Mniej PowerPointa, więcej API. Dlaczego nowoczesny CMO nie czeka na IT, tylko sam buduje narzędzia

Zielony słupek ROAS-u dumnie pręży się na slajdzie, a zaraz obok, w realnym świecie, CFO pyta, dlaczego znowu brakuje gotówki na koncie. Albo klasyk: weekend, słońce, grill, a do Twojego telefonu dzwonią ludzie, bo kampania pali budżet na produkty, które wyprzedały się tydzień temu. Znasz ten ból, prawda? To moment, gdy marketingowa teoria zderza się z brutalną rzeczywistością. I to jest ten moment, w którym większość firm, zamiast działać, wystawia ticket do IT, po czym czeka cierpliwie pół roku, godząc się w międzyczasie na straty marży. I to jest, krótko mówiąc, droga donikąd. Szczególnie w e-commerce międzynarodowym, gdzie nie ma czasu na czekanie na roadmapę. Czas odzyskać sprawczość techniczną w marketingu.

Mniej PowerPointa, więcej API. Dlaczego nowoczesny CMO nie czeka na IT, tylko sam buduje narzędzia

Nie zrozum mnie źle, planowanie i strategia są ważne. Ale co z tego, że masz genialny plan, skoro utknął on na etapie „pomysłu”, bo dział IT ma inne priorytety? Ile razy słyszałeś, że „to nie jest na naszej roadmapie”? Ile pieniędzy przeciekło Ci przez palce, bo nie mogłeś wprowadzić kluczowej zmiany w ciągu godziny, a musiałeś czekać miesiącami? Ja to przerabiałem. I dlatego uważam, że nowoczesny dyrektor marketingu, ten, który bierze odpowiedzialność za P&L spółki, nie może chować się za zatorami w IT. Musi umieć zakasać rękawy i budować narzędzia. Sam.

Geneza Ads Monitora: Oddolna inicjatywa zamiast paraliżu decyzyjnego

Wyobraź sobie zarządzanie 11 rynkami, setkami tysięcy SKU na dynamicznym, wariackim rynku mody. Decyzje musisz podejmować godzinowo, nie kwartalnie. Kiedyś, przy ówczesnych wolumenach, to jeszcze jakoś szło. Potem skala eksplodowała. Każda próba ustandaryzowania procesów, każda prośba o customowe rozwiązanie, kończyła się wiadomością e-mail z działu IT, że projekt jest wpisany na koniec kolejki. I co? Miałem czekać, aż konkurencja nas zje, a my będziemy patrzeć, jak pieniądze uciekają na kampanie z zerowym stanem magazynowym?

Zamiast walczyć o zasoby deweloperskie, postanowiłem stworzyć coś sam. Lekkie, dedykowane środowisko, które spięłoby wszystkie silosy danych: Google Ads, GMC, GA4, BigQuery, i przede wszystkim – nasz ERP. Padło na sprawdzoną technologię: PHP i MySQL na tanim hostingu. Czemu? Bo to nie był projekt hobbystyczny ani ucieczka w kodowanie dla zabawy. To była chłodna kalkulacja zysków i strat. Wąskie gardło technologiczne usuwałem własnymi rękami, wiedząc, że każda godzina pracy to potencjalne oszczędności idące w dziesiątki, a może i setki tysięcy złotych.

Tak powstał Ads Monitor. Nie idealny, może nie „enterprise-ready” w korporacyjnym rozumieniu, ale działał. I co najważniejsze, działał natychmiastowo. Bez ticketów, bez kolejek, bez biurokracji.

