zysk biznesowy stoi w miejscu lub spada.

Feed labels w Merchant Center — fundament segmentacji

Zanim w ogóle rozdzielimy PMax, musimy mieć w feedzie produktowym pola, po których będziemy filtrować. Merchant Center pozwala na 5 pól custom_label_0 … custom_label_4. To miejsce, gdzie zapisujemy informacje, które PMax samodzielnie wykorzysta:

• custom_label_0 — bucket marży: A (>40%), B (20-40%), C (<20%).
• custom_label_1 — sezon: all-year, summer, winter, christmas. Dla pelletu: peak (sierpień-listopad), shoulder (czerwiec-lipiec, grudzień-styczeń), low (luty-maj).
• custom_label_2 — priorytet magazynowy: high-stock (dużo na magazynie, można pchać), low-stock (mało, oszczędzamy budżet, nie wypalamy), out-of-stock (auto-wykluczenie z kampanii).
• custom_label_3 — cykl życia produktu: new (świeżo wprowadzony, więcej budżetu na naukę algorytmu), evergreen (stałe), end-of-life (wyprzedaż).
• custom_label_4 — kategoria handlowa wewnętrzna (np. „premium" / „mainstream" / „budget"), gdy nie pasuje do oficjalnych kategorii Google Product Category.

Każde z tych pól wymaga aktualizacji w bazie sklepu — albo z atrybutu produktu w WooCommerce, albo z pola w panelu PIM, albo z dedykowanej tabeli. Bez tego segmentacja PMax jest niemożliwa. To często pierwszy krok w projekcie segmentacji: dosypanie metadanych do feedu, dopiero potem rozdzielanie kampanii.

Segmentacja A — wg marży

Podstawowa segmentacja, którą stosujemy w 90% projektów. Asortyment dzielimy na 3-4 grupy. Każda kampania ma własny asset group z odpowiednim zestawem produktów (filtrowanym przez custom_label_0) i własny target ROAS:

• Marża A (wysoka, >40%) — osobna kampania PMax z najwyższym budżetem dziennym. Start target ROAS 400%, schodzimy w czasie do 300-350% w fazie skalowania. Asset group z minimum 5 nagłówkami (30 znaków), 5 opisami (90 znaków), 5 długimi opisami (90 znaków), 1-2 wideo lub generated assets, 10+ obrazami w różnych formatach.
• Marża B (średnia, 20-40%) — druga kampania, średni budżet. Target ROAS 300% start, 250% scale. Ten sam zestaw assets co A, ale komunikat skierowany na powtórny zakup / lojalność.
• Marża C (niska, <20%) — trzecia kampania, najniższy budżet. Target ROAS 200-250% (poniżej tego praktycznie nie zarabiasz po odjęciu marży, kosztów platform i kosztów obsługi). Dla produktów-przynęt, które mają budować list klientów do remarketingu z A i B.
• Marża D (sezonowe) — opcjonalnie. Kampania włączana tylko w szczycie sezonu, z budżetem ramped (rosnący w tygodniach przed szczytem, wysoki w szczycie, schodzący po nim). Dla pelletu sezon to sierpień-listopad — kampania D startuje 1 sierpnia, kończy 30 listopada.

Algorytm Smart Bidding uczy się w każdej kampanii osobno — i nie miesza wniosków między segmentami. To kluczowe: jedna kampania PMax na wszystko uczyłaby się „kupują częściej C niż A" i kierowała budżet na C, bo wolumen tam wyższy, mimo niższej marży.

Segmentacja B — wg asortymentu / kategorii

Dla sklepów z bardzo różnym asortymentem (np. moda męska + damska + dziecięca) segmentacja wg marży nie wystarcza — bo te trzy grupy mają inne odbiorców, inne sezony, inne ścieżki zakupowe.

Wtedy dodajemy drugi wymiar: kategoria. Każda kategoria to osobna kampania PMax — i wewnątrz niej można jeszcze segmentować wg marży, jeśli skala uzasadnia.

Segmentacja C — wg intencji (zaawansowane)

Dla sklepów z dużym ruchem PMax można dalej segmentować wg intencji zakupowej:

• Cold — nowi użytkownicy, którzy nie znają marki (sygnał z list pozyskanych przez SEO),
• Warm — użytkownicy z odwiedzonych produktów (remarketing standardowy),
• Hot — porzucone koszyki, niedokończone checkouty (najwyższa intencja).

Każdy segment dostaje inny budżet, inne assets, inny komunikat („odkryj markę" dla cold, „dokończ zamówienie" dla hot).

