Koszt zakupu per produkt to prawdopodobnie najcenniejsza kolumna w bazie sklepu i zarazem najczęściej pusta. Ten przewodnik zbiera w jednym miejscu wiedzę o marży w danych e-commerce: jak ją poprawnie liczyć i zapisywać, dlaczego przez lata trzymano ją pod kluczem, do czego służy w kampaniach produktowych i jak korzysta z niej DataOrganizer.
Pojęcia
Marża brutto, netto i narzut: porządek w pojęciach
Zanim marża trafi do danych, musi być jednoznaczna. W praktyce sklepów pod jednym słowem kryją się trzy różne wielkości:
Definicja
Marża brutto produktu to różnica między ceną sprzedaży netto a kosztem zakupu netto (i ewentualnymi kosztami zmiennymi), wyrażona w złotówkach albo jako procent ceny sprzedaży. To pierwsza miara tego, ile sprzedaż naprawdę zostawia w firmie, zanim policzysz koszty stałe i reklamę.
Wzór · marża brutto
marża (zł) = cena sprzedaży netto − koszt zakupu netto − koszty zmienne
Przykład: 81,30 zł − 41,00 zł − 11,30 zł = 29,00 zł. Jako procent: 29,00 / 81,30 = 35,7%.
Wzór · POAS (profit on ad spend)
POAS = zysk brutto z zamówień / wydatki na reklamę
POAS 1,0 oznacza, że reklama zwraca dokładnie tyle zysku brutto, ile kosztuje. Poniżej 1,0 dokłada się do sprzedaży.
Najczęstsza pomyłka dotyczy narzutu. Narzut liczy się od kosztu zakupu, marżę od ceny sprzedaży, więc te same liczby dają dwa różne procenty:
Narzut · liczony od kosztu
(100 − 50) / 50 = 100%
Kupujesz za 50 zł netto, sprzedajesz za 100 zł netto. Narzut brzmi imponująco.
Marża · liczona od ceny
(100 − 50) / 100 = 50%
Te same liczby. Z każdej złotówki sprzedaży w firmie zostaje 50 groszy, przed kosztami reklamy.
W rozmowach z dostawcami, agencją i w danych sklepu warto trzymać się jednej konwencji i nazywać ją wprost. Ten przewodnik wszędzie posługuje się marżą liczoną od ceny sprzedaży netto.
Dane źródłowe
Skąd bierze się marża w danych: koszt zakupu per SKU
Marża w analityce ma jedno źródło: pole kosztu zakupu na karcie produktu. Większość platform sklepowych je ma (jako koszt, cena zakupu lub pole dodatkowe), wystarczy je uzupełnić i utrzymywać. Alternatywą jest marża procentowa per produkt, ale kwotowy koszt zakupu jest dokładniejszy: poprawnie zachowuje się przy rabatach, promocjach i zmianach cen.
Żeby zobaczyć, o co toczy się gra, wystarczy rozłożyć na części cenę z witryny. Tak wygląda 100 zł brutto w przykładowej drogerii internetowej (dane poglądowe):
Anatomia ceny · 100 zł brutto na witrynie
Z 100 zł na witrynie zostaje 29 zł, zanim wystartuje jakakolwiek reklama. Bez kosztu zakupu w danych ta liczba jest niewidoczna i każdy raport kończy się na przychodzie.
Utrzymanie tych danych w porządku wymaga stałego procesu:
Zrób audyt pokrycia
Policz, jaki procent aktywnych SKU ma uzupełniony koszt zakupu i jaki procent przychodu one generują. Braki uzupełniaj od produktów o największej sprzedaży.
Wpisuj netto, per wariant
Koszt zakupu zawsze netto i na poziomie wariantu (rozmiar czy pojemność potrafią mieć różne ceny u dostawcy). Waluty zakupu przeliczaj po ustalonej regule.
Aktualizuj przy dostawach
Zmiana cennika dostawcy powinna od razu trafiać do sklepu, najczęściej hurtowym importem z pliku. Przeterminowany koszt zakupu bywa gorszy niż jego brak, bo daje fałszywą pewność.
Waliduj co kwartał
Wyrywkowo porównuj koszt w sklepie z fakturami zakupu i sprawdzaj produkty z marżą ujemną lub podejrzanie wysoką: to zwykle literówki i pomylone jednostki.
