W skrócie
Allegro + GA4 + BaseLinker — 3 rzeczy które musisz zrozumieć zanim zaczniesz łączyć dane
Każde z tych narzędzi mówi Ci inną część prawdy. Żadne nie powie Ci całej — bez połączenia reszty.
Prawda 1 — GA4 widzi ruch i zachowanie, ale nie widzi kosztu towaru ani prowizji
GA4 doskonale mierzy skąd przyszedł użytkownik, co oglądał, co dodał do koszyka i czy kupił. Może nawet zapisać wartość zakupu i ROAS kampanii reklamowej. Ale nie zna kosztu towaru (COGS), prowizji Allegro, kosztu wysyłki per zamówienie ani kosztu zwrotu. „Przychód" w GA4 to obrót — nie marża. Kampania z ROAS 4× przy marży 15% może generować stratę po pokryciu kosztów logistyki.
✓ Rola GA4 w układzie: atrybucja ruchu, zachowanie na stronie, konwersja per kanał marketingowy. Nie: zysk per transakcja.
Prawda 2 — BaseLinker widzi koszty operacyjne, ale nie widzi skąd przyszedł klient
BaseLinker zna każde zamówienie z każdego kanału, koszt wysyłki per paczka, prowizję Allegro per transakcja, status zwrotu i czas obsługi. Może z łatwością powiedzieć ile kosztowała logistyka danego zamówienia. Ale nie wie czy klient przyszedł z Google Ads, z organicznego SEO, z newslettera czy z remarketing — bo to leży po stronie GA4. Bez połączenia: widzisz koszty operacyjne, ale nie możesz ich przypisać do źródła ruchu.
✓ Rola BaseLinker w układzie: koszty logistyki, prowizje marketplace, zwroty, dane operacyjne per zamówienie. Nie: atrybucja marketingowa.
Prawda 3 — Allegro widzi sprzedaż na platformie, ale izoluje ją od reszty biznesu
Panel Allegro pokazuje wolumen sprzedaży, liczbę transakcji, oceny i wyniki reklam Allegro Ads — ale wyłącznie w obrębie platformy. Nie wiesz jak Allegro wypada w porównaniu do sklepu własnego na tej samej marży. Nie wiesz czy klient który kupił na Allegro wrócił potem do sklepu. Nie widzisz całościowego zysku po zsumowaniu wszystkich kanałów i kosztów.
✓ Rola Allegro w układzie: dane sprzedażowe marketplace, wyniki Allegro Ads, historia zamówień. Nie: porównanie rentowności z innymi kanałami.
📈 Co uzyskujesz po połączeniu wszystkich trzech — i czego nie możesz uzyskać bez tego
Połączenie GA4 + BaseLinker + Allegro daje: zysk per kanał sprzedaży (Allegro vs sklep vs Empik), zysk per kampania marketingowa (Google Ads, Meta, email) po odjęciu kosztów logistyki, marżę per produkt z uwzględnieniem prowizji marketplace i kosztów wysyłki, oraz wskaźnik LTV klientów per kanał pozyskania. Bez tego połączenia podejmujesz decyzje budżetowe na podstawie obrotu — i możesz skalować kanały które w rzeczywistości niszczą marżę.
Diagnoza problemu
Dlaczego patrzenie tylko na obrót jest niebezpieczne — 4 scenariusze gdzie obrót kłamie
Każdy z tych scenariuszy jest realny i częsty. Każdy prowadzi do złych decyzji bez danych o zysku.
1
Skalujesz reklamę która niszczy marżę
ROAS kampanii Google Ads wynosi 5× — czyli za każdą złotówkę wydaną na reklamę generujesz 5 zł przychodu. Brzmi świetnie. Ale jeśli marża na reklamowanym produkcie wynosi 12%, a koszty logistyki (prowizja Allegro 8% + wysyłka 4%) pochłaniają 12% ceny — cała marża idzie na pokrycie kosztów operacyjnych, a reklama generuje czystą stratę. GA4 pokaże ROAS 5×. Portfel pokaże dziurę.
2
Kanał „rośnie" bo generuje zwroty
Allegro Ads raportuje rosnący obrót z kampanii sponsorowanych. Ale w BaseLinker widzisz że te zamówienia mają wskaźnik zwrotu 18% (vs 4% dla organicznych). Po odjęciu kosztów obsługi zwrotów i ponownej wysyłki — kampania jest nieopłacalna. Bez połączenia obu źródeł danych podejmujesz decyzję o zwiększeniu budżetu reklamowego opierając się na obrotach bez zwrotów.
