Dlaczego tradycyjne metryki przestały wystarczać agencjom w erze AI
CTR na poziomie 8%, ROAS 4,2 i koszt konwersji poniżej średniej branżowej - brzmi jak kampania w dobrej kondycji. Problem w tym, że żadna z tych liczb nie mówi, czy algorytm Google ma wystarczająco dużo danych, sygnałów i struktury, żeby faktycznie działać na pełnych obrotach. Tradycyjne metryki mierzą wyniki, nie potencjał - a to właśnie potencjał decyduje o tym, jak kampania zachowa się po kolejnej aktualizacji modelu Google.
Ta z niższym wynikiem działa dobrze dziś, ale jest strukturalnie krucha - jeden reset fazy uczenia, zmiana w Consent Mode v2 albo migracja do nowego asset group i wyniki się sypią. Ta z wyższym wynikiem absorbuje zmiany bez regrесji.
PAQS Score powstał właśnie po to, żeby dać agencjom i klientom język do rozmowy o jakości konfiguracji - nie tylko o wynikach tu i teraz. To odpowiedź na pytanie, które coraz częściej zadają CMO: „Czy nasza agencja naprawdę przygotowała kampanię pod AI, czy tylko uruchomiła Performance Max i czeka na efekty?”
Architektura PAQS - 8 wymiarów oceny kampanii
PAQS Score składa się z 8 wymiarów, każdy oceniany w skali 0-12,5 pkt (łącznie 100 pkt). Wagi zostały skalibrowane na podstawie korelacji z długoterminową stabilnością ROAS w naszych kampaniach - wymiary z wyższą wagą to te, których braki najczęściej powodują regresje po zmianach algorytmu.
| # | Wymiar PAQS | Waga | Co ocenia |
|---|---|---|---|
| 1 | Sygnały konwersji | 15 pkt | Liczba, jakość i kompletność zdarzeń GA4 + import konwersji |
| 2 | Consent Mode v2 | 15 pkt | Implementacja trybu zgody, pokrycie modelowania, Cookiebot/CMP |
| 3 | Struktura asset group (PMax) | 12 pkt | Kompletność assetów, segmentacja tematyczna, Ad Strength |
| 4 | Sygnały audience | 12 pkt | Listy remarketingowe, Customer Match, podobne odbiorcy |
| 5 | Feed produktowy / dane strukturalne | 12 pkt | Kompletność atrybutów GMC, dane strukturalne na stronie |
| 6 | Śledzenie na poziomie strony | 11 pkt | GTM, tagi konwersji, call tracking, mikro-zdarzenia |
| 7 | Struktura konta i kampanii | 12 pkt | Segmentacja kampanii, wykluczenia, budget allocation |
| 8 | Dane first-party i integracje | 11 pkt | CRM upload, Enhanced Conversions, offline conversion import |
Każdy wymiar jest oceniany przez audytora wg checklisty zawierającej 8-14 kryteriów binarnych (spełnione/niespełnione) lub trójstopniowych (0/0,5/1 pkt). Wynik końcowy to suma ważona - nie ma możliwości „uśrednienia” słabego Consent Mode v2 świetną strukturą asset group, bo każdy wymiar ma swój próg minimalny (poniżej 40% punktów danego wymiaru kampania otrzymuje flagę krytyczną).
Benchmark PAQS Score dla agencji w Polsce - dane 2026
Dane dotyczą kampanii z budżetem min. 3 000 PLN/m-c, aktywnych co najmniej 90 dni przed audytem.
| Przedział PAQS | Interpretacja | Udział w próbie | Typowy objaw |
|---|---|---|---|
| 0-30 | Kampania krytyczna | 18% | Brak Consent Mode, konwersje tylko z tagu strony, PMax bez assetów |
| 31-50 | Poniżej standardu | 34% | Częściowy CM v2, brak Customer Match, feed z brakami |
| 51-70 | Standard rynkowy | 31% | Podstawowa konfiguracja AI-ready, ale bez danych first-party |
| 71-85 | Powyżej standardu | 13% | Pełny CM v2, Enhanced Conversions, segmentacja audience |
| 86-100 | AI-native | 4% | CRM integration, offline conversions, pełny feed + dane strukturalne |
Mediana wynosi 47/100 - co oznacza, że typowa kampania w Polsce pracuje poniżej progu, od którego algorytmy Google mają wystarczająco dużo sygnałów do efektywnej optymalizacji. Wg wewnętrznych danych Google (za: Google Ads Help, 2025) kampanie z kompletnym Consent Mode v2 i Enhanced Conversions generują o 20-30% więcej konwersji modelowanych niż kampanie bez tych elementów. Przy medianie 47 pkt większość budżetów po prostu nie korzysta z tego potencjału.