Architektura przewagi: Trzy obszary, w których gotowe SaaS-y zawodzą

Gotowe rozwiązania SaaS są świetne do pewnego momentu. Dają szybki start, ale ich uniwersalność staje się szybko ich największą wadą. W strategicznych obszarach, tam, gdzie gra toczy się o prawdziwe pieniądze, zwyczajnie zawodzą. Albo są horrendalnie drogie, albo ich adaptacja do specyfiki biznesu jest niemożliwa. Oto trzy przykłady, gdzie budowanie własnych narzędzi okazało się jedyną słuszną drogą:

Prawdziwa marża (POAS), a nie nadmuchany ROAS

ROAS to miara, która często mydli oczy. Kampania ma wysoki ROAS, a mimo to firma traci pieniądze. Dlaczego? Bo ROAS nie uwzględnia marży ani zwrotów. Po prostu – nie widzi, ile realnie zostało w kieszeni po sprzedaży. Dlatego w Ads Monitorze nałożyliśmy dane z ERP (marża poszczególnych SKU, wskaźnik zwrotów dla kategorii i produktów) bezpośrednio na koszty z Google Ads. Efekt? Nagle okazało się, że „świetne” kampanie, które generowały wysoki przychód, tak naprawdę generowały realną stratę netto. Dzięki temu mogliśmy błyskawicznie optymalizować budżety, ratując dziesiątki tysięcy złotych miesięcznie. To POAS (Profit On Ad Spend) w akcji, a nie marketingowa wydmuszka.

Detekcja utraconej sprzedaży w czasie rzeczywistym

W e-commerce modowym, zwłaszcza przy szybkich zmianach kolekcji czy ograniczonej dostępności rozmiarów, monitoring stanów magazynowych to podstawa. Ile razy zdarzyło się, że świetny produkt z wysokim ruchem nagle przestawał sprzedawać? Często powodem było to, że z magazynu zniknęły kluczowe rozmiary (najczęściej te środkowe). Gotowe narzędzia reklamowe nie zawsze ogarniają taką dynamikę. W Ads Monitorze stworzyliśmy system, który ciągle monitoruje korelację między ruchem z GA4 a stanami magazynowymi w ERP. Jeśli ruch jest, a kluczowych rozmiarów brakuje, produkt jest błyskawicznie wykluczany z licytacji w kampaniach Performance Max czy Shopping. Zero przepalonych pieniędzy na promowanie towaru, którego nikt nie kupi.

Zarządzanie masą danych: 350 tys. SKU pod kontrolą

Zarządzanie katalogiem 350 tys. SKU to wyzwanie logistyczne. Optymalizacja feedu produktowego dla Google Merchant Center to studnia bez dna, jeśli robisz to ręcznie. My to zautomatyzowaliśmy. Ads Monitor automatycznie segmentuje feed za pomocą custom labels, bazując na rentowności każdego produktu, jego realnym pokryciu w katalogu Merchant Center i historycznej ekspozycji. Dzięki temu kampanie mogły skupiać się na najbardziej wartościowych produktach, a te mniej rentowne były odpowiednio filtrowane lub wykluczane. Bez tego, trudno byłoby o skalę i efektywność.

Rola AI: Akcelerator egzekucji pod twardym nadzorem człowieka

No dobra, więc skoro trzeba kodować, to może AI? I tak, i nie. AI to niesamowity akcelerator. Działa jak ultraszybki junior developer, który nie narzeka, nie zadaje pytań i nie potrzebuje urlopu. Błyskawicznie generuje szkielety pod OAuth, zapytania cURL, strukturyzuje JSON-y, potrafi nawet podpowiedzieć, jak zoptymalizować wielkość tabel bazy danych. To potężne narzędzie, które pozwala mi przeskakiwać nudne, powtarzalne etapy kodowania i skupiać się na sednie problemu.

Jednak kluczowe jest to, że AI przesunęło wąskie gardło. Wyzwaniem nie jest już samo napisanie kodu czy składni. Prawdziwym wyzwaniem jest wiedza, czego od danych wymagać, jak je interpretować, i, co najważniejsze, jak bezwzględnie zweryfikować poprawność wyniku. To ostatnie to absolutny game-changer, bo ślepa wiara w AI na produkcji generuje katastrofy biznesowe.

