Automatyczne raporty dla klientów wysłane, zanim klient zapyta
Dane z Google Analytics 4, Google Ads, Meta Ads i LinkedIn Campaign Manager spływają same do BigQuery albo Google Sheets. Z nich powstaje raport w szablonie klienta, z wykresami i miejscem na komentarz, eksportowany do PDF i wysłany w ustalonym terminie: co tydzień, co miesiąc albo po zakończeniu kampanii. Nikt nie loguje się do żadnej platformy, żeby go zrobić.
- 60 procentzawodów ma co najmniej 30 procent czynności, które da się zautomatyzować dostępną technologią, a zbieranie i przetwarzanie danych są na czele listy. McKinsey Global Institute, 2017
- 5 źródełGA4, Google Ads, Meta Ads, LinkedIn Campaign Manager i Search Console w jednym raporcie, pobrane przez API bez logowania do żadnego panelu
- 2 do 6 tygodniod warsztatu do pierwszego raportu, który wyszedł do klienta w harmonogramie, bez ręcznej pracy
Problem
Dlaczego raport dla klienta zawsze jest na końcu kolejki?
Pierwszy tydzień miesiąca. Analityk loguje się do Google Ads, potem do Meta Business Suite, potem do GA4 i LinkedIn Campaign Manager. Kopiuje liczby do arkusza, poprawia formatowanie, składa prezentację, sprawdza, czy suma z arkusza zgadza się z panelem. Przy dwunastu klientach to kilka dni pracy, a w międzyczasie dzwoni klient trzynasty z pilną kampanią. Raport idzie na piątek, potem na poniedziałek.
To nie jest problem jednej osoby, tylko konstrukcji procesu. Każda platforma reklamowa ma własny panel, własne nazwy metryk i własny eksport, a klient chce jedną tabelę i jeden wniosek. Im więcej klientów i źródeł, tym więcej ręcznego klejenia, a każde klejenie to miejsce na pomyłkę: zły zakres dat, stara waluta, kampania z innego konta. Gdy analityk jest na urlopie, raport nie wychodzi wcale.
Skala tej pracy jest zbadana. McKinsey Global Institute w raporcie „A future that works” (2017) policzył, że w około 60 procentach zawodów co najmniej 30 procent czynności da się zautomatyzować dostępną technologią, a wśród czynności o najwyższym potencjale wymienił zbieranie i przetwarzanie danych. Raport dla klienta składa się niemal wyłącznie z tych dwóch.
- Kilka dni pracy analityka w miesiącu idzie na kopiowanie liczb, nie na wnioski
- Raport przychodzi w drugim tygodniu miesiąca, a klient pyta o niego w pierwszym
- Błąd w zakresie dat albo walucie trafia do klienta i podważa całą resztę raportu
- Urlop albo odejście jednej osoby zatrzymuje raporty dla wszystkich klientów
Dlaczego teraz
Co się zmieniło, że raport może powstać bez analityka?
Każda platforma, z której dziś kopiujesz liczby, ma interfejs API: Google Analytics 4, Google Ads, Meta Ads, LinkedIn Campaign Manager, Search Console. Make albo n8n pobierają z każdej z nich dane w ustalonym cyklu, zwykle raz dziennie, i zapisują w jednym miejscu: BigQuery przy większej skali, Google Sheets przy kilku klientach. Nikt nie musi się logować i nikt nie musi pamiętać.
Z jednej bazy raport składa się sam. Looker Studio odświeża wykresy i wysyła PDF w harmonogramie, a szablon w Google Docs albo Google Slides wypełnia się liczbami klienta, jego logo, jego walutą i jego językiem. Ten sam scenariusz obsługuje dwunastu klientów, bo różni ich konfiguracja, nie proces.
Trzecia zmiana to agent AI. Raport odpowiada na pytania, które zadaliście miesiąc temu, projektując szablon. Na pytanie „który klient ma w tym tygodniu najwyższy koszt konwersji” odpowiada BOND, nasz firmowy agent AI, zwykłym zdaniem z tej samej bazy, w 5 do 10 sekund. Analityk zostaje z tym, czego automat nie zrobi: z komentarzem, który klient naprawdę czyta.
