---
type: "Artykuł"
title: "Jak sprawdzić, czy klient kupiłby i tak, nawet bez reklamy?"
description: "Jak sprawdzić, czy reklama wywołała sprzedaż, czy klient kupiłby i tak: inkrementalność, ROAS a iROAS, próg marży, 3 rodzaje testów i co zrobić z wynikiem."
resource: "https://webmountain.pl/gads/czy-klient-kupilby-bez-reklamy/"
tags: ["Wsparcie analityczne", "Wsparcie Google Ads", "Wsparcie Meta Ads"]
author: "Michał Wojciechowski"
published: 2026-11-12
timestamp: 2026-11-12
---

# Jak sprawdzić, czy klient kupiłby i tak, nawet bez reklamy?

> Żeby sprawdzić, czy klient kupiłby i tak, trzeba na kilka tygodni celowo nie pokazywać reklamy podobnej grupie ludzi albo części kraju, a potem porównać realną sprzedaż w sklepie. Panel Google Ads czy Meta Ads tego nie pokaże, bo liczy, kto kupił po reklamie, a nie kto kupił dzięki niej. Tę różnicę nazywa się inkrementalnością.

Poniżej: dlaczego panele reklamowe zawyżają wyniki, skąd wziąć dane, co zrobić w panelu Google Ads i Meta Ads, jak policzyć próg opłacalności, 3 rodzaje testów i co zrobić z wynikiem. Stan na listopad 2026.

## Dlaczego panel reklamowy nie pokazuje, czy reklama wywołała sprzedaż

Panel reklamowy przypisuje sprzedaż reklamie, gdy klient zobaczył ją albo kliknął przed zakupem. Panel nie sprawdza, czy ten klient kupiłby bez reklamy. [Measured](https://info.measured.com/hubfs/Incrementality%20Measurement%20for%20Marketers%20Guide.pdf), firma sprzedająca testy inkrementalności, pisze wprost, że platformy mierzą współwystępowanie reklamy i sprzedaży, a nie przyczynę.

Działa to jak hostessa, która w drzwiach sklepu wręcza ulotkę każdemu wchodzącemu, a wieczorem liczy, ile osób z ulotką doszło do kasy. Wynik ma świetny, chociaż większość tych ludzi i tak szła na zakupy.

Obraz z panelu zniekształcają jeszcze trzy rzeczy:

1. **Każdy system liczy na siebie.** Google i Meta mogą przypisać sobie tę samą sprzedaż. Dlatego suma konwersji z paneli często przekracza liczbę zamówień w sklepie, jakby czterech kelnerów podeszło po napiwek za jeden obiad.
2. **Część konwersji to szacunek.** Po ograniczeniach śledzenia platformy widzą mniej, więc braki uzupełniają modelem.
3. **Błąd działa w obie strony.** Measured zaznacza, że platforma może zawyżać wynik jednej kampanii i zaniżać wynik innej. Test może więc pokazać też, że kampania działa lepiej, niż wynika z raportu.

## Dlaczego dwie kampanie Advantage+ lub Performance Max mogą pokazywać dobry wynik na tych samych klientach

Dwie kampanie oparte na sztucznej inteligencji mogą w miesięcznym raporcie wyglądać dobrze, chociaż w dużej części obsługują tych samych ludzi. Widzę to, gdy kampanie dostają podobne dane, na przykład sygnał zakupu i listę klientów, którzy już kupili, a do tego celują w tę samą kategorię produktów.

Dobry wynik miesiąca bierze się wtedy głównie stąd, że w jednym tygodniu wynik robi jedna kampania, a w kolejnym druga. Dwa dobre raporty nie muszą więc oznaczać dwa razy większej sprzedaży.

Najwyraźniej widzę to w słabszych miesiącach roku, a nie w szczytach sprzedaży. Sprzedaży jest wtedy mniej, więc widać, jak ta sama grupa odbiorców pływa między kampaniami. Obserwowałem to głównie na rynkach zagranicznych, w branży odzieżowej, przy kampaniach na cały kraj.

## Które reklamy najczęściej przypisują sobie sprzedaż, która i tak by się wydarzyła

Największe ryzyko dotyczy reklam na własną nazwę firmy w wyszukiwarce oraz remarketingu, czyli reklam dla osób, które już znają sklep. Tacy ludzie często i tak są blisko zakupu.