3
Allegro „jest gorsze" niż sklep — albo odwrotnie
Sklep generuje mniejszy obrót niż Allegro, więc skupiasz zasoby na Allegro. Ale po uwzględnieniu prowizji Allegro (8–13%) vs brak prowizji dla sklepu własnego — marża w złotówkach może być wyższa w sklepie nawet przy niższym obrocie. Bez porównania rentowności per kanał — alokujesz zasoby do droższego kanału, zaniedbując tańszy.
4
Bestseller generuje stratę przy dużym wolumenie
Produkt sprzedaje się dobrze — 200 sztuk miesięcznie. Obrót rośnie. Ale ten produkt jest ciężki, wymaga drogiej wysyłki i często jest zwracany. Po zsumowaniu kosztu towaru + prowizji + wysyłki + zwrotów — na każdej sztuce tracisz 3 zł. 200 sztuk = 600 zł straty miesięcznie. Bez danych o marży per SKU z BaseLinker — bestseller w raporcie obrotu to ukryta dziura w bilansie.
Możliwości każdego narzędzia
Co konkretnie daje każde z trzech narzędzi — i czego w nim nie znajdziesz
Zanim zaczniesz łączyć — musisz wiedzieć jakie dane są dostępne w każdym źródle i jak je wyeksportować.
GA4
Google Analytics 4 — co daje i jak eksportować
Dostępne dane: sesje per kanał (organic, paid, email, direct, referral), konwersja per kanał, przychód z transakcji (obrót — nie marża), ROAS per kampania, ścieżki zakupowe, porzucanie koszyka, zachowanie per urządzenie, geolokalizacja.
Jak eksportować: raporty niestandardowe w GA4 → eksport CSV lub połączenie z Google Looker Studio. Zaawansowanie: export do BigQuery (bezpłatny dla GA4).
✓ Klucz integracji: transaction_id w zdarzeniu purchase — musi być taki sam jak numer zamówienia w BaseLinker. Bez tego nie połączysz sesji GA4 z zamówieniem BaseLinker.
BL
BaseLinker — co daje i jak eksportować
Dostępne dane: każde zamówienie z każdego kanału z kosztem wysyłki, prowizja per zamówienie (jeśli skonfigurowana), status zwrotu, czas obsługi, wartość zamówienia brutto, lista SKU per zamówienie, kurier i koszt etykiety.
Jak eksportować: BaseLinker → Zamówienia → Eksport CSV (z wyborem pól) lub BaseLinker API (REST). W arkuszu kalkulacyjnym można połączyć CSV BaseLinker z danymi kosztów towaru przez VLOOKUP / XLOOKUP po SKU.
✓ Klucz integracji: numer zamówienia BaseLinker = transaction_id który powinien być przekazany do GA4 przy zakupie w sklepie własnym. Dla Allegro — numery zamówień Allegro są widoczne w BaseLinker.
ALG
Allegro — co daje i jak eksportować
Dostępne dane: historia transakcji z prowizjami, wyniki Allegro Ads (kliknięcia, wydatki, ROAS per kampania), wskaźniki WJO, oceny, dane o zwrotach inicjowanych przez kupujących.
Jak eksportować: Panel Allegro → Moje konto → Finanse → Historia rozliczeń (CSV z prowizjami per transakcja). Allegro Ads → raport kampanii (CSV). Dla automatyzacji: Allegro REST API — pozwala pobierać dane programatycznie.
✓ Klucz integracji: numer zamówienia Allegro jest widoczny zarówno w panelu Allegro jak i w BaseLinker — to naturalne łącze między tymi dwoma źródłami.
Jak połączyć dane
3 poziomy integracji — od arkusza kalkulacyjnego do BigQuery — wybierz odpowiedni dla swojej skali
Nie każdy sklep potrzebuje BigQuery. Zacznij od najprostszego poziomu który rozwiązuje Twój problem.