Co się zmienia
Co dostaje agencja, a co jej klient?
Raport w terminie, bez przypominania
Harmonogram uruchamia generowanie i wysyłkę: co tydzień, co miesiąc albo po zakończeniu kampanii. Klient dostaje PDF pierwszego dnia roboczego miesiąca, niezależnie od tego, kto jest w biurze.
Ten sam dzień i ta sama godzina wysyłki dla każdego klienta, ustalone raz na warsztacie
Zero logowania do pięciu paneli
Make albo n8n pobierają dane przez API z GA4, Google Ads, Meta Ads, LinkedIn Campaign Manager i Search Console i zapisują je w BigQuery albo Google Sheets. Analityk nie otwiera żadnego z tych paneli, żeby zrobić raport.
5 źródeł w jednej tabeli, odświeżanej codziennie danymi z poprzedniego dnia
Każdy klient w swoim szablonie i języku
Jeden scenariusz obsługuje wszystkich klientów. Różnice, czyli logo, zestaw KPI, waluta, język i adresaci, siedzą w konfiguracji, nie w osobnym procesie. Nowy klient to nowy wiersz konfiguracji, nie nowy projekt.
Dodanie klienta to godziny konfiguracji, a nie tydzień budowania od zera
Te same liczby w PDF, na dashboardzie i w rozmowie
Raport, dashboard w Looker Studio i odpowiedź agenta AI czytają z jednej bazy. Znika spór o to, dlaczego PDF pokazuje inną liczbę niż panel Google Ads: zakres dat, strefa czasowa i waluta są ustalone raz.
Jedno źródło prawdy: BigQuery albo Google Sheets, z historią i możliwością sprawdzenia każdej liczby
Analityk pisze wniosek, nie kopiuje tabelę
Liczby, wykresy i porównanie z poprzednim okresem są gotowe, zanim analityk usiądzie. Zostaje mu komentarz i rekomendacja, czyli to, za co klient płaci agencji. Jeśli chcesz, projekt komentarza pisze model językowy, a człowiek go zatwierdza.
Ręczna część raportu kurczy się do komentarza, a ten możesz zachować albo też oddać automatowi
Pytania o wyniki zwykłym zdaniem
„Który klient ma w tym miesiącu spadek konwersji”, „ile wydaliśmy łącznie na Metę w sierpniu”, „u kogo koszt leada przekroczył cel”. Agent AI odpowiada z tej samej bazy, bez otwierania raportu.
Odpowiedź w 5 do 10 sekund, po polsku albo po angielsku, dla całego zespołu obsługi klienta
Dowód
Czy sami tak zbieramy dane o kampaniach?
Tak. Agencja naszych założycieli zasila hurtownię danych i przegląda konta reklamowe agentem AI, tym samym, który stoi za liczbami na stronie AI dla firm. Poniżej skala tej pracy razem z tym, czego ta liczba NIE dowodzi.
Wdrożone u nas. To nie są wdrożenia u klienta zewnętrznego, tylko w spółkach założycieli JustAutomate. Piszemy to wprost, bo dowód, którego nie da się sprawdzić, nie jest dowodem.
JustBotich agentJustIdea Agency, agencja performance marketingu, około 30 osób
- 23
- osób z firmy pracuje z agentem
- 38
- systemów wpiętych na stałe
- 112
- procesów chodzi bez człowieka
- 475
- tysięcy linii kodu agenta
Agent spięty z Google Ads, Metą, Analytics, Search Console, systemem CRM, systemem zadań i hurtownią danych. Pierwszy commit 1 marca 2026, dziś korzystają z niego 23 osoby.
8 z 38 systemów, w których pracuje
Google Ads
Meta Ads- HubSpot
- ActiveCollab
- Ahrefs
GA4
Search Console
BigQuery
- Przedtem
- Zasilanie hurtowni i przeglądy kont reklamowych zależały od tego, czy ktoś miał czas je uruchomić i przejrzeć. Czas na to konkurował z bieżącą pracą dla klientów.