[Stella](https://www.stellaheystella.com/case-studies/2025-dtc-digital-advertising-incrementality-benchmarks) przeanalizowała 225 testów sklepów internetowych, głównie z USA, z okresu od sierpnia 2024 do grudnia 2025. Reklama na własną markę w wyszukiwarce Google dała tam w medianie 0,70 dolara dodatkowego przychodu na każdego wydanego dolara. Autorzy szacują, że przy reklamie na markę i remarketingu panele zawyżają wynik 5–10 razy. To ich szacunek, bo przy kanałach nie podają wyników z paneli.

Słaby wynik nie oznacza, że reklamę na markę trzeba wyłączyć. Stella zaleca ograniczyć ją do poziomu obronnego, żeby konkurent nie przejął tej frazy, a oszczędności przesunąć do kanałów z lepszym wynikiem.

Uważam, że kampanie broniące marki i kampanie remarketingowe służą przede wszystkim temu, żeby nie oddawać miejsca konkurentom. Eksperci z platform reklamowych często wskazują właśnie je do skalowania, bo w panelu wyglądają najlepiej. Panel nie pokazuje jednak, ile z tej sprzedaży powstałoby bez nich.

## Jak policzyć inkrementalność remarketingu: skąd wziąć dane i co zrobić w panelu

Danych do inkrementalności nie ma w panelu, bo panel nie widzi zakupów osób, którym nie pokazał reklamy. Liczby bierze się więc ze sklepu. W panelu robi się tylko dwie rzeczy: wyłącza reklamę wybranej grupie klientów, a na końcu wstawia wynik do kolumny niestandardowej.

Ten sposób działa dla osób, które już kupiły, bo tylko ich dane są na liście. Osób, które tylko odwiedziły stronę, tak nie podzielisz. Dla nich zostaje test na regionach albo narzędzie platformy. Testu na liście klientów sam jeszcze nie prowadziłem, mam go w planie. Poniższe kroki opierają się na metodzie opisanej przez Measured.

### Jak przygotować grupę klientów, która nie zobaczy reklam

1. Pobierz ze sklepu listę klientów z adresami e-mail. Sprawdź wcześniej, czy Twoja polityka prywatności pozwala przekazać taką listę platformie reklamowej.
2. Otwórz listę w Excelu. W pustej kolumnie wpisz `=LOS()` i skopiuj formułę do wszystkich wierszy. Każda osoba dostanie losową liczbę.
3. Posortuj listę po tej kolumnie. Pierwsze 10% osób to grupa bez reklam, a pozostałe 90% to grupa z reklamami. Zapisz obie grupy w osobnych plikach.

### Jak wyłączyć reklamy tej grupie w Google Ads i Meta Ads

1. Wgraj plik z grupą 10% jako listę klientów. W Google Ads robi się to w Menedżerze odbiorców (Audience manager), a w Meta Ads w zakładce Odbiorcy (Audiences). Google [podaje próg 100 aktywnych osób na liście](https://support.google.com/google-ads/answer/7474166?hl=en), a do tego panel dopasuje tylko część adresów.
2. Wyklucz tę listę w każdej kampanii, która może dotrzeć do tych osób. W Google Ads wykluczenie dodaje się w ustawieniach odbiorców kampanii, a w Meta Ads w sekcji Odbiorcy zestawu reklam. Według [pomocy Google](https://support.google.com/google-ads/answer/2549058?hl=en) dotyczy to też kampanii Performance Max.
3. Zostaw test na co najmniej 30 dni. To moja propozycja, oparta na czasie testów z badania Stelli.

Część osób z listy i tak może zobaczyć reklamę. Google zastrzega, że wykluczenie nie zawsze obejmuje osoby, które wyłączyły personalizację reklam. Wynik testu może więc wyjść trochę niższy od rzeczywistego.

### Jak policzyć wynik testu w pliku ze sklepu

1. Pobierz ze sklepu zamówienia z czasu testu.
2. Sprawdź, kto z każdej grupy kupił. Funkcja `LICZ.JEŻELI` w Excelu pokaże, czy dany e-mail jest wśród zamówień.
3. Podziel liczbę kupujących przez liczbę osób w grupie. Tak dostajesz procent kupujących w każdej grupie.

W przykładzie Measured bez reklam kupuje 10% osób, a z reklamami 14% osób. Różnica wynosi 4 punkty procentowe. Czyli na 100 osób, które zobaczyły reklamę i kupiły, około 29 kupiło dzięki reklamie (4 / 14 = 28,6%), a około 71 kupiłoby i tak. Tę samą różnicę można opisać inaczej: osoby z reklamą kupowały o 40% częściej (4 / 10). W każdym raporcie warto sprawdzić, która z tych liczb jest podana, bo 40% brzmi lepiej niż 28,6%.

