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

Každý, kdo utrácí za reklamu, si aspoň jednou týdně položí otázku „co se to tam vlastně děje?". A existuje odpověď, kterou byste od chatbota nikdy neměli přijmout: cokoli, co si domyslel. Reklamní účet a webová analytika jsou ten druh dat, kde odhad nemá cenu ani korunu — buď model vidí skutečná čísla za skutečné období, nebo mlčí.

Přesně proto tady konektory dávají smysl jako málokde jinde. Nejde o to, aby vám AI radila o reklamě z toho, co se kdysi naučila, ale aby si vaše čísla sama vytáhla — aktuální, ve správné struktuře, za období, které jste zadali — a teprve nad nimi přemýšlela. Rozdíl je stejný jako mezi konzultantem, který mluví obecně o oboru, a konzultantem, který se před poradou podíval do vašeho účtu.

Návod je o dvou konektorech, které oficiálně existují a nemusíte kvůli nim nic programovat: jeden je od Mety a napojí vás na reklamní účet, druhý vydává tým Google Analytics a napojí vás na návštěvnost webu. Prompty jsou k okopírování, stačí doplnit hranaté závorky. A nad vším platí pravidlo, které v reklamě stojí opravdové peníze: AI navrhuje, člověk schvaluje. Model smí číst, počítat a psát doporučení; zvednout rozpočet nebo zapnout kampaň smí jedině člověk. Obecný úvod do konektorů je v přehledu MCP konektorů a nástrojů.

Vzorová situace

Marek dělá marketing pro e-shop se sportovním vybavením. Jeho měsíční rutina vypadala léta stejně: exportovat CSV ze správce reklam, druhé z Analytics, slepit to v tabulce a půl dne se dívat na čísla, ze kterých nakonec vyšla věta „vypadá to podobně jako minule". Když se ho majitel v pondělí zeptal, proč jsme minulý týden utratili o třicet procent víc, odpověď měl ve středu.

Teď má připojený reklamní účet přes konektor Mety a návštěvnost přes lokální MCP server od Google Analytics — a odpověď má za dvě minuty. Změnilo se ale i něco jiného než rychlost: přestal se ptát, co se stalo, a začal se ptát proč. Za měsíc zjistil, že jedna sestava držela hezké CTR a nulové objednávky, protože vedla na pomalu se načítající stránku. To bylo vidět jen na obou stranách naráz.

Meta Ads: co to je a jak to zapnout

Meta pro tohle má zastřešující název Ads AI Connectors. Jsou to dvě rozhraní ke stejné věci — hostovaný MCP server a k němu CLI, nástroj do příkazové řádky instalovaný přes npm. Spuštěno to bylo koncem dubna 2026.

Pro většinu čtenářů je zajímavý ten první. MCP server běží u Mety, vy se k němu jen připojíte adresou mcp.facebook.com/ads ve svém AI klientovi: v Claude přes „Add custom connector" v nastavení konektorů, v Claude Code příkazem claude mcp add, jinde obdobně. Je to standardní vzdálený MCP server, takže funguje všude, kde MCP funguje.

Přihlášení bez vývojářské aplikace

Historicky znamenal jakýkoli programový přístup k reklamnímu účtu založit vývojářskou aplikaci, vygenerovat token a projít schvalováním — což odradilo každého, kdo neměl vývojáře po ruce.

U MCP serveru se přihlašujete přes svůj běžný účet Meta Business, obyčejným přihlašovacím oknem. Nezakládáte vývojářskou aplikaci a neprocházíte App Review. Odsouhlasíte, k jakému reklamnímu účtu má nástroj přístup, a od té chvíle jsou vaše kampaně vidět. Když přístup chcete ukončit, odeberete konektor a odvoláte oprávnění v nastavení Business účtu.

Poznámka pro firmy: pokud spravujete cizí účty přes Business Manager, projděte si napřed, kdo u vás smí připojovat nástroje k účtům klientů. Není to technický, ale organizační problém.

Pět oblastí, které konektor pokrývá

Inventář je široký, řádově kolem třiceti nástrojů. Pro praktické použití stačí rozumět těmhle pěti oblastem:

V inventáři jsou navíc nástroje na A/B testy, studie zvýšení konverzí a procházení knihovny reklam. Názvy znát nemusíte — model si je vybere sám. Podstatné je vědět, na co se má smysl ptát a co už je za hranou.

Kdy MCP a kdy raději CLI

Meta sama doporučuje dělení, které dává smysl i bez technického vysvětlení: MCP na analýzu a ad-hoc reporting, CLI na deterministické a hromadné operace.

