Reklama a návštěvnost přes MCP: Meta Ads a Google Analytics bez exportů

Vytáhni z reklamního účtu [účet] výkon za období
[1.—31. července 2026]. Tabulka po kampaních, podle útraty
sestupně: kampaň | cíl | útrata | imprese | prokliky | CTR |
CPC | počet výsledků | cena za výsledek

Pod tabulku: součet za účet, tři kampaně s nejlepší cenou
za výsledek a tři s nejhorší, a které kampaně mají tak málo
výsledků, že jejich cena za výsledek zatím nic neznamená.

Uveď použité období a měnu. Nic nedopočítávej odhadem —
chybějící metriku nech prázdnou a napiš proč.

Porovnej výkon reklamního účtu [účet] za období
[1.—31. července] proti [1.—30. června].

Tabulka po kampaních: metrika, hodnota v prvním období,
ve druhém, absolutní rozdíl, rozdíl v procentech. Metriky:
útrata, imprese, dosah, prokliky, CTR, CPC, počet výsledků,
cena za výsledek.

Pak vypiš:
1. Tři největší zhoršení v absolutních penězích, ne v procentech
   — kde nás změna stála nejvíc. A tři největší zlepšení.
2. Kampaně, které v jednom z období neběžely celé — u těch
   je srovnání zavádějící, označ je.
3. Změny, které jsou nejspíš jen výkyv, ne trend, a proč.

Nedávej doporučení, jen popis. Doporučení chci až potom.

Projdi reklamní účet [účet] za posledních [30] dní na úrovni
sestav a najdi, kde se pálí rozpočet bez výsledku. Vypiš
sestavy, které splňují aspoň jedno:
- utratily víc než [2000 Kč] a mají nula výsledků
- mají cenu za výsledek víc než [dvojnásobek] průměru účtu
- mají CTR pod [polovinou] průměru účtu při útratě nad [1000 Kč]

U každé uveď: kampaň, název sestavy, útratu, výsledky, cenu
za výsledek, CTR, jak dlouho běží a která podmínka platí.

Seřaď podle toho, kolik peněz je v ohrožení za měsíc, a na konec
napiš celkovou částku, která takhle měsíčně odchází.

Nic nevypínej ani nenavrhuj konkrétní změny rozpočtu — jen
seznam k mému rozhodnutí.

Vytáhni pro reklamní účet [účet] vývoj frekvence za posledních
[60] dní, po týdnech, na úrovni sestav. Pro každou sestavu:
týden, dosah, imprese, frekvence, CTR, cena za výsledek.

Pak vyber:
1. Sestavy, kde frekvence roste tři týdny po sobě.
2. Z nich ty, kde zároveň klesá CTR nebo roste cena za výsledek
   — tam je vyčerpání publika pravděpodobné.
3. Sestavy, kde frekvence naopak klesá při stejné útratě
   — tam se buď rozšířilo publikum, nebo se zhoršilo doručování.

U každého závěru napiš, na kterých číslech stojí, a odděl,
co je z dat vidět, od toho, co je tvoje hypotéza.

Pro reklamní účet [účet] a období [posledních 30 dní] porovnej
výkon podle publik a cílení. Vypiš sestavy s typem cílení
(vlastní publikum, podobné publikum, zájmové cílení, široké
cílení, remarketing) a k tomu útratu, výsledky, cenu za výsledek
a dosah. Seskup je podle typu cílení a spočítej za skupinu
souhrn a průměrnou cenu za výsledek.

Pak odpověz:
- který typ cílení je u nás nejlevnější a který nejdražší
- kde je rozdíl tak malý, že to může být náhoda
- která konkrétní publika stojí za to zkusit rozšířit
  a která bych měl zvážit vypnout

U posledního bodu ke každému návrhu napiš i protiargument
— proč by to naopak mohla být chyba.

Udělej diagnostiku účtu [účet]. Zajímá mě technický stav,
ne výkon.

1. Aktivní chyby a upozornění v účtu — co a čeho se týkají.
2. Inzeráty nebo sestavy zamítnuté, v přezkumu nebo nedoručující
   se, a důvod.
3. Kampaně se zapnutým rozpočtem a nulovými impresemi
   za posledních [7] dní.
4. Stav měřených událostí: které konverzní události chodí,
   které nechodí vůbec a u kterých je objem podezřele nízký
   proti proklikům.
5. Změny v účtu za posledních [14] dní z logu aktivity:
   kdo, kdy, co změnil.

