# README Welcome to the Karsa Labelizer documentation - a tool for intelligent product clusterization and Google Shopping campaign optimization. {% hint style="success" %} Studying this documentation will help you fully leverage the potential of Karsa Labelizer. If you can't find an answer, try using the **AI assistant that searches this knowledge base**, which is often able to provide excellent responses. For any further questions, don't hesitate to contact us at ****. {% endhint %} ## Why This Documentation? It provides you with **understanding** of principles, **detailed guides** for configuration, **strategic recommendations**, and **practical tips** for analysis and optimization. ## Key Documentation Sections: * [**I. Introduction to Karsa Labelizer**](/i.-introduction-to-karsa-labelizer/what-is-karsa-labelizer): What Karsa Labelizer is and why segmentation matters. * [**II. First Steps**](/ii.-first-steps/interface-overview): Interface, service lifecycle, quick start. * [**III. Cluster Designer**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization): Design and configuration of clusterization strategies. * [**IV. Analysis and Optimization**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iv.-analysis-and-optimization): Report interpretation and optimization. * [**V. Deployment and Strategy**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/v.-deployment-and-strategy): Production deployment, PMax integration, post-deployment optimization. * [**VI. Troubleshooting and FAQ**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/vi.-troubleshooting-and-faq/common-issues.md): Answers and solutions. * [**VII. Appendices**](/vii.-appendices/glossary): Glossary of terms and additional resources. ## Recommendations for Getting Started: 1. [**What is Karsa Labelizer?**](/i.-introduction-to-karsa-labelizer/what-is-karsa-labelizer) 2. [**Service Lifecycle**](/ii.-first-steps/service-lifecycle) 3. [**Quick Start**](/ii.-first-steps/quick-start) 4. [**Parameter Selection Strategy**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/parameter-selection/parameter-selection-strategy.md) We wish you great success with Karsa Labelizer! # What is Karsa Labelizer? Welcome to the world of advanced Google Shopping campaign optimization! **Karsa Labelizer** is a specialized tool designed to help PPC specialists and marketing managers significantly improve the performance of their Product Listing Ads (PLA) through intelligent, multi-dimensional product segmentation powered by artificial intelligence (AI). ## What Problems Does Karsa Labelizer Solve? Traditional Google Shopping campaign management often faces several key challenges: * **Inconsistent campaigns:** Products with vastly different performance metrics (e.g., ROAS, conversion rate, order value) are often grouped together. This makes it difficult for Google's algorithms to effectively predict and optimize their performance. * **Difficult ROAS prediction:** Due to inconsistency, it's challenging for Google to estimate the actual return on ad spend (ROAS) that can be expected from a campaign, leading to suboptimal budget allocation. * **Time-consuming manual segmentation:** Creating and maintaining a granular yet effective campaign structure manually is extremely time-consuming and nearly impossible for larger e-commerce stores, especially if you want to consider multiple performance metrics simultaneously. * **Overcoming standard segmentation limitations:** While common practice often relies on segmentation based on a single parameter (e.g., ROAS) into a predetermined, small number of clusters, such an approach has its limitations. It may not capture all the nuances in performance and might overlook hidden potential or risky segments. ## How Does Karsa Labelizer Help You? Karsa Labelizer approaches product segmentation innovatively: 1. **Intelligent segmentation (clusterization):** It uses advanced machine learning algorithms to analyze your products' performance data across several dimensions (metrics) simultaneously. Based on this, it automatically identifies and groups products into optimal **clusters**. 2. **Increasing campaign consistency and predictability:** The goal of clusterization is to create campaigns (individual clusters) that are internally as consistent as possible in terms of performance. This means that products in one cluster behave similarly. As a result, Google Ads algorithms can much better predict their future performance and more efficiently manage bids and budgets. 3. **Campaign number optimization:** The tool can suggest the optimal number of campaigns (clusters) specifically for your e-commerce store and your data distribution, instead of fixed, predefined structures. 4. **Significant performance improvement:** Thanks to consistent and predictable campaigns, our clients achieve **up to 25% increase in overall PLA campaign performance**. 5. **Automation and time savings:** Karsa Labelizer automates many processes associated with segmentation, from daily data downloads, through calculations, to exporting `Custom Labels` to Google Merchant Center and dynamic product movements between campaigns. ## Who is Karsa Labelizer For? The tool is primarily designed for: * **PPC specialists:** Who are looking for advanced methods to optimize Google Shopping campaigns and want to have detailed control over structure and performance. * **Marketing managers:** Who need to ensure maximum efficiency of advertising investments and are looking for a reliable, data-driven solution for their e-commerce clients or their own e-commerce store. * **E-commerce stores of all sizes:** From medium to large, who want to fully leverage the potential of their product data and achieve better results in Google Shopping. Karsa Labelizer is therefore designed to provide you with the necessary tools and data-driven intelligence to effectively structure your Google Shopping campaigns with the goal of achieving higher performance and better predictability. # Why Segmentation Matters? In today's highly competitive digital advertising environment, especially in e-commerce, basic campaign structures in Google Ads often fall short of achieving optimal performance. If you manage an e-commerce store with a diverse product catalog, you've likely noticed that the overall campaign performance view (such as average return on ad spend - ROAS) may seem satisfactory, but often masks **significant inefficiencies and losses in specific product groups**. This is where advanced product segmentation comes into play. ## Limitations of Traditional Campaign Structures Without detailed segmentation, your campaigns may suffer from several shortcomings: * **One-size-fits-all approach to diverse products:** All products are managed by the same or similar rules and goals, despite their performance, margins, sales cycle, or seasonality potentially varying dramatically. * **Products with inefficient budget utilization:** Some products may generate many clicks (and thus costs), but low conversion value or low ROAS, reducing the overall campaign efficiency. Without segmentation, it's difficult to identify these products and limit their promotion. * **Untapped potential of "star" products:** Conversely, products with high ROAS and high conversion value may not receive sufficient space and budget to fully demonstrate their potential. * **Difficult bid optimization:** Setting optimal bids (whether manual or automatic targets like tROAS) is complicated if the campaign contains products with very different profitability or conversion rates. ## The Importance of Predictability and Consistency for Google AI Modern Google Ads campaigns, especially those using automated bidding strategies (Smart Bidding) such as Target ROAS (tROAS) or Performance Max campaigns, rely heavily on **Google's artificial intelligence (AI)**. For these algorithms to work as efficiently as possible, they need **quality, structured, and above all, predictable data**. * **Campaign predictability:** Means that Google can reliably forecast how the campaign will behave – what will be the click-through rate (CTR), conversion rate, average order value, etc., if, for example, the budget or bid changes. * **Campaign consistency:** If products in a campaign are grouped so that they have similar performance characteristics (e.g., similar ROAS, similar conversion value), the campaign becomes internally consistent. **How Does Karsa Labelizer Help Google AI?**\ Karsa Labelizer creates **highly consistent product clusters** using AI. By "cleaning" campaigns of products with significantly different behaviors, it greatly increases their predictability. Google AI can then: * **More accurately estimate future performance:** Leading to better bid setting. * **More efficiently allocate budget:** Direct resources where there is the highest probability of achieving goals. * **Learn and adapt faster:** More stable input data means faster and more efficient learning processes for Smart Bidding. ## Benefits of Advanced Segmentation with Karsa Labelizer Strategic product segmentation, which Karsa Labelizer automates and optimizes, brings a number of specific benefits: 1. **Optimized budget allocation:** Allows you to invest more in segments (clusters) with products that show the best results (e.g., high ROAS, high conv. value), and conversely, limit spending on segments with low performance or loss-making products. 2. **More precise and efficient bidding strategies:** Different product segments require different bidding strategies: * **Best-performing products ("Bestsellers"):** You can apply more assertive bids to maximize their visibility and sales volume. * **Products with high conversion value:** Strategies focused on profit maximization can be implemented (e.g., tROAS set to an appropriate value). * **Low-performing or low-margin products:** It is recommended to set more conservative bids, loss minimization strategies, or even pause these products. * **New products:** For products without a meaningful performance history, Karsa Labelizer offers flexible solutions. Instead of simple isolation, it allows either **intelligent derivation of their likely performance** and inclusion in existing clusters, or their **temporary placement in a special campaign** for data collection. This ensures detailed monitoring and the ability to set individual goals and budgets. 3. **Increased overall efficiency and ROAS:** The result is a demonstrable improvement in return on advertising investment in Google Shopping. ## The Role of Segmentation in the Performance Max (PMax) Era While Performance Max campaigns consolidate various Google advertising channels under one roof, they still **strongly benefit from strategic product segmentation** through signals from the product feed and targeting within asset groups. Quality data in the feed, enriched with meaningful `Custom Labels` (which Karsa Labelizer generates), are even more critical for properly directing Google's AI in PMax campaigns. By creating thematically and performance-consistent product groups using Karsa Labelizer, you can more effectively structure your PMax campaigns and better align asset groups with specific product segments, leading to more relevant customer targeting and better results. Using advanced segmentation through Karsa Labelizer thus goes beyond merely organizing products; it's a methodical approach to streamlining advertising investments and supporting growth goals in e-commerce. # Karsa vs. Alternatives When optimizing Google Shopping campaigns, advertisers have several approaches to product segmentation to choose from. Karsa Labelizer offers a unique solution based on artificial intelligence that differs significantly from traditional methods. Let's look at the main differences: ## 1. Manual Product Segmentation Manual segmentation involves manually dividing products into different campaigns or ad groups based on criteria that the advertiser sets themselves (e.g., category, brand, price, seasonality, or rough performance estimate). * **Advantages:** * Full control over structure. * No external tool needed (except Google Ads interface). * **Disadvantages:** * **Extremely time-consuming:** For e-commerce stores with hundreds or thousands of products, detailed and effective manual segmentation is practically unsustainable. * **Limited complexity:** It's very difficult to manually consider multiple performance metrics simultaneously for each product. * **Subjectivity and lower accuracy:** Decisions are often based on estimates or simplified rules, which may not lead to optimal distribution. * **Static nature:** The structure adapts poorly to dynamic changes in product performance unless constantly manually adjusted. * **Karsa Labelizer:** Automates the process, uses AI for multi-dimensional analysis, and dynamically adapts segmentation. ## 2. Rule-Based Tools and Scripts (e.g., Google Feed Segmenter) There are tools or scripts (such as Google Feed Segmenter) that allow automating the creation of custom labels (`Custom Labels`) based on predefined rules and data (often from BigQuery). These labels are then used for segmentation in Google Ads. * **Advantages (e.g., Google Feed Segmenter):** * Possibility to automate label assignment. * Potentially low direct software costs (if open-source scripts). * Flexibility if the user has technical knowledge to modify scripts and work with data. * **Disadvantages and differences compared to Karsa