Marketing dostal více dat, ale ne více jistoty

V článcích z posledního týdne se opakoval jeden problém. Google mění jazykové cílení v Search kampaních. Gemini se dostává do AI Mode rychleji než předchozí modely. AI crawlery čtou evropské weby, ale návštěvníky posílají jen zřídka. YouTube měří brandové vyhledávání tvůrců, stále však nedokáže přesně přiřadit výsledek konkrétní spolupráci.

Na první pohled jde o rozdílné události. Spojuje je však jedna věc. Marketingové systémy vytvářejí více signálů, zatímco firmy stále obtížněji zjišťují, který z nich skutečně souvisí s obchodním výsledkem.

AdExchanger upozornil, že reklamy v ChatGPT vstupují do mediaplánů, ale transparentnost a atribuce za novým formátem zaostávají. Search Engine Journal popsal stejný rozdíl u vyhledávání s AI. Vliv na značku roste rychleji než schopnost vysvětlit jeho původ.

Není to pouze problém velkých technologických platforem. Australská OOH Media zvýšila v prvním pololetí 2026 tržby o 1,4 % na 340,9 milionu australských dolarů. Upravená EBITDA však klesla o 23 % na 48,1 milionu dolarů a firma vykázala ztrátu 1,2 milionu dolarů. Výnos tedy rostl, ale ekonomika, která za ním stojí, se zhoršila.

Také Telstra snížila marketingový rozpočet druhý rok po sobě. Za rok do 30. června 2026 investovala 267 milionů dolarů, meziročně o 6,6 % méně. Značka přitom podle Brand Strength Index zůstala devátou nejsilnější značkou v Austrálii. To však měří stav značky, nikoli důkaz, že další škrty nebudou mít následky.

To je hlavní téma. Firmy dnes nemají nedostatek reportů. Mají nedostatek odpovědí na otázku, co by se stalo, kdyby konkrétní peníze do kampaně nevložily.

Reporting není měření a platforma není rozhodčí

Tři různé vrstvy výsledku

Marketingový reporting popisuje, co se stalo v konkrétním systému. Google Ads ukáže kliknutí, zobrazení a konverze. YouTube ukáže zhlédnutí a interakce. Poskytovatel OOH ukáže zásah nebo odhad kontaktů.

To vše může být užitečné. Samo o sobě to však ještě neříká, co reklama způsobila.

Při hodnocení kampaně je třeba oddělit tři vrstvy:

  1. Doručení, tedy zda se reklama zobrazila, přehrála nebo byla dostupná publiku.
  2. Reakci, tedy zda člověk klikl, navštívil web, vyhledal značku nebo vyplnil formulář.
  3. Obchodní výsledek, tedy zakázku, tržbu, hrubou marži, opakovaný nákup nebo jinou hodnotu pro firmu.

Tyto vrstvy spolu souvisejí, ale nejsou zaměnitelné. Viditelná reklama není automaticky účinná reklama. Kliknutí není automaticky zákazník. Zákazník, který přišel po kampani, zase nemusí být celý její výsledek.

Výzkum Omnicom Media Intelligence uvádí, že 80 % lidí považuje špatnou reklamu za horší než žádnou reklamu. Kampaň může mít přesně zacílené publikum, nízkou cenu za kliknutí a vysokou míru doručení. Pokud si ji lidé nespojí se značkou, obchodní význam bude slabý.

Platformy optimalizují vlastní cíle

Reklamní platforma má přirozený důvod optimalizovat metriku, kterou dokáže sama sbírat. Pro Google je jednodušší optimalizovat kliknutí nebo konverzi zaznamenanou v účtu než dlouhodobou marži zákazníka. Pro sociální síť je jednodušší optimalizovat přehrání videa než to, zda si člověk za tři měsíce vzpomene na značku.

To neznamená, že platformová data jsou nesprávná. Znamená to, že měří pouze část reality a často ji měří podle vlastní definice.

Příkladem je změna jazykového cílení v Google Ads. Od konce září 2026 má Google u Search kampaní a inventáře Search v Performance Max rozhodovat o jazyku především podle kreativy, vstupní stránky a vlastních signálů o uživateli. Inzerent tak ztrácí jeden manuální ovladač.

Kampaň rozdělená na slovenskou a českou verzi může zůstat oddělená. Jazykové nastavení však už nebude stejnou pojistkou proti nechtěnému míchání publik. Google zatím neoznámil dodatečný report, který by ukázal, v jakém jazyce se reklama konkrétnímu uživateli zobrazila.

Pokud nemáte vlastní kontrolní data, budete muset věřit systému, který zároveň rozhoduje o doručení a informuje o jeho kvalitě. To není nezávislé měření. Je to interní report dodavatele.

