DataOrganizer

Kliknięcia drożeją przed sezonem, a panele reklamowe raportują konwersje bez rozróżnienia, czy kupił nowy, czy powracający klient; przez to pytanie „czy stać mnie na nowego klienta” ginie w średnich. Wysoki MER całego sklepu potrafi ukryć, że każde pierwsze zamówienie dokłada do reklamy. Ten przewodnik pokazuje, jak obliczyć koszt pozyskania klienta e-commerce z zamówień sklepu i wydatków ze wszystkich kanałów, zestawić go z marżą pierwszego zamówienia i ocenić, czy akwizycja zarabia od razu, czy dopiero po powrotach. Wartość klienta w czasie i kohorty zostają w osobnym wpisie o LTV; tutaj liczysz bieżący miesiąc.

Jeden przykład przewija się przez cały wpis: sklep z artykułami dla dzieci, wrzesień, kwoty netto. Każdy wzór dostaje liczby z tego sklepu, więc rachunek da się powtórzyć na własnych danych w arkuszu albo jednym pytaniem w czacie.

Na pierwszy rzut oka budżet można śmiało zwiększać. Ile z tych 72 000 zł wraca na marży pierwszych zamówień 960 nowych klientów, pokazują dopiero kolejne sekcje.

Scena z września

Wysoki MER potrafi ukryć stratę na nowych klientach

Sklep z artykułami dla dzieci zamyka wrzesień z wynikiem, który cieszy: 460 800 zł przychodu netto przy 72 000 zł wydatku reklamowego we wszystkich kanałach. Właściciel planuje przed sezonem prezentowym dołożyć budżet, bo „reklama zwraca się ponad sześciokrotnie”. Zanim zapadnie decyzja, warto sprawdzić, co dokładnie mierzy ta liczba.

Rozbicie zamówień zmienia obraz. Z 2 400 zamówień września 960 (40%) to pierwsze zamówienia nowych klientów, a 1 440 (60%) składają klienci powracający. Nowi przynoszą 172 800 zł przy koszyku 180 zł, powracający 288 000 zł przy koszyku 200 zł; razem 460 800 zł.

Powracający windują MER, bo koszt ich pozyskania sklep poniósł wcześniej. Klient, który już zna sklep, nie wymaga kolejnej kampanii akwizycyjnej, a jego zamówienia (62,5% przychodu) zasilają licznik MER bez proporcjonalnego wydatku w mianowniku. Gdyby cały wydatek odnieść wyłącznie do przychodu nowych klientów, relacja spada do 172 800 / 72 000 = 2,4.

Na poziomie pojedynczego nowego klienta rachunek wygląda tak: pozyskanie kosztuje 72 000 / 960 = 75 zł (to CAC; wzór i warianty w kolejnej sekcji), a pierwsze zamówienie zostawia 48 zł marży po koszcie towaru i kosztach zmiennych (rozpisane na paragonie dalej w przewodniku). Waga przechyla się w stronę kosztu.

Średnia sklepu miesza dwa różne rachunki. Powroty zarabiają na klientach pozyskanych miesiące temu; akwizycja dopłaca dziś 27 zł do każdego nowego klienta, co we wrześniu daje 25 920 zł luki. Dołożenie budżetu „po MER” skaluje głównie tę drugą część, bo dodatkowe pieniądze kupują nowych klientów, a powracający przyjdą niezależnie od nich.

Docelowy MER całego budżetu to osobny rachunek z marży i celu zysku, opisany w przewodniku o tym, ile wydawać na marketing w sklepie. Decyzję o budżecie na nowych klientów trzeba policzyć niezależnie od niego: z kosztu pozyskania i marży pierwszego koszyka.

Zanim dołożysz budżet przed sezonem, policz koszt pozyskania nowego klienta i zestaw go z marżą jego pierwszego zamówienia, bo MER całego sklepu tej odpowiedzi nie zawiera.

