Így mérd az AI-val támogatott marketinget a saját adataiddal

Miért nehezíti meg az AI a mérést, mielőtt megkönnyítené

Az AI lehetővé teszi, hogy egy kis csapat tíz változatot készítsen egy posztból annyi idő alatt, mint korábban egyet. Ez hasznos, és csendben tönkreteszi a legtöbb riportolást. A változatok szaporodnak, a nevek elcsúsznak, a linkek elveszítik a címkéiket, és hónap végére senki sem tudja megmondani, melyik szöveg, kép vagy videó hozta a 14-én érkezett megkeresést.

Az elterjedés már nem a nehéz rész. Az IBM Global AI Adoption Index 2026 szerint a marketingben világszerte a vállalkozások 76 százaléka használ AI-t. A csapatokat ma az különbözteti meg, hogy meg tudják-e mondani, mit ért el az AI-val támogatott munka. A válasz az első féltől származó adat: azok a számok, amelyeket te magad gyűjtesz a weboldaladról, a boltodból, a foglalásaidból és az ügyfélbeszélgetéseidből. A tiéd, el tudod magyarázni, honnan származik, és nem függ attól, mit mutat meg neked egy platform.

Célonként válassz 3-5 mutatót

A harminc számos irányítópultot senki sem olvassa. Előbb döntsd el a célt, aztán válassz legfeljebb öt mutatót, amelyek elmozdulása megváltoztatna egy döntést. Minden más diagnosztika, amelyet csak akkor nézel meg, ha az öt közül valamelyik meglep.

• Ismertségi cél: elérés, videómegtekintések a háromszekundumos vagy a végignézési határig, követőnövekedés, ennek a növekedésnek a célközönségből származó aránya, márkanévre keresés vagy közvetlen látogatások
• Elköteleződési cél: mentések, megosztások, kérdést feltevő hozzászólások, profillátogatások, posztonkénti elköteleződési arány
• Leadgenerálási cél: linkkattintások, céloldali konverziós arány, leadenkénti költség, a minősített leadek aránya, a lead utáni megkeresésekre adott válaszok
• Értékesítési cél: közösségi forrásból érkező rendelések, rendelésenkénti bevétel, rendelésenkénti költség, ismételt vásárlási arány, visszaküldési arány
• Megtartási cél: ismételt vásárlások, közösségi feliratkozók e-mail-megnyitásai, ügyfelenkénti ügyfélszolgálati kérdések, ajánlások

Figyeld meg, mi hiányzik: a lájkok főszámként, és a megjelenések önmagukban. Könnyű őket felfújni, és lassan köthetők pénzhez. Tartsd őket háttérként, ne célként.

UTM- és elnevezési fegyelem az AI-változatokhoz

Az UTM-paraméterek a link végén lévő címkék, amelyek megmondják az analitikai eszközödnek, honnan érkezett a látogató. Unalmasak, és fontosabbak, amikor az AI változatokat generál, mert éppen a változatokat akarod összehasonlítani. Két szabály lefedi az érték nagy részét: címkézz fel minden linket, amely egy közösségi posztból kivezet, és használj egyetlen elnevezési mintát, amelyet a csapat bármely tagja jelmagyarázat nélkül el tud olvasni.

Elnevezési minta, amely egy zsúfolt negyedévet is kibír

Használj kisbetűt, szóköz helyett kötőjelet és rögzített sorrendet. Egy működő minta a campaign mezőhöz a goal_theme_month, a content mezőhöz pedig a format_hook_version.

• utm_source: a platform, például instagram, facebook vagy tiktok
• utm_medium: organic-social vagy paid-social, soha nem mindkettő egy címke alatt
• utm_campaign: spring-launch_vitamin-c_2026-04
• utm_content: reel_before-after_v2, ahol a v2 a második AI-generált változatot jelöli
• utm_term: üresen hagyva, hacsak nem futtatsz fizetett keresést

Vezess közös táblázatot minden kampánynévről és arról, mit jelent. A legtöbb riportolási hiba arra vezethető vissza, hogy ketten másképp írják le ugyanazt. Ez adja meg azt a pontos csoportosítást is, amelyre strukturált teszt futtatásakor szükséged van, és amelyet az AI kreatívtesztelési keretrendszer részletesen leír.