MCP je pro otázky. Ptáte se lidsky, model si sám vybere, jaká data vytáhne a jak je poskládá. Skvělé pro „jak si vedeme" a „co se změnilo" — pro všechno, kde předem nevíte, jaký řez daty budete chtít. Nevýhoda je druhá strana téže mince: pokaždé to může udělat trochu jinak, a když stejnou otázku položíte za týden znovu, může model vytáhnout jiné sloupce nebo použít jiné období, aniž byste si toho všimli.

CLI je pro příkazy. Napíšete přesně, co se má stát, a stane se to pokaždé stejně. Když potřebujete založit padesát sestav podle tabulky nebo každý čtvrtek stáhnout stejný report, je předvídatelnost důležitější než pohodlí. Hromadné operace se navíc dělají hůř konverzací — po dvacáté odsouhlasené změně přestanete číst, co odsouhlasujete, a tam vzniká škoda.

Praktické pravidlo: dokud se ptáte, používejte MCP. Jakmile začnete něco opakovat nebo měnit ve velkém, přesuňte to do skriptu.

Úplně první věc po zapojení ať je inventura. Nechte si vypsat, které reklamní účty model vidí (název, ID, měna), kolik je v nich aktivních a pozastavených kampaní, jaké cíle se používají, které konverzní události se vyhodnocují a za jaké nejstarší období ještě dostane data — a nic přitom hodnotit nemá.

Vyjde z toho mapa účtu a hlavně informace, jestli konektor vidí to, co si myslíte. Zkontrolujte měnu (u víc účtů se snadno stane, že porovnáváte koruny s eury) i to poslední: když model tvrdí, že vidí data tři roky zpátky, ale účet je půl roku starý, domýšlí si.

Na co se reálně ptát

Prompty jsou stavěné tak, aby model musel čísla vytáhnout a ukázat, odkud jsou — ne aby psal esej o marketingu.

Výkon kampaní za období

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.

Vrátí přehled, který byste v rozhraní skládali deset minut. Poslední odrážka je tam schválně: nejčastější chyba drobných účtů je vážně brát cenu za konverzi spočítanou ze tří konverzí. A přečtěte si první větu odpovědi — když model použil jiné období, než jste chtěli, zbytek nemá cenu číst.

Srovnání dvou období

Samotné číslo neříká nic; číslo proti minulému měsíci skoro všechno.

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.

Bod 1 je důvod, proč prompt vypadá takhle. Procenta lžou: nárůst ceny za proklik o sto procent u kampaně za tisícovku je poznámka pod čarou, nárůst o deset procent u kampaně za sto tisíc je problém. Bod 2 chrání před klasikou — kampaň spuštěná dvacátého se s celým předchozím měsícem srovnat nedá.

Které sestavy přepalují rozpočet

Peníze v reklamních účtech obvykle neutíkají jednou velkou dírou, ale deseti malými.

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.

Seznam se dá projít za pět minut. Prahové hodnoty si nastavte podle svého účtu — u drahého B2B produktu jsou dva tisíce bez výsledku normální týden, u impulzního e-shopu poplach. Poslední větu promptu nemažte.

Frekvence: kde se publikum unavuje

Frekvence je počet, kolikrát průměrný člověk vaši reklamu viděl. Když roste a výkon klesá, publikum je vyčerpané a vy platíte za to, že lidi obtěžujete.

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.

Únava publika je díky tomu vidět dřív, než se projeví v ceně. Poslední věta je v promptu nejdůležitější — u frekvence modely rády přeskočí od pozorování rovnou k výkladu („kreativa je vyčerpaná"), a ten může být mimo: stejná čísla dělá i změna v aukci nebo sezónnost.

Publika s nejlepším a nejhorším výsledkem

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.

Protiargument na konci se vyplatí používat všude. Bez něj dostanete sebejistý seznam doporučení; s ním i informaci, že remarketing má sice nejlevnější konverze, ale jen proto, že sbírá lidi, kteří by nakoupili tak jako tak.

Diagnostika účtu

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.

Pouštějte to jednou za měsíc a před každým zvýšením rozpočtu. Bod 5 je nedoceněný: většina záhadných propadů má banální vysvětlení v logu aktivity — někdo něco změnil a zapomněl to říct. Bod 4 je obrana proti optimalizaci na čísla z rozbitého měření.

Kontrola katalogu

Pokud prodáváte přes produktový katalog, je tohle místo, kde se ztrácejí peníze nejtišeji. Položka, která se nezobrazuje, nikde nekřičí.

