Nem az a kérdés, melyik hirdetés kapta a konverziót, hanem hogy hozott-e valódi többletet

TL;DR

A Google 2026. szeptember 10-én új adat- és mérési fejlesztéseket jelentett be. A Data Manager megjelenik a Google Analyticsben és a Display & Video 360-ban, univerzálissá válik a Data Manager API, a Google Ads pedig új Data Strength Uplift mutatóval próbálja számszerűsíteni az első fél adatok segítségével visszanyert konverziókat. Közben a nyílt forráskódú Meridian marketingmix-modellező rendszer AI-alapú segítséget, márkajeleket és a globálisan elérhető Meridian GeoX kísérleti megoldást kap. A stratégiai üzenet fontosabb az egyes funkcióknál: a marketingmérést nem szabad kizárólag arra építeni, melyik platform írta jóvá magának a konverziót. Azt kell vizsgálni, hogy a hirdetés ténylegesen létrehozott-e olyan vásárlást vagy leadet, amely nélküle nem történt volna meg.

Az attribúció sokszor csak a kreditet osztja el

A legtöbb marketingriport azt próbálja megmutatni, melyik kampányhoz, hirdetéshez vagy csatornához kapcsolható egy konverzió. Ez hasznos operatív információ, de nem azonos a valódi üzleti hatás mérésével.

Ha egy vásárló már ismeri a márkát, rákeres a cégnévre, majd egy márkás Google-hirdetésre kattint, a platform jogosan rögzíthet konverziót. Ettől még nem biztos, hogy a hirdetés hozta létre a keresletet. Lehet, hogy a vásárló reklám nélkül is felkereste volna az oldalt. Hasonló probléma jelenik meg remarketingnél, kuponoldalaknál és olyan kampányoknál, amelyek a már meglévő kereslet utolsó lépésénél találkoznak a vevővel.

Az attribúció kérdése így hangzik: melyik érintkezési pont kapja a konverzió kreditjét?

Az inkrementalitás kérdése viszont ez: mennyi eredmény nem jött volna létre a marketingbeavatkozás nélkül?

A kettő között jelentős különbség lehet. Egy kampány mutathat magas ROAS-t úgy is, hogy főként olyan vásárlásokat gyűjt be, amelyek egyébként is megtörténtek volna. Más kampány közvetlen megtérülése gyengébbnek látszhat, miközben új keresletet épít, amely később más csatornán konvertál.

A Google három pillérre építi az új mérési szemléletet

A Google hivatalos bejelentése három egymásra épülő elemet emel ki:

1. erős adatbázis az AI és a mérés számára;
2. több jel együttes használata a teljesebb képhez;
3. oksági bizonyíték annak megértéséhez, mi hozott valódi üzleti eredményt.

Ez lényegében azt jelenti, hogy önmagában sem a platformriport, sem a GA4, sem a CRM nem ad teljes választ. Az online viselkedési adatokat, a hirdetési költést, az offline értékesítést, a márkakereséseket és lehetőség szerint a kontrollált kísérleteket együtt kell értelmezni.

A változás azért időszerű, mert a vásárlói út egyre töredezettebb. A felhasználó több eszközt, platformot és csatornát használ, miközben a hozzájárulási és adatvédelmi korlátok miatt nem minden érintkezés kapcsolható össze személyszinten. A jó mérés ezért egyre kevésbé jelent tökéletes felhasználói útvonalat, és egyre inkább több módszer következetes összehangolását.

Data Manager: az első fél adatok közös belépési pontja

A Data Manager célja, hogy egyszerűbbé tegye a vállalkozás saját adatainak összekapcsolását és aktiválását. A Google most közvetlenül integrálja a megoldást a Google Analyticsbe és a Display & Video 360-ba is, így nem kizárólag a Google Ads felületén használható.

Első fél adat lehet például:

• a webáruház vásárlási és ügyféladata;
• a CRM-ben rögzített minősített lead és lezárt értékesítés;
• a telefonos vagy üzletben történt vásárlás;
• az alkalmazáson belüli esemény;
• a hozzájárulással kezelt ügyféllista.

Az üzleti érték nem abból születik, hogy minél több adatot töltünk fel. A lényeg a megfelelő jel: a rendszer tudja-e, mely érdeklődőből lett valódi ügyfél, mekkora értéket képviselt, és mennyi idő telt el a kattintás és az értékesítés között?

Leadgeneráló cégnél például félrevezető lehet minden űrlapkitöltést azonos értékű konverzióként kezelni. Ha a Google Ads csak az érdeklődést látja, könnyen a sok, de gyenge minőségű lead irányába optimalizál. A minősített leadek és lezárt értékesítések visszaküldése sokkal közelebb viszi az automatizált ajánlattételt a vállalkozás valódi céljához.