Seřaď nálezy podle toho, kolik nás každý nejspíš stojí, a napiš,
jestli je to věc na dvě minuty, nebo na půl dne.

Zkontroluj katalog [název] napojený na účet [účet].

1. Kolik položek obsahuje, kolik je schválených a kolik se
   z nějakého důvodu nezobrazuje.
2. Nejčastější důvody zamítnutí nebo chyb podle počtu položek.
3. Stav feedu: kdy proběhla poslední aktualizace, jestli bez chyb
   a jak často se aktualizuje.
4. Položky, kterým chybí údaje pro dynamické reklamy (obrázek,
   cena, dostupnost, identifikátor).
5. Sady produktů a kolik položek každá obsahuje — najdi ty
   prázdné nebo skoro prázdné.

Na konec tři nejnaléhavější věci k opravě a odhad, jaké části
sortimentu se každá týká.

Chystám se v účtu [účet] udělat tuhle změnu: [popis, např.
zvýšit denní rozpočet kampaně X z 500 na 1500 Kč].

Nedělej nic. Jen mi odpověz:
1. Z jakých čísel ta změna vychází a jsou dost velká na to,
   aby něco znamenala?
2. Co se stane v nejhorším případě — kolik můžu ztratit,
   než to poznám?
3. Co mám po změně sledovat a za jak dlouho se to dá
   vyhodnotit?
4. Existuje levnější způsob, jak stejnou hypotézu ověřit?
5. Tři důvody, proč je tahle změna špatný nápad.

Bod 5 mysli vážně, i když se ti změna zdá rozumná.

Vytáhni z property [název] za období [1.—31. července 2026]
přehled zdrojů návštěvnosti. Tabulka podle kanálu (organické
vyhledávání, přímá návštěvnost, placené vyhledávání, sociální
sítě, odkazy, e-mail): uživatelé | nové relace | míra zapojení |
počet klíčových událostí | konverzní poměr

Pak rozepiš tři největší kanály na konkrétní zdroje a média.
Nakonec:
- který kanál přivádí nejvíc lidí a který nejvíc konverzí
  (a jestli je to tentýž)
- kolik návštěvnosti spadá do neurčených kategorií a co to
  znamená pro důvěryhodnost zbytku

Uveď použité období a časové pásmo property.

Pro property [název] a období [posledních 30 dní] udělej
přehled obsahu. Tabulka po stránkách, top 30 podle zobrazení:
adresa | název | zobrazení | uživatelé | průměrná doba |
míra zapojení | počet klíčových událostí

Pak vyber a okomentuj:
1. Pět stránek s vysokou návštěvností a nízkým zapojením
   — lidé přijdou a hned odejdou.
2. Pět stránek s malou návštěvností a vysokým zapojením
   — obsah, který funguje, ale nikdo ho nenajde.
3. Stránky, které mají návštěvnost i zapojení a přitom
   nevedou k žádné klíčové události.

U každé skupiny napiš, co by se s tím dalo dělat, ale odděl
to od popisu dat.

Postav v property [název] funnel report za [posledních 30 dní]
pro tuhle cestu:

Krok 1: návštěva stránky produktu
Krok 2: zobrazení košíku
Krok 3: zahájení objednávky
Krok 4: dokončená objednávka

U každého kroku: počet uživatelů, kolik jich pokračovalo dál,
procento propadu. Pak:
- který krok má největší propad v absolutních číslech
- jak se propad liší mezi mobilem a počítačem
- jak se propad liší mezi novými a vracejícími se návštěvníky

Nedomýšlej příčiny propadu z obecné znalosti e-shopů.
Napiš jen to, co je vidět z dat, a k tomu seznam otázek,
které bych si měl ověřit jinde.

Dne [datum] jsme vydali článek na adrese [URL]. Vyhodnoť ho
v property [název].