### Jak wstawić wynik testu do kolumny niestandardowej

Kolumna niestandardowa niczego nie mierzy. Kolumna tylko mnoży wynik z panelu przez liczbę z Twojego testu, czyli przez współczynnik korekty. Oto jak go policzyć, na przykładowych liczbach:

1. 1 000 osób bez reklam kupiło za 10 000 zł, a 9 000 osób z reklamami kupiło za 126 000 zł.
2. Grupa z reklamami jest 9 razy większa, więc bez reklam kupiłaby za 90 000 zł (10 000 zł × 9).
3. Reklama dodała więc 36 000 zł sprzedaży (126 000 zł − 90 000 zł).
4. Panel przypisał tej kampanii 60 000 zł sprzedaży. Współczynnik wynosi 36 000 / 60 000 = 0,6.

Teraz można dodać kolumnę. Nazwy przycisków mogą się trochę różnić zależnie od wersji panelu.

- **Google Ads:** Kolumny → Zmień kolumny (Modify columns) → [+ Kolumna niestandardowa](https://support.google.com/google-ads/answer/11305866?hl=en). Nazwij ją „Prawdziwy ROAS”. Formuła: wartość konwersji / koszt * 0,6. Format: liczba.
- **Meta Ads:** Kolumny → Dostosuj kolumny (Customize columns) → Utwórz niestandardowy wskaźnik (Create custom metric). Formuła: wartość konwersji zakupu / wydana kwota * 0,6. Format: liczba.

Współczynnik pochodzi z jednego testu, jednej kampanii i jednego budżetu. Gdy zmienisz kampanię albo mocno zmienisz budżet, liczbę trzeba sprawdzić nowym testem.

## Dlaczego ROAS 5 może oznaczać stratę na kampanii

ROAS to sprzedaż z panelu podzielona przez koszt reklamy. iROAS to tylko ta sprzedaż, która bez reklamy by nie powstała, podzielona przez ten sam koszt. O tym, czy reklama zarabia, decyduje jeszcze marża.

Liczby poniżej są przykładowe:

1. Wydajesz na reklamę 10 000 zł.
2. Panel pokazuje 50 000 zł sprzedaży, więc ROAS wynosi 5 i wygląda świetnie.
3. Test pokazuje, że dzięki reklamie powstało tylko 20 000 zł sprzedaży, więc iROAS wynosi 2. Reszta klientów kupiłaby i tak.
4. Marża to 40%, więc z 20 000 zł sprzedaży zostaje 8 000 zł.
5. Wydane 10 000 zł, zarobione 8 000 zł. Jesteś 2 000 zł na minusie.

Własny próg opłacalności policzysz, dzieląc 100 przez marżę w procentach. Przy marży 50% iROAS musi wynieść co najmniej 2, a przy marży 40% co najmniej 2,5. Uważam, że tę liczbę trzeba znać przed testem. Ponowne zakupy mogą poprawić rachunek, ale wtedy trzeba je policzyć, a nie założyć.

## Jak sprawdzić, czy klient kupiłby bez reklamy: 3 rodzaje testów

Każdy test działa tak samo: dwie podobne grupy, reklama tylko w jednej i porównanie realnej sprzedaży. Na początek wystarczy tańszy krok. Suma konwersji z paneli zestawiona ze sprzedażą w sklepie nie pokaże przyczyny, ale pokaże skalę podwójnego liczenia.

### Test na regionach

Test geograficzny wyłącza albo włącza reklamy w części regionów, a potem porównuje sprzedaż ze sklepu. Nie potrzebuje danych o pojedynczych osobach, a wynik nie pochodzi z panelu. Kosztem jest sprzedaż utracona przez czas testu w regionach bez reklam. W panelu wystarczy wykluczyć wybrane regiony w ustawieniach lokalizacji kampanii albo zestawu reklam.

Sam pracuję właśnie na regionach, bo sprzedaż rozkłada się po nich bardzo nierówno. W Polsce często skupia się w Wielkopolsce, na Śląsku, Mazowszu i w Małopolsce, a zachodniopomorskie, warmińsko-mazurskie i często pomorskie wymagają od reklam więcej pracy. Podobnie jest w Niemczech. Każdy land ma swoje warunki, a wyłączenie landów na północnym wschodzie potrafi poprawić zysk na zachodzie kraju.

Nierówne regiony oznaczają jedną zasadę: porównujemy zmianę sprzedaży, a nie samą sprzedaż. Śląsk i Warmia nie mają tych samych wyników nawet bez żadnej reklamy.

