ChatGPT i podobne narzędzia potrafią skrócić przygotowanie kampanii: szybciej powstaje brief, pierwsza wersja tekstu i analiza materiałów wejściowych. Problem zaczyna się wtedy, gdy trzeba uzasadnić budżet. GA4 i CRM pokażą wynik kampanii, ale nie pokażą wprost, czy poprawiła go praca z AI.
Dlatego ten tekst nie obiecuje pełnej atrybucji. Pokazuje prostsze i uczciwsze podejście: jak porównywać kampanie, leady i czas do zakupu przy danych, które już masz, zamiast zgadywać, czy AI rzeczywiście poprawia wynik.
Dlaczego GA4 i CRM nie pokażą wpływu AI wprost
GA4 i CRM mierzą wynik kampanii, a nie to, jak powstał brief, tekst czy segmentacja. Nie mają domyślnego pola "ta kampania powstała z pomocą AI", bo śledzą zachowanie użytkownika, konwersję i etapy sprzedaży, a nie sposób pracy zespołu.
Jeśli zespół korzysta głównie z ChatGPT albo z płatnego planu typu ChatGPT Plus, problem pomiaru pozostaje ten sam. GA4 i CRM nie zapisują, z czego powstał brief ani która wersja tekstu była przygotowana z pomocą AI.
W praktyce efekt pracy z AI znika w danych zbiorczych. Lepszy tekst może podnieść CTR, trafniejsza analiza może poprawić jakość leadów, a lepiej przygotowany brief może skrócić czas pracy nad kampanią. W raporcie widać jednak głównie wynik końcowy. Nie widać od razu, czy poprawę dał kanał, kreacja, sezon, czy właśnie praca z AI.
To samo dotyczy zakupu. W B2B lead często dojrzewa przez kilka tygodni i przechodzi przez kilka rozmów. Jeśli AI pomogło lepiej postawić problem albo lepiej dopasować komunikat, ten efekt pokaże się później w CRM, zwykle bez osobnej etykiety, która wskaże przyczynę.
Szerzej o tym, jak AI komplikuje ruch i atrybucję, piszemy w tekście Ruch z ChatGPT i atrybucja.
Jak mierzyć wpływ AI przy danych, które już masz
Najprostsze podejście to porównać dwie podobne kampanie: jedną przygotowaną z pomocą AI i drugą prowadzoną dotychczasowym procesem. Chodzi o ten sam kanał, podobny budżet, zbliżoną grupę docelową i porównywalny okres.
To nie daje pełnej atrybucji. Daje jednak coś ważniejszego na etapie decyzji budżetowej: odpowiedź, czy zmiana sposobu pracy przekłada się na lepszy wynik kampanii albo na szybszą pracę zespołu.
Przy takim porównaniu sprawdzaj trzy grupy danych.
W GA4:
- CTR reklam albo treści, jeśli porównujesz wejścia z tych samych źródeł
- współczynnik konwersji na formularzu lub kroku zakupowym
- czas na stronie i głębokość sesji, jeśli landing page był elementem testu
- ścieżkę konwersji, jeśli chcesz zobaczyć, czy zmienił się punkt wejścia do procesu
W CRM:
- źródło leadu i kanał kampanii
- etap, do którego lead dochodzi najczęściej
- czas od pierwszego kontaktu do zakupu
- wartość transakcji albo wartość szansy sprzedaży, jeśli ten model jest u Ciebie używany
W pracy zespołu:
- czas przygotowania kampanii
- liczba poprawek przed akceptacją
- opinie handlowców, czy leady są lepiej dopasowane do rozmowy
- czy brief i materiały wejściowe były bardziej spójne niż w kampaniach robionych bez AI
Jeśli dopiero układasz praktyczne zastosowania ChatGPT w marketingu, pomocny będzie też pillar ChatGPT w marketingu: jak go wykorzystać.
Przykład porównania dwóch kampanii
Najlepiej zacząć od prostego porównania dwóch kampanii, które różnią się głównie sposobem przygotowania materiałów. Poniższa tabela pokazuje metodę, nie gotowy benchmark rynkowy.
| Metryka | Kampania bez AI | Kampania z AI | Co to może oznaczać |
|---|---|---|---|
| CTR | 3,2% | 4,1% | Tekst lepiej trafia w problem odbiorcy |
| Konwersja na formularzu | 3,8% | 4,6% | Komunikat i oferta są lepiej dopasowane |
| Czas lead -> zakup (mediana) | 22 dni | 17 dni | Lead szybciej dojrzewa do rozmowy i decyzji |
| Wartość transakcji (mediana) | 4 800 zł | 4 900 zł | AI nie zmieniło ceny, ale mogło poprawić skuteczność kampanii |
| Czas przygotowania kampanii | 6 dni | 4 dni | Zespół szybciej kończy materiały i akceptacje |
Jeśli rosną CTR i konwersja, a wartość transakcji pozostaje podobna, wniosek jest prosty: AI pomogło przede wszystkim w przygotowaniu komunikacji, nie w zmianie pozycjonowania ceny. To już wystarcza do oceny, czy budżet na narzędzie ma sens.
Lista kontrolna przed decyzją o budżecie
Porównanie ma sens tylko wtedy, gdy warunki testu są uczciwe.
- Kampanie idą w tym samym kanale i do tej samej grupy docelowej.
- Budżet i okres testu są porównywalne.
- Wiesz, co dokładnie było robione z AI: brief, tekst, analiza, segmentacja czy kilka rzeczy naraz.
- CRM poprawnie rozpoznaje źródło leadu.
- Zespół sprzedaży wie, które leady pochodzą z testu i może ocenić ich jakość po rozmowie.
- Różnica w wyniku jest większa niż zwykłe wahanie danych przy małej próbie.
Jeśli te warunki nie są spełnione, łatwo pomylić efekt pracy z AI ze zmianą sezonu, promocją albo zwykłym przypadkiem.
Czego te dane nadal nie pokażą
Nawet dobrze ustawione porównanie nie pokaże całego wpływu AI. Nie zobaczysz w nim każdej rozmowy telefonicznej po dobrej kampanii, każdej rekomendacji przekazanej dalej ani tego, że klient szybciej zrozumiał ofertę jeszcze przed kontaktem z handlowcem.
To nie przekreśla pomiaru. Oznacza tylko, że trzeba go traktować jako wsparcie decyzji, a nie laboratoryjny dowód. Jeśli kilka metryk idzie w dobrą stronę jednocześnie, to zwykle wystarcza, żeby utrzymać test albo rozsądnie zwiększyć budżet.
Kiedy to wystarcza do decyzji o budżecie
Nie potrzebujesz pełnej atrybucji, żeby podjąć lepszą decyzję o budżecie. Wystarczy, że przy porównywalnych kampaniach widzisz trzy rzeczy naraz: zespół pracuje szybciej, leady przechodzą dalej w CRM i czas do zakupu nie wydłuża się.
Jeśli wyniki są mieszane, wróć do procesu. Czasem problem nie leży w samym narzędziu, tylko w jakości briefu, danych wejściowych albo sposobie oceny kampanii. Pomocnym następnym krokiem będzie tekst Jak policzyć ROI z AI.
Źródła
- Google Analytics Help, dokumentacja GA4 – modele atrybucji, zdarzenia i ścieżki konwersji w Google Analytics 4.
- HubSpot, materiały o raportowaniu CRM – łączenie danych marketingowych ze sprzedażą i oceną jakości leadów.