Rachunek

Jak obliczyć koszt pozyskania klienta (CAC)

CAC składa się z dwóch liczb, a każda pochodzi z innego źródła. Licznik to pieniądze wydane na reklamę we wszystkich kanałach. Mianownik to liczba osób, które w badanym okresie kupiły w sklepie po raz pierwszy. Większość błędów w tym rachunku powstaje w mianowniku, dlatego definicja nowego klienta idzie przed wzorem.

Najczęstszy skrót daje wynik 2,5 raza za niski. Podzielenie wydatku przez wszystkie zamówienia (72 000 zł / 2 400 = 30 zł) rozkłada koszt reklamy także na 1 440 zamówień powracających klientów, którzy w dużej części wracają sami. Powstaje koszt zamówienia, którego nie da się uczciwie porównać z marżą nowego klienta.

Dwa warianty licznika wyznaczają widełki, w których leży realny koszt. Kampanie marki i remarketing (wydzielone po nazwach kampanii, we wrześniu 14 400 zł, czyli 20% wydatku) pracują głównie na osobach, które sklep już zna, więc wliczenie ich w całości zawyża CAC. Pominięcie ich w całości z kolei go zaniża, bo część pierwszych zakupów też przechodzi przez wyszukanie nazwy sklepu; dlatego liczy się oba warianty i decyzje sprawdza na obu.

Lista wyłączeń z mianownika, czyli czego nie liczyć jako nowego klienta:

• Zamówienia anulowane i nieopłacone. Klient, który nie zapłacił, nie został pozyskany; jego zamówienie zawyża liczbę nowych i sztucznie obniża CAC.
• Klienci sprzed początku historii danych. Jeśli w danych jest kilka miesięcy zamówień, stały klient z ubiegłego roku wygląda jak nowy. Do wiarygodnego rozróżnienia potrzeba co najmniej 12–24 miesięcy historii zamówień.
• Duplikaty gości bez konta. Ta sama osoba kupująca raz z konta, a raz jako gość, ma dwa identyfikatory. Scalenie po email_hash zostawia jednego klienta i jedno pierwsze zamówienie.
• Nowi użytkownicy GA4. Zdarzenie first_visit liczy urządzenia i przeglądarki, które pierwszy raz weszły na stronę, a CAC potrzebuje nowych kupujących z zamówień; różnicę między tymi pojęciami rozkłada na części przewodnik o first_visit i nowych klientach w GA4.
• Konwersje „nowych klientów” z paneli reklamowych. Każdy panel ocenia nowość po własnych listach i własnym oknie atrybucji, więc ten sam kupujący bywa „nowy” w dwóch panelach naraz. Suma z paneli zawyża mianownik.

Allegro wymaga osobnego rachunku. Wydatek z kampanii w Google Ads, Meta czy TikToku prowadzi ruch do własnego sklepu, a kupujący na Allegro przychodzą przez marketplace, gdzie koszt pozyskania siedzi w prowizjach i opłatach za promowanie ofert. Dopisanie ich do mianownika zaniżyłoby CAC sklepu.

Licznik pochodzi z tabel kosztów wszystkich platform, a mianownik wyłącznie z zamówień sklepu. Tak zbudowany CAC (75 zł w wariancie pełnym, 60 zł w akwizycyjnym) można dopiero zestawić z marżą, którą zostawia pierwsze zamówienie nowego klienta.

Pierwszy koszyk

Marża pierwszego zamówienia jako miara pokrycia CAC

Przychód z pierwszego zamówienia jest mylącą miarą zwrotu. Koszyk nowego klienta w sklepie z artykułami dla dzieci to średnio 180 zł netto, a CAC wynosi 75 zł, więc na pierwszy rzut oka każda złotówka wydana na pozyskanie wraca 2,4 raza. Sklep nie zatrzymuje jednak przychodu; zatrzymuje marżę, która zostaje po zapłaceniu za towar i obsługę zamówienia.