### Test na liście klientów

Test na liście dzieli znanych klientów na dwie grupy i tylko jednej pokazuje reklamę. Pasuje do remarketingu i pracy z obecnymi klientami. Measured podaje, że można tak badać e-mail, SMS, Facebooka i YouTube. Kroki opisuję wyżej, przy liczeniu inkrementalności remarketingu.

### Narzędzie platformy reklamowej

Meta Conversion Lift i podobne narzędzia platform są najprostsze w uruchomieniu. Measured pisze, że po iOS 14.5 straciły na dokładności i że ich wyniki trzeba weryfikować niezależnie. Measured sprzedaje niezależne testy, więc ma w tej opinii własny interes.

Test przyrostu mówi, ile sprzedaży dołożyła reklama, ale nie mówi, czy ludzie ją w ogóle zauważają. Jak sprawdzić to na koncie bez płatnego narzędzia, opisuję w tekście [co to jest attention w reklamie i dlaczego same kliknięcia przestają wystarczać](https://webmountain.pl/strategia/attention-w-reklamie/).

## Ile danych i czasu potrzeba do testu inkrementalności

Test inkrementalności potrzebuje tym większej grupy, im mniejszy jest efekt reklamy. Poniższy rachunek to moje przybliżenie dla testu na liście z podziałem 90% osób z reklamą i 10% bez reklamy, przy 95% ufności i 80% mocy statystycznej.

| Różnica do wykrycia | Potrzebna lista | W tym bez reklamy |
| --- | --- | --- |
| 10% vs 14% | ok. 5 100 osób | ok. 510 osób |
| 10% vs 11% | ok. 79 000 osób | ok. 7 900 osób |

Testy geograficzne w badaniu Stelli trwały w medianie 33 dni, a ich mediana budżetu to 23 825 dolarów. Stella wskazuje 30–35 dni jako dobry czas i podaje, że o osiągnięciu wiarygodnego wyniku decyduje przede wszystkim liczba konwersji w każdym regionie. Ponad połowa testów (55,6%) miała też dodatkowy okres obserwacji po wyłączeniu reklam, zwykle 8 dni, żeby złapać późniejsze zakupy.

Uważam, że w Polsce test geograficzny będzie trudniejszy niż w USA, bo mamy 16 województw zamiast 50 stanów, a mniejsze budżety dają mało konwersji na region.

## Co zrobić z wynikiem testu inkrementalności

Wynik testu ma sens dopiero po porównaniu z własnym progiem opłacalności, czyli ze 100 podzielonym przez marżę w procentach. Decyzje poniżej to moja propozycja, a przy kanale bardzo słabym zgodna z zaleceniem Stelli.

| Wynik | Co to znaczy | Co zrobić |
| --- | --- | --- |
| iROAS poniżej 1 | Reklama nie zwraca nawet swojego kosztu w przychodzie. | Ograniczyć budżet. Przy reklamie na markę zostawić poziom obronny. |
| iROAS od 1 do progu marży | Pierwszy zakup się nie zwraca. | Policzyć ponowne zakupy i dopiero wtedy zdecydować o budżecie. |
| iROAS powyżej progu marży | Reklama zarabia już na pierwszym zakupie. | Zostawić i sprawdzić, jak wynik zmienia się przy większym budżecie. |
| Wynik niepewny | Danych było za mało na wniosek. | Nie zmieniać budżetu na tej podstawie. Powtórzyć test na większej grupie albo dłużej. |

Jeden słaby test nie jest powodem do wyłączenia kanału. Test mierzy konkretny okres, kreację i budżet. Stella radzi zacząć od całych kanałów o największym budżecie, a dopiero potem schodzić do kampanii i kreacji.

## Jakie wyniki dają testy inkrementalności w sklepach internetowych

Mediana ze wszystkich 225 testów Stelli to 2,31 dolara dodatkowego przychodu na dolara reklamy. Przy marży 40% taki wynik nie zwraca się na pierwszym zakupie. Tabela pokazuje wybrane kanały.

| Kanał | Mediana iROAS |
| --- | --- |
| Google Performance Max | 2,98 |
| Meta | 2,92 |
| YouTube | 2,17 |
| Google Shopping | 1,86 |
| Wyszukiwarka Google bez marki | 1,46 |
| TikTok | 0,94 |
| Wyszukiwarka Google na markę | 0,70 |

Te liczby są punktem odniesienia, a nie obietnicą. W Mecie wyniki sięgały od 0,32 do 5,99. Dane pochodzą od klientów platformy Stella, głównie z USA, a sami autorzy radzą odjąć 15–20% przy planowaniu i zastrzegają, że inne rynki mogą wyglądać inaczej.

