Jeśli masz wrażenie, że raporty „po iOS 14” przestały być tak oczywiste jak kiedyś, nie jesteś sam. W rozmowach z klientami słyszę to regularnie: „kiedyś wszystko się zgadzało, a teraz liczby jakby uciekają”. Poniżej opisuję, co realnie zmieniło się w kampaniach Google Ads po zmianach w prywatności Apple i jak do tego podejść, żeby nadal podejmować dobre decyzje.

Co Apple zmieniło w iOS i dlaczego marketerzy to odczuli

Zmiana, o której mówimy najczęściej, to wprowadzenie mechanizmu App Tracking Transparency (ATT) w iOS 14.5 i kolejnych wersjach. W praktyce użytkownik iPhone’a zaczął dostawać jasne pytanie: czy pozwalasz aplikacji „śledzić” Twoją aktywność w innych aplikacjach i na stronach. I co ważne: domyślna, najczęstsza odpowiedź brzmi „nie”.

Dla wielu firm brzmiało to na początku jak problem „bardziej od Facebooka”, bo temat IDFA i atrybucji aplikacji był głośny w Meta. Ale po kilku tygodniach rozmów z klientami okazało się, że skutki uboczne dotykają też ekosystemu Google — zwłaszcza tam, gdzie opieraliśmy się na sygnałach z przeglądarki, aplikacji i identyfikatorach użytkownika.

W Google Ads nie chodzi o to, że reklamy „przestały działać”. W wielu branżach one nadal działają, tylko trudniej jest jednoznacznie powiedzieć, które kliknięcie doprowadziło do którego zakupu lub zapytania, a algorytm czasem ma mniej danych do optymalizacji. I to jest sedno zmian po iOS: mniej sygnałów, mniej pewności, więcej modelowania.

Najważniejsze skutki dla kampanii Google Ads (z perspektywy praktyka)

Żeby nie robić z tego wykładu, opiszę to tak, jak widzę w kontach i raportach. Poniżej najczęstsze „objawy”, które pojawiają się po stronie kampanii i analityki.

1) Więcej konwersji „nie wiadomo skąd” (Direct, Organic, Unassigned)

Klient usługowy z Wrocławia (branża remontowa) powiedział mi kiedyś: „Google Ads generuje telefony, bo słyszę to od klientów, ale w GA4 to wygląda, jakby połowa leadów była z Direct”. To klasyczny scenariusz. Użytkownik przechodzi przez kilka kroków, zmienia kontekst (np. otwiera stronę z linku w aplikacji, potem wraca po paru godzinach z zakładki), a śledzenie nie sklei tego w spójną ścieżkę.

Efekt: kanały typu Direct/Organic rosną, a płatne źródła wyglądają na „słabsze” niż w rzeczywistości. Nie dlatego, że kampanie nie działają, tylko dlatego, że część ścieżek przestaje być w 100% obserwowalna.

2) Trudniejszy remarketing i mniejsze listy odbiorców

W e-commerce widać to szczególnie wyraźnie. Listy remarketingowe potrafią rosnąć wolniej, a kampanie oparte na odbiorcach „site visitors” mają mniejszy wolumen. Oczywiście nie jest to tylko iOS (są jeszcze blokady przeglądarek, ograniczenia cookies i różnice między Safari a Chrome), ale iPhone’y w Polsce mają na tyle duży udział, że robi to różnicę.

W praktyce oznacza to, że remarketing nadal ma sens, ale warto mocniej oprzeć strategię o:

• odbiorców opartych na intencji (custom segments),
• dane first-party (np. Customer Match, jeśli firma ma zgodny z prawem proces zbierania zgód),
• inteligentne stawki i broad match tam, gdzie to uzasadnione.

3) Rozjazd między Google Ads a GA4

To temat, który wraca na prawie każdym callu. „W Google Ads mam 30 konwersji, a w GA4 22 — i co jest prawdą?” Odpowiedź brzmi: to zależy, ale oba narzędzia mogą mieć rację, bo mierzą konwersje inaczej (okna atrybucji, model atrybucji, sposób przypisania źródła, a nawet definicja konwersji).

