Marketingová agentura s AI pro e-shop: jak ji vybrat

Proč se tahle otázka za poslední dva roky změnila

Ještě nedávno jste od agentury kupovali exekuci. Někdo seděl v účtu, doplňoval klíčová slova, vylučoval dotazy a ručně posouval bidy. Tahle práce se dnes z velké části přesunula do automatiky platforem a dělá ji dobře. Google i Meta mají modely, které vidí signály, jaké žádný člověk v tabulce nikdy neuvidí.

Tím se změnila otázka, kterou má majitel e-shopu klást. Ne jestli agentura umí nastavit kampaň, ale jaká data té kampani posílá a jak ví, že to zabralo.

K tomu přišel druhý posun, ve viditelnosti. Ahrefs naměřili v únoru 2026 pokles míry prokliků o 58 % u dotazů s AI Overviews a podíl vyhledávání bez prokliku v USA dosáhl 58,5 % (přehled studií: https://arvow.com/blog/ai-overviews-statistics-2026). Produktová data, obsah a feed se staly společnou vrstvou pro organickou i placenou viditelnost. Jako dvě oddělené zakázky se už řešit nedají.

Co dělá marketingová agentura s AI pro e-shop jinak než agentura s AI nástroji

Jsou to dvě různé věci a v SERP se míchají do jedné. První je AI uvnitř platformy: Smart Bidding, Performance Max, Advantage+. Ta je výborná v tom, co dělá, tedy v nákupu reklamního prostoru v reálném čase. Má však jedno omezení, které není chybou. Optimalizuje přesně na to, co jí pošlete.

Druhá je AI vrstva nad platformami. Ta nekonkuruje biddingu, ale rozhoduje, jaký signál do něj vstoupí. Vidí SKU, nákupní cenu, dopravu, platební poplatky, míru vratek a hodnotu opakovaného zákazníka. Stejná vrstva pak kontroluje i produktový feed, titulky a kreativu, protože tam je páka největší.

Rozdíl je měřitelný, ne filozofický. Když pošlete platformě hodnotu objednávky, naučí se hledat objednávky. Když jí pošlete zisk po vratkách, naučí se hledat zisk. Ve většině e-shopů, které jsme viděli, to nejsou tytéž produkty.

Co říkají data

Optimalizace na zisk není agenturní trik, je to oficiálně podporovaná funkce. Google Ads počítá hrubý zisk jako tržba mínus COGS a vyžaduje atribut cost_of_goods_sold ve feedu Merchant Center (https://support.google.com/google-ads/answer/14943482). Reportování marží funguje jen v kombinaci s Conversions with Cart Data, tedy s přenosem obsahu košíku na úrovni SKU (https://support.google.com/sa360/answer/13424777). Buď je to napojené, nebo není. Ověřit se to dá za deset minut.

Druhá vrstva jsou vratky. NRF uvádí, že se vrací asi 19,3 % online objednávek, u oděvů 20 až 40 % (https://nrf.com/research/2025-retail-returns-landscape). Google má na to conversion adjustments typu RESTATE a RETRACT s oknem 55 dní od původní konverze (https://support.google.com/google-ads/answer/7686447). Bez nich se algoritmus učí na tržbě, kterou e-shop reálně nikdy neměl.

Třetí věc je měření přínosu. Klasický experiment eBay publikovaný v Econometrica ukázal, že u vyhledávání obsahujících slovo eBay by asi 99,5 % návštěvnosti z placených brandových reklam přišlo i bez nich. V novějším datasetu 225 geo testů DTC značek měl brandový search medián inkrementálního ROAS 0,70x, tedy pod hranicí návratnosti (https://searchengineland.com/incrementality-testing-advertising-winners-losers-442852). Google sám vydal Meridian a v květnu 2026 Meridian GeoX, otevřené geo experimenty, jejichž výstupy kalibrují model. Je to přiznání, že samotná atribuce na rozhodování o rozpočtu nestačí.

A čtvrtá věc, která překvapí nejvíc lidí. Nielsen při analýze zhruba 500 kampaní připsal kreativě 47 % příspěvku reklamy k prodeji, zatímco targetingu 9 % (https://www.marketingcharts.com/advertising-trends-230468). Největší páka tedy není bidding. Je to tempo, v jakém umíte testovat kreativu a produktová data.

Náš postoj

Konsenzus v oboru zní, že AI je potřeba držet na uzdě ručními signály, publiky a vyloučeními, a že řídicí metrikou je ROAS nebo CPA. My tvrdíme opak v obou bodech, a máme pro to důvody.

První. Signály omezujte méně, vstupy opravujte více. Optmyzr analyzoval 9 199 účtů a 24 702 kampaní Performance Max. Audience signals používá 92 % inzerentů a jejich účty si vedly hůř ve většině metrik, search themes používá 71 % s převážně negativním efektem a 58 % inzerentů mělo stejné nebo lepší výsledky úplně bez vyloučení (https://www.optmyzr.com/blog/performance-max-2025-updates-study-analysis/). Když platforma dostane čistý signál o zisku, nepotřebuje, aby jí někdo zvenčí hádal publikum.

Druhý. Řídicí metrikou má být zisk z objednávky po vratkách a dopravě, ne tržba. V katalozích, které jsme procházeli, se hrubá marže mezi kategoriemi běžně lišila trojnásobně. Rozpočet pak systematicky utíká k produktům s vysokou tržbou a nízkou marží, přičemž report vypadá skvěle. Tohle je jediný důvod, proč náš engine existuje jako samostatná vrstva nad Google, Meta a TikTok. Ne proto, že by platformy něco dělaly špatně, ale proto, že o vaší nákupní ceně a vratkách nevědí nic, dokud jim to neřekneme.