Labelizer:** * **Simple logic vs. AI clustering:** Rule-based segmentation is often based on fixed threshold values of one or two metrics (e.g., ROAS > 300% = "Top"). Karsa Labelizer uses **ML algorithms** for multi-dimensional clustering that look for optimal and internally consistent product groups with the goal of maximizing their predictability for Google. This can reveal more efficient groupings that simple rules would not detect. * **Static number of segments vs. Optimal number:** Rule-based tools often lead to a predetermined number of segments (e.g., 3-5 performance levels). Karsa Labelizer using ML **dynamically determines the optimal number of clusters** for the specific data and structure of a given e-commerce store. * **Movement stability control:** With dynamic performance changes and product movements between segments, there's a risk of disrupting the learning phase of Google algorithms. Karsa Labelizer offers a **stability control feature** that limits the rate of product migration and helps prevent performance drops. Standard scripts usually don't include this logic. * **Handling new products:** Rule-based systems may have trouble with new products without history. Karsa Labelizer offers **intelligent solutions** (deriving performance from similar products or placing in an "incubation" campaign). * **Technical complexity and maintenance:** Deployment, configuration, and maintenance of script solutions require significant technical knowledge (Google Apps Script, BigQuery, GCP) and time. Karsa Labelizer is a SaaS platform with support and simpler deployment. * **Unsupported status (for GFS):** Google Feed Segmenter is experimental and officially unsupported. This presents a risk in case of API changes or issues – all responsibility for fixes lies with the user. Karsa Labelizer is a commercial, supported product. ## Karsa Labelizer: Key Differences and Benefits | Feature / Aspect | Manual Segmentation | Rule-Based Tools (e.g., GFS) | Karsa Labelizer | | ---------------------------------- | ------------------- | ---------------------------- | ------------------------------------------------------------------------- | | **Segmentation Method** | Manual | Defined rules | ML multi-dimensional clustering | | **Segment Number Optimization** | Subjective | Predetermined/limited | Automatic finding of optimal number | | **Consistency and Predictability** | Low to medium | Medium | High (primary AI goal) | | **Dynamic Adaptation** | Very slow | Requires script execution | Automatic, daily, with controlled movements | | **Movement Stability Control** | Not applicable | Missing | Built-in, configurable | | **New Product Handling** | Manual | Requires custom logic | Intelligent solutions (derivation/incubation) | | **Automation Scope** | None | Label generation | Data collection, analysis, clustering, export, dynamic product management | | **Technical Complexity (user)** | Low | High (for GFS) | Low to medium (SaaS platform) | | **Support and Maintenance** | N/A | None (for GFS) | Included (commercial product) | Karsa Labelizer thus represents a comprehensive, intelligent, and managed solution that overcomes the limitations of manual approaches and simple rule-based systems by focusing on **maximizing campaign predictability and consistency** through sophisticated AI clustering, leading to more efficient collaboration with Google Ads algorithms and better overall results. # Key Concepts To effectively work with the Karsa Labelizer tool and understand the principles of advanced product segmentation, it's important to familiarize yourself with several key concepts. This glossary provides a brief and clear explanation of them. *** **Cluster**\ : A group of products that, based on analysis of their performance metrics (using AI in Karsa Labelizer), have been identified as similar and are therefore grouped together. Each cluster in Karsa Labelizer typically corresponds to one future Google Shopping campaign or a specific segment in a PMax campaign. **Clusterization (Clustering)**\ : The process of automatically dividing products into meaningful groups (clusters) based on their similarity within chosen parameters (metrics). Karsa Labelizer's goal is to create highly consistent and predictable clusters. **Cluster Designer**\ : A tool (module) within Karsa Labelizer that allows users to define criteria and parameters for creating a new product clusterization. This is where limits are set, metrics are selected, and behavior for new products or movements between clusters is defined. **Custom Label**\ : An attribute in Google Merchant Center (GMC) that allows advertisers to add custom designations to products (e.g., `custom_label_0` to `custom_label_4`). Karsa Labelizer uses these labels to mark products with their cluster affiliation, which subsequently enables their segmentation in Google Ads campaigns. **Dynamic Product Movements**\ : The process by which Karsa Labelizer automatically moves products between individual clusters (campaigns) based on changes in their current performance. The goal is to maintain the highest possible consistency and efficiency of clusters. This process can be controlled using set limits. **Cluster Consistency**\ : A metric indicating how stably and similarly products in a given cluster maintain their performance characteristics (e.g., ROAS, conversion value) over time. Higher consistency means that the cluster is more internally homogeneous and its performance is more predictable for Google algorithms. **Operation Manager**\ : A component of Karsa Labelizer where you can monitor the status and progress of running operations, especially the clusterization creation process. **Product Segmentation**\ : The process of dividing products into smaller, more specific groups based on shared characteristics (e.g., category, brand, price, performance). The goal is to enable more targeted marketing strategies and better optimization. **Stabilization Value**\ : A parameter in Cluster Designer that helps control the rate of changes within a cluster during product movements. Products are moved so that this value of each cluster changes only within the allowed limit. **Campaign Predictability**\ : The ability of the Google Ads algorithm to reliably predict how a campaign will behave and what performance it will deliver under various settings (e.g., budget, target ROAS). Higher predictability leads to more efficient optimization. **Performance Metrics**\ : Quantifiable indicators used to measure and evaluate the performance of products and campaigns. Common metrics include ROAS, CPC, CTR, Conversion Value, Number of Conversions, Impressions, Clicks, etc. **PLA (Product Listing Ads)**\ : An advertising format in Google Ads, also known as Google Shopping ads, that displays products directly in search results and on other Google platforms. Karsa Labelizer is primarily focused on optimizing these campaigns. **PMax (Performance Max campaigns)**\ : A type of campaign in Google Ads that automates targeting and ad display across all Google channels (Search, Display Network, YouTube, Gmail, Discovery, Maps, Shopping). Effective segmentation of the product feed using Custom Labels is important for PMax as well. **ROAS (Return On Ad Spend)**\ : A key metric indicating how much revenue is generated by each € (or other currency) spent on advertising. It is calculated as (Conversion Value / Advertising Cost). Higher ROAS generally means higher efficiency. **GMC (Google Merchant Center)**\ : A tool from Google that allows uploading and managing product data (feeds) for use in Google Shopping, Performance Max, and other Google advertising formats. Karsa Labelizer exports the resulting Custom Labels to GMC. **Conversion Rate (CR)**\ : The percentage of visits (clicks on an ad) that led to a completed conversion (e.g., purchase). It is calculated as (Number of Conversions / Number of Clicks) \* 100%. **Machine Learning (ML)**\ : A subfield of artificial intelligence where systems learn and improve from data without explicit programming for each individual case. Karsa Labelizer uses ML models to identify optimal clusters. # Interface Overview After logging into Karsa Labelizer, you'll find yourself in a user interface designed for intuitive control and efficient work. This page provides a basic overview of the main parts of the interface. ## Main Interface Components The Karsa Labelizer user interface primarily consists of these parts: 1. **Left Navigation Menu (Category Tree and Tools)**

Campaign tabs and tools

2. **Main Workspace**
Let's look at them in more detail. ### 1. Left Navigation Menu The left menu is your main tool for navigating the Karsa Labelizer system. It allows you to access various clusterizations, reports, and configuration sections. **Key features of the left menu:** * **Cluster Tree:** In the left menu, you'll primarily find one main tree that displays a hierarchical list of your clusterizations. Each clusterization can be expanded to show the individual clusters (product segments) it contains. This structure serves as the main navigation to details and reports of individual clusterizations and their clusters.
* **Interaction:** * Clicking on an item (e.g., the name of a specific clusterization) displays its content in the main workspace. * The active (currently selected) item is visually highlighted for better orientation. * **Color differentiation of categories:** Categories in the left menu can be color-differentiated based on their state defined in metadata: * **Active/Selected category:** Often highlighted in red. * **Categories in production mode (`Run`):** For example, a clusterization that is active and exports data daily is marked in green.
* **Category management:** * **Creating new categories:** The system allows creating new categories, both manually through the user interface and automatically using the Cluster Designer.
* **Changing category order:** The order of categories can be changed using the drag-and-drop function, which ensures flexibility in organizing your work. The order change is set in the cluster detail in the upper right corner, Edit button.

Category editing

Changing category order

### 2. Tools (Switchable Tab) In addition to the main category/clusterization tree, you can also find a section with key tools in the Karsa Labelizer interface, accessible via switchable tabs. This section brings together the main modules for working with the system:
* **Cluster Designer:** This is your primary tool for creating, configuring, and managing your clusterization strategies. Here you define segmentation parameters, set limits, control product dynamics, and prepare proposals for deployment. (Described in more detail in section III. Cluster Designer). * **Operation Manager:** A module that provides an overview of the status and progress of operations running in the background, especially the process of creating new clusterizations. It allows you to monitor whether an operation is running, how long it takes, and whether it was successfully completed. (Described in more detail in section II. First Steps / Operation Manager). * **Notes**: This feature is used to create and manage your own notes directly in the system. You can record important information here, such as the date of launching a new clusterization, specific test goals, observations from performance analysis, or any other relevant comments on your work with the tool. * **Setup:** In this section, you'll find configuration options related to data export and connection. A key component is setting the URL of your export product feed, which Karsa Labelizer uses and enriches with Custom Labels. Proper setting of this URL is essential for the correct functioning of the export to Google Merchant Center. ### 3. Main Workspace The main workspace is a dynamic part of the interface that displays the content selected in the left navigation menu. This can be: * **Configuration forms:** For example, when creating or editing a clusterization in the Cluster Designer. * **Data reports and analyses:** Such as `Clusterizations Overview`, `Cluster Detail`, `Products Overview`, or `Product Movement History`. These reports often contain tables and metrics for performance evaluation. The content of the main workspace changes depending on your current selection in the left menu, allowing you to focus on a specific task. # Quick Start Welcome to Karsa Labelizer! This guide will show you how to quickly create your first test product clusterization. The goal is to familiarize you with the basic workflow and show you how easy it is to get started. For a detailed understanding of individual steps and settings, we recommend studying the relevant sections of this documentation afterward. {% hint style="info" %} Upon first login, an initial clusterization is already created, where you can immediately see the distribution of your products into clusters. {% endhint %} ## Steps to Create Your First (Test) Clusterization: Follow these steps and within a few minutes, you'll have your first custom product segmentation proposal ready: ### 1. Go to Cluster Designer * In the left navigation menu, find the section or link leading to the **Cluster Designer**. This is your main tool for creating new clusterizations.
### 2. Create a New Clusterization * **In Cluster Designer**, click on the open folder icon. Then select the appropriate configuration and confirm your selection by clicking the "Open" button.