Po zmianach prywatności i rosnącej roli modelowania te różnice zwykle się powiększają. Dlatego w projektach, gdzie liczy się precyzja, coraz częściej układamy pomiar tak, żeby Google Ads miało solidny „sygnał” do optymalizacji (np. import konwersji z GA4 lub konwersje w Google Ads oparte na tagu), a GA4 traktujemy jako narzędzie do analizy jakości ruchu i zachowania na stronie — nie jako jedyny „wyrok” o skuteczności kampanii.

Dlaczego to uderza w atrybucję, a nie tylko w „tracking”

W marketingu łatwo powiedzieć: „tracking się popsuł”. Tylko że problem jest bardziej subtelny. Nadal mierzymy konwersje, ale zmienia się pewność przypisania. Kiedyś wiele ścieżek dało się spiąć po cookies i identyfikatorach urządzenia. Teraz częściej opieramy się na:

• modelowaniu statystycznym (np. consent mode, modelowanie konwersji),
• agregacji danych (mniej szczegółów, więcej uśrednień),
• sygnałach first-party (login, formularz, zgoda).

To ważne, bo jeśli właściciel firmy oczekuje, że zobaczy „od A do Z” pełną ścieżkę każdego klienta, to będzie coraz bardziej rozczarowany. Natomiast jeśli celem jest podejmowanie dobrych decyzji biznesowych, to da się to nadal robić — tylko trzeba inaczej ustawić oczekiwania i narzędzia.

Jak Google zareagowało: więcej automatyzacji i modelowania

Google nie stoi w miejscu. W ostatnich latach widać mocny trend: algorytmy dostają większą rolę, a reklamodawca ma dostarczyć jak najlepsze dane wejściowe (konwersje, wartości, zgody, jakość feedu). Po iOS/ATT ten trend przyspieszył.

W praktyce oznacza to, że:

• kampanie automatyczne (np. Performance Max) są częściej wybierane, bo potrafią „sklejać” sygnały z różnych źródeł,
• strategia oparta o wartości konwersji (tROAS) bywa skuteczniejsza niż „łapanie” samej liczby leadów,
• rośnie znaczenie poprawnej konfiguracji tagów, zgód i importów konwersji.

Jedna obserwacja z codziennej pracy: firmy, które mają klarownie zdefiniowane konwersje (np. wysłanie formularza + połączenie telefoniczne + kwalifikacja leada), dużo lepiej przechodzą przez te zmiany niż firmy, które mierzą „wszystko i nic” (kliknięcie w menu, przewinięcie strony, 10 sekund na stronie jako „konwersja”).

Co konkretnie zmieniło się w pomiarze w kampaniach Google Ads

Oto obszary, w których najczęściej widzę realne różnice w porównaniu do „starych dobrych czasów”:

Konwersje: więcej „szacowania”, mniej „twardych” danych

Gdy użytkownik nie wyrazi zgody na cookies analityczne/marketingowe albo gdy przeglądarka ogranicza śledzenie, systemy mogą korzystać z modelowania. To nie magia, tylko statystyka oparta o obserwowalną część ruchu. Dla biznesu oznacza to, że raport może pokazać konwersję przypisaną do kampanii, mimo że nie da się jej wprost „prześledzić” klik po kliku.

Raporty ścieżek i atrybucji: mniej szczegółów na poziomie użytkownika

W GA4 i w ekosystemie Google generalnie idziemy w stronę prywatności. To oznacza, że część raportów ma mniej granularne dane, szybciej wchodzą progi prywatności (thresholding), a segmentacja bywa ograniczona. Da się z tym żyć, ale trzeba to brać pod uwagę, gdy ktoś chce analizować mikroscenariusze.

Remarketing: większa waga zgód i jakości implementacji

W remarketingu różnica między „wdrożone byle jak” a „wdrożone porządnie” zrobiła się większa niż kiedyś. W praktyce: dwa sklepy z podobnym budżetem mogą mieć zupełnie inne wyniki, jeśli jeden ma poprawnie ustawione zgody, tagi, tryb consent i importy, a drugi ma np. podwójne tagowanie, błędy w GTM i rozjechane domeny w checkout.

