
Meta Ads – ROAS skutečného zisku
Měřte výdaje na Meta reklamu oproti realizovaným tržbám obchodu, CM2 a CM3, aby revenue ROAS nemohlo skrýt náklady na produkt, fulfillment, poplatky, vrácení a ...
True ROAS je výpočet návratnosti investic do reklamy založený na skutečných, odsouhlasených výnosech přiřazených reklamě, nikoli na výnosech, které platforma jako Meta nebo Google samostatně vykazuje prostřednictvím svého vlastního atribučního modelu. Opravuje nadměrné připisování zásluh, vícenásobné započítávání napříč kanály, vrácení peněz a další nedostatky, které nafukují ROAS vykazovaný platformou.
True ROAS je výpočet návratnosti investic do reklamy založený na skutečných, odsouhlasených výnosech přiřazených reklamě, nikoli na výnosech, které platforma jako Meta nebo Google samostatně vykazuje prostřednictvím svého vlastního atribučního modelu. Opravuje nadměrné připisování zásluh, vícenásobné započítávání napříč kanály, vrácení peněz a další nedostatky, které nafukují ROAS vykazovaný platformou.
True ROAS (skutečná návratnost investic do reklamy) je opravená verze standardní metriky ROAS, která používá odsouhlasené čisté výnosy skutečně přiřaditelné reklamnímu kanálu, nikoli výnosy, které reklamní platforma (Meta, Google, TikTok a podobně) vykazuje o svém vlastním výkonu. Standardní ROAS se počítá jako výnosy dělené náklady na reklamu, ale strana výnosů v této rovnici je obvykle převzata přímo z atribučního systému reklamní platformy – systému, který má přímý zájem na tom, aby si připsal zásluhy za co nejvíce konverzí. True ROAS naproti tomu vychází ze skutečných údajů o objednávkách a platbách obchodu, odečítá vratky a chargebacky, které nastaly po prodeji, a řeší atribuční konflikty napříč kanály (kde si dvě nebo více platforem nárokují zásluhy za stejný nákup) ještě před vydělením náklady na reklamu, čímž vytváří číslo bližší tomu, co podnik ze své reklamy skutečně získal.
Základní vzorec ROAS je přímočarý: výnosy přiřazené kanálu dělené náklady na tento kanál. Složitost True ROAS spočívá ve správném stanovení strany výnosů. Proces obvykle zahrnuje: získání skutečných výnosů na úrovni objednávek z platformy obchodu namísto dashboardu reklamní platformy; přiřazení každé objednávky ke skutečnému zdroji akvizice pomocí first-party trackování namísto spoléhání se pouze na pixel reklamní platformy; odečtení výnosů z objednávek později vrácených nebo chargebackovaných; a tam, kde si více platforem nárokuje zásluhy za stejnou objednávku (běžný jev, když zákazník klikne na reklamu na Metě, později klikne na reklamu na Googlu a pak nakoupí), přiřazení výnosů z této objednávky jedinému zdroji pomocí konzistentního atribučního pravidla, namísto aby obě platformy započítávaly plnou hodnotu.
Příklad: obchod utratí 10 000 $ za reklamu na Metě za měsíc. Dashboard Meta hlásí 50 000 $ v přiřazených nákupech, což dává ROAS vykázaný platformou 5,0×. Když obchod odsouhlasí těchto 50 000 $ se skutečnými údaji o objednávkách, zjistí, že 4 000 $ z těchto „konverzí" bylo zároveň nárokováno a započítáno reklamami Google u stejných objednávek a objednávky v hodnotě 3 000 $ byly později vráceny. Čisté přiřaditelné výnosy pro Metu činí 43 000 $, což dává True ROAS 4,3× – významně odlišné číslo od toho, které naznačoval dashboard platformy, a takové, které by mohlo změnit rozhodnutí o alokaci rozpočtu.
True ROAS je důležitý, protože rozpočtová rozhodnutí učiněná na základě nafouknutých čísel se v čase kumulují. Obchodník, který alokuje výdaje podle ROAS vykázaného jednotlivými platformami, aniž by odsouhlasil překryvy a vratky, bude systematicky přeinvestovávat do platformy, jejíž atribuční model je nejagresivnější v připisování zásluh – ne nutně do platformy, která skutečně generuje nejvíce přírůstkových výnosů. V průběhu celého roku to může znamenat tisíce dolarů přesměrovaných do kanálu, který na papíře vypadá efektivněji, než ve skutečnosti je, na úkor kanálu, jehož skutečný výkon je podhodnocen, protože přistupuje k atribuci konzervativněji.
