Prodej v e-commerce zanechává stopy v několika systémech současně: e-shop zaznamenává objednávky, GA4 relace a události a každá reklamní platforma vlastní konverze. Tento průvodce vysvětluje, proč tato čísla nikdy nesedí, která data a podle jakých klíčů propojit a které metriky jsou dostupné až po propojení zdrojů. Do záložek: s definicemi, vzorci a plánem zavedení.
Definice
Co je automatická analytika e-commerce
Pojem se používá pro cokoli od pluginu s grafy po datový sklad. V tomto průvodci znamená jedno:
Definice
Automatická analytika e-commerce je způsob práce s daty, při kterém integrace denně a bez lidského zásahu stahují data z e-shopu, marketplace, analytických nástrojů a reklamních platforem a propojují je v jednom datovém modelu. Tržby, náklady a chování zákazníků je tak možné analyzovat společně: ve stejných datech, měnách a definicích.
Od ručního reportingu ji odlišují tři vlastnosti. Žádné exporty: data proudí přes API, nikdo neslepuje soubory CSV. Společný model: každé číslo má stejnou definici dne, měny a stavu objednávky. Aktuálnost: data se aktualizují denně, takže analýza vždy odráží aktuální stav, ne poslední měsíční uzávěrku.
Kdy se vyplatí? Praktickou hranicí je chvíle, kdy splňujete dvě ze tří podmínek: reklamy ve více než jednom systému, prodej v e-shopu i na marketplace současně, více než jeden trh nebo měna. Pod touto hranicí stačí tabulka; nad ní začne ruční reporting zabírat hodiny a vnášet chyby.
Diagnóza
Proč každý nástroj ukazuje jiná čísla
Rozdíly nejsou chyba, ale důsledek definic. Každý nástroj měří jinou věc, v jiném okamžiku a podle jiných pravidel. Za většinu rozdílů odpovídá šest mechanismů:
| Zdroj rozdílu | Mechanismus | Typický dopad |
|---|---|---|
| Atribuční okna | Google a Meta si připíšou nákup, pokud v jejich okně (např. 30 nebo 7 dní od kliknutí) došlo ke kontaktu s reklamou | Jedna transakce ve dvou panelech současně |
| Konverze po zobrazení | Panel započítá nákupy po pouhém zhlédnutí reklamy, bez kliknutí | Panel „vidí“ prodeje, které nevidí nikdo jiný |
| Modelování konverzí | Bez souhlasu se sledováním platformy odhadují konverze statisticky | Část čísel v panelu je odhad, ne skutečný počet |
| Souhlasy a blokátory | GA4 zaznamená transakci jen se souhlasem a funkčním tagem | GA4 obvykle vidí 60–85 % objednávek |
| Stavy objednávek | Administrace e-shopu ukazuje vytvořené objednávky, účetnictví počítá zaplacené | Zrušené a nezaplacené nadsazují „prodeje“ |
| Časová pásma a měny | Reklamní den se nekryje se dnem e-shopu; směnné kurzy se mezi systémy liší | Stejná data „posunutá“ o hodiny a procenta |
Jak to vypadá v praxi? Níže je jeden a tentýž týden ukázkového e-shopu s chovatelskými potřebami ve čtyřech nástrojích (ilustrativní data, mechanismus je univerzální):
Výchozí bod
468 700 Kč
Tržby z uhrazených objednávek jsou jediné číslo, které potvrdí účetnictví. Samotné reklamní systémy si dohromady připsaly 569 300 Kč, tedy 121 % celkových prodejů e-shopu, a to ještě před započtením organické návštěvnosti, e-mailu a přímých návštěv.
Skutečné riziko
Nejdražší chybou je škálování rozpočtů podle ROAS z reklamních systémů. Kanál, který „vyhrává“ díky agresivnímu připisování cizích transakcí, dostává větší rozpočet na úkor ostatních, a celkové tržby e-shopu i MER stojí na místě. Ztráta není vidět, protože každý systém zvlášť hlásí úspěch.
Rozdíly mezi nástroji nejsou chyba, ale vlastnost: každý odpovídá na jinou otázku. Problém nastává, když se rozhoduje tak, jako by odpovídaly na tutéž.