Jak się do tego dostosować: podejście, które działa u naszych klientów

Poniżej zebrałem zestaw działań, które najczęściej przynoszą poprawę jakości danych i stabilności kampanii. Nie są „sexy”, ale są skuteczne — takie rzeczy robi się między jednym a drugim telefonem od klienta, gdy trzeba wyjaśnić, czemu w tym miesiącu ROAS wygląda inaczej.

1) Zacznij od fundamentu: poprawne wdrożenie GA4

GA4 nie jest idealne, ale jest dziś standardem. Dobrze wdrożone potrafi dać stabilny obraz tego, co dzieje się na stronie: które kanały dowożą jakościowy ruch, gdzie ludzie odpadają, które urządzenia konwertują gorzej, jak wygląda ścieżka do formularza.

Jeśli masz poczucie, że raporty żyją własnym życiem, zwykle warto wrócić do podstaw: zdarzenia, konwersje, cross-domain, spójne UTM-y, filtrowanie ruchu wewnętrznego i poprawne połączenie z Google Ads. W praktyce takie porządki najczęściej robimy w ramach wdrożenia Google Analytics.

2) Uporządkuj konwersje w Google Ads (mniej znaczy więcej)

Jedna z najczęstszych historii: konto ma 12 konwersji, z czego 7 to mikroakcje, 3 są zdublowane, a 2 w ogóle nie działają. Algorytm dostaje sygnały, ale nie wie, co jest naprawdę ważne. Po zmianach prywatności to szczególnie bolesne, bo danych jest mniej, więc jakość każdego sygnału rośnie.

Dobre praktyki:

• zostaw 1–3 kluczowe konwersje jako „Primary” (np. wysłanie formularza, zakup, telefon),
• mikroakcje ustaw jako „Secondary” do obserwacji,
• jeśli to e-commerce — pilnuj wartości konwersji i spójnej waluty.

3) Zadbaj o jakość strony i szybkość — bo każda wizyta jest cenniejsza

Kiedy pomiar jest trudniejszy, rośnie pokusa „dokręcania” kampanii, zamiast dopracowania landing page’a. A często to strona jest wąskim gardłem. Szczególnie w usługach lokalnych: kampania generuje ruch, ale formularz jest zbyt długi, brak zaufania (opinie, realizacje), a strona na iPhonie ładuje się 6 sekund.

Jeśli planujesz odświeżenie lub budowę nowej witryny, warto spojrzeć na to całościowo — łącznie z analityką, strukturą pod kampanie i UX. W kontekście projektów lokalnych sensownie brzmi oferta tworzenie stron Wrocław, bo dobra strona po prostu lepiej „domyka” ruch, którego nie da się już tak łatwo dogonić remarketingiem.

4) Przejdź na myślenie: „optymalizacja pod biznes”, nie „optymalizacja pod raport”

To brzmi jak slogan, ale jest bardzo praktyczne. W jednym sklepie internetowym po iOS zauważyliśmy, że GA4 zaniża przypisanie do kampanii brandowej, a Google Ads „widzi” więcej. Zamiast kłócić się, które narzędzie ma rację, ustaliliśmy wspólny zestaw wskaźników:

• przychód i marża (z systemu sklepowego),
• koszt reklamy (z Google Ads),
• trend wolumenu zamówień i średniej wartości koszyka,
• udział w wyświetleniach na kluczowych frazach.

Raporty atrybucji potraktowaliśmy jako wskazówki, nie jako jedyne źródło prawdy. Efekt był taki, że decyzje (budżet, asortyment, promocje) stały się spokojniejsze i mniej reaktywne.

5) Regularnie rób audyt konta, zanim „coś się wysypie”

Po zmianach prywatności konta, które kiedyś działały „same”, potrafią po cichu tracić skuteczność: kampania uczy się na złych konwersjach, listy odbiorców maleją, stawki rosną, a nikt nie zauważa tego przez 2–3 miesiące, bo raporty są mniej jednoznaczne.