* **Basic settings:** * **Clusterization name:** Enter a descriptive name, e.g., `Test_ROAS_ConvValue` (the date will be added automatically when the clusterization is created). * **Description:** Briefly describe the purpose of this test, e.g., `First test clusterization based on ROAS and Conversion Value. This description will be displayed in the main part of the screen.`
### 3. Set Basic Limits and Parameters (for a Quick Test) For your first quick test, you can leave many values at their default settings, but check/adjust the following: * **Minimum and maximum number of clusters/campaigns:** These two settings define the range in which the Karsa Labelizer algorithm will search for the optimal number of clusters for your specific data structure and product diversity. The algorithm always tries to find the number of clusters that best suits your data and maximizes the consistency of the resulting segments. * **Minimum number of conversions:** For testing purposes, you can start with a lower value (e.g., 15-25) to see more clusters. For production deployment, a higher value is recommended (e.g., 30+).
* **Parameters for clusterization:** * Keep the default (or choose) combination of **`ROAS`** and **`Conv. value`** (Conversion value). This is a great starting point.
* **Custom Label:** * Select an available `Custom Label` number (e.g., `custom_label_0`, if it's available). * Enter a short `Prefix` (e.g., `ktest`). The resulting labels will look like `ktest_1`, `ktest_2`, etc.
* **Product movement and new products:** For your first test, you can leave these settings at their default values, where product movements are disabled. ### 4. Launch the Clusterization * After completing the configuration, find and click on the arrow icon to start the clusterization process.
* The process may take several minutes depending on the number of your products and data complexity (usually 2-15 minutes). * You can monitor the operation status in **Tools** > **Operation Manager**.
### 5. Review the Results * Once the clusterization is complete, it appears as a new category in the left navigation menu, containing the individual generated clusters. * Browse through the reports: * **`Clusterizations Overview/Tab CLUSTERIZATION`**: Here you'll see your new test clusterization, its status (`Test`), and basic metrics such as `Consistency`. * **`Cluster Detail/Tab CLUSTER`**: After selecting your new clusterization and then the tab/report for cluster details, you'll see metrics for each individual created cluster. * More information: [Cluster Details](/iv.-analysis-and-optimization/cluster-details) * **`Products in Cluster/Tab Products`** Explore which specific products were assigned to individual clusters. * More information: [Products in Cluster](/iv.-analysis-and-optimization/products-in-cluster) {% hint style="success" %} **Congratulations!** You've just created your first test clusterization in Karsa Labelizer. Now you have a basic understanding of the process. {% endhint %} ## Next Steps This quick start was just a taste. For actual deployment and achieving the best results: * **Study the individual sections** of this documentation in more detail, especially the parts about [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/cluster-designer.md) and [Analysis and Optimization](/iv.-analysis-and-optimization/iv.-analysis-and-optimization). * **Experiment with different parameters** and settings in test mode. * Learn how to deploy clusterization to **production mode** and integrate it with your Google Ads campaigns. * See: [Production Deployment](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/v.-deployment-and-strategy/production-deployment.md) # Service Lifecycle To fully understand how Karsa works in the background and how it contributes to optimizing your Google Shopping campaigns, it's important to familiarize yourself with its typical lifecycle. This cycle describes a sequence of automated and user-controlled steps that regularly repeat. The following diagram and description illustrate the key phases of the service lifecycle:
*** ### 1. Daily Data Download from Google Ads * **What happens:** Every day, Karsa automatically downloads current performance data for your products directly from your Google Ads account. * **Importance:** Ensures that all analyses and clusterization decisions are based on the most up-to-date information available. * **Conversion backfill:** The system also takes into account any retrospective changes in conversion values that Google may make (e.g., due to attribution models or additional conversion assignments). ### 2. Clusterization Design by User (Cluster Designer) * **What happens:** You, as a user, define your requirements for product segmentation in the **Cluster Designer** tool. Here you set: * Parameters for clusterization (e.g., ROAS, Conversion value, Number of conversions). * Limits for the number of clusters and minimum number of conversions in a cluster. * Settings for dynamic product movements and for new products. * **Importance:** This step gives you full control over the segmentation strategy. * More information: [III. Cluster Designer: Creating Clusterization](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) ### 3. Launching and Processing Clusterization * **What happens:** After saving the configuration in Cluster Designer, you launch the clusterization creation operation. Karsa's algorithms begin analyzing your product data according to the specified parameters and creating optimal clusters. * **Duration:** This process usually takes **2 to 15 minutes** depending on the total number of products, their data distribution, and the range of cluster combinations being explored. * **Monitoring:** You can monitor the progress of this operation in the **Operation Manager**. * More information: [Operation Manager](/ii.-first-steps/operation-manager) ### 4. Creating Clusterization Category and Clusters * **What happens:** After successful completion of the process, Karsa Labelizer automatically creates a new **clusterization category** (visible in the left menu). This category contains the individual generated **clusters** as its subcategories. * **Significance:** Each such cluster represents a proposal for a future Google Shopping campaign. ### 5. Analysis and Deployment to Production (User Step) * **What happens:** Now it's up to you to review and analyze the proposed clusterization and its clusters using the reports that Karsa Labelizer provides (e.g., `Clusterizations Overview`, `Cluster Detail`). * **Decision:** If you are satisfied with the proposal and consider it suitable for deployment: * In the detail of the given clusterization category, you switch its state to **`Run`** (Production mode). * A clusterization category in production mode is visually distinguished in the left menu by a green color. * **Importance:** This step ensures that only structures approved and verified by you go into your real campaigns. * More information: [IV. Analysis and Optimization](/iv.-analysis-and-optimization/iv.-analysis-and-optimization) and [Production Deployment](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/v.-deployment-and-strategy/production-deployment.md) ### 6. Daily Export of Custom Labels to Google Merchant Center (GMC) * **What happens:** Once a clusterization is in `ProductionRun` mode, Karsa Labelizer **automatically exports** the relevant `Custom Labels` (indicating a product's affiliation to a given cluster) to your Google Merchant Center **every day**. * **Importance:** This ensures that your Google Ads campaigns can segment products according to their current cluster assignment. ### 7. Ongoing Optimization and Dynamic Product Movements * **What happens:** For clusterizations in `Run` mode, Karsa Labelizer not only exports data but also **continuously monitors product performance**. Based on current data and set rules for dynamics: * It **automatically moves products** between individual clusters if their performance profile changes and better matches another cluster. * This process respects your defined limits (e.g., maximum percentage of moved products) to prevent campaign destabilization. * **Movement history:** All these movements are recorded and available to you in the `Product Movement History` report for analysis. * **Importance:** Ensures that your segmentation remains current and optimized relative to the real performance of products, without you having to make constant manual adjustments. *** This cyclical process – from data collection, through design and approval, to automated daily maintenance and optimization – is the heart of Karsa Labelizer and allows you to achieve better long-term results in your Google Shopping campaigns. # Operation Manager Operation Manager is an important component of Karsa Labelizer that provides you with an overview of the status and progress of key operations performed by the system in the background. Its main use for you as a user will primarily be in monitoring the process of creating new clusterizations. ## What is Operation Manager For? * **Monitoring operation status:** The main function of Operation Manager is to display the current status of long-running operations, typically the clusterization process that you launched from [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization). * **Process transparency:** It gives you confidence that the system is working and allows you to estimate when the operation will be completed. * **Diagnostics (if needed):** If there were to be an issue with completing an operation, information from Operation Manager can be useful for our support team in troubleshooting. ## How Does Operation Manager Work in the Context of Clusterization? 1. **Launching clusterization:** After you configure and launch the creation of a new clusterization in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/launch-and-monitoring.md), Karsa Labelizer initiates a complex computational task in the background. 2. **Data export to GMC (manual and automatic):** For clusterizations in 'Run' status, Karsa Labelizer ensures **automatic daily export** of the supplementary XML feed to Google Merchant Center (GMC). This feed is generated to the URL set in the 'Setup' section. Additionally, Operation Manager may offer the option of **manually triggering an export**. This is useful if, for example, you've just switched a new clusterization to production status and want to generate an XML feed immediately without waiting for the regular automatic update. 3. **Display in Operation Manager:** This running task (clusterization operation) appears in Operation Manager. You should see at minimum: * Operation identification (OperationType). * Current status (e.g., "Running", "Analysis in progress", "Completed", "Error"). * Possibly the start time or estimated completion time. 4. **Clusterization duration:** As mentioned in [Service Lifecycle](/ii.-first-steps/service-lifecycle), the clusterization process itself usually takes **2 to 15 minutes**, depending on the volume of data and complexity. During this time, you can monitor its progress in Operation Manager. 5. **Operation completion:** After successful completion of the operation, the status in Operation Manager is updated (e.g., to "Completed") and the newly created clusterization appears in your category structure, ready for [analysis](/iv.-analysis-and-optimization/iv.-analysis-and-optimization). ## Where Can I Find Operation Manager? You can find Operation Manager in the 'Tools' tab under the 'Operation manager' item. *** For most users, Operation Manager will primarily serve as an information panel to confirm that a launched clusterization is proceeding as expected. Detailed technical logs are usually not displayed here, but it provides peace of mind and an overview of background processes. # Introduction to Cluster Designer Welcome to the section dedicated to **Cluster Designer** – a key tool in Karsa Labelizer that gives you full power over the design and configuration of your clusterization strategies. This is where you'll transform your product data and business goals into an intelligent structure for Google Shopping campaigns. ## What is Cluster Designer? Cluster Designer is a specialized module of Karsa Labelizer, whose main purpose is to enable you to: * **Define criteria for segmentation:** You select which performance parameters (metrics) you want to use to divide your products (e.g., ROAS, Conversion value, Number of conversions, etc.). * **Set limits and goals:** You determine the boundaries for the clusterization process, such as the minimum and maximum number of resulting clusters (campaigns) or the minimum number of conversions that each cluster should contain. * **Configure advanced behavior:** You set how the system should handle new products without history or how dynamic product movements between clusters should be managed to maintain stability. * **Test different scenarios:** You can create multiple variants (proposals) of clusterizations with different settings and then compare them to find the most effective strategy for your e-commerce store. In short, Cluster Designer is your "operations center" for strategic planning and technical configuration of how your products will be intelligently grouped to achieve maximum performance. ## What You'll Find in This Section This documentation section will guide you through all aspects of working with Cluster Designer: * [**Creating New Clusterization**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/creating-new-clusterization.md)**:** How to start with a new design, basic naming, and description. * [**Setting Limits and Goals**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/setting-limits-and-goals.md)**:** Detailed explanation of individual limits (number of clusters, minimum conversions, data period) and how to set them optimally. * [**Parameter Selection**](/iii.-cluster-designer-creating-clusterization/parameter-selection)**:** A key subsection that will help you select the right metrics for segmentation and understand how different combinations affect the resulting clusters. * [Parameters Overview](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/parameters-overview.md) * [Parameter Selection Strategy](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/parameter-selection-strategy.md) * [How AI Works in Cluster Finding](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/how-ai-works.md) * [**Custom Label Setup**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/custom-label-setup.md)**:** How to properly set up Google Custom Labels for identifying your clusters in Google Ads. * [**Product Dynamics Management**](/iii.-cluster-designer-creating-clusterization/product-dynamics-management)**:** How to configure rules for automatic product movements between clusters and how to handle newly added products. * [Movement Limits](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/product-dynamics-management/movement-limits.md) * [New Products Strategy](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/product-dynamics-management/new-products-strategy.md) * [**Launch and Monitoring**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/launch-and-monitoring.md)**:** How to start the clusterization creation process and monitor its progress. Careful configuration in Cluster Designer is a fundamental prerequisite for creating an effective and high-performing structure for your Google Shopping campaigns. Give this section the attention it deserves. # Creating New Clusterization Creating a new clusterization in Karsa Labelizer begins in the **Cluster Designer**. The first step is defining the basic identification details of your new design. Cluster Designer works on the principle of **configurations**. It allows you to open individual saved configurations, save them under a new name, and manage them. This enables you to create your own sets of settings (configurations) and later return to them, modify them, or reuse them.