## Rozdzielenie kampanii Demand Gen na regiony: przykład z praktyki

Przykład dotyczy sieci 8 sklepów z kategorii dom i ogród. Kampania Demand Gen, czyli kampania Google budująca zainteresowanie ofertą, działała tam z tymi samymi reklamami w całym kraju. Przy takim ustawieniu nie dało się ocenić, które regiony dają sprzedaż.

Po audycie konta wydzieliłem każdy region ze sklepem do osobnej grupy reklam. Dzięki temu mogłem sprawdzić, czy promowanie oferty w reszcie Polski, gdzie sklepów nie ma, ma sens. Okazało się, że nie ma. Większość budżetu poszła więc na Mazowsze, czyli do Warszawy. Zainteresowanie ofertą wzrosło tam o 10%, co przełożyło się na wskaźnik zakupowy wyższy o 2–3%.

Ten wynik ma ograniczenia. Rozdzielenie kampanii pokazało, gdzie reklama pracuje, ale nie było tu pełnego testu z grupą bez reklam. Nie twierdzę więc, że cały wzrost wynika z tej jednej zmiany.

## Kiedy test inkrementalności warto zlecić specjaliście

Własne porównanie paneli ze sklepem da się zrobić bez pomocy. Specjalista przydaje się, gdy trzeba dobrać podobne regiony, policzyć wielkość grupy albo ocenić, czy test w ogóle ma szansę dać wiarygodny wynik przy danym budżecie. Zanim ktokolwiek zacznie test, liczby w kampaniach muszą zgadzać się ze sklepem. Ten etap opisuję w tekstach [jak ustawić konwersję w Google Analytics 4](https://webmountain.pl/analityka/jak-ustawic-konwersje-w-ga4/) i [audyt konta Google Ads w sklepie internetowym](https://webmountain.pl/gads/audyt-google-ads-w-e-commerce-jak-skalowac-sprzedaz-bez-przepalania-budzetu/). Pomiarem i analityką zajmuję się w ramach [wsparcia analitycznego](https://webmountain.pl/wsparcie-analityczne/), a reklamami na Facebooku i Instagramie w ramach [wsparcia Meta Ads](https://webmountain.pl/wsparcie-meta-ads/).

## Najczęstsze pytania

### Co to jest inkrementalność reklamy?

Inkrementalność reklamy to część sprzedaży, która bez tej reklamy by nie powstała. Mierzy się ją testem: jedna grupa widzi reklamę, podobna grupa jej nie widzi, a różnica w realnej sprzedaży pokazuje efekt reklamy.

### Czym różni się ROAS od iROAS?

ROAS z panelu pokazuje sprzedaż przypisaną do reklamy na każdą wydaną złotówkę. iROAS pokazuje tylko tę sprzedaż, która bez reklamy by nie powstała. Na przykład ROAS 5 może oznaczać iROAS 2, gdy większość klientów kupiłaby i tak.

### Skąd wziąć dane do niestandardowej kolumny z inkrementalnością?

Ze sklepu, a nie z panelu reklamowego, bo panel nie widzi zakupów osób, którym nie pokazał reklamy. Porównujesz zakupy grupy z reklamą i grupy bez reklamy, liczysz współczynnik korekty i dopiero ten współczynnik wpisujesz do kolumny niestandardowej w Google Ads albo Meta Ads.

### Czy wyłączyć reklamy Google na własną markę?

Nie po samym benchmarku. W badaniu Stelli (225 testów, głównie USA, 2024–2025) reklama na markę miała najniższą medianę, 0,70 dolara dodatkowego przychodu na dolara reklamy. Stella zaleca ograniczenie jej do poziomu obronnego, a nie całkowite wyłączenie.

### Czy konwersje po samym wyświetleniu reklamy są dowodem, że reklama zadziałała?

Nie. Konwersja po wyświetleniu pokazuje, że klient widział reklamę przed zakupem, ale nie pokazuje, czy to reklama wywołała zakup. Odpowiedź daje dopiero porównanie z grupą, która reklamy nie widziała.

### Ile trwa test inkrementalności?

W badaniu Stelli testy geograficzne trwały od 20 do 59 dni, w medianie 33 dni. O wiarygodności wyniku decyduje przede wszystkim liczba konwersji, więc mały sklep może nie uzyskać pewnego wyniku nawet w takim czasie.