Az univerzális Data Manager API csökkentheti a külön integrációkat

A Google szerint a Data Manager API az IAB Tech Lab Event and Conversion API szabványára építve univerzálissá válik. A cél egy egységesebb és biztonságosabb adatkapcsolati megoldás, amely több hirdetési platformon is használható.

Ez technikai fejlesztésnek tűnik, de komoly üzleti következménye lehet. Sok vállalkozás ma platformonként külön adatátadást épít, eltérő mezőkkel, frissítési gyakorisággal és hibakezeléssel. Az egységesebb szabvány csökkentheti a párhuzamos integrációk terhét, és könnyebbé teheti a konverziók, közönségek és ügyféljelek következetes kezelését.

Ugyanakkor az API nem oldja meg a rossz adatminőséget. Ha a CRM-ben hiányzik az értékesítési státusz, nem egységesek a kampányazonosítók, vagy nincs megfelelő hozzájárulás, a technikai kapcsolat csak gyorsabban továbbítja a hibás vagy hiányos információt.

Mit mutat a Data Strength Uplift Metric?

A Google Ads új Data Strength Uplift mutatójának célja, hogy megmutassa, mennyi további konverziót sikerült visszanyerni az első fél adatokra épülő mérési beállításokkal. Ez segíthet üzleti értéket rendelni olyan fejlesztésekhez, mint a jobb címkézés, a megerősített konverziók vagy a szerveroldali adatkapcsolatok.

A Google saját adatai szerint a Data Managerben offline és alkalmazásadatot összekapcsoló hirdetők átlagosan 26%-os növekedést láttak az inkrementális ROAS-ban. A megerősített konverziót használók átlagosan 11%-kal több keresési konverziót mértek, mint a normál konverzióimporttal dolgozók. A Google tag gateway használatánál átlagosan 14%-os, Demand Gen kampányoknál 20% feletti konverziónövekedést közölt.

Ezeket az értékeket helyesen kell értelmezni. Google által közölt, meghatározott időszakokra és hirdetői csoportokra vonatkozó átlagok, nem minden vállalkozás számára garantált eredmények. A „több mért konverzió” ráadásul nem feltétlenül jelent ugyanennyi új vásárlást: részben korábban elveszett mérési jelek helyreállításáról van szó.

Ez nem kisebbíti a fejlesztés értékét. A pontosabb adat jobb optimalizálást tehet lehetővé. De külön kell választani a mérés javulását és a tényleges üzleti növekedést.

Meridian: amikor a teljes marketingmixet kell értékelni

A Meridian a Google nyílt forráskódú marketingmix-modellező, vagyis MMM-megoldása. Nem egyes felhasználók útját próbálja végigkövetni, hanem összesített adatokból becsüli meg a marketingbefektetések és az üzleti eredmények kapcsolatát.

A frissítés AI-alapú képességekkel segíti az adatminőség ellenőrzését, a hibák feltárását és a modellépítést. A rendszerbe már márkajelek, például a márkázott Google-keresések volumene is bevonható. Ez különösen a felső tölcséres kampányoknál fontos, amelyek nem mindig hoznak azonnali kattintás utáni konverziót, de növelhetik a márka iránti keresletet.

Egy televíziós, videós, kültéri vagy ismertségi kampány hatása például megjelenhet abban, hogy többen keresnek később közvetlenül a márkanévre. Ha csak az utolsó kattintást nézzük, ezt az értéket könnyen a keresési kampánynak tulajdonítjuk. Az MMM szélesebb összefüggésben próbálja megmutatni, hogyan járultak hozzá a csatornák az eredményhez.

Az AI itt sem teszi automatikusan helyessé a modellt. A megfelelő idősor, a költési és értékesítési adatok pontossága, a szezonális hatások, az árak, az akciók és a külső tényezők továbbra is meghatározók. A modell jó kérdésekre adhat használható becslést, rossz bemeneti adatokból viszont magabiztosan pontatlan eredmény születhet.

GeoX: kísérlettel ellenőrizhető a valódi többlethatás

A Meridian GeoX most globálisan általánosan elérhető. A nyílt forráskódú eszköz földrajzi kísérletek futtatására használható különböző hirdetési platformokon.

Egy geo-kísérletben hasonló területeket teszt- és kontrollcsoportba rendezünk. A tesztterületeken megváltoztatjuk a hirdetési költést vagy aktivitást, a kontrollterületeken pedig nem. Ezután azt vizsgáljuk, hogy a két csoport üzleti eredménye között kialakul-e olyan különbség, amely a beavatkozáshoz köthető.

Ez erősebb oksági bizonyítékot adhat, mint egy egyszerű előtte-utána összehasonlítás. Ha a teljes országban egyszerre emeljük a költést, nem tudjuk biztosan, hogy a növekedést a hirdetés, a szezon, egy árváltozás vagy más piaci hatás okozta. Kontrollcsoporttal pontosabb választ kaphatunk.