Z 180 zł koszyka większość od razu wychodzi ze sklepu. Towar kupiony u dostawcy kosztuje 117 zł, do tego dochodzą koszty zmienne obsługi samego zamówienia. Dopiero to, co zostaje na końcu paragonu, porównuje się z kosztem pozyskania klienta:

Paragon zamyka się kwotą 48 zł, czyli o 27 zł mniej niż koszt pozyskania. Zwrot 2,4 liczony z przychodu zamienia się w zwrot 0,64 liczony z marży. Ta druga liczba ma własną nazwę i warto ją liczyć co miesiąc.

Oba warianty mieszczą się poniżej 1,0. Przy pełnym liczniku pierwszy koszyk zwraca 64% kosztu pozyskania, a 36% (27 zł na kliencie) czeka na powroty. Przy liczniku akwizycyjnym, bez kampanii marki i remarketingu, pierwszy koszyk zwraca 80% kosztu i luka maleje do 12 zł.

Średnia marża sklepu przeniesiona na nowych klientów zawyża pokrycie. Pierwsze koszyki bywają mniejsze i złożone z tańszych produktów wejściowych: w przykładzie AOV nowych to 180 zł wobec 200 zł u powracających, a w wielu sklepach dziecięcych pierwszy zakup to akcesorium z niższym narzutem niż wózek czy fotelik kupowany później. Dlatego marżę liczy się z linii samych pierwszych zamówień: każda pozycja z order_product mnożona przez product_cost danego SKU, zsumowana i podzielona przez liczbę nowych klientów.

Bez kosztu zakupu w sklepie rachunek wymaga przybliżenia. Jeśli pole product_cost jest puste, marżę pierwszego koszyka szacuje się średnią marżą kategorii, z których pochodzą produkty pierwszych zamówień; wynik jest wtedy orientacyjny i warto go oznaczyć jako szacunek w raporcie. Uzupełnienie kosztu zakupu przynajmniej dla produktów wejściowych daje największą poprawę dokładności przy najmniejszej pracy.

Jedna liczba, wskaźnik pokrycia, mówi, jaka część kosztu pozyskania wraca już przy pierwszym koszyku; reszta to dług, który spłacają dopiero powroty klienta.

Produkty wejściowe

Pokrycie CAC według kategorii pierwszego zamówienia

Średnie 75 zł i 0,64 opisują wszystkie pierwsze koszyki naraz. Nowi klienci wchodzą do sklepu przez różne produkty, a marża pierwszego zamówienia w poszczególnych kategoriach różni się nawet kilkukrotnie. Rozbicie po kategorii pierwszego zamówienia pokazuje, które produkty wejściowe zwracają koszt pozyskania, a które pogłębiają lukę.

CAC zostaje wspólny, zmienia się marża. Wydatek reklamowy liczy się łącznie dla całego sklepu, więc każdą kategorię porównuje się z tym samym CAC całości (75 zł); kategoria pierwszego zamówienia, jego koszyk i marża pochodzą z linii order_product i product_cost. Podział wydatku na kanały to osobny, szacunkowy widok z paneli reklamowych i GA4, opisany pod szyną.

Rozbicie sklepu z artykułami dla dzieci (wrzesień, kwoty netto, dane poglądowe):

Kontrola sum przed interpretacją: 480 + 160 + 160 + 80 + 80 = 960 nowych klientów, a przychód ich pierwszych zamówień (72 000 + 20 800 + 23 200 + 8 800 + 48 000 zł) daje 172 800 zł, czyli 960 × 180 zł. Marża pierwszych zamówień (25 200 + 5 920 + 4 560 + 1 440 + 8 960 zł) daje 46 080 zł, czyli dokładnie 960 × 48 zł. Meble dziecięce nie mają w sklepie uzupełnionego product_cost, więc ich marżę oszacowano średnią kategorii, a pokrycia (szacunkowo około 1,5) nie wpisano do tabeli, dopóki koszt zakupu nie trafi do sklepu.