①
Poziom 1 — Arkusz kalkulacyjny: do ~1000 zamówień miesięcznie, bez IT
Eksportuj co tydzień lub miesiąc: CSV z BaseLinker (zamówienia z kosztami wysyłki), CSV z Allegro (prowizje per transakcja), raport z GA4 (przychód per kanał). Połącz po numerze zamówienia przez VLOOKUP/XLOOKUP w Google Sheets lub Excel. Dodaj kolumnę z kosztem towaru per SKU (z cennika dostawcy). Oblicz marżę = przychód − koszt towaru − prowizja Allegro − koszt wysyłki − koszt zwrotu. To podstawowe raportowanie zysku per kanał bez żadnych narzędzi premium.
✓ Czas wdrożenia: 4–8 godzin na przygotowanie szablonu. Czas utrzymania: 1–2 h tygodniowo na aktualizację danych.
②
Poziom 2 — Google Looker Studio + automatyczne importy: do ~5000 zamówień miesięcznie
Looker Studio (bezpłatne) łączy się natywnie z GA4 i Google Sheets. Workflow: BaseLinker API → Google Sheets (przez Zapier, Make lub skrypt Apps Script) → Looker Studio dashboard. Allegro CSV importowany co tydzień do Sheets lub przez Make/Zapier. Efekt: automatycznie odświeżany dashboard z zyskiem per kanał, bez ręcznego eksportowania CSV. Koszt: Zapier/Make ~20–50 USD/mies. lub Apps Script (bezpłatny).
✓ Czas wdrożenia: 1–3 dni z pomocą techniczną lub 3–5 dni samodzielnie. Rekomendowane narzędzie automatyzacji: Make (dawniej Integromat) — lepsze niż Zapier dla e-commerce workflows.
③
Poziom 3 — GA4 + BigQuery + własny model danych: 5000+ zamówień lub potrzeba granularności
GA4 bezpłatnie eksportuje surowe dane zdarzeń do BigQuery (Google Cloud). BaseLinker API i Allegro API zasilają BigQuery przez pipeline (np. Python + Cloud Functions lub gotowe konektory jak Fivetran/Airbyte). W BigQuery budujesz model danych który łączy zdarzenia GA4 z zamówieniami BaseLinker po transaction_id i z prowizjami Allegro po numerze zamówienia. Efekt: pełny zysk per sesja, per klient, per kampania, per SKU — w czasie rzeczywistym. Koszt BigQuery: zazwyczaj kilka USD miesięcznie dla sklepów do kilku tysięcy zamówień.
✓ Czas wdrożenia: 2–4 tygodnie z analitykiem lub developerem. Rekomendowany gdy masz 5000+ zamówień miesięcznie i potrzebujesz decyzji budżetowych na poziomie kampanii i SKU jednocześnie.
Co mierzyć — KPI zysku
Metryki zysku w e-commerce wielokanałowym — co mierzyć zamiast (lub obok) obrotu
Te metryki dają prawdziwy obraz rentowności. Każda wymaga połączenia co najmniej dwóch źródeł danych.
📈
Contribution Margin per kanał — marża po kosztach zmiennych
Formuła: Przychód z kanału − Koszt towaru (COGS) − Prowizja marketplace − Koszt wysyłki − Koszt zwrotów = Contribution Margin kanału.
Dlaczego ważna: to jedyna metryka która pozwala porównać Allegro vs sklep vs Empik na wspólnym mianowniku. Allegro może mieć wyższy obrót ale niższą Contribution Margin przez prowizje.
Dane: przychód z BaseLinker/Allegro, COGS z cennika dostawcy, prowizja z Allegro CSV, koszt wysyłki z BaseLinker.
✓ Cel: Contribution Margin powinna pokrywać koszty stałe (magazyn, pracownicy, software) i generować zysk netto. Jeśli CM jest ujemna — kanał niszczy wartość.
🔥
MER (Marketing Efficiency Ratio) — zamiast ROAS per kampania
Formuła: MER = Łączny przychód (wszystkie kanały) / Łączne wydatki marketingowe.
Dlaczego lepszy niż ROAS: ROAS kampanii Google Ads nie uwzględnia tego że klient mógł zobaczyć reklamę, wyjść, wrócić przez organiczne i kupić — i cała konwersja jest przypisana do organic w GA4. MER mierzy efektywność całego budżetu marketingowego vs cały przychód — bez pułapki atrybucji single-touch.
Dane: łączny przychód z BaseLinker, łączne wydatki z Google Ads + Meta Ads + Allegro Ads.