## 1. Clusterization Name * **What it is:** A unique name that will identify your new clusterization in the system. This name will also be used to create a directory (category) that will contain the individual clusters (subcategories) generated by this clusterization. * **Recommendations:** * Choose **descriptive and understandable names** that will help you and your colleagues easily identify the purpose and main characteristics of the given clusterization (e.g., `Test_ROAS_ConvValue`). * You can include key parameters, target market, period, or specific product group. * **Automatic date addition:** For better clarity, a timestamp is also added to each name of an automatically created directory (clusterization category). The created clusterization can be renamed later.
## 2. Description of Clustering * **What it is:** A text field where you can enter a more detailed description or notes about the clusterization being created. * **Recommendations:** * Use this field to record **specific goals, hypotheses, or specific settings** that you used for this clusterization. * For example: `Testing the effect of adding the "Conversions" parameter on the segmentation of perfumes with high order value. The goal is to identify subsegments with high purchase frequency.` * **Advantage:** This description is displayed under the clusterization name and helps you and your team better remember the context and purpose of individual configuration settings even after a longer period. ## 3. Destination Parent Category * **What it is:** Determines where in your category structure in Karsa Labelizer the newly created clusterization (with all its clusters) will be placed. * **Recommendations:** * For better organization and clarity, especially if you manage multiple clusterization strategies or tests, you can create main categories (e.g., "Test Clusterizations", "Production Clusterizations", "Archived Designs"). * Then select one of these categories as the `Destination parent category`. * **Advantage:** Keeps your structure in Karsa Labelizer clean and logically organized.
*** Carefully filling in these basic details will make it easier for you to navigate your clusterization strategies and ensure that the segmentation process will be applied to the correct set of products. After setting these basic parameters, you will continue by defining [limits and goals for clusterization](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals). # Setting Limits and Goals After entering the basic identification details of your new clusterization in [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) the next key step is **defining limits and goals**. These settings determine the boundaries within which the Karsa algorithm will work, and help ensure that the resulting clusters will be not only statistically optimal but also practically usable for your Google Ads campaigns.
## 1. Minimum and Maximum Number of Clusters/Campaigns This setting allows you to determine the range of how many resulting clusters (which usually corresponds to the number of future campaigns or segments) you wish to create. * **Minimum number of clusters/campaigns:** * **What it is:** The lowest number of clusters into which your products will be divided. * **How it works:** Even if you set a low minimum, the Karsa Labelizer machine learning algorithm always tries to find the **optimal number of clusters** with respect to your data distribution, chosen parameters, and the requirement for high internal consistency of each cluster and meeting minimum conversion requirements. * **Maximum number of clusters/campaigns:** * **What it is:** The highest possible number of clusters that the algorithm should create. * **Important:** Even if you set a high maximum (e.g., 20 or more), such a number of clusters may not necessarily be created. The optimal number always depends on the actual distribution of your product values and the number of parameters chosen for clusterization. Machine learning looks for the number of clusters that maximizes the predictability of future campaigns. * **Recommendations:** * For smaller e-commerce stores or specific segments, a lower number of clusters may be more effective (e.g., 3-7). * For large e-commerce stores with diverse assortment and large volumes of data, it may be appropriate to experiment with a higher number (e.g., 10-20 or more), if the data distribution supports it. * Start with a reasonable range (e.g., min 3, max 10) and based on the results (especially the `Consistency` metric in the [Clusterizations Overview](/iv.-analysis-and-optimization/clusterizations-overview) report), you can adjust the limits for further tests. ## 2. Minimum Number of Conversions/Orders in a Cluster This is one of the most important settings for ensuring the stability and effectiveness of your future campaigns. * **Minimum number of conversions:** * **What it is:** Defines the minimum required sum of conversions (or orders, see below) over the last 30 days for all products that will be assigned to one cluster. * **Why it's important:** Google Ads algorithms (especially Smart Bidding strategies like tROAS) need a sufficient volume of conversion data to effectively "learn" and optimize bids. Campaigns (clusters) with too few conversions: * May have unstable performance. * May lead to incorrect predictions and suboptimal spending. * May have trouble maintaining budget or achieving goals. * **Recommendations for minimum number of conversions:** * **Google Ads generally recommends:** * At least **15-20 conversions** over the last 30 days for a campaign before you start using automated bidding strategies. * For stable **Target ROAS (tROAS)**, it's ideal to have **30-50 conversions** over 30 days. * For advanced prediction and optimization, **100+ conversions** monthly is recommended. * **Karsa Labelizer recommendation:** * While Google recommends at least 50 orders (conversions) per campaign, for better consideration of seasonality and product availability, it's often better to aim for **60-70 conversions** over 30 days within one cluster. * **Our advice:** Start with a value of at least 30-50. If you have very large volumes of data, you can experiment with higher values. If, on the contrary, you have little data, consider a lower value with awareness of possible risks, or focus on a smaller number of resulting clusters. * **Parameter for the minimum number of orders:** * **What it is:** You can choose whether the minimum limit should apply to: 1. **Conversions:** Value downloaded directly from your Google Ads account. This is the most common choice. *** Proper setting of these limits and goals is essential for creating meaningful, stable, and high-performing clusters. Always consider the specifics of your assortment, the volume of available data, and your business goals. In the next section, we will focus on the equally important [Parameter Selection](/iii.-cluster-designer-creating-clusterization/parameter-selection). # Parameter Selection Welcome to the key subsection of your **Cluster Designer** settings – the selection of parameters for clusterization. The right choice of metrics by which Karsa Labelizer will segment your products is crucial for creating meaningful, consistent, and high-performing clusters (future campaigns). ## Why is Parameter Selection So Important? The parameters you select directly influence how Karsa Labelizer's AI algorithm "understands" similarities and differences between your products. Based on these parameters, products are grouped into clusters. Well-chosen parameters will help you: * **Create logical and strategically relevant clusters:** Products in one cluster will share similar performance characteristics, making targeting and bid management easier. * **Maximize campaign consistency and predictability:** Well-defined clusters are more readable for Google Ads algorithms and allow them to optimize performance more efficiently. * **Uncover hidden patterns in product performance:** Multi-dimensional analysis can identify groups of products that would remain unrecognized when using only one parameter. * **Allocate budget more efficiently:** More precise segmentation allows better directing investments to the most promising areas of your portfolio. * **Better understand your product portfolio:** Analysis of the resulting clusters will provide valuable insight into how different groups of products behave in the advertising ecosystem. ## What You'll Find in This Subsection The following pages will guide you through the process of selecting optimal parameters for your clusterization: * [**Parameters Overview**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/parameters-overview.md)**:** Detailed description of all metrics you can use for clusterization in Karsa Labelizer (e.g., ROAS, Conversion value, Clicks, Product price, etc.), including explanations of what they mean and where they come from. * [**Parameter Selection Strategy**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/parameter-selection-strategy.md)**:** Practical guides and examples of various parameter combinations. You'll learn what types of clusters typically emerge when using certain combinations and what goals these strategies are suitable for. * [**How AI Works in Cluster Finding**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/parameter-selection/how-ai-works.md)**:** Conceptual explanation of how Karsa Labelizer's machine learning algorithms work with your chosen parameters to find the optimal distribution of products and the optimal number of clusters. {% hint style="info" %} Remember that there is no single universally "best" combination of parameters for all e-commerce stores and situations. **We recommend experimenting** with different strategies in [test mode](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization#analysis-and-optimization) and evaluating the results (especially the `Consistency` metric and the meaningfulness of created clusters) to find the optimal settings for your specific needs and goals. {% endhint %} Give parameter selection sufficient attention – it's an investment that will pay off in the form of more powerful and better manageable Google Shopping campaigns. # Parameters Overview Karsa Labelizer offers you a wide range of performance metrics that you can use as parameters for clustering your products. The right selection and combination of these parameters is the foundation for creating meaningful and effective clusters. Below you will find an overview of available parameters and an explanation of their significance. All the metrics listed below typically relate to the performance of products in Google Shopping campaigns over the selected period (by default the last 30 days, as set in `[Setting Limits and Goals](../setting-limits-and-goals.md)`). *** ### 1. `Clicks` * **Description:** The total number of clicks on ads displaying your products within Google Shopping campaigns. * **Significance for clusterization:** Helps identify products that generate high traffic (and potentially costs), or conversely, products with a low click-through rate that may need optimization of visibility or ad attractiveness. Often used in combination with efficiency metrics (e.g., ROAS). ### 2. `Conv. value` (Conversion Value) * **Description:** The total value of revenue generated by completed orders that were attributed to your product ads (tracked through Google Ads e-commerce measurement). * **Significance for clusterization:** A key parameter for identifying products that bring the highest turnover. In combination with ROAS, it helps distinguish between products with high volume of revenue and high profitability. ### 3. `Impressions` * **Description:** The total number of impressions of your product ads in Google Shopping campaigns. * **Significance for clusterization:** Shows how often your products are visible. Can help identify products with high visibility but low click-through (problem with ad attractiveness or relevance) or conversely, products with low visibility (problem with competitiveness of bids, feed quality). ### 4. `Product average price` * **Description:** The average price of the product (including VAT), calculated from data in your product feed in Google Merchant Center. * **Significance for clusterization:** Allows segmenting products according to their price level. In combination with performance metrics (e.g., ROAS), it can reveal how the effectiveness of promotion differs for cheap and expensive products. ### 5. `ROAS` (Return On Ad Spend) * **Description:** The ratio