A kísérlet ugyanakkor megfelelő forgalmat, földrajzi bontást, stabil mérési rendszert és előre rögzített módszertant igényel. Kis adatvolumen mellett a véletlen ingadozás könnyen nagyobb lehet a mérni kívánt hatásnál.

Mit jelent mindez a magyar KKV-knak?

A legtöbb magyar kis- és középvállalkozásnak nem a Meridian-modell felépítése legyen az első lépése. Előbb az alapokat kell rendbe tenni:

• pontosan mérjük a valódi értékesítést vagy minősített leadet;
• a CRM és a hirdetési rendszer között legyen következetes adatkapcsolat;
• különüljön el az új és a meglévő ügyfél;
• legyen ismert a fedezet, ne csak a bevétel;
• legyen elegendő adat és stabil időszak az összehasonlításhoz.

Ha ezek hiányoznak, egy összetett modell csak precíznek látszó bizonytalanságot termel. Ha viszont az alapok működnek, már egyszerűbb kísérletekkel is közelebb kerülhetünk az inkrementalitáshoz. Tesztelhető például egy kampány földrajzi bontásban, időszakosan visszafogható a márkás hirdetés, vagy külön kezelhető az új ügyfelek megszerzésére fordított költség.

A nagyobb, több csatornán hirdető magyar vállalatok számára a Data Manager, a Meridian és a GeoX együtt már valódi mérési keretrendszert adhat. A cél nem egyetlen „tökéletes” ROAS-szám előállítása, hanem több, egymást ellenőrző bizonyíték használata a költségkeret elosztásához.

Gyakorlati teendőlista

• Határozza meg, mely üzleti eredmény számít valódi konverziónak: minősített lead, értékesítés, fedezet vagy új ügyfél.
• Ellenőrizze, hogy a Google Ads elsődleges konverziói valóban ezeket az eredményeket képviselik-e.
• Kapcsolja össze a CRM-, offline és alkalmazásadatokat a Data Managerrel, ahol ez üzletileg és adatvédelmileg indokolt.
• Vizsgálja meg a megerősített konverziók és a megfelelő címkézési megoldások bevezetését.
• Külön jelentse a mérés által visszanyert konverziókat és a tényleges üzleti növekedést.
• Azonosítsa azokat a kampányokat, amelyek főként meglévő keresletet aratnak le, és azokat, amelyek új keresletet építhetnek.
• Nagyobb költésnél tervezzen kontrollcsoportos vagy földrajzi kísérletet a többlethatás mérésére.
• MMM-modellt csak megfelelő hosszúságú, tiszta és üzletileg értelmezhető adatsorokra építsen.
• A platformok saját eredményeit vesse össze a GA4, a CRM, a pénzügyi adatok és a kísérletek következtetéseivel.

Rövid GYIK

Mi a különbség az attribúció és az inkrementalitás között?

Az attribúció elosztja a konverzió kreditjét a marketingérintkezések között. Az inkrementalitás azt vizsgálja, mennyi eredmény jött létre ténylegesen a hirdetés hatására.

A pontosabb mérés automatikusan több értékesítést jelent?

Nem. Először több korábban elveszett konverzió válhat mérhetővé. A jobb adat később javíthatja az optimalizálást, de a mérési növekedést nem szabad automatikusan üzleti növekedésként bemutatni.

A Google által közölt százalékos eredmények minden vállalkozásra érvényesek?

Nem. Ezek meghatározott hirdetői csoportokból és időszakokból származó Google-átlagok. Nem tekinthetők garantált eredménynek.

KKV-ként szükség van marketingmix-modellezésre?

Nem feltétlenül. Kis adatvolumennél előbb a konverziómérést, a CRM-kapcsolatot és az üzleti riportolást kell rendbe tenni. MMM akkor lehet indokolt, ha több csatorna, jelentős költés és megfelelő hosszúságú adatsor áll rendelkezésre.

Miért jobb egy kontrollált kísérlet az előtte-utána összehasonlításnál?

Mert segít elkülöníteni a hirdetés hatását a szezonális, piaci és egyéb külső változásoktól. A kontrollcsoport megmutatja, mi történhetett volna a beavatkozás nélkül.

Forrás és további olvasnivaló

Search Engine Land: Google expands Data Manager and Meridian measurement tools, szerző: Anu Adegbola, megjelent: 2026. szeptember 10.

Google Ads & Commerce: Drive profitable growth with new data and measurement tools, megjelent: 2026. szeptember 10.

Google for Developers: Meridian – Marketing Mix Modeling és Meridian GeoX.

Google Ads Súgó: About Data Manager és About enhanced conversions.