- Po zmianie
- Agent zasila hurtownię i przegląda konta reklamowe sam, w cyklu. Zespół dostaje wynik zamiast zadania i o dane kampanii pyta zwykłym zdaniem.
3 506 operacji zasilania hurtowni danych i 2 225 przeglądów kont reklamowych w 30 dni, bez udziału człowieka
A u Ciebie
Co, jeśli u nas każdy klient ma inny raport?
Cztery zdania, które słyszymy od agencji najczęściej, i to, co na nie odpowiadamy.
Mamy czterech klientów, raporty robimy w pół dnia.
Wtedy automat rozwiązuje problem, którego jeszcze nie macie, i mówimy to na konsultacji. Sensowniej ustawić jeden dashboard w Looker Studio i wrócić do tematu, gdy klientów będzie około dziesięciu albo gdy raport drugi miesiąc z rzędu wyjdzie po terminie.
Każdy klient ma inny szablon i inne KPI.
To norma, nie wyjątek. Na warsztacie spisujemy KPI per klient i zwykle okazuje się, że 3 do 4 szablony pokrywają wszystkich: e-commerce, lead generation, kampania wizerunkowa. Różnice w logo, walucie, języku i adresatach siedzą w konfiguracji, a nie w osobnym scenariuszu.
Klient płaci za komentarz analityka, nie za wykresy.
I tak ma zostać. Automat dostarcza liczby, wykresy i porównanie z poprzednim okresem pierwszego dnia miesiąca, a analityk pisze tylko komentarz, czyli tę część, za którą klient płaci. Jeśli chcecie, projekt komentarza pisze model językowy, a człowiek go poprawia i zatwierdza.
Boimy się, że automat wyśle klientowi błędne liczby.
Dlatego między generowaniem a wysyłką stoi kontrola. Scenariusz sprawdza, czy każde źródło odpowiedziało i czy dane obejmują pełny okres, a gotowy PDF trafia najpierw do opiekuna klienta na Slacku albo mailem. Do klienta idzie po jego akceptacji albo automatycznie po ustalonym czasie, jeśli nikt nie zgłosił weta. Brak danych z jednego źródła zatrzymuje raport i wysyła alert, zamiast wysłać PDF z pustą sekcją.
- Źródła danych o kampaniach
- Google Analytics 4, Google Ads, Meta Ads, LinkedIn Campaign Manager, Google Search Console
- Baza danych
- BigQuery, Google Sheets, bazy SQL
- Raport i szablon
- Looker Studio, Google Docs, Google Slides, eksport do PDF
- Wysyłka i powiadomienia
- Gmail i Google Workspace, Microsoft 365, Slack
- CRM i zadania
- HubSpot, Pipedrive, ClickUp, Asana, Notion
- Warstwa automatyzacji
- Make, n8n, własne integracje przez API
Źródła danych w raporcie i co z nich bierzemy
Zestaw, który najczęściej składa się na raport dla klienta agencji. Które źródła wchodzą do pierwszego wdrożenia, ustalamy na warsztacie, bo każde ma własne opóźnienie danych i własne nazwy metryk, które trzeba ujednolicić.
| Źródło | Co pobieramy | Jak często i z jakim opóźnieniem |
|---|---|---|
| Google Analytics 4 | sesje, użytkownicy, konwersje, przychód, źródła ruchu | codziennie, dane z poprzedniego dnia |
| Google Ads | koszt, kliknięcia, konwersje, wartość konwersji, per kampania | codziennie, dane z poprzedniego dnia |
| Meta Ads | wydatek, zasięg, kliknięcia, wyniki per zestaw reklam | codziennie, dane z poprzedniego dnia |
| LinkedIn Campaign Manager | wydatek, wyświetlenia, kliknięcia, leady z formularzy | codziennie albo co tydzień, zależnie od budżetu |
| Google Search Console | kliknięcia, wyświetlenia, średnia pozycja, zapytania | codziennie, z opóźnieniem 2 do 3 dni po stronie Google |
| CRM: HubSpot, Pipedrive | leady i szanse przypisane do kampanii, domknięta sprzedaż | co tydzień albo przed raportem miesięcznym |
| Arkusz zespołu | cele miesiąca, budżet, komentarz analityka | w chwili generowania raportu |
Pierwsze wdrożenie obejmuje zwykle 3 do 4 źródeł. Resztę dokładamy, gdy klient o nie zapyta, bo każde źródło to kolejna rzecz, która może nie odpowiedzieć.