To je ještě důležitější pro obchody s nadprůměrnou mírou návratnosti, protože prodej přiřazený a oslavovaný v okamžiku nákupu se může o dny či týdny později tiše zvrátit, aniž by se hodnota ROAS vykázaná reklamní platformou kdy snížila, aby to odrážela.
| Aspekt | ROAS vykázaný platformou | True ROAS |
|---|---|---|
| Zdroj výnosů | Vlastní atribuční systém reklamní platformy | Skutečná odsouhlasená data objednávek obchodu |
| Překryv napříč kanály | Každá platforma počítá nezávisle, často dochází k dvojímu započítávání | Vyřešeno na jeden přiřazený zdroj na objednávku |
| Vratky/chargebacky | Málokdy odečteny po původním prodeji | Odečteny pro vyjádření čistých skutečně získaných výnosů |
| Atribuční okno | Nastaveno velkoryse samotnou platformou | Nastaveno obchodníkem na základě realistického chování zákazníků |
| Zkreslení | Nafouknuté ve prospěch vykazující platformy | Neutrální, vázané na skutečné obchodní výsledky |
Nástup AI nákupních rozhraní – ChatGPT Shopping, Perplexity Shopping, Google AI Overviews – přidává další atribuční vrásku: nákupy ovlivněné doporučením produktu od AI asistenta nemusí nést jasný referenční štítek zpět k reklamě nebo obsahu, který původně vyvolal povědomí, což tradičním reklamním platformám ještě usnadňuje nadměrné připisování zásluh za prodej, který byl ve skutečnosti ovlivněn jinde v zákazníkově výzkumné cestě. S tím, jak stále více nákupních cest vede přes AI zprostředkovatele namísto přímých kliknutí na reklamu, obchodníci spoléhající pouze na ROAS vykázaný platformou riskují ještě větší propast mezi tím, co platformy tvrdí, a tím, co se skutečně stalo.
Právě kolem tohoto výpočtu je postaven nástroj eshop_get_cac_roas od AmICited: počítá CAC a ROAS z nákladů na reklamu odsouhlasených proti skutečným přiřazeným výnosům, namísto důvěřování číslům, která každá platforma vykazuje sama o sobě, a poskytuje obchodníkům konzistentní, srovnatelnou hodnotu True ROAS napříč kanály včetně novějších AI řízených cest objevování.
Častou chybou je vypočítat True ROAS jednou a považovat ho za fixní násobitel pro budoucí použití, zatímco ve skutečnosti se atribuční překryv, míra vratek a mix kanálů v čase mění a vyžadují průběžný přepočet, nikoli jednorázovou opravu. Dalším častým problémem je oprava překryvu napříč kanály, ale zapomenutí odečíst vratky, což stále zanechává materiálně nafouknuté číslo u každého obchodu s významnou mírou návratnosti. Někteří obchodníci také aplikují opravy True ROAS nekonzistentně napříč kanály – pečlivě odsouhlasují Metu, zatímco čísla vykázaná Googlem nechávají nedotčená – což vytváří srovnání, které vypadá jako srovnání jablek s jablky, ale není. Konečně, jemnější chybou je přílišná korekce: použití atribučního okna tak konzervativního, že zcela odebere zásluhy skutečným zákazníkům konvertujícím později, čímž podhodnocuje True ROAS v opačném směru a vede k nedostatečným investicím do kanálu, který si ve skutečnosti vede dobře v rámci delšího rozhodovacího cyklu.
Začněte sledovat, jak AI chatboti zmiňují vaši značku na ChatGPT, Perplexity a dalších platformách. Získejte užitečné informace pro zlepšení vaší AI prezence.

Měřte výdaje na Meta reklamu oproti realizovaným tržbám obchodu, CM2 a CM3, aby revenue ROAS nemohlo skrýt náklady na produkt, fulfillment, poplatky, vrácení a ...
Zjistěte, co je návratnost investic do reklamy (ROAS), jak ji vypočítat, jaký je dobrý ROAS a jak e-commerce značky sledují ROAS podle kampaní a kanálů....

Porovnání doručování Meta reklam s časy realizovaných objednávek obchodu podle hodin, dnů v týdnu a normalizovaného dne v měsíci, včetně podílu utracených prost...
Souhlas s cookies
Používáme cookies ke zlepšení vašeho prohlížení a analýze naší návštěvnosti. See our privacy policy.