Sygnały audience — co dać PMax, żeby ulepszał targeting

PMax samo decyduje, komu pokazać reklamę. Możemy mu dać sygnały audience — wskazówkę, kto jest dobrym odbiorcą. To nie limit (PMax i tak może pokazać innym), ale przyspieszenie nauki:

• Customer match — lista emaili Twoich klientów (PMax szuka podobnych),
• Listy remarketingowe — z GA4, z piksela Meta, z ruchu organicznego,
• Custom segments — odbiorcy szukający fraz związanych z Twoim asortymentem,
• Detailed demographics — wiek, dochód, status rodzinny (gdzie pasuje).

Brand exclusion — krok po kroku

Klasyczny błąd: PMax pokazuje reklamy na własną markę („pellet drzewny Mojafirma"), bo to najtańsze konwersje (klient i tak by przyszedł, brand awareness wysoki). ROAS PMax wygląda świetnie, w praktyce kanibalizujesz własne wejścia organiczne i Search Brand. Konkretny setup:

1. Negative keyword list „Brand" — wszystkie warianty Twojej marki + nazwy produktów flagowych (zwykle 5-15 fraz). Zastosuj na poziomie konta.
2. Account-level negatives — lista przypisana do PMax-ów akwizycyjnych. Search Brand prowadzi tę listę bez wykluczeń, bo tam właśnie ma licytować.
3. Customer list jako audience exclusion — w PMax akwizycyjnych wykluczamy listę istniejących klientów, żeby budżet szedł na nowych. W PMax retencyjnym ta sama lista jest jako target.
4. Brand bidding monitoring — co tydzień sprawdzamy „Auction Insights" + raport „Search terms" pod kątem brand keywords trafiających do PMax (zdarza się mimo negative list). Aktualizujemy listę.

Wykluczenia — pełna lista, którą stosujemy

• Listy klientów (Customer Match) — wykluczone z PMax akwizycyjnych, target w PMax retencyjnych.
• Brand keywords — wykluczone z PMax akwizycyjnych (patrz wyżej).
• Nieefektywne geo — województwa, gdzie ROAS od miesięcy jest poniżej break-even, wyłączamy. Sprawdzamy w GA4 segmentem geograficznym.
• Nieefektywne urządzenia — dla niektórych branż mobile ma znacząco gorszą konwersję niż desktop (B2B, drogie produkty). Bid adjustment -100% dla mobile w tych przypadkach.
• Stare placements — Display content, gdzie historycznie były tylko bot impressions bez konwersji (lista negative placements aktualizowana co 2-4 tygodnie).

Mini case — sklep z 1500 SKU, jeden PMax → trzy

Realny scenariusz, który prowadziliśmy: średniej wielkości sklep e-commerce z asortymentem od produktów-przynęt (marża < 15%) do flagowców (marża 50%+). Jedna kampania PMax na cały sklep przez pół roku. ROAS w panelu wyglądał OK, ale właściciel czuł, że „sprzedajemy coraz więcej, a zarabiamy tyle samo".

Diagnoza po analizie zamówień: PMax kierował 65% budżetu na 3 bestsellery z marżą poniżej 18%. Flagowce dostawały 10% budżetu. Krok po kroku:

1. Tydzień 1 — przygotowanie metadanych w feedzie. Dosypanie custom_label_0 (bucket marży) i custom_label_2 (priorytet magazynowy) na 1500 produktów (skrypt SQL na bazie sklepu).
2. Tydzień 2 — utworzenie 3 nowych kampanii PMax (A, B, C) z odpowiednimi filtrami. Stara kampania pauzowana, listy klientów i audience signals przeniesione.
3. Tydzień 3-6 — faza nauki nowych kampanii. Brak interwencji budżetowej, zbieranie danych.
4. Tydzień 7+ — stopniowe zwiększanie budżetu na PMax A (marża wysoka), redukcja PMax C do minimum (tylko produkty przynęty), redystrybucja oszczędności do A.

Po jednym pełnym cyklu faza nauki + skalowanie biznes zaczął zarabiać proporcjonalnie do tego, co sprzedaje — bo budżet szedł na to, co faktycznie generuje marżę.

Wnioski

PMax bez segmentacji to jak zatrudnienie sprzedawcy bez instrukcji „co sprzedawać priorytetowo". On będzie pchać to, co najłatwiej, nie to, co najwięcej zarabia. Segmentacja PMax wg marży to najszybszy ruch, który podnosi zysk biznesowy bez zwiększania budżetu. Wymaga wiedzy o marżach (większość sklepów ma, ale nie używa w marketingu), poprawnej feed labels i 4-6 tygodni nauki algorytmu w każdej kampanii.

Pełna oferta Google Ads dla sklepów: Google Ads dla sklepów internetowych. Bez poprawnego pomiaru segmentacja nie działa — patrz: zaawansowane śledzenie konwersji.