Jak to robimy
Pięć kroków od ręcznego raportu do wysyłki w harmonogramie
Każdy krok kończy się czymś, co możesz ocenić, zanim zdecydujesz o następnym.
Warsztat
Rozkładamy dzisiejszy raport na czynniki: skąd pochodzi każda liczba, kto ją kopiuje, ile to trwa i gdzie powstają błędy. Spisujemy klientów, ich KPI, szablony i terminy. Sprawdzamy, jakie dostępy do platform już macie i czy da się je nadać kontu technicznemu.
Projekt raportu i źródeł
Ustalamy, które źródła wchodzą do pierwszego wdrożenia, jak nazywamy metryki wspólnie dla wszystkich platform i gdzie leży baza: BigQuery albo Google Sheets. Wybieramy narzędzie: Make, n8n albo własna integracja przez API. Projektujemy 3 do 4 szablony zamiast dwunastu.
Pipeline danych i szablon
Budujemy pobieranie danych z każdego źródła w cyklu dziennym, z kontrolą kompletności. Podłączamy szablon w Looker Studio albo Google Docs, który wypełnia się danymi klienta. Pierwszy raport generujemy dla jednego klienta na jego prawdziwych danych z ostatnich 2 miesięcy.
Wysyłka równoległa
Przez 1 do 2 cykli raport automatyczny powstaje obok ręcznego, a Wy porównujecie liczby. Rozjazdy zwykle wynikają z zakresu dat, strefy czasowej albo modelu atrybucji i to jest moment, żeby ustalić je raz. Dopiero potem raport idzie do klienta.
Przełączenie i obserwacja
Przełączamy wysyłkę na produkcję z monitoringiem błędów i alertami o brakujących danych. Opiekunowie klientów uczą się sami dodawać klienta, zmieniać KPI i termin. Po 30 i 90 dniach sprawdzamy, czy raporty wychodzą w terminie i ile ręcznej pracy naprawdę zostało.
Przed i po
Jak zmienia się pierwszy tydzień miesiąca w agencji
Przedtem
- Analityk loguje się do pięciu paneli i kopiuje liczby do arkusza, klient po kliencie
- Raport wychodzi w drugim tygodniu, a klient pisze w pierwszym: „czy będzie coś za sierpień?”
- Błąd w zakresie dat wychodzi na spotkaniu, gdy klient porównuje PDF ze swoim panelem
- Urlop analityka oznacza, że raporty dla wszystkich klientów czekają do jego powrotu
Po zmianie
- Dane z poprzedniego dnia leżą w bazie rano, bez logowania się gdziekolwiek
- PDF jest u klienta pierwszego dnia roboczego miesiąca, o tej samej godzinie co zawsze
- Zakres dat, strefa czasowa i waluta są ustalone raz, więc PDF i panel mówią to samo
- Analityk pisze komentarz, a agent AI odpowiada na pytania o liczby w 5 do 10 sekund
Pierwszy raport z automatu widzisz po 2 do 3 tygodniach od warsztatu, na prawdziwych danych jednego klienta. Terminowość i ilość ręcznej pracy oceniamy po 30 i 90 dniach.
Dla osoby, która to zamawia
Co z tego ma właściciel agencji
Raport przestaje być tematem, o którym klient przypomina Tobie, a Ty zespołowi. Wychodzi sam, w tym samym dniu, w tym samym układzie, a Ty wiesz, że liczby w nim pochodzą z jednego źródła, które da się sprawdzić. Znika też ryzyko, że odejście jednej osoby zabierze ze sobą wiedzę o tym, jak się to składa.
Druga rzecz jest ważniejsza przy rozmowie o marży. Godziny analityka, które dziś idą na kopiowanie, wracają do pracy, którą klient widzi i za którą płaci: do wniosków i rekomendacji. Ten sam zespół obsługuje więcej klientów bez nowego etatu, a Ty widzisz to w rozliczeniu godzin, nie w deklaracjach.