Benchmark branżowy: PAQS dla hoteli, e-commerce i usług B2B
Wyniki PAQS różnią się istotnie między branżami - nie dlatego, że jedne branże mają lepsze agencje, ale dlatego, że różne sektory mają różny dostęp do danych first-party i różną złożoność ścieżki konwersji. Poniżej zestawienie wg naszych danych branżowych (wg audytów PremiumAds 2024-2026).
| Branża | Mediana PAQS | Najsłabszy wymiar | Najsilniejszy wymiar |
|---|---|---|---|
| E-commerce (fashion/home) | 54 | Dane first-party / CRM (brak integracji) | Feed produktowy (GMC) |
| Hotele i turystyka | 41 | Consent Mode v2 (niekompletny) | Sygnały audience (remarketing) |
| Usługi B2B / SaaS | 49 | Sygnały konwersji (tylko lead form) | Struktura konta |
| Usługi lokalne (medycyna, prawo) | 38 | Śledzenie na poziomie strony (brak call tracking) | Struktura kampanii |
| Deweloperzy / nieruchomości | 44 | Feed / dane strukturalne | Sygnały audience |
Hotele i usługi lokalne notują najniższe wyniki w wymiarze Consent Mode v2 - co jest bezpośrednio związane z tym, że wiele stron w tych branżach wciąż używa banerów cookies bez właściwej integracji z Google Tag Manager. Jeśli prowadzisz kampanie w sektorze turystycznym, warto przejrzeć naszą ofertę GEO, gdzie Consent Mode v2 jest elementem standardowego onboardingu każdej kampanii.
Case study: agencja z Gdyni podnosi PAQS o 35 pkt w 4 miesiące
W Q3 2025 przejęliśmy obsługę kampanii klienta z branży usług B2B (oprogramowanie dla logistyki, budżet 8 200 PLN/m-c). Audyt wejściowy wykazał PAQS 31/100 - kampania działała, ale była strukturalnie krucha: konwersje mierzone tylko przez tag strony, brak Consent Mode v2, PMax z jedną asset group bez segmentacji, brak Customer Match.
Plan naprawczy podzieliliśmy na trzy etapy:
- Miesiąc 1 - fundament danych: wdrożenie Consent Mode v2 przez Cookiebot (jako Platinum Partner mamy dostęp do szybkiej ścieżki konfiguracji), import konwersji z CRM (demo + kontrakt podpisany), Enhanced Conversions dla formularzy. PAQS po etapie: 52.
- Miesiąc 2 - struktura kampanii: rozbicie PMax na 3 asset groups (segmentacja wg produktu), upload listy Customer Match (4 200 rekordów z CRM), dodanie list remarketingowych jako sygnałów audience. PAQS po etapie: 61.
- Miesiące 3-4 - dane first-party i feed: integracja offline conversion import (spotkania handlowe jako konwersja), uzupełnienie danych strukturalnych na stronie (FAQ schema, Product schema), uruchomienie call trackingu dla numerów w reklamach. PAQS końcowy: 66.
Efekt biznesowy (wg danych klienta, Q4 2025 vs Q2 2025): koszt leada spadł o 31%, liczba konwersji modelowanych wzrosła o 44%. Warto zaznaczyć, że część wzrostu wynika z naturalnego sezonowego odbicia w Q4 - izolując efekt sezonowy, szacujemy przyrost strukturalny na ok. 18-22% CPA. Szczegóły techniczne implementacji call trackingu opisujemy w artykule o call trackingu w Polsce.
Jak AI crawlery i algorytmy Google oceniają sygnały z kampanii
PAQS nie jest wskaźnikiem wymyślonym w oderwaniu od mechaniki Google - każdy z 8 wymiarów odpowiada konkretnemu sygnałowi, który algorytm Performance Max (PMax) wykorzystuje do decyzji o licytacji i targetowaniu. Rozumienie tej mechaniki jest kluczowe dla priorytetyzacji działań naprawczych.
Algorytm PMax działa w trybie pełnej automatyzacji: sam dobiera kanały, formaty i odbiorców. Jakość tej automatyzacji jest wprost proporcjonalna do jakości sygnałów wejściowych. Kampania z PAQS 30 dostarcza algorytmowi głównie sygnały behawioralne z piksela - bez kontekstu CRM, bez modelowania zgód, bez segmentacji audience. Algorytm działa, ale w trybie „cold start” - ciągle uczy się od zera zamiast budować na danych historycznych.
Warto też pamiętać, że crawlery AI coraz częściej indeksują strony pod kątem danych strukturalnych, które bezpośrednio zasilają feed reklamowy i wyniki w Google Shopping. Opisujemy to szczegółowo w artykule o tym, jak crawlery AI czytają polskie strony - wnioski z naszego bot-trackera są bezpośrednio przełożone na wymiar 5. PAQS (Feed produktowy / dane strukturalne).