Kösd a posztszintű adatokat az eredményekhez

A platformanalitika megmondja, hogyan teljesített egy poszt a platformon belül. A saját rendszereid megmondják, mi történt utána. A munka a kettő összekapcsolása, és ehhez nem kell adattárház.

1. Hetente exportáld a posztszintű eredményeket: poszt azonosítója, dátum, formátum, tartalmi pillér, változatcímke, elérés, mentések, kattintások
2. Hetente exportáld az eredményeket a saját eszközeidből: rendelések, foglalások vagy leadek, mindegyik az UTM-forrás és tartalom értékeivel
3. Párosítsd őket az utm_content címke és a dátum alapján
4. Adj hozzá egy oszlopot, amely rögzíti a meghozott döntést és az indokát

Ahol az eladás offline vagy telefonon történik, tegyél fel egy kérdést az érintkezési pontnál: honnan hallott rólunk? Egy rövid válaszlista, benne az „Instagram-poszt” és az „egy ismerős” lehetőséggel, jobb a semminél, és semmibe sem kerül. Jegyezd fel a dátummal, hogy a posztnaptárad mellé kerülhessen. Egy olyan eszköz, mint az AI közösségimédia-elemzés, ennek a platformoldalát egyetlen nézetbe gyűjtheti, neked pedig csak a saját nyilvántartásaidból származó eredményeket kell hozzáadnod.

Egyszerű inkrementalitás-ellenőrzések, érthetően

Az attribúció azt mondja meg, melyik érintkezési pont kapja az elismerést. Az inkrementalitás nehezebb és hasznosabb kérdést tesz fel: megtörtént volna ez az eredmény úgyis? Egy hűséges vevő, aki látja a hirdetésedet, majd vásárol, valószínűleg úgyis vásárolt volna. Úgy derítheted ki, ha összehasonlítod azt a csoportot, amely látta a tevékenységedet, egy hasonló csoporttal, amely nem.

Kontrollhetek

Függeszd fel egy tevékenységet meghatározott időre, és nézd, mit csinálnak a saját számaid. Egy kávézó, amely naponta posztol a heti ajánlatról, negyedévente egy hétre elcsendesedhet. Ha az ajánlat eladása alig mozdul, a posztok nem hajtják. Ha esik, nagyjából mérted a posztok hozzájárulását. A gyenge pont, hogy az évszakok és az időjárás is mozgatja a dolgokat, ezért ahol lehet, hasonlítsd a korábbi évek ugyanazon hetéhez, és a költségkeret módosítása előtt ismételd meg a tesztet.

Földrajzi bontás

Futtasd a tevékenységet néhány helyen, máshol ne. Egy bolt, amely tizenkét irányítószámra szállít, hat helyen promózhat, hatot érintetlenül hagyhat, úgy megválasztva őket, hogy a korábbi eladásaik hasonlók legyenek. Hasonlítsd össze a változást az egyes csoportokban ugyanazokon a heteken. A hirdetési platformok ezt fizetett kampányokhoz kínálják, organikus munkához pedig kézzel is megcsinálhatod a durva változatát.

Két szabály mindkettőre érvényes. Írd le, milyen eredmény késztetne cselekvésre, mielőtt ránézel, és egyszerre csak egy dolgot változtass. Egy egyszerű, becsületesen kiolvasott teszt többet ér, mint egy kifinomult modell, amelyet reménykedve olvasol ki.

Kidolgozott példa: egy bőrápoló bolt teszteli a Reelseit

Vegyünk egy kitalált online bőrápoló boltot, a Fern & Claytt, két emberrel és nagyjából 200 000 forintos szerény havi hirdetési költéssel. Heti négy Reelst tesz közzé, a tulajdonos pedig gyanítja, hogy a Reelsek keveset érnek, az e-mail-lista pedig eladja a terméket.