Datový model
Jaká data propojit a podle jakých klíčů
Základní pravidlo: výchozím bodem jsou objednávky. Ostatní vrstvy se s objednávkami porovnávají na společné ose dne, nikdy obráceně, protože jen objednávky mají zároveň stav, částku i zákazníka. Minimální úplný model vypadá takto:
| Datová vrstva | Co obsahuje | Klíč propojení |
|---|---|---|
| Objednávky | částky, stavy, způsob platby, způsob doručení, kódy kuponů | číslo objednávky, datum |
| Položky objednávek | co přesně se koupilo: SKU, množství, cena, sleva | číslo objednávky + SKU |
| Katalog produktů | nákupní cena, kategorie, atributy, skladové zásoby (denní snímek) | SKU |
| Náklady na reklamu | výdaje, zobrazení, prokliky za kampaň a den, z každé platformy | datum + platforma + kampaň |
| Návštěvnost a trychtýř (GA4) | relace, zobrazení produktů, košíky, události dokončení nákupu | datum + zdroj / médium / kampaň |
| Marketplace | objednávky, provize a poplatky za nabídku | nabídka ↔ SKU |
Pro reklamní data a GA4 je nejnižším společným jmenovatelem den + kanál + kampaň. Na této úrovni lze férově porovnat každou platformu s každou a objednávky z e-shopu se s nimi porovnávají na součtech za den nebo období. Hlouběji číhá past: náklady na reklamu na úrovni jednotlivého produktu existují ve zdrojových datech pouze pro Google Shopping, zatímco Meta, TikTok nebo Microsoft Ads poskytují náklady nejníže za kampaň. Spolehlivý model to nezastírá: ukazuje marži za produkt a náklady za kampaň jako dva pohledy, místo aby výdaje rozděloval mezi SKU „rovným dílem“.
Druhou častou chybou je propojování podle názvů místo podle klíčů. Názvy kampaní se mění, SKU ne. Proto se vyplatí udržovat katalog produktů s nákupními cenami v pořádku víc než jakýkoli report: právě on rozhoduje, zda marži vůbec spočítáte.
K zapamatování
Čtyři vrstvy odpovídají na 80 % otázek o ziskovosti: objednávky, položky objednávek, nákupní ceny produktů a reklamní výdaje za kanál a den. GA4 a marketplace přidejte až v druhém kroku: doplňují obraz, ale netvoří jeho základ.
Metriky
Metriky viditelné až po propojení dat
Každou z následujících metrik definuje vzorec, ne interpretace, a proto jsou odolné vůči sporům o atribuci. Žádnou z nich nespočítáte v jediném nástroji.
Vzorec · MER (marketing efficiency ratio)
MER = tržby z uhrazených objednávek / součet výdajů na reklamu (všechny platformy)
Příklad: 468 700 Kč / 65 600 Kč = 7,1. Nezávisí na atribuci, takže ho nelze nadsadit.
Vzorec · pokrytí GA4
pokrytí = transakce purchase v GA4 / uhrazené objednávky z e-shopu (stejné období)
Zdravé rozmezí: 60–85 %. Náhlý pokles = problém se souhlasy nebo tagováním, ne s prodejem.
Vzorec · hrubá marže produktu
marže = (tržby − nákupní cena − doprava − provize) / tržby
Vyžaduje nákupní cenu za SKU a poplatky marketplace za nabídku: dva údaje, které nemá žádný reklamní systém.
V propojeném modelu se tyto vzorce mění v pohledy, které lze kontrolovat každý den:
MER · celý e-shop · týden
Systémy dohromady naznačovaly 8,7. Rozdíl tvoří dvakrát připsané transakce, ne skutečná návratnost.
Jedna návratnost celého rozpočtu
MER spojuje výdaje všech platforem s tržbami, které potvrdí účetnictví. Právě on ukazuje, zda se marketing sám zaplatí.
Pokrytí GA4 · srpen
Každá analýza návštěvnosti tuto odchylku přebírá. Závěry z GA4 je třeba číst společně s pokrytím.
Kolik analytika skutečně vidí
Poměr transakcí z GA4 k objednávkám z e-shopu ukazuje, nakolik lze věřit datům o návštěvnosti a trychtýři.
Hrubá marže za produkt · 30 dní
| Produkt | Tržby | Náklady | Marže |
|---|---|---|---|
| Granule 12 kg | 119 400 Kč | 97 900 Kč | 18,0 % |
| Pelíšek L | 54 700 Kč | 28 950 Kč | 47,1 % |
| Postroj na procházky | 41 260 Kč | 24 350 Kč | 41,0 % |
| Sada hraček | 23 690 Kč | 10 180 Kč | 57,0 % |
Polovinu tržeb tvoří produkt s nejnižší marží. Žebříček obratu a žebříček zisku jsou dva různé seznamy.