- Raport w tym samym dniu dla każdego klienta, bez zależności od jednej osoby
- Jedno źródło liczb dla PDF, dashboardu i odpowiedzi agenta AI
- Wysyłka równoległa, więc stary raport działa do końca testów
- Nowego klienta i nowe KPI dodaje Twój zespół sam, bez zgłoszenia do nas
Ile to kosztuje
Warsztat ma cenę jawną, wdrożenie wycenę po nim
Warsztat procesowy kosztuje 2500 zł netto za tydzień. Przy raportach dla klientów zwykle wystarcza jeden tydzień, bo proces jest powtarzalny i dobrze widoczny: każdy w agencji wie, skąd bierze liczby. Wdrożenie wyceniamy po warsztacie, gdy wiadomo, ilu klientów, ile źródeł i ile szablonów wchodzi w grę.
Koszt działania płacisz bezpośrednio dostawcom: Make albo n8n za scenariusze, Google za BigQuery, jeśli wychodzisz poza darmowy próg, albo nic, gdy wystarczają Google Sheets i Looker Studio. Bez naszej prowizji.
Warsztat procesowy
2500 zł netto
za tydzień, przy raportach zwykle jeden
Zamknięta całość. Kończy się spisaną mapą raportów: klienci, KPI, źródła, szablony, terminy i plan, który możesz zrealizować bez nas.
- Mapa dzisiejszego procesu raportowania i miejsc, w których traci czas
- Lista KPI per klient i wspólny słownik metryk dla wszystkich platform
- Rekomendacja narzędzi: Looker Studio, Make, n8n, BigQuery albo Google Sheets
- Kolejność wdrożenia i wskaźniki do pomiaru po 30 dniach
- Najczęściej wybierany
Warsztat i wdrożenie raportów
Wycena po warsztacie
zakres wynika z liczby klientów, źródeł i szablonów
Najczęściej wybierany wariant. Raporty wychodzące w harmonogramie w 2 do 6 tygodni od warsztatu, przetestowane równolegle z ręcznymi.
- Wszystko z warsztatu
- Pipeline danych w Make, n8n albo przez API do BigQuery albo Google Sheets
- Szablony raportów w Looker Studio albo Google Docs, eksport do PDF
- Kontrola kompletności danych, akceptacja przed wysyłką, alerty o błędach
- Wysyłka równoległa, przełączenie i szkolenie zespołu
Raporty i agent AI dla agencji
Wycena po warsztacie
dla zespołów, które pytają o wyniki klientów kilkanaście razy dziennie
Wszystko z wdrożenia plus BOND, który odpowiada na pytania o dane kampanii zwykłym zdaniem, z tej samej bazy co raporty.
- Wszystko z wdrożenia raportów
- Agent AI spięty z bazą: który klient spada, ile wydaliśmy, gdzie koszt leada przekroczył cel
- Alerty o odchyleniach między raportami, nie dopiero w PDF na koniec miesiąca
- Dostęp dla opiekunów klientów i zarządu, po polsku i po angielsku
Warsztat kończy się dokumentem, który obroni się bez nas: mapą raportów, słownikiem metryk i planem wdrożenia. Jeśli okaże się, że wystarczy jeden dashboard w Looker Studio, mówimy to i pokazujemy, jak go ustawić. Sprawa kończy się na warsztacie, a nie na wdrożeniu, którego nie potrzebujecie.
Najczęstsze pytania
Czym są automatyczne raporty dla klientów?
To proces, w którym dane z platform reklamowych i analitycznych są pobierane przez API w ustalonym cyklu, zapisywane w jednej bazie i składane w raport według szablonu klienta, a gotowy PDF wychodzi mailem w harmonogramie. Człowiek dopisuje komentarz albo zatwierdza wysyłkę, ale nie kopiuje liczb. Dla agencji z dwunastoma klientami oznacza to dwanaście raportów z jednego scenariusza.
Ile trwa wdrożenie automatycznych raportów dla klientów?