Értékesítési célhoz három mutatót állít be: a közösségi forrásból érkező rendeléseket, a rendelésenkénti bevételt és a rendelésenkénti költséget. Minden Reel-link UTM-címkét hordoz, a content mező megnevezi a formátumot, a nyitást és a változatot. Hat hétig a szokásos módon posztol. A hetedik héten felfüggeszti a Reelseket a bolt hat északi szállítási körzetében, és a hat déliben futtatja tovább, amelyeknek az előző negyedévben hasonló volt az eladása. Előre leírt döntési szabálya: ha az északi körzetek több mint 10 százalékkal lemaradnak a déliektől, a Reelsek maradnak heti négynél. Ha a különbség kisebb, kettőre csökkenti, és az időt az e-mailre fordítja.

Tegyük fel, hogy az eredmény szerint az északi körzetek nagyjából 15 százalékkal le vannak maradva. A Reelsek valódi munkát végeztek, és a tulajdonosnak most az ösztönön túli oka van megtartani őket. Tegyük fel, hogy szinte semmi különbséget nem mutatott: heti több órát szabadított fel az eladások sérülése nélkül. Mindkét esetben a saját adataiból hozott döntést. A számok itt szemléltető jellegűek, a módszer az, ami átvihető.

Havi riportsablon

Egy oldal, minden hónapban ugyanaz az elrendezés, egy óra alatt kész. Másold ezt a szerkezetet.

1. A cél és a 3-5 mutató: az e havi érték, a múlt havi érték és a célérték
2. Mit publikáltunk: a posztok száma platformonként és pillérenként, és hány volt AI-val támogatott változat
3. Mi működött: a három legjobb poszt eredmény szerint, nem lájkok szerint, az UTM-címkéikkel
4. Mi nem: a három leggyengébb, és egy tipp, miért
5. Kísérletek állása: minden futó kontrollteszt vagy bontás, a kezdési dátuma, a döntési szabálya és az eddigi eredménye
6. Adategészség: címke nélküli linkek, követési hiányok, minden, ami megbízhatatlanná tesz egy számot
7. Döntések és a jövő havi teszt: egy-három teendő, mindegyikhez felelőssel

Az adategészség sor az, amelyet a csapatok kihagynak és megbánnak. Egy hónapnyi címkézetlen link magabiztos számokkal teli riportot ad, amelyeknek semmi értelme. Mondd ki az oldalon, és az elemzés előtt javítsd a címkézést.

Gyakran ismételt kérdések

Kell ehhez adatelemző?

Nem. Egy közös táblázat, következetes UTM-címkék és negyedévente egy becsületes teszt a legtöbb kisvállalkozási igényt lefedi. Az elemző akkor válik hasznossá, amikor több csatornát futtatsz jelentős fizetett költségkerettel.

Meddig fusson egy kontrollcsoportos teszt?

Elég hosszan ahhoz, hogy lefedje a terméked legalább egy teljes vásárlási ciklusát, a legtöbb kisboltnál pedig legalább két-négy hétig. Egyetlen hét gyakran túl zajos, különösen ünnepek vagy akciók idején.

Megbízhatok a hirdetési platformok AI-generált teljesítményösszefoglalóiban?

Kezdőpontnak tekintsd őket. Azt írják le, amit a platform rögzített, ami nem ugyanaz, mint amit a vállalkozásod nyert. Mielőtt költségkeretet módosítasz, vesd össze őket a saját nyilvántartásaidban lévő rendelésekkel, foglalásokkal vagy leadekkel.

Mi van, ha a közönségem túl kicsi egy bontásos teszthez?

Használj kontrollhetet vagy előtte-utána összehasonlítást, és fogadj el alacsonyabb bizonyosságot. Ugyanannak a kis tesztnek a két-három megismétlése több bizonyosságot ad, mint egyetlen nagyobb, megismételhetetlen teszt.

Az adatok egy helyen tartása

A fentiek mind megvalósíthatók egy táblázatban, és könnyebbek, ha a publikálás és a teljesítmény együtt van. A SEENALYZE AI egy munkaterületen tartja a naptáradat, a publikált posztjaidat és az összekapcsolt fiókok analitikáját, így a riportod posztszintű része készen áll, amikor leülsz hozzáadni a saját rendszereidből származó eredményeket. Ez megspórolja a heti exportálást, és időt hagy arra a részre, amelyet csak te végezhetsz el: eldönteni, mit jelentenek a számok a vállalkozásod számára.