Szyna pokrycia pokazuje to samo na jednej skali. Ciemna kreska oznacza pełne pokrycie (1,0), przerywana brzoskwiniowa próg 0,6, a chip przy wyniku podaje, ile dodatkowych zamówień musi kupić przeciętny nowy klient, który zaczął od danej kategorii, żeby luka się zamknęła.

Akcesoria do karmienia to tanie wejście dla klienta i drogie dla sklepu. Koszyk 110 zł z marżą produktową 30% zostawia 18 zł, więc pierwszy zakup zwraca 24% kosztu pozyskania, a luka 57 zł wymaga ponad jednego powrotu (1,04). Taki produkt broni się jako wejście do sklepu tylko wtedy, gdy kupujący akcesoria wracają częściej od przeciętnej.

Odzież niemowlęca dźwiga akwizycję w tym sklepie. Połowa nowych klientów (480 z 960) zaczyna od niej, a marża 52,5 zł pokrywa 70% kosztu pozyskania; luka 22,5 zł zamyka się po 0,41 powrotu, szybciej niż średnia sklepu. Kampanie akwizycyjne promujące odzież pracują więc na najlepiej pokrytych pierwszych koszykach.

Podział wydatku na kanały daje osobny, szacunkowy widok z GA4 i paneli. Wydatek per platforma pochodzi z tabel cost_*, a transakcje i przychód per kanał z GA4 albo z konwersji raportowanych w panelach; koszt transakcji według GA4 pokazuje, które platformy kupują sprzedaż drożej, ale miesza nowych z powracającymi i zależy od modelu atrybucji GA4. Ten widok porządkuje ranking kanałów, a rachunek pokrycia nadal opiera się na zamówieniach sklepu i CAC całości.

Ranking kategorii po samym pokryciu nie wystarcza do cięć. Produkt z niskim pokryciem może być najczęstszym wejściem do sklepu, a klienci, którzy od niego zaczynają, mogą wracać po droższe zakupy. Decyzja wymaga trzech informacji obok siebie: pokrycia marżą pierwszego zamówienia, wymaganych powrotów i tego, jak często nowi klienci z danej kategorii faktycznie wracają.

Progi decyzji

Trzy progi decyzji dla kosztu pozyskania klienta

Wskaźnik pokrycia ma wartość decyzyjną dopiero w zestawieniu z progami. Trzy strefy (od 1,0 wzwyż, 0,6–1,0 i poniżej 0,6) dzielą pierwsze koszyki na te, które zarabiają od razu, te, które zarabiają po powrotach, i te, które dokładają do każdego nowego klienta. Ten sam CAC 75 zł może więc oznaczać skalowanie albo cięcie: zależy to od marży pierwszego zamówienia.

Środkowa strefa wymaga drugiego rachunku: ilu powrotów potrzeba, żeby domknąć lukę. Luka to różnica między CAC a marżą pierwszego zamówienia; pokrywa ją marża kolejnych zakupów tego samego klienta. Zamówienie powracającego ma wyższy koszyk (200 zł zamiast 180 zł), więc każdy powrót domyka więcej niż pierwszy zakup.

Wymagane powroty porównuje się z tym, co nowi klienci faktycznie robili w przeszłości. Historia sklepu daje 0,49 dodatkowego zamówienia na nowego klienta w ciągu pół roku, czyli dokładnie tyle, ile wymaga całość: akwizycja z września zwraca się po około sześciu miesiącach. Klienci wchodzący przez odzież niemowlęcą (0,41) zwracają się szybciej, zabawki (0,69) i kosmetyki (0,85) wymagają powrotów częstszych od przeciętnych o około 40% i 70%, a akcesoria do karmienia (1,04) ponad dwa razy częstszych.