Obrat neznamená zisk
Nákupní cena za SKU vedle tržeb mění priority: propagovat se vyplatí to, co přináší marži, ne to, co dělá obrat.
Stejný produkt · e-shop vs marketplace · 30 dní
| Prodejní kanál | Tržby | Poplatky | Marže |
|---|---|---|---|
| E-shop | 54 700 Kč | 0 Kč | 47,1 % |
| Marketplace | 25 690 Kč | −3 220 Kč | 34,5 % |
Pelíšek L: po provizích a poplatcích je marže na marketplace nižší o více než čtvrtinu.
Marketplace má svou cenu
Poplatky marketplace za nabídku připojené k položkám objednávek ukazují, kde stejná položka skutečně vydělává.
Metodická poznámka: rozdělení tržeb podle kanálů pochází z GA4 nebo reklamních systémů a jde o odhad; model posledního kliknutí v něm podhodnocuje přínos asistujících kanálů, jako je obsah, YouTube nebo newsletter. Vyplatí se souběžně sledovat atribuci založenou na datech v GA4 a celkovou ziskovost ověřovat pomocí MER počítaného z tržeb e-shopu.
Zavedení
Zavedení automatické analytiky krok za krokem
Na pořadí záleží: nejdřív definice, pak nástroje, nejdřív validace, pak závěry. Stejný plán funguje bez ohledu na to, jestli model stavíte vlastním týmem, nebo sáhnete po hotové platformě.‘,’i2′:0
Definujte tržby
Které stavy objednávek se počítají (zaplacené? vyřízené?), s DPH nebo bez DPH, v jaké měně a časovém pásmu. Jedna sepsaná definice, která platí pro všechny.
Sepište zdroje dat a přístupy
E-shop, marketplace, GA4, všechny reklamní účty. Zjistěte, kdo má oprávnění k API a zda jsou v systému e-shopu vyplněné nákladové ceny produktů.
Zvolte jeden zdroj rozdělení podle kanálů
Rozdělení podle kanálů berte z jednoho místa (např. GA4 ve zvoleném atribučním modelu) a považujte ho za odhad. Ziskovost celku ověřujte pomocí MER z tržeb e-shopu. Zapište si omezení modelu (viz poznámka o posledním kliknutí výše).
Propojte data v jednom modelu
Svépomocí: datový sklad plus integrace s každým API a jejich údržba. Nebo hotová platforma, která to udělá za vás (viz níže).
Ověřte pokrytí
Porovnejte transakce v GA4 a konverze z platforem s objednávkami z e-shopu za stejné období. Výsledek si uložte jako výchozí hodnotu, od teď ho měříte každý týden.
Nastavte pravidelný rytmus práce
Denně: kontrola částek a pokrytí. Týdně: přehled MER a kanálů. Čtvrtletně: audit definic, protože e-shopy, feedy i kampaně se mění.
Kolik z toho převezme hotová platforma? V DataOrganizer probíhá krok 4 automaticky a krok 5 se zúží na dotaz na součty z propojených zdrojů: integrace s e-shopy, marketplace, analytikou a reklamními platformami fungují přes oficiální API a data se denně ukládají do Google BigQuery (region europe-west1, osobní údaje hashované v souladu s GDPR), kde tvoří hotový model: od kampaní přes vyhledávací dotazy až po položky objednávek s nákladovou cenou. Zdroje si připojíte sami, bez programátora a bez zásahů do kódu e-shopu. Aktuální seznam integrací najdete na dataorganizer.io.
API
oficiální integrace, bez pluginů a zásahů do kódu e-shopu
Denně
automatická aktualizace všech zdrojů
EU
data v Google BigQuery, region europe-west1
Za zdroj
jednoduchý cenový model: platíte za připojené zdroje
Ověření pokrytí (krok 5) pak místo SQL projektu zvládne jeden dotaz na AI asistenta, který pracuje s agregovanými výsledky z propojené databáze:
Srpen celkem: 1 386 zaplacených objednávek, 1 095 transakcí v GA4, pokrytí 79 %. Rozložení po týdnech:
| Týden | Objednávky | GA4 | Pokrytí |
|---|---|---|---|
| 04.–10.08. | 342 | 277 | 81 % |
| 11.–17.08. | 351 | 281 | 80 % |
| 18.–24.08. | 346 | 260 | 75 % |
| 25.–31.08. | 347 | 277 | 80 % |
V týdnu 18.–24.08. kleslo pokrytí na 75 %. V tomto období se nasazovala nová cookie lišta se souhlasy. Prodeje neklesly (346 objednávek, v normálu), klesla jen viditelnost v GA4. Závěry z návštěvnosti za tento týden berte s větší rezervou.