1. Vývoj návštěvnosti té stránky po dnech od vydání do dneška.
2. Odkud na ni lidé chodí — rozpad podle kanálu, zdroje a média,
   včetně toho, jak se poměr mění v čase (první týden proti
   poslednímu).
3. Kam z ní pokračují — nejčastější další stránky.
4. Kolik klíčových událostí se u jejích návštěvníků odehrálo.
5. Srovnej ji s průměrem podobných stránek za jejich prvních
   [30] dní.

Napiš, jestli se návštěvnost už ustálila, nebo ještě roste,
a od jakého data to tvrdíš.

Pro property [název] porovnej kvalitu návštěvnosti podle zdrojů
za [posledních 90 dní]. Nezajímá mě jen objem: pro každý zdroj
a médium s aspoň [200] uživateli spočítej počet uživatelů, podíl
nových, stránky na relaci, dobu trvání relace, míru zapojení
a konverzní poměr ke klíčové události [název události].

Seřaď podle konverzního poměru a označ zdroje, kde je vysoký,
ale objem tak malý, že to nemusí nic znamenat.

Pak napiš tři zdroje, do kterých má smysl investovat víc,
a u každého protiargument, proč by to mohla být chyba.

Ukaž mi v property [název] real-time data:
kolik uživatelů je na webu teď, na kterých stránkách jsou,
odkud přišli a z jakých zařízení.

Pak porovnej, jestli to sedí na běžný provoz v tuhle
denní dobu, nebo jestli se děje něco mimořádného.

Mám připojený reklamní účet [účet] a Analytics property
[property]. Za období [1.—31. července 2026] mi z obou stran
sestav jeden pohled.

Z reklamního účtu vytáhni po kampaních: útrata, prokliky, CPC,
výsledky, cena za výsledek. Z Analytics návštěvnost z placených
zdrojů, rozpadenou tak, aby ji šlo přiřadit k těmhle kampaním
(podle zdroje, média a kampaně).

Sestav tabulku, kde je u každé kampaně vedle sebe: prokliky
z reklamního účtu | relace v Analytics | míra zapojení |
stránky na relaci | klíčové události | konverzní poměr —
a sloupec s rozdílem mezi prokliky a relacemi v procentech.

Pak napiš, u kterých kampaní se čísla rozcházejí nejvíc,
a odděl vysvětlení vidět z dat od hypotéz. Nesnaž se rozdíly
odstranit ani zprůměrovat.

Za posledních [60] dní klesl výkon kampaně [název]. Pomoz mi
rozhodnout, jestli je problém na straně reklamy, nebo webu.

Z reklamního účtu vytáhni po týdnech: útrata, imprese, CPM,
prokliky, CTR, frekvence, výsledky, cena za výsledek.
Z Analytics po týdnech pro návštěvnost z téhle kampaně:
relace, míra zapojení, stránky na relaci, konverzní poměr.

Postav to do jedné časové osy a odpověz:
- Klesá CTR a frekvence roste? (vyčerpání publika)
- Roste CPM při stejném CTR? (dražší aukce)
- Zůstávají prokliky stejné, ale klesá zapojení
  a konverzní poměr? (problém za prokliknutím)
- Změnilo se něco na vstupní stránce v době propadu?

U každé možnosti napiš, jestli ji data podporují, vyvracejí,
nebo se k ní nedá vyjádřit. Nevybírej vítěze na sílu.

Tohle je šablona mého měsíčního reportu. Použij ji přesně
takhle, nic nepřidávej a nic nevynechávej.

Období: [1.—31. srpna 2026], srovnání s předchozím měsícem.
Zdroje: reklamní účet [účet], Analytics property [property].

Sekce 1 — Souhrn: útrata, výsledky, cena za výsledek, relace
z placených zdrojů, klíčové události. Hodnota, změna, změna
v procentech. Nic víc.
Sekce 2 — Kampaně: tabulka podle útraty, stejné sloupce
jako minule.
Sekce 3 — Návštěvnost: kanály, top 10 vstupních stránek.
Sekce 4 — Co se změnilo: pět změn po jedné větě, seřazených
podle dopadu v penězích.
Sekce 5 — K rozhodnutí: tři věci, které vyžadují moje
rozhodnutí, s podklady.

Formát: české popisky, částky v [Kč], procenta na jedno
desetinné místo. Žádný úvod, závěr ani rady, o které jsem
nepožádal. U každé sekce uveď zdroj a přesné období dat.