Średnia sklepu ukrywa różnice w powrotach między produktami wejściowymi. Przed ograniczeniem kampanii promujących akcesoria czy kosmetyki warto sprawdzić powroty nowych klientów w kohortach według produktu wejściowego: jeśli kupujący akcesoria do karmienia wracają po kolejne zakupy częściej od przeciętnej, niskie pokrycie pierwszego koszyka może się bronić. Meble dziecięce zostają poza tym rachunkiem do czasu uzupełnienia kosztu zakupu.

Przy pokryciu poniżej progu sklep ma trzy dźwignie, które da się sprawdzić na własnych danych:

• Produkty wejściowe z wyższą marżą. Każde 10 zł marży więcej na pierwszym koszyku skraca lukę o 10 zł: przy marży 58 zł luka spada z 27 zł do 17 zł, a wymagane powroty z 0,49 do 0,31. Kampanie akwizycyjne kieruje się wtedy na produkty, które nowi klienci kupują najczęściej i które niosą wyższą marżę z product_cost.
• Próg darmowej dostawy. Dopłata do dostawy siedzi w 15 zł kosztów zmiennych; próg ustawiony nieco powyżej typowego pierwszego koszyka podnosi AOV nowych klientów i zmniejsza dopłatę na zamówienie.
• Cięcie kampanii odstających od swojej normy. Kampania, w której wydatek rośnie, a konwersje w panelu i transakcje według GA4 stoją w miejscu, powiększa licznik CAC bez widocznego efektu nawet w ocenie samej platformy. Jej ograniczenie obniża łączny wydatek; jeśli łączna liczba nowych klientów w sklepie w kolejnych tygodniach się nie zmniejszy, pokrycie poprawia się szybciej niż po jakiejkolwiek zmianie oferty.

Próg pokrycia mówi, czy pierwszy koszyk zwraca koszt pozyskania; wymagane powroty zestawione z historią sklepu mówią, kiedy zwróci się reszta. Budżet przed sezonem rośnie tam, gdzie oba rachunki się spinają.

DataOrganizer

CAC nowych klientów z danych sklepu w DataOrganizer

Rachunek z poprzednich sekcji potrzebuje trzech źródeł naraz: zamówień sklepu z identyfikatorem klienta, kosztu zakupu towaru i wydatków ze wszystkich platform reklamowych. DataOrganizer łączy je w jednym modelu danych: tabelę order (z order_customer_id i email_hash), linie order_product, koszt product_cost oraz tabele cost_* z każdej podłączonej platformy. Dzięki temu nie trzeba eksportować paneli ani sklejać arkuszy (szerzej o tym, po co łączyć źródła, w przewodniku o automatycznej analityce e-commerce).

Dane są dzienne i odświeżają się rano z kompletem poprzedniego dnia. CAC i pokrycie najlepiej czytać w oknie miesięcznym albo tygodniowym, bo pojedynczy dzień ma za mało nowych klientów, żeby wskaźnik był stabilny. Pierwsze zamówienie wyznacza się na całej historii zamówień w danych, więc im dłuższa historia, tym mniej starych klientów udaje nowych.

Miesięczny przegląd kosztu pozyskania wygląda w czacie tak:

Rachunek zestawia agregaty z dwóch stron. Kategorie, koszyki i marże pierwszych zamówień pochodzą z danych sklepu, a wydatek z tabel cost_* wchodzi do CAC jako suma wszystkich platform; asystent nie rozkłada kosztu reklamy na produkty, bo koszt per produkt istnieje wyłącznie dla Google Shopping. Surowe dane zostają w backendzie, asystent pracuje na agregatach, a to samo pytanie można zadać w Claude lub ChatGPT przez DataOrganizer MCP.