between revenue gained (Conversion Value) and advertising costs (Cost). Expresses how much money the advertising earned you for each dollar invested. * **Significance for clusterization:** One of the most important parameters for evaluating effectiveness and profitability. Allows separating highly profitable products from those less profitable or loss-making. ### 6. `Conversions` * **Description:** The total number of successful conversions (e.g., completed orders) attributed to your product ads from Google Ads campaigns. * **Significance for clusterization:** Shows how often products are sold, regardless of the value of individual orders. In combination with `Conv. value`, it helps distinguish products with high value and low sales frequency from products with low value and high sales frequency. ### 7. `Cost` * **Description:** The total cost of clicks on products in your Google Shopping campaigns over the selected period. * **Significance for clusterization:** Helps identify products or segments that consume the largest part of your budget. In combination with ROAS or `Conv. value`, it shows whether these costs are effectively spent. ### *** Knowledge of these parameters and their significance is the first step to effectively setting up your clusterization strategy. In the next section, `[Parameter Selection Strategy](./parameter-selection-strategy.md)`, we will look at how to meaningfully combine these parameters. # Parameter Selection Strategy Choosing the right parameters is a **key step** when designing an effective clusterization in Karsa Labelizer. Parameters determine based on which performance characteristics your products will be divided into individual clusters (future campaigns). Karsa Labelizer uses an advanced hybrid machine learning algorithm that can work with multiple dimensions (parameters) simultaneously and find the optimal number of clusters to maximize their internal consistency and predictability. > **Recommendation:** Start with 2 parameters. Too many parameters can lead to excessive segmentation and dilution of data, especially for e-commerce stores with a smaller number of conversions. ## Default and Most Common Combination: `ROAS` + `Conv. value` This combination is set as the default in [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) because it provides a natural and strategically very useful view of product performance that combines **cost efficiency (ROAS)** with **volume of generated revenue (Conversion Value)**. **Why it's interesting:** It allows separating products that are highly profitable from those that bring large turnover, even if perhaps with lower margin or higher advertising costs. ### Typically Emerging Clusters: * **High-performing (Stars):** High ROAS, high conversion value. Key products, deserve maximum support. * **High Potential:** High ROAS, lower conversion value. Profitable products with smaller volume, opportunity for growth. * **Volume Drivers:** Lower ROAS, high conversion value. Generate revenue, but there is room for optimizing efficiency (costs, bids). * **Problematic:** Low ROAS, low conversion value. Candidates for budget limitation or strategy reconsideration. * **(Possibly) Unbalanced Products:** Extremely high ROAS with very low conversion value or vice versa. These require individual analysis. ## Extension with Frequency: `ROAS` + `Conv. value` + `Conversions` By adding the `Conversions` parameter to the previous pair, you get an even more detailed view that also takes into account **sales frequency**. **Why it's interesting:** It distinguishes products with similar ROAS and total conversion value but different sales dynamics (few expensive vs. many cheap sales). Suitable for stores with a sufficient number of orders where you want to better understand the average order value within segments. ### Example of New Types of Clusters: * **Premium Products:** High ROAS, high conversion value, high number of conversions. The absolute top of your portfolio. * **Expensive Bestsellers:** Lower ROAS, high conversion value, high number of conversions. Popular, generate volume of revenue. * **Exclusive Products:** High ROAS, high conversion value, *low* number of conversions. Typically expensive goods with high margin, sold less frequently. * **Effective Low-turnover:** High ROAS, *low* conversion value, *low* number of conversions. Niche, but effective. * **High-frequency Cheap Products:** High/medium ROAS, *low* conversion value, high number of conversions. Complementary goods, consumables. * **Volume Loss-making Products:** Low ROAS, medium conversion value, high number of conversions. May fulfill a strategic role. ## Other Interesting Strategies and Parameter Combinations: ### 1. Conversion Funnel Efficiency: `CTR` vs. `Conversion Rate (Conversions / Clicks)` * **Parameters:** `CTR` (Click-Through Rate) and calculated `Conversion Rate`. * **Why it's interesting:** This combination shows you how effective your entire "marketing funnel" is from ad impression to conversion. It helps separate products that have attractive ads (high CTR) from those that effectively convert visitors after clicking (high conversion rate). * **Possible clusters:** * `High CTR / High Conversion Rate`: Ideal state, your drivers. * `High CTR / Low Conversion Rate`: "Click catchers". Ads are attractive, but the problem is on the landing page, in the price, or in the offer. (Optimize LP/offer). * `Low CTR / High Conversion Rate`: "Hidden treasures" / Specific demand. Ads don't attract, but those who click often convert. (Improve ads/creatives). * `Low CTR / Low Conversion Rate`: Weak products, require major revision or removal. ### 2. Profitability vs. Traffic Volume/Visibility: `ROAS` vs. `Clicks` (or `Impressions`) * **Parameters:** `ROAS` and `Clicks`, alternatively `Impressions`. * **Why it's interesting:** Shows whether products that generate the most traffic or have the greatest visibility are also the most profitable. Helps identify products that "swallow" a lot of budget (through CPC) but don't bring adequate return. * **Possible clusters:** * `High ROAS / High Number of Clicks`: Great - profitable products with large traffic. * `High ROAS / Low Number of Clicks`: Profitable, but with low visibility/clickability. (Consider increasing visibility). * `Low ROAS / High Number of Clicks`: "Popular, but loss-making". Generate a lot of traffic, but are not profitable. Often a large part of costs. (Optimize or limit). * `Low ROAS / Low Number of Clicks`: Non-performing and uninteresting. ### 3. Product Price Level vs. Efficiency: `Avg product price` vs. `ROAS` * **Parameters:** `Avg product price` and `ROAS`. * **Why it's interesting:** Reveals the relationship between product price and the effectiveness of its promotion. Are more expensive products more profitable to promote (due to higher margin)? Or conversely cheaper ones (due to easier conversions)? Helps adapt strategy for different price segments. * **Possible clusters:** * `High Price / High ROAS`: "Profitable premium products". * `High Price / Low ROAS`: "Expensive to sell". High price doesn't guarantee ad profitability. * `Low Price / High ROAS`: "Effective 'cheap' goods". * `Low Price / Low ROAS`: "Low-margin problems". > **Recommendation:** Don't be afraid to **experiment** with different parameter combinations in the [test mode (`Test`)](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization#analysis-and-optimization) of your clusterization. Watch how the resulting cluster structure and the `Consistency` metric change in the [Clusterizations Overview](/iv.-analysis-and-optimization/clusterizations-overview) report. Choose a strategy that best corresponds to your business goals, the nature of your assortment, and the distribution of your data. In the next section, we will look at [How AI Works in Cluster Finding](/iii.-cluster-designer-creating-clusterization/parameter-selection/how-ai-works). # How AI Works in Cluster Finding When you select parameters for your clusterization in the [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) and set the necessary limits, Karsa Labelizer's artificial intelligence (AI) takes the initiative. Unlike simple rule-based systems that segment products based on fixed threshold values, Karsa Labelizer uses advanced **machine learning (ML) algorithms** to identify optimal and natural groupings (clusters) in your product data. ## Basic Principles of AI in Karsa Labelizer 1. **Multi-dimensional analysis:** * AI can analyze products based on **multiple parameters (dimensions) of your choice simultaneously**. This means it doesn't evaluate products in isolation according to one criterion (e.g., just ROAS), but looks for complex similarities across the entire spectrum of selected metrics (e.g., ROAS, Conversion Value, CTR, Product Price, etc.). 2. **Goal: Consistency and Predictability:** * The main goal of AI is not just to divide products in any way, but to create **highly consistent clusters**. A consistent cluster contains products that behave as similarly as possible in terms of the chosen parameters. * This consistency leads to higher **predictability of future campaign performance**, which is key for effective optimization by Google Ads algorithms. 3. **Hybrid algorithm:** * Karsa Labelizer uses a **sophisticated hybrid machine learning algorithm**. This approach combines the advantages of various models and is designed to best suit the specifics of product data in e-commerce. * **Key features of our algorithm**: * **Working with uncertainty in data:** Provides probabilistic assignment of products to clusters, which better reflects the natural variability and uncertainty in performance data. * **Automatic determination of the appropriate number of clusters:** Within the [limits you set for the minimum and maximum number of clusters](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals), AI identifies the number of clusters that best corresponds to the natural structure and distribution of your specific product data. It is therefore not necessary to "guess" the optimal number. * **Robustness against noise and outliers:** The algorithm is designed to better handle outliers (extremely high or low performing products) and noise in the data without unduly distorting the resulting cluster structure. * **Interpretability of results:** Despite being an advanced ML model, we strive to make the results as interpretable as possible. Probabilistic characteristics can help better understand the strength of a product's assignment to a given cluster. * **Natural processing of missing values:** The algorithm can effectively work even with products that may not have a complete history for all chosen parameters (e.g., new products, if a strategy for their separate processing is not chosen). ## What Happens "Under the Hood"? (Simplified) 1. **Data preparation:** Your chosen parameters and product data are normalized and prepared for analysis. 2. **Structure search:** The AI algorithm iteratively searches through the data and looks for "clusters" of products that are similar to each other in the chosen dimensions (parameters). 3. **Optimization:** The process is optimized to: * Make products *within* one cluster as similar as possible (maximizing intra-cluster homogeneity / consistency). * Make individual clusters as different from each other as possible (minimizing inter-cluster similarity). * Maintain the minimum number of conversions per cluster. * Find the optimal number of clusters within your limits. 4. **Product assignment:** Each product is (with a certain probability) assigned to the most suitable cluster. The result is a data-based segmentation proposal that is ready for your evaluation and subsequent deployment to Google Ads through `Custom Labels`. *** Understanding the basic principles of how AI works will help you better interpret the results of clusterization and more effectively use Karsa Labelizer to optimize your campaigns. In the next section, we will look at practical `[Custom Label Setup](../custom-label-setup.md)`. # Custom Label Setup After you have defined the [basic details](/iii.-cluster-designer-creating-clusterization/creating-new-clusterization), [limits and goals](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals), and [parameters for clusterization](/iii.-cluster-designer-creating-clusterization/parameter-selection), the next step in the **Cluster Designer** is setting up the **Google Custom Label**. This setting is key for transferring the resulting segmentation from Karsa Labelizer to your Google Ads campaigns.