Vyhledávání s AI a boti rozšiřují prostor, který v analytice nevidíte

Zobrazení značky už nemusí vést na web

Klasická digitální atribuce předpokládá, že zákazník zanechá stopu. Klikne na reklamu, přijde na web, navštíví produkt, odešle formulář a nakoupí. Tato cesta nikdy nebyla úplně lineární, ale analytické nástroje vytvořily dojem, že ji dokážeme zpětně poskládat.

Odpověď AI tuto cestu zkracuje nebo přerušuje. Uživatel se může na značku zeptat v AI Mode, dostat doporučení a následně navštívit web přímo, přes telefon, nebo vůbec. Značka mohla ovlivnit rozhodnutí, ale v analytice se objeví pouze jako přímá návštěva, brandový dotaz nebo později jako zakázka bez jasného zdroje.

U Gemini 3.7 Flash je navíc podstatné, že stejný dotaz může podle modelu vypadat jinak. Funkce byla podle dostupných informací zpřístupněna v AI Mode den po uvedení modelu, zatím pouze v angličtině a předplatitelům Google AI Pro a Google AI Ultra.

Pro marketéra to znamená, že jeden manuální test není měření. Pokud se ptáte na značku v režimech Flash, Auto a Pro, získáte tři pozorování. Ne univerzální realitu. Výsledek závisí na jazyce, lokalitě, datu, modelu a přesném znění otázky.

AI crawler není zákazník

Podobný omyl vzniká u návštěvnosti robotů. Analýza společnosti TollBit, kterou zveřejnil Digiday, zahrnovala 3 906 vydavatelů a AI roboty od 40 poskytovatelů scrapingu.

Mediánový evropský web zaznamenal čtyřikrát více AI scrapingů než srovnatelný severoamerický web. Na jedno lidské doporučení z AI aplikace připadlo v Evropě 179 návštěv robotů. Ve druhém kvartálu 2026 se poměr podle TollBit zhoršil na 227:1.

Za prvních šest měsíců 2026 pocházelo z AI aplikací pouze 0,05 % externích referralů na evropské weby. V Severní Americe to bylo 0,16 %. Čísla se netýkají každého firemního webu. Ukazují však směr, ve kterém lze návštěvnost snadno zaměnit za zájem.

Cloudflare podle Digiday neviděl v Evropě vyšší absolutní počet požadavků botů než v Severní Americe. Evropské weby však měly vyšší podíl botů ze všech požadavků. DataDome zároveň upozornil na rozdíly mezi jednotlivými vydavateli.

Při jiném pozorování popsaném v Search Engine Journal crawler provedl 1 028 požadavků na citlivé cesty jako /.env, /.ssh/known_hosts a firebase-service-account.json. Referralů bylo nula.

Návštěva tedy není důkaz publika. Může jít o AI scraping, bezpečnostní skener nebo pokus najít přihlašovací údaje. Bez oddělení typů provozu bude firma optimalizovat web pro číslo, které nepředstavuje zákazníka.

Otevřený marketingový mix vrací měření k obchodnímu výsledku

Marketing mix modeling, zkráceně MMM, je statistické vyhodnocování vlivu reklamních kanálů na obchodní výsledek. Pracuje s agregovanými daty, například s výdaji v médiích, cenami, sezónností, distribucí a prodeji. Neopírá se o sledování každého jednotlivce.

MMM není nový koncept. Nové je, že se k němu firmy dostávají prostřednictvím veřejně dostupných nástrojů, jako jsou Google Meridian, Meta Robyn a knihovna PyMC Marketing. AdExchanger citoval Juliana Rungeho, odborného asistenta marketingu na Northwestern University, který upozornil na rostoucí zájem o otevřená řešení.

Proč je to důležité? Protože uzavřené platformové měření má vlastní hranice. Google ví, co se stalo v jeho systému. Meta ví, co připsala svým reklamám. Žádná z nich však sama nevidí celý obchodní proces firmy, výrobní náklady, kvalitu leadu, opakovaný nákup a marži napříč kanály.

Otevřený model tento problém automaticky nevyřeší. Pokud do něj vložíte nekvalitní data, dostanete přesně vypadající nesmysly. MMM potřebuje dostatečně dlouhou časovou řadu, konzistentní definice, údaje o výdajích a výsledcích a alespoň základní experimentální disciplínu.

Největší výhoda je jinde. Firma si může sama definovat výsledek, který chce vysvětlit. Ne kliknutí, ale například hrubou marži podle regionu. Ne počet formulářů, ale počet kvalifikovaných obchodních příležitostí. Ne návštěvu webu, ale tržbu po odečtení slev a nákladů na obsluhu.