Uwaga metodologiczna: liczby w przykładach są poglądowe (sklep z artykułami dla dzieci, wrzesień, kwoty netto). Nowych klientów podzielono według kategorii pozycji o najwyższej wartości w pierwszym koszyku, a CAC jest wspólny dla wszystkich kategorii, bo wydatek reklamowy liczy się łącznie; podział wydatku na kanały według GA4 lub paneli to osobny szacunek. Koszty zmienne 15 zł na zamówienie to szacunek, a rachunek nie uwzględnia zwrotów towaru, bo DataOrganizer nie ma danych o zwrotach; przy wysokim odsetku zwrotów marżę pierwszego zamówienia warto pomniejszyć własnym szacunkiem.

Uwaga metodologiczna: liczby w przykładach są poglądowe (sklep z artykułami dla dzieci, wrzesień, kwoty netto), koszty zmienne pierwszego zamówienia są szacunkowe, a nowych klientów podzielono według kategorii pierwszego zamówienia przy wspólnym CAC całości. Rachunek nie uwzględnia zwrotów, a poprawne wyznaczenie nowego klienta wymaga co najmniej 12–24 miesięcy historii zamówień; przy krótszej historii część stałych klientów wygląda na nowych i zaniża CAC.

FAQ

Najczęstsze pytania o koszt pozyskania klienta

Jak obliczyć koszt pozyskania klienta w e-commerce?

CAC to łączny wydatek reklamowy ze wszystkich kanałów podzielony przez liczbę nowych klientów, czyli osób, których pierwsze zamówienie w historii sklepu przypada w badanym okresie. Przykład: 72 000 zł / 960 nowych klientów = 75 zł. Warto policzyć też wariant akwizycyjny bez kampanii marki i remarketingu (tu 57 600 zł / 960 = 60 zł), bo realny koszt leży między tymi wartościami.

Czym różni się CAC od kosztu konwersji (CPA)?

CPA dzieli wydatek przez wszystkie zamówienia lub konwersje, także te od powracających klientów, więc zaniża koszt zdobycia nowego kupującego: w przykładzie 72 000 zł / 2 400 zamówień daje 30 zł zamiast 75 zł CAC. CPA z paneli reklamowych opiera się dodatkowo na konwersjach przypisanych przez platformę, które mogą się dublować między kanałami; CAC liczy się wyłącznie z zamówień sklepu.

Jaki CAC jest dobry dla sklepu internetowego?

Uniwersalnej kwoty nie ma, bo CAC ocenia się względem marży pierwszego zamówienia, czyli wskaźnika pokrycia (marża pierwszego koszyka / CAC). Pokrycie 1,0 i więcej oznacza zysk od pierwszego zamówienia, przedział 0,6–1,0 zysk pod warunkiem powrotów, a wynik poniżej 0,6 dopłatę do każdego nowego klienta, która wymaga dowodu z historii powrotów albo zmiany oferty wejściowej.

Czy CAC może być wyższy niż marża pierwszego zamówienia?

Tak i w wielu sklepach to norma, pod warunkiem że luka wraca z kolejnych zamówień. Liczba potrzebnych powrotów to luka podzielona przez marżę zamówienia powracającego: przy luce 27 zł i marży 55 zł wychodzi 0,49 dodatkowego zamówienia na nowego klienta. Czy sklep realnie to osiąga, pokazują kohorty powrotów opisane w przewodniku o wartości klienta (LTV).

Jak odróżnić nowego klienta od powracającego w danych sklepu?

Nowy klient to ten, którego pierwsze zamówienie w całej historii sklepu wypada w badanym okresie; identyfikuje się go po identyfikatorze klienta, a zakupy bez konta po zahashowanym adresie e-mail, z pominięciem zamówień anulowanych i nieopłaconych. Nowi użytkownicy w GA4 (first_visit) liczą urządzenia i przeglądających, więc nie zastąpią tej definicji. DataOrganizer trzyma zamówienia z order_customer_id i email_hash razem z wydatkami kanałów, więc asystent wyznacza pierwsze zamówienia i CAC bez eksportów do arkusza.