## What is a Custom Label and Why is it Important? **Custom Labels** are attributes `custom_label_0`, `custom_label_1`, `custom_label_2`, `custom_label_3`, and `custom_label_4` that you can define in your product feed in Google Merchant Center (GMC). They allow you to add your own specific labels to products, which you can then use for: * **Segmentation of products in Google Shopping campaigns:** Dividing products into different ad groups or campaigns based on the Custom Label value. * **Segmentation of listing groups in Performance Max campaigns:** More detailed targeting and management of products within PMax. * **Reporting and analysis:** Filtering and analyzing product performance according to your own segments. Karsa Labelizer uses one of these Custom Labels to assign each product in your clusterization an identifier of the cluster to which it was assigned. For example, all products in "Cluster 1" will get the value `XY_1`, products in "Cluster 2" will get the value `XY_2`, etc. ## Settings in Karsa Labelizer In the Cluster Designer, you will find the following fields for Custom Label configuration: ### 1. `Custom label` * **What it is:** Here you select which of the five available Google custom labels (`custom_label_0` to `custom_label_4`) you want to use for this specific clusterization. * **Recommendations:** * Check in your Google Merchant Center which Custom Labels you may already be using for other purposes to avoid conflicts. * If some labels are free, select one of them. If you are already using all of them, you will need to consider whether you can free up one of them for Karsa Labelizer, or whether existing usage can be combined. * Each clusterization in Karsa Labelizer that is to be active and export data to GMC typically needs its own unique (or shared, but carefully managed) Custom Label slot, if their values are not to be overwritten. ### 2. `Prefix for custom label` * **What it is:** A short text string (prefix) that is used at the beginning of the value written to the selected Custom Label. This prefix serves to identify and distinguish values coming from Karsa Labelizer and a specific clusterization from other possible values in your Custom Label. * **How it works:** For example, if you enter `karsQA` as a prefix and Karsa Labelizer creates clusters number 1, 2, 3, then it will write values such as `karsQA_1`, `karsQA_2`, `karsQA_3` to the selected Custom Label for products in these clusters. * **Recommendations:** * Choose a short but descriptive prefix that you can easily recognize. * It can contain, for example, your company identifier or clusterization type (e.g., `mycompany_`, `roas_opt_`). * Avoid special characters or spaces that could cause problems in Google Merchant Center or Google Ads. Use letters, numbers, and possibly underscore `_`. * **Importance:** The prefix ensures that values from Karsa Labelizer will be unique and will not collide with other values you might be using in that Custom Label. It also makes it easier for you to filter and work with these values in Google Ads. ## Example * You select `Custom label`: `custom_label_0` * You enter `Prefix for custom label`: `TopPerf` * Karsa Labelizer creates 3 clusters. * Products in the first cluster will get the value `TopPerf_1` in the `custom_label_0` attribute in GMC. * Products in the second cluster will get the value `TopPerf_2`. * Products in the third cluster will get the value `TopPerf_3`. You can then use these values (`TopPerf_1`, `TopPerf_2`, `TopPerf_3`) in Google Ads to create separate product groups or campaigns. *** Proper Custom Label setup is essential for the successful transfer of segmentation information from Karsa Labelizer to Google Merchant Center and subsequently to your advertising campaigns. In the next section, we will look at how to set up [Product Dynamics Management](/iii.-cluster-designer-creating-clusterization/product-dynamics-management). # Product Dynamics Management Your products' performance is not static – it changes over time due to seasonality, inventory levels, price changes, competitor activities, and many other factors. For your segmentation in Karsa Labelizer to remain effective and current, it's necessary not only to divide products correctly at the beginning but also to actively manage their **dynamics**. ## What Does "Product Dynamics" Mean? In the context of Karsa Labelizer, product dynamics primarily refers to two key areas: 1. **Product movements between clusters:** As the performance of individual products changes, it may be advantageous to move them from one cluster (campaign) to another that better matches their current characteristics. Karsa Labelizer can do this automatically. 2. **Handling new products:** Newly added products to your feed usually have no performance history. It's important to have a strategy for how to most effectively incorporate these products into your segmentation structure so they don't remain "lost" or incorrectly categorized. ## Why is Dynamics Management Important? * **Maintaining cluster consistency and performance:** Continuous, intelligent product movements help maintain high internal consistency of individual clusters, which is key to their predictability and performance. * **Preventing campaign destabilization:** Uncontrolled or too frequent movements of large numbers of products can disrupt the learning phase of Google algorithms and lead to temporary performance declines. That's why Karsa Labelizer offers tools to manage these movements. * **Effective start for new products:** The right strategy for new products ensures that even "newcomers" get a chance to prove their potential and won't be unnecessarily placed in underperforming segments just because they don't have data at the beginning. ## What You'll Find in This Subsection The following pages will explain in detail how to set up rules for managing your products' dynamics in **Cluster Designer**: * [**Movement Limits**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/product-dynamics-management/movement-limits.md)**:** How to configure whether and under what conditions products can automatically move between clusters, including setting percentage limits and time delays to ensure campaign stability. * [**New Products Strategy**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/cluster-designer/product-dynamics-management/new-products-strategy.md)**:** Description of various approaches to incorporating newly added products into your clusterizations to maximize their chance of success. By carefully setting these parameters, you'll ensure that your segmentation created using Karsa Labelizer will not only be effective at its inception but will remain relevant and high-performing in the long term. # Movement Limits One of the key advantages of Karsa Labelizer is the ability to **dynamically adjust the placement of products** into clusters based on their current performance. This means that if a product's performance changes in such a way that it better matches the characteristics of another cluster, the system can automatically move it. However, to prevent these movements from leading to undesirable destabilization of your campaigns and disrupting the learning process of Google algorithms, Karsa Labelizer offers detailed settings of limits for these operations. ## Enabling Product Movements First, it is necessary to decide whether you want to allow automatic product movements for the given clusterization at all. ### 1. `Allow moving products when updating` * **What it is:** A basic switch that enables or disables automatic product movements between clusters when Karsa Labelizer updates data daily and recalculates optimal placement. * **Recommendations:** * **Enabled (Yes):** In most cases, it is desirable to have this option active so that your segmentation is continuously optimized and reflects current performance. * **Disabled (No):** Consider temporarily disabling movements in the following situations: * **During the initial learning phase of Google Ads:** When you deploy a completely new campaign structure to Google Ads, it is advisable to let Google algorithms "learn" for about 1-3 weeks without further major changes in the structure. During this time, products may not yet have established actual performance metrics, and movements could be premature. * **During major external changes:** For example, during short-term massive sales or other events that may temporarily distort product performance. * **For diagnostic purposes:** If you want to analyze the performance of a "frozen" structure. ## Setting Limits for Product Movement If movements are allowed, the following limits will help you control their intensity and prevent sudden, extensive changes that could negatively affect the optimization of Google campaigns. ### 1. `Each cluster can lose at most % of products` * **What it is:** Defines the maximum percentage of products (out of the total number of products in a given cluster) that can be removed from this cluster (moved elsewhere) during one update cycle (usually daily). * **Example:** If you set 10% and the cluster has 100 products, a maximum of 10 products can be moved away from it on a given day. * **Importance:** Prevents massive "outflow" of products from one cluster at once. ### 2. `Each cluster can gain at most % of products` * **What it is:** Defines the maximum percentage of products (relative to the original number of products in a given cluster) that can be added to this cluster (moved from other clusters) during one update cycle. * **Example:** If you set 15% and the cluster originally had 100 products, a maximum of 15 new products can be moved into it on a given day. * **Importance:** Prevents sudden massive "inflow" of products into one cluster, which could also affect its characteristics and behavior. ### 3. `Waiting days before moving product again` * **What it is:** The minimum number of days that must elapse since the last movement of a product before this specific product can be moved to another cluster again. * **Example:** If you set 7 days, a product that was moved today cannot be moved again for the next 7 days, even if its performance would suggest suitability for another cluster. It must first "settle" and demonstrate performance in the new cluster. * **Importance:** Prevents constant "pouring" of products between clusters, gives products time to acclimatize and collect relevant data in the new environment. ### 4. `Limit (in percent) how much can be stabilization value changed` * **What it is:** The maximum allowed percentage change of the so-called **stabilization value** for each cluster during one update cycle. * **Stabilization value:** This is a metric that represents the total conversion value, number of products, or another parameter chosen by you or determined by the system. Products are moved between clusters so that this defined stabilization value of each cluster changes only as much as this percentage limit allows. * **Example:** If the stabilization value is the total conversion value of the cluster and the limit is set to 5%, then product movements (outgoing and incoming) must not cause a change in the total conversion value of this cluster by more than +/- 5% during one update. * **Importance:** This is a very powerful tool for maintaining the overall characteristic and performance level of the cluster over time, even though individual products may change. It ensures smooth transitions and protects against abrupt changes that could confuse Google algorithms. *** By carefully setting these parameters for allowing and limiting product movements, you ensure that your clusterization will not only dynamically respond to changes in performance but also maintain the necessary stability for long-term effective functioning of your Google Ads campaigns. In the next section, we will focus on [New Products Strategy](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/new-products-strategy). # New Products Strategy New products added to your product feed present a specific challenge for any performance-based segmentation system. Because they **have no history of performance data** (such as impressions, clicks, conversions, ROAS, etc.), their placement purely based on current (zero) values would be misleading. For example, a new, potentially very successful iPhone would end up in a "non-performing" cluster if its initial zero performance was taken as final. Karsa Labelizer offers several strategies for intelligently handling these new products to give them a fair chance to prove their potential. In the **Cluster Designer**, you can choose one of the following options for `Select the behaviour of newly added products`: ## 1. `Automatic derivation of values` * **Principle:** For new products, Karsa Labelizer will try to **derive (approximate) their potential performance values** based on similar, already existing products in your catalog. For this derivation, attributes such as: * Manufacturer (brand) * Product category * Price level\ are typically taken into account. * **Placement:** Based on these derived values, the new product is immediately assigned to the cluster that best corresponds to its estimated potential. * **Ongoing update:** These derived values for the new product can be **updated daily** based on the broader context, and at the same time, the system begins to collect **real performance data** for this specific product. Once the product gains sufficient history of its own, its placement is primarily governed by its actual performance and it can be moved to another cluster (if [product movement](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits) is allowed). * **Advantages:** * The product is from the beginning placed in a potentially relevant (high-performing) cluster. * It can more quickly start generating data in an environment with corresponding budget and targeting. * The risk of the product remaining "lost" in a general or non-performing segment is minimized. * **Possible disadvantages:** * The accuracy of derivation depends on the quality of data and the existence of truly similar products. * The initial estimate may differ from the real future performance. ## 2. `Add to category for new products` * **Principle:** All newly added products are automatically placed in a **special, dedicated category (and thus also campaign in Google Ads)**. * **Duration of stay:** The product remains in this "incubation" campaign for a defined period of **30 days**, during which it collects real performance data. * **Subsequent placement:** After this period has elapsed and sufficient history has been collected, the product is automatically moved from this special category to the cluster that best corresponds to its actual performance. * **Advantages:** * **Full control over new products:** You have all new products together in one dedicated campaign. * **Specific budget and ROAS target:** For this "incubation" campaign, you can set your own, for example looser, budget and target ROAS to give products space to "look around" and collect data without too strict limitations. * Clearly separated phase of data collection from the phase of optimization based on performance. * **Possible disadvantages:** * If the "incubation" campaign is not properly set up and managed, products in it may not gain sufficient visibility. * High-potential products may be in a less optimized environment for a certain period than they could be with value derivation. ## 3. `The product is placed with zero values` * **Principle:** The new product is assigned to one of the existing clusters based on how the algorithm evaluates "zero" or very low initial values of its performance metrics. * **Placement:** This often means that the product ends up in a cluster designated for **low-performing or "other" products**. * **Gradual data acquisition:** The product gradually acquires real performance data and based on this can later be moved to a more suitable cluster (if [product movement](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits) is allowed). * **Advantages:** * Simplicity of implementation – does not require special derivation logic or a dedicated campaign. * **Possible disadvantages:** * **Least optimal strategy for potentially high-performing products:** The new product is initially "penalized" for the absence of history and may be placed in a campaign with a low budget or low priority, where it doesn't get a chance to quickly prove its true potential. * It may take longer for the product to get into the right, high-performing cluster. ## Which Strategy to Choose? The choice of optimal strategy depends on the specifics of your assortment and your goals: * **`Automatic derivation of values`** is often a good choice if you have enough similar products in your catalog and believe in the system's ability to estimate the potential of new items. It is more aggressive in trying to quickly place the product correctly. * **`Add to category for new products`** provides the most control and is suitable if you want to have a specific regime (budget, ROAS) for new products and a clearly separated data collection phase. It is a safer, more conservative approach. * **`The product is placed with zero values`** is generally recommended the least if you care about a quick and efficient start for new products. Proper handling of new products is an important part of maintaining dynamic and effective segmentation. After setting this strategy and rules for movements, you can proceed to the final [Launch and Monitoring of clusterization](/iii.-cluster-designer-creating-clusterization/launch-and-monitoring). # Launch and Monitoring After carefully configuring all parameters of your new clusterization in the **Cluster Designer** – from [basic settings](/iii.-cluster-designer-creating-clusterization/creating-new-clusterization), through [limits and goals](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals), [parameter selection](/iii.-cluster-designer-creating-clusterization/parameter-selection), [Custom Label setup](/iii.-cluster-designer-creating-clusterization/custom-label-setup), to [product dynamics management](/iii.-cluster-designer-creating-clusterization/product-dynamics-management) – you are ready to start the actual process of creating clusters. ## 1. Launching the Clusterization Process * **Final check:** Before starting the process, we recommend quickly going through all settings once more to make sure they match your intention. * **Launch button:** In the Cluster Designer interface, you will find a button designed to start the clusterization operation (Arrow icon).