Pułapki, czyli moment, gdy AI staje się drogim stażystą bez pojęcia o biznesie

Miałem kilka momentów, w których AI, choć z intencjami najlepszymi, zafundowało mi prawdziwy ból głowy. I lekcje, które kosztowały sporo:

• Błąd schematu danych: Poprosiłem AI o pomoc w parsowaniu dataLayer z GA4, ale w zapytaniu omyłkowo zasugerowałem mu identyfikatory EAN, zamiast unikalnych ID produktów z dataLayer. AI bez mrugnięcia okiem „ugryzło” ten błędny schemat i zwróciło mi dane, które były logicznie poprawne, ale w kontekście mojego biznesu – bezwartościowe. Analiza trwała kilka godzin, zanim doszedłem do tego, że problem leży w moim błędnym założeniu, a nie w kodzie.
• Brak wiedzy domenowej: Generowałem automatyczny skrypt do monitoringu statusów produktów w Google Merchant Center. AI zgrabnie wyciągnęło wszystkie „approved”, ale całkowicie zignorowało statusy „dopuszczonych z ograniczeniami”, które w naszej branży bywają kluczowe i wymagają ręcznej interwencji. AI nie wie, co jest ważne w Twoim biznesie, jeśli mu tego jasno nie powiesz.
• Niewydolność protokołu: Przy próbie automatyzacji uploadu dużego pliku (ponad 3,6 GB) na serwer SFTP, AI zasugerowało mi rozwiązanie z funkcją rename po atomowym uploadzie. Na testach działało. W produkcji, przy niestabilnym łączu i gigantycznej wadze pliku, funkcja rename często zawodziła, pozostawiając na serwerze połamane pliki i generując chaos. AI nie przewidziało ograniczeń protokołu i warunków środowiskowych.

Morał z tych historii jest jeden: AI to potężny młotek, ale potrzebujesz kowala, który wie, co i jak nim wykuć. Każdy model, każdy skrypt wygenerowany przez AI, wymaga bezwzględnej weryfikacji inżynieryjnej i twardego osadzenia w wiedzy domenowej. Inaczej jesteś na prostej drodze do katastrofy.

Zmiana profilu CMO: Od człowieka od slajdów do inżyniera biznesu

Myślisz, że rola dyrektora marketingu to opowiadanie o „customer experience”, „holistycznych strategiach” i „innowacyjnych rozwiązaniach” na kolorowych slajdach? Powiem wprost: ten typ marketingu umiera. Dyrektor marketingu, który operuje wyłącznie ogólnymi hasłami i deleguje 100% technologii do IT, staje się hamulcowym organizacji. Przyszłość należy do liderów, którzy rozumieją, jak działa API, jaka jest logika baz danych, jak architektura śledzenia (Server-Side GTM, Consent Mode) i przepływ feedów stanowią fundament strategii rentowności.

Nowoczesny lider marketingu to technologiczny architekt biznesu. To ktoś, kto potrafi samodzielnie przetestować hipotezę i postawić działający prototyp w kilka dni, zamiast tworzyć kolejne makietki i formalne specyfikacje, które trafią na dno szuflady IT. To ktoś, kto widzi połączenia między danymi z ERP a efektywnością kampanii reklamowych. Krótka piłka – to ktoś, kto nie boi się brudzić rąk kodem, jeśli to oznacza, że firma zarobi więcej.

Krótka piłka na koniec:

AI zdemokratyzowało kodowanie. Dziś każdy, kto ma łeb na karku i wie, czego chce, może z pomocą sztucznej inteligencji zbudować naprawdę potężne narzędzia. Ale ta demokratyzacja ma swoją cenę: drastycznie podniosła wartość wiedzy domenowej i krytycznego myślenia. Nie chodzi już o to, czy umiesz napisać kod, ale czy wiesz, co ten kod ma robić i czy potrafisz zweryfikować jego wynik.

Przewagę budują ci, którzy potrafią połączyć twarde myślenie o P&L spółki ze znajomością technicznych fundamentów e-commerce. Mniej PowerPointa, więcej bezpośredniego działania na danych. Jeśli tego nie rozumiesz, cóż, Twoja konkurencja już to robi.