✓ Benchmark: MER 3–5× dla produktów z marżą 20–30%. Poniżej 2× przy marży 25% — marketing prawdopodobnie nie pokrywa swoich kosztów.
👤
CAC per kanał pozyskania — ile kosztuje pozyskanie klienta który wraca
Formuła: CAC = Wydatki marketingowe w kanale / Liczba nowych klientów z kanału (pierwsza transakcja).
Dlaczego ważny: CAC bez LTV jest bezużyteczny. Klient pozyskany przez Google Ads za 40 zł który kupuje 4 razy w roku jest wart więcej niż klient z organicznego który kupił raz.
Dane: nowi vs powracający klienci z BaseLinker (per email lub telefon), wydatki per kanał z platform reklamowych, przychód per klient z BaseLinker.
✓ Zasada: CAC powinien być niższy niż LTV × marża%. Przy CAC = 40 zł i LTV × marża = 150 zł — kanał jest rentowny długoterminowo.
🛡
Contribution Margin per SKU — który produkt naprawdę zarabia
Formuła: CM per SKU = Cena sprzedaży − Koszt towaru − Średni koszt wysyłki dla tego SKU − Średnia prowizja − Koszt zwrotów dla tego SKU.
Dlaczego ważna: produkt który sprzedaje się świetnie może mieć ujemną CM jeśli jest ciężki (wysyłka droga), często zwracany lub sprzedawany głównie przez kanał z wysoką prowizją.
Dane: cena i wolumen z BaseLinker, koszt towaru z cennika, koszt wysyłki per zamówienie z BaseLinker, wskaźnik zwrotów per SKU.
✓ Działanie: posortuj SKU po CM per sztuka. Top 20% bestsellerów wg CM = priorytet dla reklamy i optymalizacji oferty. Ujemna CM = natychmiastowa rewizja ceny lub wycofanie z kanału.
🔄
Repeat Purchase Rate per kanał — czy klienci z Allegro wracają (i gdzie)
Formuła: RPR = Klienci z 2+ zakupami / Wszyscy klienci danego kanału.
Dlaczego ważna: klienci Allegro zazwyczaj wracają przez Allegro (efekt lock-in platformy) — a tam płacisz prowizję za każdą transakcję. Klienci sklepu własnego mogą wracać bezpośrednio (zero prowizji). Różnica w RPR i kosztach powracającego zakupu między kanałami wpływa na strategię inwestycji.
Dane: historia zakupów per email/telefon w BaseLinker, przypisana pierwsza transakcja per kanał.
✓ Implikacja strategiczna: jeśli klienci Allegro mają RPR 35%, a klienci sklepu 55% — i obaj typowo robią 3 zakupy rocznie — za każdego klienta sklepu płacisz prowizję 0× za powroty, a za klienta Allegro 2× więcej.
Szablon raportowania
Arkusz raportowy zysku per kanał — struktura i logika którą możesz wdrożyć w Google Sheets dziś
Poniżej kompletna struktura arkusza który oblicza zysk per kanał z danych BaseLinker i Allegro. Bez narzędzi BI, bez kosztów.
📄 Struktura arkusza — 4 zakładki których potrzebujesz
Zakładka 1 — RAW_BASELINKER: surowy eksport CSV z BaseLinker (zamówienia, koszty wysyłki, kanał, SKU). Nie edytuj — tylko wklejaj nowe dane.
Zakładka 2 — CENNIK_SKU: ręcznie utrzymywana tabela: SKU → koszt zakupu netto. Aktualizuj przy każdej zmianie ceny u dostawcy.
Zakładka 3 — PROWIZJE_ALLEGRO: eksport CSV prowizji z Allegro per transakcja — numer zamówienia + kwota prowizji.
Zakładka 4 — RAPORT: formuły łączące wszystkie powyższe, obliczające CM per kanał, per SKU i per miesiąc.
