Proč potřebujete kalendář událostí při analýze dat e-shopu?

LLM vám poradí, co s daty dělat. Jen vy ale víte, že jste před třemi týdny vyměnili plugin. Bez této informace může být doporučení technicky správné a zároveň zcela zavádějící.

Duben 2026. Majitel e-shopu se ptá LLM na konverzní poměry jednotlivých kanálů a chce vědět, kam soustředit rozpočet. Odpověď vypadá skvěle: konkrétní čísla, jasné doporučení.

Doporučení, které vypadá skvěle

Nová konverzace DataOrganizer MCP
připojeno
Jaký je konverzní poměr jednotlivých kanálů v dubnu? Na který bych se měl teď zaměřit?
AI
get_session_funnel · 2026-04 · group_by: default_channel_group
Načítám trychtýř podle kanálů za duben…

Konverzní poměr podle kanálu v GA4, duben 2026

KanálRelaceTransakce (GA4)Konverze
Email28 3402 6649,4%
Paid Search72 4105 2137,2%
Direct21 7801 3296,1%
Organic Search89 2505 1775,8%
Paid Social54 1202 1113,9%
Organic Social15 6903612,3%

Email a Paid Search se výrazně odlišují od ostatních kanálů: konverze 9,4 %, resp. 7,2 %, přičemž Paid Search má značný objem relací (72 tis.). Organic Social a Paid Social konvertují nejhůře.

Doporučení: posílení e-mailové komunikace s aktivními segmenty a navýšení rozpočtu Google Ads v oblastech s nejvyšším CVR přinese v této fázi úměrně vyšší návratnost než investice do Paid Social.

Doporučení vypadá solidně. Má ale jeden problém: tato čísla nejsou srovnatelná s žádným předchozím měsícem a LLM o tom neví.

31. března 2026 e-shop vyměnil plugin, který měří relace v Google Analytics 4. Stará metoda počítala každou návštěvu. Nová počítá jen zapojené relace, tedy ty s minimálně 10 sekundami aktivity nebo s provedenou interakcí. Šlo o technickou a záměrnou změnu. Nikdo si ji ale nezapsal.

Konverze 9,4 % u Emailu a 7,2 % u Paid Search vypadá v dubnu skvěle, jenže stejně vzrostla v každém kanálu. Změnil se jmenovatel (méně relací), ne čitatel (transakce). Doporučení „zaměřte se na Email a Paid Search“ může být správné, ale nevyplývá ze zlepšení výkonu těchto kanálů.

Když se o týden později někdo zeptal na srovnání března a dubna, LLM narazil na něco znepokojivého.

Stejná anomálie bez kontextu

Nová konverzace DataOrganizer MCP
připojeno
Porovnej návštěvnost a konverzi v březnu a dubnu 2026.
AI
get_session_funnel · 2026-03 a 2026-04
Načítám data trychtýře za oba měsíce…

Březen vs. duben 2026

UkazatelBřezen 2026Duben 2026Změna
Relace (celkem)598 003281 494−52,9%
Transakce17 94415 021−16,3%
Konverzní poměr3,00%5,34%+78%

Vidím zde anomálii. Relace klesly ze dne na den o více než polovinu, transakce ale jen o 16 %. To matematicky zvyšuje konverzi o 78 %, což téměř jistě neodráží skutečné zlepšení výkonu e-shopu. Tak náhlý a rovnoměrný pokles relací při stabilních transakcích naznačuje změnu ve způsobu měření, nikoli skutečný odliv návštěvnosti.

Došlo v tomto období ke změně konfigurace analytiky nebo měřicích pluginů?

LLM anomálii správně rozpozná. Bez odpovědi se ale nemůže posunout dál. Neví, která čísla jsou spolehlivá, od kdy počítat novou základnu, ani zda doporučení z předchozí konverzace vycházelo ze správných dat.

Teď se stejný uživatel vrací se záznamem z kalendáře událostí, který se konečně někomu podařilo dohledat.