Kalkulator PAQS - jak samodzielnie oszacować wynik kampanii
Pełny audyt PAQS wymaga dostępu do konta Google Ads, GA4 i GTM - ale wstępną diagnozę można przeprowadzić samodzielnie, odpowiadając na 16 pytań kontrolnych (po 2 na każdy wymiar). Poniżej skrócona lista - każde „TAK” to ok. 3 pkt, każde „NIE” to 0 pkt.
- Czy kampania ma min. 3 różne typy zdarzeń konwersji (nie tylko „zakup/lead”)? (Sygnały konwersji)
- Czy Consent Mode v2 jest wdrożony w trybie Advanced (nie Basic)? (CM v2)
- Czy PMax ma min. 3 osobne asset groups z różnymi tematami? (Struktura asset group)
- Czy lista Customer Match ma min. 1 000 dopasowanych użytkowników? (Sygnały audience)
- Czy feed GMC ma uzupełnione atrybuty custom_label_0-4? (Feed produktowy)
- Czy call tracking jest aktywny i importowany jako konwersja do Google Ads? (Śledzenie na stronie)
- Czy kampania ma aktywne listy wykluczeń na poziomie konta? (Struktura konta)
- Czy dane z CRM są importowane jako offline conversions min. raz w tygodniu? (Dane first-party)
Wynik poniżej 12 pkt (mniej niż 4 TAK) to sygnał, że kampania wymaga pilnego audytu strukturalnego. Wynik 12-18 pkt to standard rynkowy - jest co poprawiać. Powyżej 21 pkt kampania ma solidne fundamenty AI-ready. Jeśli chcesz przeprowadzić pełny audyt PAQS z dostępem do konta, skontaktuj się z nami przez stronę usługi Google Ads - audyt wejściowy jest częścią standardowego onboardingu.
6 priorytetów dla agencji, które chcą podnieść PAQS Score
Kolejność to priorytet - zacznij od góry.
- Consent Mode v2 w trybie Advanced - to pojedyncze działanie o największym wpływie na jakość modelowania konwersji. Bez niego wymiar 2. PAQS jest zawsze poniżej progu krytycznego, a Google nie może modelować konwersji dla użytkowników bez zgody. Jako Cookiebot Platinum Partner wdrażamy to w ciągu 1-2 dni roboczych.
- Enhanced Conversions dla formularzy i e-commerce - uzupełnia luki w śledzeniu po iOS 14+ i zmianach w third-party cookies. Wymaga GTM i dostępu do warstwy danych - typowo 4-8 godzin pracy.
- Customer Match z aktualną bazą CRM - lista min. 1 000 rekordów to próg, od którego Google aktywuje podobnych odbiorców. Bez tego sygnały audience są ograniczone do remarketingu pikselowego.
- Segmentacja asset groups w PMax - jedna asset group = algorytm nie wie, który produkt/usługę promować w danym kontekście. Min. 3 grupy tematyczne z osobnymi assetami i sygnałami audience to standard.
- Import offline conversions z CRM - szczególnie krytyczny dla B2B i usług o długim cyklu sprzedaży. Bez tego algorytm optymalizuje pod leady, nie pod klientów.
- Uzupełnienie danych strukturalnych na stronie - FAQ schema, Product schema i BreadcrumbList bezpośrednio wpływają na jakość feedu dynamicznego PMax i na widoczność w wynikach AI Overview.
PAQS a inne metodologie scoringowe PremiumAds
PAQS nie działa w izolacji - jest częścią ekosystemu autorskich metodologii PremiumAds, które razem dają pełny obraz zdrowia obecności cyfrowej klienta. GRI (Google Readiness Index) ocenia gotowość strony do indeksowania przez Google i crawlery AI. GAQS (Google Ads Quality Score) mierzy jakość samych reklam i grup reklam na poziomie słów kluczowych. SAQS, który stosujemy w audytach SEO, ocenia strukturę techniczną i contentową witryny - więcej o tym w kontekście naszej usługi SEO.
PAQS jest wskaźnikiem specyficznym dla warstwy konfiguracji kampanii płatnych pod AI - uzupełnia GAQS (który mierzy jakość kreacji i trafności), ale nie zastępuje go. Optymalny wynik to wysoki PAQS + wysoki GAQS + GRI powyżej 70 - dopiero wtedy kampania ma wszystkie warunki do pracy na pełnych obrotach algorytmu.
Jeśli chcesz sprawdzić PAQS Score swojej kampanii lub agencji, która ją prowadzi - skontaktuj się z nami przez formularz kontaktowy. Audyt wejściowy z raportem PAQS jest standardem przy każdym nowym projekcie Google Ads w PremiumAds.