①
Kolumny w zakładce RAPORT — co obliczasz per zamówienie
Numer zamówienia (klucz łączący z BaseLinker i Allegro)
Kanał (Allegro / Sklep / Empik — z BaseLinker)
Przychód brutto (wartość zamówienia z BaseLinker)
Koszt towaru (XLOOKUP po SKU do CENNIK_SKU × ilość)
Prowizja Allegro (XLOOKUP po numerze zamówienia do PROWIZJE_ALLEGRO; 0 dla sklepu)
Koszt wysyłki (z BaseLinker — pole koszt_wysylki per zamówienie)
Koszt zwrotu (jeśli zamówienie ma status zwrotu — koszt wysyłki zwrotnej + amortyzacja towaru)
Contribution Margin = Przychód − Koszt towaru − Prowizja − Koszt wysyłki − Koszt zwrotu
Kanał (Allegro / Sklep / Empik — z BaseLinker)
Przychód brutto (wartość zamówienia z BaseLinker)
Koszt towaru (XLOOKUP po SKU do CENNIK_SKU × ilość)
Prowizja Allegro (XLOOKUP po numerze zamówienia do PROWIZJE_ALLEGRO; 0 dla sklepu)
Koszt wysyłki (z BaseLinker — pole koszt_wysylki per zamówienie)
Koszt zwrotu (jeśli zamówienie ma status zwrotu — koszt wysyłki zwrotnej + amortyzacja towaru)
Contribution Margin = Przychód − Koszt towaru − Prowizja − Koszt wysyłki − Koszt zwrotu
✓ Formuła CM w Google Sheets: =C2-D2-E2-F2-G2 gdzie C=przychód, D=COGS, E=prowizja, F=wysyłka, G=zwrot.
②
Agregacja per kanał — pivot table który pokazuje to co ważne
Po zbudowaniu tabeli per zamówienie — utwórz Pivot Table w Google Sheets:
Wiersze: Kanał (Allegro, Sklep, Empik)
Kolumny: Miesiąc
Wartości: Suma przychodu, Suma CM, CM% (CM/Przychód), Liczba zamówień, Średnia CM per zamówienie
Efekt: tabela która pokazuje ile zarabiasz na każdym kanale po wszystkich kosztach zmiennych — i jak to zmienia się miesiąc do miesiąca.
Wiersze: Kanał (Allegro, Sklep, Empik)
Kolumny: Miesiąc
Wartości: Suma przychodu, Suma CM, CM% (CM/Przychód), Liczba zamówień, Średnia CM per zamówienie
Efekt: tabela która pokazuje ile zarabiasz na każdym kanale po wszystkich kosztach zmiennych — i jak to zmienia się miesiąc do miesiąca.
✓ Kluczowy insight który najczęściej zaskakuje: CM% dla Allegro jest zazwyczaj 8–15 punktów procentowych niższy niż dla sklepu własnego przez prowizję platformy.
③
Integracja z danymi GA4 — jak dołożyć wymiar marketingowy
GA4 eksportuje per transakcję: transaction_id, source/medium, wartość zakupu. Pobierz raport z GA4: Raporty → Monetyzacja → Zakupy e-commerce, eksport CSV z kolumną Identyfikator transakcji. Dodaj zakładkę GA4_SESJE w arkuszu. XLOOKUP po transaction_id łączy zamówienie BaseLinker z sesją GA4 — i dodaje kolumnę „Źródło ruchu" do Twojego raportu CM.
Efekt: widzisz CM per źródło ruchu (Google Organic, Google Ads, Direct, Email, Social).
Efekt: widzisz CM per źródło ruchu (Google Organic, Google Ads, Direct, Email, Social).
✓ Ograniczenie: GA4 nie śledzi ruchu na Allegro (kupujący nie przechodzi przez Twoją domenę). Dla Allegro jedynym „kanałem" jest Allegro — bez podziału na źródło ruchu wewnątrz platformy.
Poziom zaawansowany
GA4 + BigQuery — jak wygląda pełna integracja danych zysku dla większych sklepów
Dla sklepów z 5000+ zamówieniami miesięcznie arkusz staje się niewystarczający. BigQuery rozwiązuje problem skali i automatyzacji.
📊
Jak wygląda architektura GA4 + BigQuery + BaseLinker
Warstwa 1 — Źródła danych: GA4 (zdarzenia per sesja, per transakcja) → BigQuery (automatyczny eksport, bezpłatny). BaseLinker API (zamówienia, koszty) → BigQuery (Cloud Function lub Airbyte). Allegro API (prowizje, Allegro Ads) → BigQuery.