Stejné dotazy můžete pokládat i mimo aplikaci: díky DataOrganizer MCP jsou data e-shopu dostupná v chatu, se kterým denně pracujete. Stačí adresa serveru a přihlášení přes OAuth:
K zapamatování
Přínos automatizace nespočívá v samotných číslech, ale v cestě k nim. MER nebo marži spočítá každá tabulka, jenže po hodině exportování. Rozdíl je v tom, že nad propojeným, denně aktualizovaným modelem trvá stejná odpověď několik sekund a je stejná pro každého člena týmu.
FAQ
Časté otázky k automatické analytice e-commerce
Proč GA4 ukazuje méně transakcí než e-shop?
GA4 zaznamená transakci jen tehdy, když se tag stihne spustit a uživatel souhlasil s měřením. Odmítnuté souhlasy, blokátory, přerušená přesměrování po platbě a nákupy na jiném zařízení způsobují, že GA4 obvykle vidí 60–85 % objednávek. Tento poměr je pokrytí. Měřte ho každý týden a náhlý pokles berte jako signál problému se souhlasy nebo tagováním, ne s prodeji.
Lze sčítat tržby z reklamních panelů?
Ne. Každá platforma si připisuje transakce podle vlastního atribučního okna, takže jeden nákup se může objevit ve dvou nebo třech rozhraních zároveň. Součet z reklamních rozhraní bývá o 20–60 % vyšší než skutečné prodeje. Výchozím bodem jsou celkové tržby e-shopu porovnané s celkovými výdaji (MER), rozdělení podle kanálů z GA4 nebo reklamních rozhraní se bere jako odhad.
Jak spočítat skutečný ROAS celého e-shopu (MER)?
Vydělte tržby ze zaplacených objednávek součtem výdajů na reklamu ze všech platforem za stejné období: MER = přijem / celkové výdaje. V příkladu z tohoto průvodce: 468 700 Kč / 65 600 Kč = 7,1. MER nezávisí na atribuci, takže ho nelze nadsadit dvojím připsáním transakcí. Proto je to nejlepší samostatné měřítko návratnosti celého rozpočtu.
Je potřeba datový sklad a IT tým?
Při vlastním řešení ano: datový sklad (např. BigQuery), integrace s každým API a jejich průběžná údržba. Alternativou je hotová platforma. DataOrganizer propojuje e-shopy, marketplace, analytiku a reklamní platformy přes oficiální API, data denně aktualizuje a ukládá je v BigQuery v regionu EU (europe-west1) s hashováním osobních údajů. Zdroje si připojíte sami, bez programátora a bez zásahů do kódu e-shopu.
Kolik stojí automatická analytika e-commerce?
U vlastního řešení tvoří hlavní náklad čas týmu a údržba integrací, které reklamní platformy pravidelně mění. U platformy platíte za počet připojených datových zdrojů. Dashboardy, AI asistent, MCP i exporty jsou v ceně a s propojenými daty pracuje celý tým. Aktuální ceny a podmínky zkušební doby najdete v ceníku DataOrganizer.
Tahák z celého průvodce
Tři zásady automatické analytiky e-commerce
1. Výchozím bodem jsou zaplacené objednávky. Je to jediné číslo, které odpovídá účetnictví: GA4, reklamní panely i marketplace porovnáváte s ním na denních a periodických součtech, nikdy naopak. Rozdíly mezi nástroji vyplývají z definic: atribuční okna, konverze po zobrazení, souhlasy a stavy objednávek vysvětlí téměř všechno.
2. Minimální model tvoří čtyři vrstvy: objednávky, položky objednávek, nákladová cena na SKU a výdaje na reklamu podle kanálu a dne. Na nich stojí metriky odolné vůči atribuci: MER, pokrytí GA4 a hrubá marže produktu. Tři vzorce, které se vyplatí znát nazpaměť.
3. Nejdřív validace, pak závěry. Nejprve změřte pokrytí a sepište definice, teprve potom vyvozujte závěry. Celou mechaniku (integrace, každodenní aktualizaci, datový model a odpovědi na otázky) může převzít platforma jako DataOrganizer, která se účtuje jednoduše podle počtu připojených zdrojů.
DataOrganizer · automatická e-commerce analytika
Připojte své zdroje a spočítejte MER, pokrytí GA4 a marži na produkt ve vlastním e-shopu. Demo účet je k dispozici okamžitě, platíte jen za připojené zdroje. Podrobnosti najdete v ceníku.