Tydzień warsztatu i 2 do 6 tygodni wdrożenia, zależnie od liczby źródeł i szablonów. Pierwszy raport dla jednego klienta na prawdziwych danych widzisz zwykle po 2 do 3 tygodniach, potem dochodzą kolejni klienci, bo różnią się konfiguracją, a nie procesem. Przez 1 do 2 cykli raport automatyczny powstaje obok ręcznego.
Z jakich źródeł danych może korzystać raport?
Najczęściej z Google Analytics 4, Google Ads, Meta Ads, LinkedIn Campaign Manager i Google Search Console. Do tego CRM, jak HubSpot albo Pipedrive, jeśli klient chce widzieć leady i sprzedaż obok kosztu kampanii, oraz arkusz zespołu z celami i budżetem miesiąca. Każde źródło ma własne opóźnienie danych, więc termin wysyłki ustalamy tak, żeby wszystkie były kompletne.
Czy każdy klient może mieć inny szablon i język raportu?
Tak, i to jest normalna sytuacja. Szablon, logo, zestaw KPI, waluta, język i lista adresatów siedzą w konfiguracji klienta, a scenariusz jest jeden. W praktyce 3 do 4 szablony pokrywają większość agencji: e-commerce, lead generation i kampania wizerunkowa, każdy w wersji polskiej i angielskiej.
Co się dzieje, gdy API platformy reklamowej nie odpowie?
Scenariusz sprawdza kompletność danych przed generowaniem raportu. Brak odpowiedzi z jednego źródła zatrzymuje raport i wysyła alert do opiekuna klienta, zamiast wysłać PDF z pustą sekcją. Po ponownym pobraniu raport rusza dalej. To samo dotyczy zmian w API, które platformy ogłaszają z wyprzedzeniem: monitoring pokazuje je pierwszego dnia, a nie w PDF u klienta.
Czy klient dostaje PDF, czy link do dashboardu?
Jedno albo drugie, albo oba. PDF mailem w harmonogramie to standard, bo klient dostaje go bez logowania i może przesłać dalej. Dashboard w Looker Studio z bieżącymi danymi dokładamy dla klientów, którzy chcą zaglądać między raportami. Oba czytają z tej samej bazy, więc pokazują te same liczby.
Czy potrzebujemy BigQuery, czy wystarczy Google Sheets?
Przy kilku klientach i kilku źródłach wystarcza Google Sheets: arkusz jako baza, Looker Studio jako raport. BigQuery ma sens, gdy danych jest dużo, gdy chcesz trzymać historię z lat, a nie miesięcy, albo gdy ma z niej korzystać agent AI. Decyzję podejmujemy na warsztacie, a przejście z arkusza do BigQuery nie wymaga przebudowy szablonów.
Kto pisze komentarz do liczb w raporcie?
Domyślnie analityk albo opiekun klienta, bo to jest ta część raportu, za którą klient płaci agencji. Automat dostarcza mu gotowe liczby, wykresy i porównanie z poprzednim okresem, więc komentarz pisze się na podstawie, a nie od zera. Na życzenie projekt komentarza pisze model językowy, a człowiek poprawia go i zatwierdza przed wysyłką.
Sprawdźmy, ile godzin miesięcznie idzie u Was na raporty
Bezpłatna konsultacja trwa 30 minut. Opowiadasz, ilu macie klientów, z jakich platform kopiujecie liczby i kiedy ostatnio raport wyszedł po terminie. Pokazujemy, które źródła da się spiąć od razu, a które wymagają najpierw uporządkowania dostępów. Nie musisz na tym etapie udostępniać żadnych kont.
Prowadzimy najwyżej dwa wdrożenia równocześnie, żeby przy każdym ktoś realnie siedział.
Umów bezpłatną konsultacjęPS. Jeśli w tym miesiącu klient zapytał „czy będzie raport”, zanim go dostał, to jest dokładnie ten problem. Raport, który zależy od czasu jednej osoby, zawsze przegrywa z pilniejszą sprawą. Automat nie ma pilniejszych spraw, więc wychodzi w terminie.