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.

Většinou z toho vypadne nepříjemná věc: nezobrazuje se kus sortimentu, o kterém jste si mysleli, že běží. Prázdné sady produktů jsou druhý klasik — kampaň běží, sada je prázdná, rozpočet se rozpustí jinde.

Než něco změníte

Poslední prompt sekce je jiný. Používá se ve chvíli, kdy už víte, co chcete udělat, a chcete si to nechat rozbít dřív, než to uděláte.

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.

Vrátí něco mezi oponenturou a checklistem. Bod 2 stojí za těch třicet vteřin: skoková změna rozpočtu se u algoritmických kampaní projeví jinak, než člověk čeká. Rámec na stavbu kampaní najdete v tipu reklamní kampaně s AI.

Google Analytics: ano, oficiální MCP existuje

Kolem Analytics koluje spousta komunitních řešení různé kvality, takže se lidé často diví. Oficiální MCP server ale existuje a vydává ho přímo tým Google Analytics: repozitář googleanalytics/google-analytics-mcp, licence Apache 2.0, dokumentace na developers.google.com/analytics/devguides/MCP. Tři vlastnosti je potřeba znát dřív, než ho zapnete — a všechny tři jsou zároveň omezením i předností.

Je označený jako experimentální. To není marketingová opatrnost — může se měnit a nemá na něm viset nic, co musí fungovat. Pro měsíční report v pohodě, pro automat, na kterém stojí fakturace klientovi, ne.

Je lokální. Neběží u Googlu ani nikde v cloudu, běží na vašem počítači. K tomu se vrátíme za chvíli, protože je to u analytiky spíš dobrá zpráva.

Je jen pro čtení. Sahá do GA4 přes Admin API a Data API a nemůže vám nic přenastavit ani smazat. Je to přesně ten typ konektoru, se kterým se dá začít bez nervů.

Co to konkrétně umí

Nástrojů je necelá desítka a pokrývají to, co v Analytics běžně otevíráte:

Užitečné je vědět, že funnel report je samostatná věc — na otázku „kde nám padá objednávková cesta" existuje přímý nástroj a odpověď je přesnější než dopočítávání z běžných reportů.

Co znamená „lokální" a proč je to výhoda

U vzdáleného konektoru (jako je ten od Mety) běží server u poskytovatele: pošlete požadavek, on sáhne do dat a pošle výsledek zpátky. U lokálního serveru se program spustí u vás na počítači a k datům si sáhne vaším jménem. To znamená tři věci.

Instalace je na vás. Není to klik v nastavení: musíte povolit příslušná API v projektu Google Cloud, nastavit si přihlašovací údaje a přidat server do konfigurace svého AI klienta. Repozitář to popisuje krok za krokem a je to práce na půl hodiny — ale práce, ne zaškrtnutí. Kdo se do toho nechce pouštět sám, ať si vezme Claude Code; instalace podle README je přesně jeho disciplína.

Nikomu novému nedáváte přístup k datům. Proto je lokálnost u analytiky spíš výhoda. Návštěvnost webu je citlivější, než se zdá — jsou v ní zdroje, kampaně, chování zákazníků, u e-shopů i tržby. Když server běží u vás, nevzniká žádná další strana, které byste museli věřit.

Platíte jen za model. Server je open source a zdarma; co stojí peníze, je AI nástroj, přes který se ptáte, a ten už nejspíš platíte. Nevýhoda lokálního běhu je jediná: funguje, jen když máte počítač zapnutý.

Po zapojení udělejte stejnou inventuru jako u reklamního účtu: ať vám model vypíše, které property vidí (název, ID, časové pásmo, měna), od kdy jsou v nich data a jestli v nich není delší období bez měření, jaké klíčové události se sledují a jaké vlastní dimenze jsou nastavené. Dvě věci z toho jsou zásadní. Mezera v měření — typicky po předělávce webu nebo výměně souhlasové lišty — znehodnotí každé srovnání období, které přes ni přechází. A časové pásmo: když má property jiné pásmo než reklamní účet, „včera" znamená v každém nástroji trochu jiný den.

Otázky nad návštěvností

Odkud lidé chodí

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.

Poslední odrážku většina reportů vynechá. Když je pětina návštěvnosti nezařazená, není to detail — je to informace o přesnosti všech ostatních čísel v tabulce.

Které stránky drží pozornost

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.