Stejná otázka s kalendářem událostí

Nová konverzace DataOrganizer MCP
připojeno
31.03.2026 | TECH: Změna pluginu relací GA4. Přechod na měření pouze engaged sessions (min. 10 s nebo interakce). Data o relacích nejsou srovnatelná s obdobím před tímto datem. Týká se: relace, konverzní poměr, bounce rate.Porovnej návštěvnost a konverzi v březnu a dubnu 2026.
AI
get_session_funnel · 2026-03 a 2026-04
Načítám data se zohledněním záznamu z kalendáře…

Upozornění před analýzou: z kalendáře událostí vyplývá, že se 31.03.2026 změnil způsob počítání relací. Data o relacích a konverzích za březen a duben měří dvě různé věci, takže srovnání těchto měsíců v uvedených metrikách neplatí. Níže ukazuji jen to, co můžeme číst bezpečně.

UkazatelBřezen 2026Duben 2026Hodnocení
Relace598 003281 494nesrovnatelné
Konverzní poměr3,00%5,34%nesrovnatelné
Transakce17 94415 021−16,3 % · srovnatelné
Prům. hodnota objednávky897,40 Kč883,90 Kč−1,5 % · srovnatelné

Počet transakcí klesl o 16 %. Jde o skutečnou změnu, ne o artefakt měření. Částečně ji způsobila sezóna. Průměrná hodnota objednávky se výrazně nezměnila. Data o relacích z dubna se stávají novým základem, takže srovnání s dalšími měsíci už budou konzistentní.

Stejná analýza, stejná data, a přitom úplně jiná kvalita odpovědi. Rozdíl tvoří jeden záznam o dvou větách vložený před otázku.

Jak takový kalendář vést

Samostatný nástroj nepotřebujete. Stačí textový soubor, tabulka nebo Notion, tedy cokoli, k čemu má přístup celý tým a odkud lze úryvek zkopírovat během pár sekund. Každý záznam má čtyři části: datum, kategorii, popis a metriky, kterých se týká.

[DD.MM.RRRR] | [KATEGORIE] | [popis události] | Týká se: [metriky]

// Příklad:
31.03.2026 | TECH | Změna pluginu pro relace GA4. Od tohoto data jen engaged sessions. | Týká se: relace, konverze, bounce rate.

Pro většinu e-shopů stačí šest kategorií:

Změna pluginu, aktualizace GA4, úprava měřicího kódu, migrace platformy. Data před změnou a po ní mohou být nesrovnatelná.
Spuštění nebo ukončení reklamní kampaně, změna rozpočtu o více než 30 %, nový reklamní kanál. Ovlivňuje placenou návštěvnost a ROAS.
Nový layout, změna košíku nebo dokončení objednávky, nová produktová stránka. Může ovlivnit konverzní poměr a míru opuštění košíku.
Virální příspěvek, spolupráce s influencerem, velký mediální výstup. Způsobuje krátkodobé špičky návštěvnosti, které se organicky nezopakují.
Stažení produktové řady, nová kategorie, změna cen o více než 15 %. Ovlivňuje tržby, AOV a skladbu košíku.
Výpadek dopravce nebo platební brány, problém s dodavatelem. Krátkodobý vliv na konverze nezávislý na činnosti e-shopu.

Když se ptáte na období, do kterého spadá některá ze zapsaných událostí, zkopírujte příslušný záznam a vložte ho na začátek zprávy před otázku. Nic dalšího nepotřebujete: LLM přečte kategorii, propojí datum s rozsahem dotazu a přizpůsobí interpretaci.

Pokud si nepamatujete, jestli v daném období nějaká událost nastala, zeptejte se LLM na anomálie ještě před samotnou otázkou. Často sám ukáže bod, ve kterém se něco změnilo, a zeptá se na kontext. Přesně tak to udělal ve druhém mockupu výše.

Výchozí bod

Kalendář událostí sám data neanalyzuje, je však podmínkou správné analýzy. LLM vidí čísla, ale nevidí historii obchodu. Změna pluginu, nová kampaň, stažený produkt: tento kontext máte jen vy. Stačí textový soubor a zvyk zapsat jeden řádek při každé změně. Zbytek obstará analytika.


DataOrganizer · MCP

Připojte DataOrganizer ke svému LLM

Jeden MCP plugin a data vašeho obchodu máte k dispozici v každé konverzaci.