MMM také pomáhá u kanálů, které se obtížně sledují individuálně. OOH Media ukázala, že růst tržeb v médiu může jít současně s poklesem EBITDA. U kampaně proto nestačí vědět, kolik kontaktů dodavatel prodal. Potřebujete vědět, zda dodatečný prodej převýšil cenu prostoru, produkce a interního času.

Na druhou stranu otevřený model není zadarmo. Nákladem není pouze technické nasazení. Potřebujete člověka, který rozumí datům, marketingu a obchodu. Potřebujete také pravidelnou údržbu. Pokud se změní definice konverze nebo způsob reportování platformy, výsledek se může změnit, aniž by se změnil trh.

Jak postavit měření, které přežije změnu platformy

1. Nejprve definujte obchodní výsledek

Začněte od čísla, podle kterého firma rozhoduje. Může to být marže, počet nových zákazníků, hodnota zákazníka nebo počet zakázek. Pokud je cílem prodej, neoptimalizujte pouze leady. Pokud je cílem růst značky, nevyhlašujte kliknutí za důkaz budování značky.

Výsledek musí mít přesnou definici. „Kvalitní lead“ není definice, dokud nevíte, kdo ho označí, v jaké lhůtě a podle jakých podmínek.

2. Oddělte zdroj od důkazu

U každého čísla si zapište, odkud pochází a co skutečně dokazuje.

  • Platformový report dokazuje, co platforma zaznamenala.
  • Serverové logy ukazují požadavky, ne automaticky lidi.
  • CRM ukazuje obchodní stav, pokud ho obchodníci zapisují konzistentně.
  • Průzkum značky ukazuje změnu v populaci, ne přesnou cestu jednotlivce.
  • Experiment nebo kontrolní skupina poskytuje silnější důkaz příčiny než samotná korelace.

Toto rozdělení zní základně. V praxi však firmy často spojí všechna čísla do jednoho dashboardu a pak je porovnávají, jako by vznikla stejným způsobem.

3. Zaveďte vlastní kontrolní soubor

U vícejazyčných kampaní si ukládejte datum, jazyk, lokalitu, kreativu, vstupní stránku, typ kampaně a rozpočet. U vyhledávání s AI evidujte přesný dotaz, model, režim, lokalitu a odpověď. U webové návštěvnosti uchovávejte URL, user-agent, stavový kód, přenesená data a referral.

Tak vytvoříte časovou řadu, která není závislá na tom, co platforma zobrazí v rozhraní za šest měsíců. Google už ukázal, že manuální nastavení může změnit význam kampaně. Údaje, které dnes považujete za samozřejmé, nemusí mít zítra stejnou interpretaci.

4. Testujte změnu, nejen výsledek

Pokud zvýšíte rozpočet a prodej vzroste, ještě nevíte, zda prodej způsobila reklama. Mohla pomoci sezónnost, cena, dostupnost produktu, konkurence nebo obchodní tým.

Použijte geografický test, časové vypnutí, rozdílné rozpočty mezi srovnatelnými regiony nebo jednoduchou kontrolní skupinu. Dokonalý experiment malá firma často nepostaví. I nedokonalý, předem naplánovaný test je však lepší než zpětné vyprávění příběhu z dashboardu.

5. Přidělujte peníze až po výsledku

Nejprve rozhodujte o tom, co má kampaň přinést. Potom sledujte doručení a reakce. Rozpočet však přesouvejte až podle obchodního výsledku, ideálně po zohlednění marže.

V opačném pořadí vzniká běžná chyba. Firma zvýší investici do kanálu s nejnižší cenou za lead. Obchod pak zjistí, že tyto leady se nekonvertují. Dashboard vypadá efektivně. Firma pouze rychleji vyrábí práci pro obchodníky.

Co to znamená pro slovenskou a českou firmu

Pro běžnou středoevropskou firmu s 20 lidmi není prvním krokem nákup drahého měřicího systému ani okamžité nasazení marketing mix modelu. Prvním krokem je dohoda mezi marketingem, obchodem a financemi o jednom výsledku, který má marketing ovlivnit.

V praxi to může být hrubá marže z nových zakázek za 90 dní. U e-shopu to může být marže po slevě a nákladech na dopravu. U B2B firmy počet příležitostí, které obchod přijal jako reálné. Každý z těchto výsledků je lepší než neurčitý součet konverzí z reklamních účtů.

Druhá změna se týká procesů. Marketing by měl jednou týdně exportovat náklady, doručení a reakce. Obchod by měl v CRM označovat kvalitu leadu stejným způsobem. Finance by měly měsíčně doplnit tržbu, marži a případná storna. Nemusí jít o datový sklad. Na začátku stačí kontrolovaný tabulkový soubor s jasným vlastníkem.