Skupina 2 bývá největší překvapení a nejlevnější příležitost — článek už je napsaný, chybí mu jen odkazy nebo lepší nadpis. U dvaceti relací je ovšem „vysoké zapojení" šum.

Kde padá konverzní cesta

Na tohle má server samostatný nástroj a je to na kvalitě odpovědi znát.

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.

Poslední odstavec je tam proto, že tady modely nejvíc sklouzávají do obecných rad o zkracování formulářů. Rozdělení na mobil a počítač bývá nejcennější řádek odpovědi — velká část propadů má prostou příčinu, kterou uvidíte až na mobilu.

Co se změnilo po vydání článku

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.

Bod 2 je důvod, proč to pouštět po měsíci a ne po týdnu: článek, který první dny žije ze sociálních sítí a pak se přepne na vyhledávání, je jiný typ úspěchu než ten, který po vyčerpání sdílení spadne na nulu.

Srovnání zdrojů proti sobě

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.

Práh dvou set uživatelů si nastavte podle velikosti webu — bez něj vyjde jako nejlepší zdroj něco, odkud přišli tři lidé a jeden koupil.

Živý pohled, když se něco děje

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.

Tenhle použijete zřídka a vždy ve vypjatou chvíli: po spuštění kampaně, po odeslání newsletteru, po nasazení nové verze webu. Real-time reporty mají jiný rozsah dat než standardní, takže je nesrovnávejte s běžnými čísly.

Spojit reklamu s návštěvností

Nejzajímavější část a zároveň místo, kde se nejvíc chybuje. Reklamní účet řekne, kolik lidí kliklo a co to stálo; analytika řekne, co ti lidé potom dělali. Každá strana zvlášť je polovina věty — a většina špatných marketingových rozhodnutí vznikne z toho, že se čte jen jedna.

Co se dá zjistit, až když máte obě strany

Kampaň s nejlevnějším proklikem bývá kampaň s nejhorší návštěvností — a v reklamním účtu to vidět není, protože ten končí u kliknutí. Podobně sestava s výborným CTR a nulovými objednávkami může mít problém v reklamě (slibuje něco jiného, než web nabízí) nebo na webu (vede na stránku, která nefunguje). Rozeznat to jde jedině z chování lidí po prokliku.

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.

Vrátí obraz, který v žádném z těch dvou rozhraní neuvidíte. Poslední věta promptu je klíčová — a hned si vysvětlíme proč.

Čísla se nepotkají a je to v pořádku

Tohle musí zaznít jasně, protože je to nejčastější zdroj zbytečné frustrace: údaje z reklamního účtu a z Analytics se nikdy neshodnou přesně a je chyba to po AI chtít. Když model odpoví, že prokliků bylo 4 210 a relací 3 480, není to rozpor k opravě, je to normální stav. Důvody jsou tři a všechny jsou strukturální.

Rozdílná atribuce. Reklamní platforma připisuje výsledek podle vlastních pravidel — započítá i konverze po zhlédnutí reklamy bez kliknutí a měří napříč zařízeními, protože ví, kdo je kdo. Analytika pracuje jinak a člověka, který klikl na telefonu a koupil na počítači, obvykle rozdělí na dva. Ani jedno není špatně, jen se počítá něco jiného.

Rozdílná časová okna. Reklamní účty konverzi typicky připíšou ke dni prokliku, i když nákup přišel o tři dny později; analytika ji zaznamená ke dni nákupu. U kampaně běžící celý měsíc se to částečně vyrovná, u kampaně za poslední týden vůbec ne. K tomu se přidává různá časová zóna účtu a property.

Blokování a souhlasy. Část lidí nedá souhlas s měřením, část má blokátor, část odejde dřív, než se měřicí kód načte. Ztráta se týká hlavně analytiky, protože reklamní platforma o kliknutí ví bez ohledu na to, co se stane potom. Odtud pramení většina rozdílu mezi prokliky a relacemi.

Praktický důsledek: v každém nástroji sledujte trend uvnitř toho nástroje a mezi nástroji porovnávejte pořadí, ne hodnoty. Otázka „kolik nám ta kampaň přinesla" má dvě legitimní odpovědi a hádat se o to, která je pravdivější, je ztráta času. Otázka „která ze tří kampaní přivádí nejlepší návštěvnost" má odpověď jednu.

Technicky má cenu rozdíl řešit, jen když je nezvykle velký. Příčina bývá banální — chybějící nebo přepisované parametry v odkazech z reklamy. Návštěva pak v analytice spadne do přímé návštěvnosti a kampaň vypadá, že nepřivedla nikoho.