* **What happens after clicking:** After clicking this button, Karsa Labelizer sends your configuration and product data for processing by its AI algorithms. In the background, a complex computational task begins that analyzes the data and creates optimal grouping of products into clusters. ## 2. Monitoring the Operation Progress Once the clusterization process is launched, it is important to be able to monitor its status and progress. * **Operation Manager:** You can monitor the progress of this computationally intensive operation in the [Operation Manager](/ii.-first-steps/operation-manager) module. Here you should see your newly launched task and its current status. * **Expected duration:** The actual calculation and creation of clusters usually takes **2 to 15 minutes**. The exact time depends on several factors: * **Number of products:** A larger number of products naturally requires more processing time. * **Data distribution:** The complexity and variability of your product data can affect the computational intensity. * **Number of cluster combinations explored:** Depending on the set limits and chosen parameters, the AI may search through a varying size of possible solution space. ## 3. What Happens After Completion? * **Creation of a new clusterization category:** After successful completion of the process, Karsa Labelizer automatically creates a new **category** in your structure that bears the name of your clusterization. Inside this category, you will find the individual generated **clusters** as its subcategories. These clusters represent specific groups of products ready for analysis and subsequent use in your campaigns. * **Ready for analysis:** Your new clusterization is now ready for detailed exploration using reports in the [IV. Analysis and Optimization](/iv.-analysis-and-optimization/iv.-analysis-and-optimization) section. You can check metrics such as `Consistency`, look at the characteristics of individual clusters, and the products they contain. * **Transition to production:** If you are satisfied with the resulting design, you can switch the clusterization to [production mode (`ProductionRun`)](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/v.-deployment-and-strategy/production-deployment.md) to start generating Custom Labels into Google Merchant Center and possibly activate dynamic product movements. *** Launching the clusterization is the culmination of your configuration work in the Cluster Designer. Thanks to monitoring in the Operation Manager, you have an overview of what is happening, and after completion, you can smoothly move on to analyzing the results. This step completes the configuration within the Cluster Designer section. # Introduction to Analysis and Reports Creating a clusterization design in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization) is only the first, albeit very important, step. For your new segmentation strategies to bring the expected results, it is essential to carefully **analyze, evaluate**, and based on the findings, potentially further **optimize** or select the best variant for deployment to production mode. Karsa Labelizer provides you with a set of clear reports and analytical tools for this purpose. ## Why is Analysis Key? * **Strategy verification:** Analysis allows you to check whether the AI algorithms have created clusters that match your expectations and strategic goals. * **Understanding structure:** You will see in detail how your products were divided, what characteristics individual clusters have, and which products they contain. * **Identification of performance differences:** Reports will help you uncover strengths and weaknesses of individual clusters and the products within them. * **Selection of the best design:** If you have created multiple test clusterizations with different parameters, analysis helps you objectively compare their quality (e.g., using the `Consistency` metric) and select the most suitable one. * **Basis for decision:** Based on analytical outputs, you will decide whether the clusterization is ready for [production deployment](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/v.-deployment-and-strategy/production-deployment.md) and integration with your Google Ads campaigns. * **Continuous optimization:** Even after deployment, it is important to monitor reports so you can respond to performance changes and potentially adjust your strategy or product movement settings. ## What You'll Find in This Section This documentation section will guide you through the individual reports and analytical capabilities of Karsa Labelizer: * [**Clusterizations Overview**](/iv.-analysis-and-optimization/clusterizations-overview)**:** Your central place for managing and comparing all created clusterization strategies. Here you will monitor their status, consistency, and basic parameters. * [**Cluster Details**](/iv.-analysis-and-optimization/cluster-details)**:** In-depth analysis of performance metrics for each individual cluster within the selected clusterization. It helps you understand the character and performance of each segment. * [**Products in Cluster**](/iv.-analysis-and-optimization/products-in-cluster)**:** Detailed view of individual products assigned to specific clusters, including their individual performance metrics. * [**Product Movement History**](/iv.-analysis-and-optimization/product-movement-history)**:** A tool for monitoring and analyzing dynamic product movements between clusters, which is key to understanding long-term optimization and stability. {% hint style="info" %} Analysis of data and clusterization results should be an iterative process. Don't be afraid to experiment with different settings in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization), create test variants, and based on analytical outputs, select and refine your segmentation strategy. {% endhint %} Let's now take a closer look at the individual reports and what information you can gain from them. # Clusterizations Overview This report is your central place for managing and comparing all created clusterization strategies. It allows you to quickly gain an overview of their settings, status, and basic characteristics. You will typically find it by clicking on the highest level of the category tree in the left menu, which represents all clusterizations, or on a specific parent category if you have organized your clusterizations this way.
## What the Report Is For: * **Strategy comparison:** Easily compare the results of different clusterization designs that you created in [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) (e.g., with different parameters or limits). * **Status monitoring:** Quickly determine which clusterization is currently active in production mode (`ProductionRun`), which is in test mode (`Test`), or paused (`Pause`). * **Consistency evaluation:** Assess how stable and predictable the clusters are within individual clusterizations. * **Custom Labels management:** Get an overview of which Google Custom Labels (`custom_label_0` to `custom_label_4`) are already being used by your clusterizations. * **Optimization planning:** Identify older or less performing clusterizations that may require updating, adjustment, or replacement with a new design. ## Key Columns and Their Meaning: ### `Clasterization name` * The name you entered during configuration in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/creating-new-clusterization.md). * It is recommended to use descriptive names for easy identification of the purpose and goals of the clusterization (e.g., `Test_ROAS_Price_08-2025`). ### `Created time` * Date and time when the given clusterization (design) was created. * The report is usually sorted from newest to oldest, which makes it easier to track the latest experiments. ### `Status` * Current status of the clusterization: * **`ProductionRun`**: The clusterization is active in production mode. This means it runs daily, updates data, allows dynamic product movements between clusters (if enabled), and exports `Custom Labels` to Google Merchant Center. In the left menu, this category is marked in green. * **`Test`**: The clusterization is in test mode. You can analyze its design and metrics, but it does not affect production data or export `Custom Labels`. * **`Pause`**: The clusterization is paused and does not run automatically. Its settings are preserved, but no active operations take place. ### `Custom label` * The number of the Google Custom Label (from 0 to 4) that was selected for this clusterization in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/custom-label-setup.md) for marking products in Google Merchant Center. ### `Clusters count` * The total number of clusters (product segments) that were created within this clusterization. For an existing clusterization, this number cannot be changed; you need to create a new clusterization with different limits. ### `Products count` * The total number of products that are included in all clusters of this clusterization. ### `Consistency` * **A very important performance metric.** It indicates the degree of internal consistency (stability and similarity) of product performance metrics *within* individual clusters of the given clusterization over time. * **A higher value means a better result.** Clusters with higher consistency are more internally homogeneous, their behavior is more stable and better predictable for Google Ads optimization algorithms. * **For proper comparison:** It is recommended to compare `Consistency` values between clusterizations that were created using the same number (and ideally the same types) of parameters/dimensions. ### `Clastering parameters count` * The number of parameters (metrics, e.g., ROAS, Conversion value, CTR) that were used to create this clusterization. ### `Clastering parameters names` * A list of specific parameter names that were used in the clusterization process for this design (e.g., `ROAS, Conv. value`). *** This overview serves as a starting point for quick orientation in your clusterization strategies and for deciding which ones deserve more detailed analysis, deployment to production, or conversely, adjustment or archiving. For a deeper insight into individual clusters, proceed to the [Cluster Details](/iv.-analysis-and-optimization/cluster-details) report. # Cluster Details The **Cluster Details** report (labeled as "Clusters" in the system) is a key analytical tool in Karsa Labelizer. After selecting a specific clusterization you want to analyze in the [Clusterizations Overview](/iv.-analysis-and-optimization/clusterizations-overview) report, this report provides you with a detailed view of the performance metrics of each individual cluster contained in that clusterization. Its main purpose is to allow you to: * **Evaluate the effectiveness of product distribution:** Assess how individual segments (clusters) are performing. * **Identify the highest and lowest performing clusters:** Quickly determine which segments generate the best results and which ones are lagging behind. * **Uncover anomalies and opportunities for optimization:** Find clusters with unusual metric values that may require further investigation or strategy adjustment. * **Optimize bidding strategies:** Based on metrics such as ROAS, CPC, and CTR, adjust bidding strategies for individual campaigns corresponding to these clusters. ## How the Report Works and What It Displays The "Labelizer - List clusters" script works with the selected **clusterization category** (which contains individual clusters as its subcategories). For each cluster within this selected clusterization, it collects and calculates the following performance metrics for the last 30 days:
### Displayed Metrics for Each Cluster: * **`ROAS` (Return on Ad Spend):** Return on advertising investment (Conversion Value / Cost). * **`CostPerConversion`:** Average cost of acquiring one conversion. * **`CPC` (Cost Per Click):** Average cost per click on an advertisement. * **`CTR` (Click-Through Rate):** Click-through rate (Clicks / Impressions). * **`Cost`:** Total advertising costs for the given cluster. * **`Conv. value` (Conversion Value):** Total value of conversions generated by the cluster. * **`Conversions`:** Total number of conversions achieved by the cluster. * **`Number of products`:** How many products are currently assigned to the given cluster. * **`Average product price`:** Average price of products in the given cluster. * **`Impressions`:** Total number of impressions of product advertisements in the cluster. * **`Clicks`:** Total number of clicks on product advertisements in the cluster. * **`Google custom label value`:** The value of the custom label (e.g., `yourprefix_1`, `yourprefix_2`) that was assigned to this cluster and is exported to GMC. ## Data Visualization