Warstwa 2 — Model danych w BigQuery: tabela ORDERS (numer zamówienia, kanał, SKU, ilość, przychód, koszt wysyłki, prowizja, status zwrotu), tabela COGS (SKU → koszt zakupu), tabela GA4_SESSIONS (session_id, transaction_id, source, medium, campaign).
Warstwa 3 — Łączenie: SQL JOIN po transaction_id → tabela ORDERS_ENRICHED z wymiarem marketingowym.
Warstwa 4 — Wizualizacja: Looker Studio lub Metabase podłączone do BigQuery.
Warstwa 2 — Model danych w BigQuery: tabela ORDERS (numer zamówienia, kanał, SKU, ilość, przychód, koszt wysyłki, prowizja, status zwrotu), tabela COGS (SKU → koszt zakupu), tabela GA4_SESSIONS (session_id, transaction_id, source, medium, campaign).
Warstwa 3 — Łączenie: SQL JOIN po transaction_id → tabela ORDERS_ENRICHED z wymiarem marketingowym.
Warstwa 4 — Wizualizacja: Looker Studio lub Metabase podłączone do BigQuery.
✓ Koszt całości: BigQuery ~2–10 USD/mies. dla małych sklepów + ewentualny konektor danych (Airbyte open source = bezpłatny). Główny koszt to czas wdrożenia — 2–4 tygodnie z analitykiem.
📌
Przykładowe zapytanie SQL — zysk per kanał per miesiąc
SELECT
o.channel,
FORMAT_DATE('%Y-%m', o.order_date) AS month,
SUM(o.revenue) AS total_revenue,
SUM(o.revenue - c.cogs * o.quantity
- o.shipping_cost - o.marketplace_fee
- o.return_cost) AS contribution_margin,
ROUND(SUM(o.revenue - c.cogs * o.quantity
- o.shipping_cost - o.marketplace_fee
- o.return_cost) / SUM(o.revenue) * 100, 1)
AS cm_percent
FROM orders o
LEFT JOIN cogs c ON o.sku = c.sku
GROUP BY o.channel, month
ORDER BY month DESC, cm_percent DESC
o.channel,
FORMAT_DATE('%Y-%m', o.order_date) AS month,
SUM(o.revenue) AS total_revenue,
SUM(o.revenue - c.cogs * o.quantity
- o.shipping_cost - o.marketplace_fee
- o.return_cost) AS contribution_margin,
ROUND(SUM(o.revenue - c.cogs * o.quantity
- o.shipping_cost - o.marketplace_fee
- o.return_cost) / SUM(o.revenue) * 100, 1)
AS cm_percent
FROM orders o
LEFT JOIN cogs c ON o.sku = c.sku
GROUP BY o.channel, month
ORDER BY month DESC, cm_percent DESC
✓ Ten query daje Ci tabelę: kanał × miesiąc × obrót × CM zł × CM% — wszystko co potrzebne do decyzji o alokacji budżetu marketingowego.
Pułapki i błędy
6 błędów w łączeniu danych Allegro + GA4 + BaseLinker które fałszują obraz zysku
Te błędy są subtelne — dane wyglądają poprawnie, ale wnioski są mylące. Każdy pojawia się regularnie.
1
Transaction_id niespójny między GA4 a BaseLinker — JOIN nie działa
Jeśli sklep wysyła do GA4 transaction_id jako „ORD-1234" a BaseLinker zapisuje zamówienie jako „1234" — VLOOKUP/JOIN nie znajdzie dopasowania. Wszystkie wnioski z połączenia GA4 z BaseLinker będą oparte na zerze dopasowań. Fix: przed budowaniem jakiegokolwiek raportowania — sprawdź format transaction_id w GA4 (debugMode w GA4 DebugView) i w BaseLinker (eksport CSV) i upewnij się że są identyczne.
✓ Fix: w implementacji GA4 (gtag.js lub GTM) ustaw transaction_id jako czysty numer zamówienia bez prefiksów. W BaseLinker eksportuj pole „numer zamówienia" i porównaj z GA4 DebugView.
2
COGS (koszt towaru) nieaktualizowany przy zmianie cen dostawcy
Cennik dostawcy zmienił się 3 miesiące temu — Twoja tabela COGS w arkuszu nie. Wszystkie obliczenia CM od tamtej pory są błędne. Różnica 10% w koszcie towaru przy marży 25% to błąd 40% w obliczonej CM. Fix: każda zmiana ceny u dostawcy = natychmiastowa aktualizacja COGS w arkuszu lub systemie. Dodaj datę ostatniej aktualizacji per SKU i alert przy niej starszej niż 30 dni.