Uwaga rachunkowa: marżę liczy się na cenach netto, a przychód na witrynie i w wielu panelach bywa brutto. Mieszanie tych dwóch światów to najczęstszy powód „marż”, które nie zgadzają się z księgowością.
Kultura danych
Dlaczego marża latami była tajemnicą zarządu
W wielu firmach koszt zakupu przez lata żył wyłącznie w arkuszu właściciela. Powody były zrozumiałe: marża to wrażliwa informacja handlowa, jej wyciek ułatwia życie konkurencji i dostawcom, a wewnątrz firmy bywa zarzewiem dyskusji o wynagrodzeniach. Skoro tak, dostęp dostawał zarząd i księgowość, a reszta firmy (o agencji nie wspominając) pracowała na samym przychodzie.
W międzyczasie zmieniło się otoczenie. Ruch reklamowy podrożał, a kampanie produktowe stały się automatyczne: algorytm dostaje cel i sam decyduje, które produkty pokazywać. Jeśli zna tylko przychód, będzie dowoził przychód, także z produktów, które nie zostawiają ani złotówki zysku. Środowisko e-commerce mówi dziś o tym wprost: po latach wzrostu za wszelką cenę branża przeszła na rozliczanie zysku, a POAS i rentowność per produkt weszły do standardowego słownika kampanii.
Automat optymalizuje to, co widzi. Widzi przychód: dowozi przychód, także wtedy, gdy część zamówień nie zostawia ani złotówki marży.
Napięcie między poufnością a użytecznością rozwiązuje dostęp warstwami. Nikt nie musi wybierać między sejfem a pełną jawnością:
Poziom 1Zarząd i finanse
Pełny obraz: koszty zakupu kwotowo, umowy z dostawcami, marże per produkt, kategoria i kanał. Tu zapadają decyzje cenowe i zakupowe.
Poziom 2Zespół e-commerce
Marże bez cenników zakupu: procenty i zyskowność per produkt oraz kategoria, rankingi zysku, skutki promocji. Wystarcza do planowania oferty i kampanii.
Poziom 3Agencja i media
Segmenty zamiast kwot: etykiety w rodzaju wysoka-marza i niska-marza w feedzie, POAS kampanii, lista produktów wykluczonych z promocji. Dość, by budować kampanie na zysk.
Do zapamiętania
Poufność chroni kwoty zakupu, a kampanie potrzebują wyników na marży. Da się pogodzić jedno z drugim: cenniki dostawców zostają w wąskim gronie, na zewnątrz wychodzą procenty, segmenty i etykiety. Utrzymywanie poprawnego kosztu zakupu w systemie sklepu jest warunkiem obu tych rzeczy naraz.
Zastosowania
Do czego służy marża per produkt w praktyce
Kiedy koszt zakupu jest w danych, jedna kolumna zasila kilka bardzo różnych decyzji:
| Obszar | Co zmienia marża per produkt |
|---|---|
| Ceny i promocje | rabat planuje się od realnej marży produktu; pozycje schodzące po rabacie poniżej progu wypadają z akcji |
| Dobór produktów do kampanii | budżet skalują produkty łączące popyt z marżą; obrotowe niskomarżowe pracują na widoczność, ale ze świadomym limitem |
| Etykiety w feedzie | wartości w rodzaju wysoka-marza i niska-marza pozwalają dzielić kampanie produktowe bez ujawniania kwot |
| Ocena kanałów sprzedaży | ta sama pozycja po prowizjach marketplace ma inną rentowność niż we własnym sklepie; decyzja wymaga liczb, a nie intuicji |
| Zakupy i magazyn | ranking zysku (a nie obrotu) wskazuje, które zapasy naprawdę warto odnawiać w pierwszej kolejności |
| Rozliczanie marketingu | POAS i zysk po kosztach reklamy zamiast samego ROAS; kampania „tania w kliknięciach” bywa droga w zysku |
Skalę przetasowania najlepiej pokazuje zestawienie dwóch rankingów tego samego asortymentu (drogeria internetowa, 30 dni, dane poglądowe):
Ranking przychodu
Ranking zysku brutto
Lider przychodu spada na trzecie miejsce w zysku, a numer cztery awansuje na drugie. Każda decyzja podjęta na lewym rankingu (budżety, promocje, zakupy) trafia w inne produkty niż ta podjęta na prawym.