U kampaní pro slovenský a český trh je třeba sledovat jazyky odděleně. Google může od konce září 2026 rozhodovat o jazyku reklamy podle více signálů, nejen podle nastavení kampaně. Pokud chcete dokázat, že české publikum vidělo českou kreativu a slovenské publikum slovenskou, ukládejte si vlastní testy a pravidelně provádějte vzorkování.

Právní riziko se mezi zeměmi také nemusí chovat stejně. Regulované odvětví potřebuje kontrolu reklamních textů a cílových skupin podle místních pravidel. U hazardních, finančních, zdravotních nebo úvěrových produktů nestačí společný kreativní koncept. Potřebujete místní schvalovací krok.

V horizontu 30 dní by firma měla umět odpovědět na čtyři otázky. Kolik stojí získání zákazníka podle kanálu? Jaká je jeho marže? Kolik leadů obchod odmítl? A které výsledky pocházejí pouze z platformového reportu?

V horizontu 90 dní lze přidat jednoduchý geografický test. Ten neposkytne vědeckou jistotu. Poskytne však lepší odpověď než další srovnání kliknutí mezi dvěma reklamními účty.

Co si o tom myslím a co z toho plyne pro firmy

Názor

Za posledních 16 let jsem viděl mnoho marketingových dashboardů, které byly technicky přesné a obchodně téměř bezcenné. Dnes se tento problém zvětšuje. Vyhledávání s AI, automatické jazykové rozhodování a návštěvnost botů přidávají další vrstvy, které vypadají jako signál, ale nemusí představovat člověka ani zakázku.

Můj postoj je proto jednoduchý. Firma nemá začínat otázkou, který model, nástroj nebo platforma je nejlepší. Má začít otázkou, jaké rozhodnutí chce učinit a jaký důkaz k němu potřebuje. Otevřený MMM může být užitečný. Drahý dashboard však nenahradí nekonzistentní CRM ani špatně definovanou marži.

Největším omylem je považovat platformu za rozhodčího. Platforma je dodavatel i účastník měření. Její report je třeba používat, ale ne uctívat. Číslo, které nelze porovnat s obchodním výsledkem nebo ověřit vlastním testem, je hypotéza. Ne fakt.

Důsledek pro firmu

Pro slovenskou a českou firmu z toho plyne konkrétní změna v pořadí práce. Před zvýšením rozpočtu nejprve zkontrolujte měření. Před nasazením AI nejprve ukliďte proces. Před rozhodnutím o výkonu kampaně se dohodněte, zda optimalizujete tržbu, marži, kvalifikovaný lead nebo dlouhodobou znalost značky.

Pokud marketing ušetří 20 hodin měsíčně automatizací reportu, úspora vznikne až tehdy, když těch 20 hodin využije k analýze, kreativitě nebo práci s obchodem. Jinak pouze rychleji vyrobí stejný report. To je produktivita na papíře.

V příštích šesti měsících budou mít výhodu firmy, které si vytvoří vlastní evidenci kampaní a výsledků. Ne proto, že budou mít více dat. Budou méně závislé na tom, jak platforma právě pojmenovala realitu. Když se změní cílení, model nebo report, firma bude mít vlastní časovou osu.

To je rozdíl mezi marketingem, který pouze reaguje na změny rozhraní, a marketingem, který dokáže obhájit investici před obchodem a vedením.

Na závěr

Kdysi stačilo vejít do prodejny a zeptat se prodavače, co se prodává. Dnes máme senzory, reklamní platformy, atribuční modely, odpovědi AI a reporty v reálném čase. Přesto může být odpověď na jednoduchou otázku, co přivedlo zákazníka, horší než před lety.

Technologie problém neodstraní. Pouze ho zabalí do hezčího grafu. Firma, která si zachová schopnost pochybovat o vlastních číslech, nebude zaostávat. Bude o marketingu rozhodovat podle reality, ne podle nejhlasitějšího dashboardu.

Výzva na AI implementaci dne

Do jednoho týdne nasaďte interního AI kontrolora marketingových reportů. Prakticky to může být Google Sheet napojený přes Make nebo Zapier na exporty z Google Ads, Meta Ads, GA4 a CRM. Každé pondělí AI porovná náklady, leady, přijaté leady, zakázky a marži. Označí rozdíly v definicích, chybějící data a kampaně, u nichž platformový výsledek nemá obchodní potvrzení.

Marketingovému manažerovi to ušetří přibližně 2 až 4 hodiny ručního přepisování týdně. Základní verzi lze spustit za 2 až 5 pracovních dní. Nejčastěji selže na nekonzistentních názvech kampaní a CRM, které obchodníci vyplňují každý jinak.

Začněte jedním exportem a jedním obchodním výsledkem. Příští pondělí už nechte report kontrolovat systém, ne další tabulku v e-mailu.