✓ Dobre praktyki: COGS powinien być versjonowany — tzn. pamiętać historyczne koszty żeby historyczne zamówienia były obliczane poprawnym kosztem z daty zakupu.
3
Brak kosztu Allegro Ads w obliczeniu CM per kanał Allegro
Liczysz CM dla Allegro jako: przychód − COGS − prowizja Allegro − wysyłka. Ale nie uwzględniasz wydatków na Allegro Ads które generują część tej sprzedaży. Efekt: CM Allegro wygląda lepiej niż jest. Fix: pobierz raport wydatków z Allegro Ads (per kampania, per miesiąc) i odejmij od CM kanału Allegro proporcjonalnie lub per zamówienie z oznaczeniem „ze sponsorowanego".
✓ Allegro Ads w BaseLinker: zamówienia z kliknięć sponsorowanych są oznaczone w historii zamówień Allegro. Możesz wyfiltrować i osobno obliczać CM dla organic vs sponsored.
4
GA4 nie śledzi zamówień złożonych przez aplikację mobilną Allegro
Kupujący Allegro coraz częściej kupują przez aplikację mobilną — nie przez przeglądarkę. GA4 nie ma żadnego wglądu w te transakcje (bo nie przechodzą przez Twoją domenę). Jeśli przypisujesz całą sprzedaż Allegro do „direct / none" w GA4 — to dlatego że GA4 w ogóle ich nie widzi. Nie mieszaj danych GA4 z danymi sprzedażowymi Allegro — są z różnych ekosystemów.
✓ Zasada: GA4 jest miarodajny wyłącznie dla sklepu własnego. Dla Allegro korzystaj z danych bezpośrednio z panelu Allegro lub BaseLinker — nie z GA4.
5
Porównywanie CM% zamiast CM zł przy decyzjach alokacji
Sklep własny ma CM% = 28%. Allegro ma CM% = 18%. Wniosek: inwestuj w sklep. Ale jeśli Allegro generuje 5× większy wolumen — suma CM w zł z Allegro może być wyższa mimo niższego CM%. Decyzje o alokacji budżetu i zasobów powinny opierać się na CM w złotówkach (całkowity zysk który generuje kanał), a nie tylko na CM% (efektywność per transakcja).
✓ Zasada: CM% mówi o efektywności. CM zł mówi o wartości absolutnej. Potrzebujesz obu żeby podejmować właściwe decyzje o alokacji.
6
Nieuwzględnianie kosztów stałych w „zysku" — path do błędnej decyzji o zamknięciu kanału
Contribution Margin to zysk po kosztach zmiennych — nie zysk netto po wszystkich kosztach. Jeśli zamkniesz kanał Allegro bo CM% wydaje się niska — ale koszty stałe (magazyn, pracownicy, software) się nie zmniejszają — zysk netto może spaść, bo zmniejszył się wolumen pokrywający stałe koszty. CM to dobry wskaźnik do porównań kanałów. Do decyzji o zamknięciu kanału potrzebna jest pełna kalkulacja marży po kosztach stałych.
✓ Zasada: CM > 0 dla kanału = kanał pokrywa swoje koszty zmienne i dorzuca się do kosztów stałych. Zamykaj kanał tylko gdy jego CM jest ujemna lub gdy zasoby operacyjne (czas zespołu) mają wyższy zwrot gdzie indziej.
FAQ
Najczęstsze pytania o integrację Allegro + GA4 + BaseLinker
Czy GA4 w ogóle śledzi sprzedaż na Allegro?
Nie — GA4 nie śledzi transakcji na Allegro. GA4 jest zainstalowany na Twojej domenie (sklepie własnym) i mierzy tylko zachowania i transakcje które przechodzą przez Twoją stronę. Allegro to zewnętrzna platforma — kupujący nie odwiedza Twojej domeny. Dane o sprzedaży Allegro pochodzą wyłącznie z panelu Allegro lub BaseLinker. Jedyne miejsce gdzie GA4 ma znaczenie dla Allegro: jeśli masz link do swojego sklepu w ofercie Allegro i śledzisz ruch z Allegro do sklepu przez UTM — wtedy GA4 widzi wizytę ze źródła „allegro".