Dlatego audyt jest dziś bardziej „serwisem” niż jednorazową kontrolą. W ramach audytu kont Google Ads zwykle sprawdzamy m.in. definicje konwersji, dopasowania słów kluczowych, strukturę kampanii, sens ustawień automatyzacji oraz spójność danych między Ads i GA4.

Jakich zmian w wynikach można się spodziewać (i czego nie panikować)

Warto nazwać kilka rzeczy wprost, bo wiele nerwów bierze się z nierealnych oczekiwań.

Co to oznacza dla firm usługowych vs e-commerce (dwa różne światy)

Obsługujemy sporo firm usługowych z Wrocławia i okolic, ale mamy też sklepy internetowe z całej Polski — i te dwa typy biznesów odczuwają zmiany inaczej.

Firmy usługowe

W usługach lokalnych często kluczowe są telefony i formularze. Tu największym wyzwaniem bywa domknięcie pomiaru po stronie leadów. Jeśli użytkownik kliknie reklamę na iPhonie, zadzwoni, a potem umawia się po kilku dniach, raport nie zawsze pokaże to idealnie.

Dlatego w usługach mocno stawiamy na:

• dobrze mierzone połączenia (z jasnym rozróżnieniem: kliknięcie vs realne połączenie),
• jakość leadów (prosty scoring, choćby w arkuszu),
• kampanie na frazy o wysokiej intencji, gdzie margines błędu atrybucji mniej boli.

E-commerce

Sklepy internetowe bardziej odczuwają ograniczenia remarketingu i precyzyjnej atrybucji przy dłuższych ścieżkach zakupowych. Ale mają też przewagę: jest więcej danych transakcyjnych i łatwiej optymalizować pod wartość koszyka.

W e-commerce częściej wygrywają strategie, które karmią algorytm jakością:

• poprawny feed i segmentacja asortymentu,
• tROAS i praca na marży (jeśli to możliwe),
• lepsza architektura kampanii i testy kreacji.

Jak dziś prowadzić Google Ads, żeby zmiany iOS mniej bolały

Nie ma jednego przełącznika „napraw iOS”. Ale z doświadczenia: jeśli konto jest dobrze poukładane, a pomiar sensownie skonfigurowany, wpływ zmian prywatności jest do udźwignięcia. I nadal da się skalować.

W praktyce prowadzenie kampanii przesunęło się w stronę:

1. Lepszych danych wejściowych (konwersje, wartości, zgody, spójne tagowanie).
2. Testowania (kreacje, landing page’e, struktury kampanii) zamiast ręcznego „dłubania” w stawkach.
3. Analizy trendów (okna 14–30 dni) zamiast nerwowych reakcji na wczoraj.

Jeśli miałbym wskazać jeden element, który najczęściej robi różnicę: to spójność między celem biznesowym a tym, co algorytm rozumie jako sukces. Gdy to jest ustawione, Google Ads potrafi dowozić nawet w świecie, w którym prywatność mocno ogranicza widoczność pojedynczego użytkownika.

Na koniec: co się zmieniło najbardziej „w głowie” reklamodawcy

Największa zmiana po iOS/ATT nie jest technologiczna, tylko mentalna. Kiedyś wielu właścicieli firm oczekiwało, że marketing cyfrowy da im niemal laboratoryjną pewność: klik = lead = sprzedaż. Dziś częściej pracujemy na prawdopodobieństwach, modelach i trendach, a rolą specjalisty jest tak poukładać kampanie i analitykę, żeby mimo mniejszej ilości danych podejmować decyzje stabilnie.

W Advertio, prowadząc kampanie, zwykle łączymy perspektywę „tu i teraz” (ile kosztuje lead, co działa w tym tygodniu) z porządkowaniem fundamentów (pomiary, konwersje, struktura konta). Jeśli interesuje Cię profesjonalne prowadzenie kampanii Google Ads, to właśnie ten miks praktyki i porządku najczęściej daje przewidywalne efekty w realnym, trochę mniej „mierzalnym” internecie.