Realne ryzyko
Kampania rozliczana z ROAS chętnie skaluje produkty z lewego rankingu. Zestaw prezentowy generuje piękny przychód przy marży 18%, więc po odjęciu kosztu reklamy potrafi schodzić na zero albo poniżej. Bez marży w danych nikt tego nie zauważy, bo raport kampanii świeci na zielono.
Trendy
POAS i kierunek profit-first w kampaniach produktowych
Branżowa zmiana ostatnich lat da się streścić jednym zdaniem: z rozliczania przychodu na rozliczanie zysku. W praktyce składają się na nią trzy elementy, wszystkie oparte na koszcie zakupu per SKU:
Po pierwsze, POAS obok ROAS. Dwie kampanie o identycznym ROAS 5 są nieporównywalne, jeśli jedna sprzedaje produkty o marży 45%, a druga 15%. POAS sprowadza je do wspólnego mianownika: ile zysku brutto zostaje z każdej złotówki wydanej na reklamę. Wartości poniżej 1 oznaczają dokładanie do interesu, nawet przy ROAS, który wygląda przyzwoicie.
Po drugie, wartość konwersji oparta na marży. Coraz częściej zamiast przychodu do platform reklamowych przekazuje się wartość odzwierciedlającą zysk, żeby automatyczne strategie licytowały mocniej tam, gdzie sprzedaż zostawia więcej. To kierunek, w którym idą zarówno duże sklepy, jak i wyspecjalizowane narzędzia.
Po trzecie, segmentacja kampanii po marży. Etykiety marżowe w feedzie dzielą katalog na grupy o różnych celach: liderzy zysku dostają budżet na skalowanie, obrotowe niskomarżowe limit, a ogon test. Mechanikę etykiet i podziału kampanii opisują osobne przewodniki: feed produktowy i Merchant Center.
Uwaga metodologiczna: koszt reklamy na poziomie pojedynczego produktu istnieje w danych źródłowych tylko dla kampanii produktowych Google, a jedna reklama sprzedaje różne produkty z koszyka. Dlatego POAS liczy się wiarygodnie na poziomie kanału, kampanii lub całego sklepu, a nie pojedynczego SKU. Szerzej wyjaśnia to przewodnik po konwersjach i atrybucji.
DataOrganizer
Jak DataOrganizer wykorzystuje marżę z systemu sklepu
Skąd biorą się dane: integracja sklepowa codziennie pobiera katalog produktów razem z polem kosztu zakupu (per SKU i wariant) oraz pozycje zamówień z faktycznymi cenami sprzedaży po rabatach. Z tego połączenia powstaje zysk brutto per produkt, zamówienie, dzień i kanał, a po dołożeniu prowizji i opłat marketplace także rentowność sprzedaży na Allegro.
Do czego to służy w praktyce: gotowy widok produktów z marżą zamiast rankingów samego obrotu, segmenty marżowe katalogu, porównanie rentowności własnego sklepu i marketplace po opłatach, POAS i zysk po kosztach reklamy per kanał oraz etykiety marżowe, które przez arkusz Google wracają do Merchant Center i dzielą kampanie. Warunkiem tego wszystkiego pozostaje pole kosztu zakupu w Twoim sklepie: analityka nie wymyśli marży, której nie ma w danych.
Dwa produkty łączą wysoki przychód z marżą poniżej progu 20%:
| Produkt | Przychód | Marża zł | Marża % |
|---|---|---|---|
| Zestaw pielęgnacyjny prezentowy | 24 600 zł | 4 430 zł | 18% |
| Szampon aptekarski 1 l | 14 200 zł | 2 130 zł | 15% |
| Krem SPF 50 (dla porównania) | 19 800 zł | 8 910 zł | 45% |
Do rozważenia dwie dźwignie: korekta ceny lub negocjacja kosztu zakupu. Na czas decyzji mogę nadać obu produktom etykietę niska-marza w arkuszu dla Merchant Center, żeby kampanie nastawione na skalę ich nie promowały.