Kdy je vinná reklama a kdy web

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.

Nejužitečnější prompt celého článku. Diagnóza „vyčerpaná kreativa" a diagnóza „rozbitá vstupní stránka" vedou k úplně jiným krokům a rozlišit je bez obou stran nejde. Poslední věta chrání před tím, aby model určil viníka jen proto, že se ho ptáte.

Z jednorázové otázky pravidelný report

Když stejnou otázku pokládáte potřetí, přestala to být otázka a stal se z ní proces. A procesy se nemají ptát pokaždé jinak. Problém je ten, o kterém byla řeč u srovnání MCP a CLI: konverzace není reprodukovatelná. Model může příště vzít jiné období, jiné metriky, jinak to seskupit — a vy porovnáváte dva reporty, které nejsou srovnatelné, aniž byste to poznali. U měsíčního reportu pro vedení je to horší než žádný report.

Postup, jak z toho ven, je popsaný v tipu reprodukovatelná analýza dat a má tři stupně.

Stupeň jedna: zafixovaný prompt. Report napíšete jednou, do posledního detailu — přesná období, metriky, pořadí sekcí, formát tabulek — a pak už ho jen kopírujete a měníte datum.

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.

Poslední věta je pojistka: když se příští měsíc něco posune, uvidíte to hned v hlavičce sekce.

Stupeň dvě: report jako skript. Jakmile víte, jak má report vypadat, nechte si na stahování dat napsat skript — ať vytáhne přesně ta data, která report potřebuje, za období zadané parametrem, uloží je jako CSV s datem v názvu a spočítá srovnání s předchozím obdobím. Čísla pak nevytahuje model, ale kód, který dělá pokaždé totéž. Zdravé dělení práce: stroj počítá, model vysvětluje.

Ohlídejte si dvě věci: aby se přihlašovací údaje braly z proměnných prostředí a neskončily v souboru, který někam pošlete, a aby se stažená CSV ukládala — historie exportů je za rok cennější než samotný report.

Stupeň tři: rutina. Když skript funguje, může ho spouštět plánovaná úloha: prvního v měsíci se stáhnou data, model nad nimi napíše komentář a vy dostanete hotový podklad. Jak se rutiny stavějí, rozebírá kapitola rutiny a agenti. Pozor na jednu věc plynoucí z lokálního GA serveru: rutina proběhne, jen když je počítač zapnutý. Kdo to potřebuje bez výjimky, musí report postavit nad API přímo — k tomu se hodí prostředí z tipu web postavený v Claude Code a nasazený na Vercel.

Co si pohlídat

Reklamní účet je jediný konektor v běžné výbavě, u kterého se špatné rozhodnutí projeví okamžitou ztrátou peněz. Proto pravidla, která jinde stačí doporučit, tady platí bez výjimky.

Napřed jen čtení. První měsíc se ptejte a nic neměňte — naučíte se, kde model odpovídá spolehlivě a kde si domýšlí. U Google Analytics je tahle fáze vynucená sama, server umí jen číst; u Mety je to vaše rozhodnutí a stojí za to ho udělat vědomě.

Změny rozpočtu, pozastavení a spuštění kampaní vždy potvrzuje člověk. Nikdy nezapínejte režim, ve kterém se změny provedou bez ptaní. A potvrzování berte vážně — po dvacátém dialogu člověk odklikává automaticky, a proto se hromadné operace dělají skriptem, kde je vidět celý seznam najednou.

Limity patří na stranu platformy, ne na stranu agenta. Nejdůležitější věta téhle sekce. Když napíšete do promptu „nikdy nezvyšuj denní rozpočet nad tisíc korun", není to omezení, je to přání. Skutečný limit nastavíte ve správci reklam: strop útraty účtu, limity rozpočtu kampaní, omezení práv uživatele, pod kterým je konektor přihlášený. Model se může splést nebo špatně pochopit zadání a jediné, co v tu chvíli zabrání škodě, je zábrana mimo něj. Instrukce v promptu je pravidlo, nastavení na platformě zámek.

Práva podle toho, co má nástroj dělat. Když konektor slouží k reportingu, ať je přihlášený pod účtem s čtecí rolí v Business Manageru; plná administrátorská práva nedávejte jen proto, že je to pohodlnější.