Třetí. Ne AI versus člověk, ale nezávislé měření nad platformou. Meta uvádí u optimalizace na inkrementální konverze lift kolem 46 %, nezávislý dataset Haus ze 640 inkrementálních testů za 18 měsíců naopak říká, že 58 % značek mělo vyšší inkrementální ROI na manuálních kampaních a že automatika nadhodnocovala svůj přínos zhruba o 12 procentních bodů (https://news.marketecture.tv/p/meta-advantage-plus-and-incrementality-findings-from-640-tests-2d1d). Obě čísla mohou být pravdivá, jen měří jiné účty. Proto nevěříme ani jednomu bez testu na vašich datech.

Čísla, kterými to umíme podložit, jsou konkrétní. U e-shopu Zlatá Putna jsme viděli nárůst tržeb o 45,8 % a viditelnosti o 574 %, u Jankiv Siblings +583 % engagement, u Domintell +272 % návštěvníků. ROAS až +300 % je horní hranice, které jsme dosáhli, ne průměr a ne slib. Dosáhli jsme jí na katalogu s dobrými daty o marži a s prostorem pro růst rozpočtu. Na e-shopu, kde marže není v systému, takový výsledek neslíbíme.

Jak na to: sedm kroků a pět otázek

Pořadí kroků není libovolné, každý další stojí na předchozím.

1. Dostaňte COGS do feedu. Google výslovně povoluje i odhad, například 80 % ceny, aby se reporting vůbec rozjel. Přesnost doplníte později.

2. Zapněte přenos obsahu košíku. Bez dat na úrovni SKU je marže neměřitelná.

3. Napojte vratky přes conversion adjustments. Při 20 % vratkách je to nejlevnější oprava v celém účtu.

4. Doplňte hodnotu zákazníka. Customer lifecycle goals a režim New Customer Value umí prvnímu nákupu nového zákazníka připočítat dodatečnou hodnotu (https://support.google.com/google-ads/answer/12080169).

5. Uklidit feed a produktová data. Tituly, atributy, GTIN, obrázky. Tatáž práce zvedne i organickou viditelnost.

6. Zrychlete kreativu. Když Nielsen připisuje kreativě 47 % vlivu, počet otestovaných variant za měsíc je reálné KPI.

7. Změřte inkrementalitu. Geo holdout nebo user-level holdout, alespoň na brandovém searchi a na jednom hlavním kanálu.

Pět otázek, které položte každé agentuře včetně nás. Odkud berete data o mé marži a co všechno je v nich započítáno? Vidím do rozhodnutí vaší AI, tedy existuje log, kdo a proč změnil rozpočet? Kdo vlastní reklamní účty, konverzní data a publika, když spolupráce skončí? Jak dokážete, že tržba by nepřišla i bez reklamy? A kolik to celé stojí, rozepsané na setup, měsíční fee a podíl z výdajů?

Pátá otázka je test charakteru. Cenu říkáme na první konzultaci, ne po třech mailech. Když ji někdo tají, obvykle to není proto, že je nízká.

Kdy to neplatí

Při malém objemu dat je celá tahle stavba zbytečná. Když má e-shop řádově desítky konverzí měsíčně, model se nemá na čem učit a optimalizace na zisk skončí jako přesnější měření šumu. Tehdy je lepší investovat do produktu, feedu a kreativy a reklamu držet jednoduše.

Pokud prodáváte jeden produkt s jednou marží, POAS vám nepřidá nic. Celá výhoda vzniká z rozdílů v katalogu.

Inkrementální testy nejsou zadarmo. Geo holdout znamená, že v části trhu reklamu vypnete, a u sezónního e-shopu je kratší test často nesmyslný. Doporučení se pohybují od pár týdnů po tři až šest měsíců u delších nákupních cyklů. To je reálná cena za jistotu a je potřeba ji říct dopředu.

Je tu i konflikt, který se nedá vyřešit tabulkou. Optimalizace na krátkodobý zisk tlačí k nejužšímu možnému zacílení, zatímco škola Ehrenberg-Bass ukazuje, že růst přichází z oslovování celé kategorie kupujících. U e-shopu, který chce za dva roky zdvojnásobit značku, se tyhle dvě logiky perou. Řešíme to rozdělením rozpočtu a přiznáním, že ta druhá část se měří hůř.

A přiznaná nejistota na závěr. Netušíme, jak se poměr placené a organické viditelnosti posune po další vlně AI výsledků ve vyhledávání. Stejně tak platí, že 70 % PPC manažerů používajících AI modely hlásí problémy s kvalitou výstupů (https://www.searchenginejournal.com/ppc-trends-2026-ai-automation-and-the-fight-for-visibility/558870/). Proto u nás rozpočet, značku a nasazení kreativy schvaluje člověk. Automat navrhuje, člověk podepisuje.

Co si z toho odnést

AI agentura se nepozná podle toho, kolikrát napíše slovo AI. Pozná se podle toho, jestli umí ukázat, na jakých datech její systém běží, která rozhodnutí dělá sám a která schvaluje člověk. Všechno ostatní je formulace na webu.

Pokud chcete vědět, jestli se ve vašem katalogu skrývá rozdíl mezi tržbou a ziskem, projdeme si to spolu. Nezávazná 30minutová konzultace, na které se podíváme do účtu, řekneme, co v datech chybí, a odhadneme potenciál. Bez prezentace a bez závazku pokračovat.

Časté otázky