Poufność w praktyce
Surowe koszty zakupu zostają w backendzie, na zewnątrz wychodzą agregaty. Asystent AI pracuje na zagregowanych wynikach (marże procentowe, sumy, segmenty), więc zespół i agencja dostają wnioski bez wglądu w cenniki dostawców. To ta sama zasada dostępu warstwami, tylko wykonana w danych.
FAQ
Najczęstsze pytania o marżę w e-commerce
Czym różni się marża od narzutu?
Narzut liczy się od kosztu zakupu, marżę od ceny sprzedaży. Produkt kupiony za 50 zł i sprzedany za 100 zł netto ma narzut 100%, ale marżę 50%. Mylenie pojęć zawyża oczekiwania: narzut 50% to marża zaledwie 33%. W danych i rozmowach z agencją zawsze doprecyzuj, o którą wielkość chodzi.
Gdzie w systemie sklepu wpisuje się koszt zakupu produktu?
Większość platform ma dedykowane pole kosztu zakupu na karcie produktu lub wariantu; tam, gdzie go brak, używa się pola dodatkowego albo atrybutu. Wartość powinna być netto, per SKU i wariant, aktualizowana przy zmianach cen dostawcy (najwygodniej hurtowym importem z pliku). Marża procentowa per produkt też działa, ale kwotowy koszt zakupu jest dokładniejszy przy rabatach.
Czy udostępniać marżę agencji reklamowej?
Udostępniaj wyniki oparte na marży, niekoniecznie same koszty zakupu. Sprawdza się dostęp warstwami: zarząd widzi kwoty, zespół procenty i zyskowność, a agencja segmenty i etykiety (wysoka-marza, niska-marza) oraz POAS kampanii. Bez tego agencja optymalizuje wyłącznie przychód i częścią budżetu wspiera produkty bez zysku.
Co to jest POAS i czym różni się od ROAS?
POAS (profit on ad spend) dzieli przez wydatki reklamowe zysk brutto, a ROAS przychód. Dwie kampanie o ROAS 5 mogą mieć zupełnie różny POAS, gdy sprzedają produkty o marży 45% i 15%. POAS poniżej 1 oznacza, że reklama kosztuje więcej, niż zostawia zysku. Licz go na poziomie kanału lub sklepu, na opłaconych zamówieniach i koszcie zakupu per SKU.
Jak liczyć marżę przy rabatach i promocjach?
Zawsze od faktycznej ceny sprzedaży netto po rabacie, zapisanej w pozycji zamówienia. Rabaty zjadają marżę szybciej, niż sugeruje ich wysokość: produkt z marżą 50% przy rabacie 20% traci około 40% zysku, a przy rabacie 40% około 80%. Politykę promocji planuj więc na marżach per produkt i wykluczaj pozycje schodzące poniżej progu opłacalności.
Ściąga z całego przewodnika
Trzy zasady pracy z marżą w danych
1. Koszt zakupu per SKU to dana źródłowa, o którą trzeba dbać. Netto, na poziomie wariantu, aktualizowany przy dostawach i walidowany z fakturami. Wszystko dalej (marże, POAS, etykiety, rankingi zysku) dziedziczy jakość tego jednego pola w systemie sklepu.
2. Poufność i użyteczność godzi dostęp warstwami. Kwoty zakupu zostają w wąskim gronie, zespół pracuje na procentach, agencja na segmentach i POAS. Czasy, w których marża żyła wyłącznie w arkuszu właściciela, skończyły się razem z tanim ruchem: automatyczne kampanie bez marży optymalizują zysk na ślepo.
3. Rozliczaj zysk, a przychód traktuj jako środek. Ranking zysku układa się inaczej niż ranking obrotu, a POAS inaczej niż ROAS. DataOrganizer liczy jedno i drugie automatycznie: z kosztu zakupu w Twoim sklepie, pozycji zamówień, prowizji marketplace i wydatków reklamowych, z agregatami na zewnątrz i cennikami bezpiecznie w backendzie.
DataOrganizer · zysk zamiast samego przychodu
Podłącz sklep z uzupełnionym kosztem zakupu, a marże per produkt, POAS kanałów i etykiety marżowe policzą się z Twoich danych. Konto demo od ręki, płacisz tylko za podłączone źródła.