Komunitní MCP servery: jen ověřený autor. Kolem Meta Ads i Analytics existují komunitní servery, které umí víc než ty oficiální. Je ale potřeba si uvědomit, co jim dáváte: přihlášení k reklamnímu účtu, ve kterém jsou vaše peníze, a přístup k datům o zákaznících. Než takový server nainstalujete, chtějte vědět, kdo za ním stojí, jestli je kód veřejný a kudy tečou vaše přihlašovací údaje. Když na kteroukoli otázku neznáte odpověď, zůstaňte u oficiálních — rozdíl mezi „umí o třicet procent víc" a „má přístup k mému rozpočtu" není souměřitelný.

Data o zákaznících jen v účtu se smluvní ochranou dat. Přes analytiku i reklamní účet tečou informace o chování lidí. Do volného chatu nepatří a exporty s čímkoli, co jde spojit s konkrétní osobou, anonymizujte dřív, než je nahrajete. Rámec je v kapitole AI eticky a bezpečně. A u každého čísla, které skončí v reportu pro někoho jiného, se ptejte na zdroj a přesné období.

Nejčastější chyby

• Nechat model čísla odhadnout místo vytáhnout. Když se k datům z nějakého důvodu nedostane, věrohodně vypadající odpověď napíše stejně. Vždycky vyžadujte zdroj a období.
• Chtít, aby čísla z Mety a z Analytics seděla. Nikdy sedět nebudou. Kdo se rozdíl snaží odstranit, skončí u čísla, které nesedí ani s jedním zdrojem.
• Rozhodovat podle procent místo podle peněz. Nárůst ceny za konverzi o sto procent u kampaně, která utratí tisícovku, není priorita.
• Vyhodnocovat na příliš malých číslech. Tři konverze nejsou trend a dvacet relací není chování publika. Ptejte se výslovně, kde jsou čísla moc malá na závěr.
• Spoléhat na limity napsané v promptu. Skutečné stropy patří do nastavení účtu, ne do zadání.
• Instalovat komunitní konektor bez prověření autora. Přístup k reklamnímu účtu je přístup k penězům.
• Opakovat měsíční report konverzací. Bez zafixované šablony porovnáváte dva různě sestavené reporty a myslíte si, že sledujete vývoj.

Nejlepší nástroje

• Meta Ads MCP server (mcp.facebook.com/ads) — oficiální hostovaný konektor pro analýzu a ad-hoc reporting nad reklamním účtem; přihlášení přes Meta Business, bez vývojářské aplikace a bez App Review.
• Meta Ads CLI — druhé rozhraní ke stejným datům, instalované přes npm; pro hromadné operace a všude, kde potřebujete stejný výsledek pokaždé.
• Google Analytics MCP server — oficiální open source server od týmu Google Analytics pod licencí Apache 2.0; experimentální, lokální a jen pro čtení GA4 přes Admin a Data API.
• Claude Code — instalace lokálního serveru podle README a skripty na pravidelné stahování dat; historii exportů pak zpracujete postupem z tipu analýza dat s AI.
• Správce reklam a rozhraní Analytics — pořád je otevřete, jen mnohem míň. Konektor je na otázky, rozhraní na změny.

Co vám to přinese

• Čas: měsíční report, který se skládal půl dne z exportů, se smrskne na desítky minut a týdenní kontrola účtu na pár minut. U menší firmy reálně tři až pět hodin měsíčně.
• Peníze: sestavy, které pálí rozpočet bez výsledku, se najdou za pár minut místo za čtvrtletí. Úspora bývá největší tam, kde se dlouho nikdo pořádně nepodíval.
• Klid: na otázku „proč jsme minulý týden utratili víc" odpovíte ještě během té otázky — rozdíl mezi tím, kdy reklamu řídíte, a tím, kdy ji doháníte.
• Kvalita rozhodnutí: obě strany naráz ukážou rozdíl mezi kampaní, která nakupuje prokliky, a kampaní, která přivádí lidi.

Pro tip

Nejcennější věc, kterou z tohohle uspořádání dostanete, není report. Je to archiv. Ukládejte si každý měsíc surová data do CSV a nikdy je nemažte — reklamní platformy i analytika mají omezenou historii, mění strukturu dat a občas i způsob, jakým něco počítají. Vaše složka s exporty to přežije a za dva roky v ní bude ležet odpověď na otázku, která vás dneska nenapadla.

A pravidlo na závěr: konektor je oprávnění se ptát, ne oprávnění utrácet. Model smí vidět všechno, počítat cokoli a napsat sebejistější doporučení — ale rozpočet zvyšuje člověk, kampaň zapíná člověk a odpovědnost za utracené peníze má taky člověk. Zámek nechte na platformě, rozhodnutí u sebe.