Jak skonfigurować transaction_id w GA4 żeby był spójny z BaseLinker?
W Google Tag Manager lub bezpośrednio w kodzie sklepu — zdarzenie
purchase powinno zawierać pole
transaction_id ustawione na numer zamówienia z systemu sklepu (np. WooCommerce order ID). W BaseLinker — zamówienia ze sklepu WooCommerce są importowane z oryginalnym ID zamówienia WooCommerce, które jest dostępne w eksporcie CSV jako „numer zewnętrzny". Upewnij się że w GA4 wysyłasz dokładnie ten sam format numeru co widoczny w BaseLinker jako „numer zewnętrzny" — bez prefiksów, bez formatowania. Sprawdź w GA4 DebugView: Zdarzenia → purchase → transaction_id.
Czy BaseLinker ma wbudowane raportowanie marży?
BaseLinker ma podstawowe raportowanie sprzedaży (wolumen, przychód, liczba zamówień per kanał) ale
nie oblicza marży per zamówienie ani per SKU automatycznie. Można skonfigurować cennik produktów w BaseLinker i ustawić koszty zakupu — wtedy BaseLinker może pokazywać uproszczone kalkulacje marży. Ale pełne raportowanie zysku z uwzględnieniem prowizji Allegro per transakcja, zmiennych kosztów wysyłki i kosztów zwrotów — wymaga albo eksportu CSV i obróbki w arkuszu, albo integracji z zewnętrznym narzędziem analitycznym.
Jaki jest najtańszy sposób na raportowanie zysku per kanał bez działu IT?
Najtańszy kompletny setup:
(1) BaseLinker → eksport CSV zamówień co tydzień (bezpłatny w ramach abonamentu).
(2) Allegro → eksport CSV prowizji z sekcji Finanse (bezpłatny).
(3) Google Sheets (bezpłatny) z tabelą COGS (ręcznie) i formułami XLOOKUP łączącymi dane.
(4) Looker Studio (bezpłatny) jako warstwa wizualizacji podłączona do Sheets. Koszt: 0 zł dodatkowych narzędzi + 4–8 godzin na przygotowanie szablonu + 1–2 godziny tygodniowo na aktualizację danych.
Jak obsłużyć produkty wielowariantowe (rozmiar, kolor) w obliczaniu COGS?
Każdy wariant powinien mieć własne SKU w BaseLinker — i osobny wpis w tabeli COGS z jego indywidualnym kosztem zakupu. Jeśli wszystkie warianty mają ten sam koszt — duplikuj ten sam koszt dla każdego SKU wariantu. Jeśli warianty mają różne koszty (np. różne rozmiary ubrań mogą kosztować różnie u dostawcy) — wpisz koszty indywidualnie. Błędem jest używanie jednego uśrednionego COGS dla całego produktu z wariantami — przy dużym wolumenie sprzedaży konkretnych wariantów błąd obliczeniowy narasta.
Materiały powiązane
Dane, operacje i rentowność — co przeczytać dalej
Narzędzia i integracje
Allegro · GA4 · BaseLinker · Dane · Zysk · Marża · Raportowanie · E-commerce
Chcesz widzieć zysk per kanał w swoim sklepie — a nie tylko obrót który nic nie mówi o rentowności?
Przejdę przez Twój aktualny stack: Allegro, GA4, BaseLinker — i wskażę co konkretnie połączyć, jak skonfigurować transaction_id i jak zbudować arkusz który liczy CM per kanał. 30 minut, konkretny plan, bez „to zależy".
✓ Audyt źródeł danych
✓ Plan integracji
✓ Szablon arkusza
✓ Zero zobowiązań
Co analizujemy na konsultacji
📊 Aktualne źródła danych — co masz i jak są podłączone
🔗 Spójność transaction_id — GA4 ↔ BaseLinker
📄 Struktura COGS — czy masz koszt towaru per SKU
⚡ Plan integracji — arkusz vs Looker Studio vs BigQuery
✅ Szablon raportowania CM per kanał do wdrożenia od razu
0 zł
Konsultacja
30 min
Spotkanie
plan
Efekt
Najszybciej: napisz jakich narzędzi używasz i jakie pytania o zysk chcesz móc zadawać swoim danym — odpiszę z wstępnym planem.