and Interpretation The "Cluster Details" report uses several visual elements for easier and faster data interpretation: * **Transposed view:** Data is often presented in a transposed table, where: * **Rows** represent individual metrics (ROAS, CPC, CTR, etc.). * **Columns** represent individual clusters of your clusterization. * **Cluster sorting:** Columns (clusters) are typically **sorted by `ROAS` value** from highest to lowest (left to right). This allows you to immediately identify the most effective clusters. * **Cell color highlighting (Heatmap):** * **Green, yellow, and red scale:** Used for metrics such as `ROAS` and `CTR`, where higher values are usually better (green). * **Inverse color scale (green, yellow, red):** Used for metrics such as `CPC` and `CostPerConversion`, where lower values are better (green). * **Blue shades (or other neutral scale):** May be used for metrics such as `Number of products`, `Impressions`, `Clicks`, `Conv. value`, `Cost`, where the color indicates the magnitude of the value within the given report rather than its positive or negative impact. * **Important:** Color coding is applied when viewing all clusters at once and helps to quickly visually compare the relative performance of clusters with each other. For exact values, always look at the numerical data in the cells. ## How to Use This Report for Optimization: * **Comparing cluster performance:** Quickly identify which clusters are achieving your ROAS goals and which need attention. * **Analyzing clusterization parameters:** Look at how the average values of key metrics differ between clusters. For example, if you clustered by ROAS and price, you will see here how these metrics translated into the characteristics of individual clusters. * **Monitor the number of conversions and products** in individual clusters. If these values approach the minimum (threshold) values set for clusterization, consider reducing the total number of clusters being created. The reason is that if some products are discontinued or due to seasonal changes, the cluster could fall below the threshold of sufficient data volume. Such a cluster would become less predictable for Google algorithms, which could negatively affect its performance. When setting up and evaluating clusterization, it is also important to take into account your expert knowledge of catalog management for the given e-commerce store – how often changes occur in the product portfolio, when seasons begin and end for key segments, etc. * **Budget decisions:** You can decide to allocate higher budgets to campaigns corresponding to clusters with high ROAS and sufficient conversion volume. * **Adjusting bidding strategies:** For clusters with low ROAS but high CTR and conversion rate (after clicking), you can consider adjusting bidding strategies or analyzing price competitiveness. For clusters with high CPC and low ROAS, you need to consider lowering bids or refining targeting. * **Identifying anomalies:** Look for clusters with unusual combinations of metrics (e.g., very high CTR but extremely low number of conversions), which may signal problems with landing pages or product offerings. * **Monitoring product distribution:** Look at `Number of products` and `Average product price` in individual clusters to understand how your products are distributed not only by performance but also by number and price. The "Cluster Details" report is a powerful tool for in-depth analysis of your segmentation strategy. By regularly monitoring and interpreting this data, you can make informed decisions leading to gradual optimization and performance improvement of your Google Shopping campaigns. # Products in Cluster The **Products in Cluster** report provides you with the most detailed level of analysis in Karsa Labelizer. It allows you to explore the performance metrics of **each individual product** assigned either to a specific cluster of your choice, or across all clusters within the entire clusterization. Its main purpose is to: * **Identify the most successful and problematic products:** Quickly discover which specific products are driving your business (high ROAS, high conversion value) and which ones are lagging behind or generating losses. * **Optimize product assignment to clusters:** Analyze whether products are correctly assigned based on their performance and cluster characteristics. * **Monitor performance at the product level:** Track key metrics such as ROAS, CPC, CTR, number of conversions, and their value for each product individually. ## How the Report Works and What It Displays After selecting a cluster or an entire clusterization, the "Products" report will show you a table with the following information for each product (data typically relates to the last 30 days):
### Displayed Columns (Metrics) for Each Product: * **`Product ID`:** Unique identifier of the product in your system/feed. * **`Name`:** Product name from the product feed. * **`Cluster`:** Name of the cluster to which the product is currently assigned. * **`ROAS` (Return on Ad Spend):** Return on advertising investment for the given product. * **`CPC` (Cost Per Click):** Average cost per click on the advertisement of the given product. * **`CTR` (Click-Through Rate):** Click-through rate for the given product. * **`Cost`:** Total advertising costs for the given product. * **`Conversions`:** Number of conversions achieved by the given product. * **`Conv. value` (Conversion Value):** Total value of conversions generated by the given product. * **`Clicks`:** Number of clicks on advertisements of the given product. * **`Impressions`:** Number of impressions of advertisements of the given product. * **`Average product price`:** Average price of the product during the monitored period. ### Report Features: * **Filtering:** Option to display products only from a specific cluster or from all clusters within the selected clusterization. You may also have more advanced filtering options based on the values of individual metrics. * **Sorting:** Products can typically be sorted by various columns (metrics). The default sorting is often by **conversion value** (`Conv. value`) or **ROAS**, which helps you quickly identify key products. * **Visual Performance Highlighting (Percentile Coloring):** * The report uses a sophisticated cell color coding system (similar to a heatmap) to visually emphasize the relative performance of products within the displayed set. * **Red-yellow-green scale:** For metrics such as `ROAS` and `CTR`, where higher values are better (green). * **Green-yellow-red scale (inverse):** For metrics such as `CPC`, where lower values are better (green). * **Blue shades (or other neutral scale):** For metrics such as `Cost`, `Clicks`, `Impressions`, `Conv. value`, `Conversions`, `Average product price`, where the color indicates the magnitude of the value. * Color highlighting is based on **percentiles**, which means that the cell color corresponds to the relative position of the value of the given product among all other displayed products for that metric. This allows you to very quickly identify products that are significantly above or below average in a certain metric. ## How to Use This Report for Optimization: * **Identification of "stars" and "dogs":** Using sorting and color coding, quickly find products with the highest ROAS and conversion value ("stars") that deserve attention and possibly increased support. Similarly, identify products with high costs and low or negative ROAS ("dogs"), for which you should consider limiting promotion, adjusting price, optimizing the landing page, or completely removing them from active advertising. * **Checking the correctness of cluster assignment:** Check whether the performance of individual products corresponds to the overall characteristics of the cluster to which they are assigned. For example, if you find a product with very high ROAS in a "Low ROAS" cluster, it may be a candidate for movement (or a signal that its performance has recently improved). * **Optimizing bids at the product level (if your strategy allows it):** Although Karsa works with clusters as wholes, detailed data about products can help you better understand why some clusters perform better or worse, and possibly consider more detailed adjustments if the Google Ads platform allows it for the given campaign type. * **Analysis of the relationship between price and performance:** Observe how the performance of products differs across various price levels. * **Uncovering problems with data in the feed:** If a product shows unexpectedly poor performance (e.g., very low CTR despite a high number of impressions), also check the quality of its data in the product feed (title, description, image, price). The "Products" report is an essential tool for anyone who wants to truly go in-depth with Google Shopping campaign optimization. It provides transparency down to the level of individual items and allows you to make highly informed decisions. # Product Movement History The **Product Movement History** report ("Moving history") is an advanced analytical tool in Karsa Labelizer that allows you to track and analyze in detail how individual products have moved between different clusters (campaigns) over time within your active clusterizations. Its main purpose is to provide you with: * **Detailed timeline of changes:** An exact record of when, from where, and to where a product was moved. * **Performance metrics at the time of movement:** What values the product achieved in key metrics at the moment it was moved, and what its values were before the move. * **Basis for evaluating movement effectiveness:** Whether product movements actually led to improved performance of the products or entire clusters. * **Audit and transparency:** Complete history of changes for reporting and retrospective analysis purposes. * **Ability to evaluate ML algorithm recommendations:** Compare whether movements initiated by the system (based on ML recommendations) bring better results than the previous state. ## How the Report Works and What It Displays This report typically displays chronologically sorted records of each product movement. For each record (movement), you can expect the following information: ### Key Information Displayed for Each Movement: * **Product identification:** * `Product ID`, `Name` * **Movement information:** * **Date and time of movement:** When exactly the movement occurred. * **Original cluster (`KM_LabelizerHistory_ClusterId` before change):** From which cluster the product was moved. * **New cluster (`KM_LabelizerHistory_ClusterId` after change):** To which cluster the product was newly assigned. * **Cluster recommended by ML algorithm:** Whether the movement corresponded to the recommendation of Karsa Labelizer's machine learning algorithm. * **Product performance metrics at the time of recording (current values):** * `ROAS` * `Conv. value` * `Conversions` * `Price` (Average product price) * `Clicks` * `Impressions` * `Cost` * **Product performance metrics BEFORE movement (previous values):** * The report often also displays metric values from the previous period or state (before the currently recorded movement) to allow direct comparison. * **Percentage change in metrics:** * The difference between the current and previous value of the metric, expressed as a percentage. This quickly shows you how the product's performance changed in connection with the movement. ## Data Visualization and Interpretation Similar to other reports in Karsa Labelizer, the Product Movement History may use visual elements for easier orientation: * **Metric color coding:** Different types of metrics may have different color highlighting (e.g., green for ROAS, blue for conversion value, etc.). * **Highlighting changes:** * Previous values may be displayed in a darker shade. * Percentage changes may be color-differentiated (e.g., green for positive changes in ROAS, red for negative). * **Chronological sorting:** Records are sorted chronologically so you can track development over time. ## How to Use This Report for Optimization: * **Monitoring movement effectiveness:** Analyze whether product movements between clusters led to improvements in their key metrics (e.g., whether a product's ROAS actually increased after being moved to a "better" cluster). * **Evaluating ML recommendation accuracy:** Compare whether movements made based on ML algorithm recommendations consistently bring better results. * **Auditing changes:** Have a complete and transparent history of all automatic changes in product assignment for reporting, control, and possible retrospective analysis purposes. * **Optimizing clusterization strategy and movement rules:** Based on long-term monitoring of movement history, you can better fine-tune the settings of movement limits in [Cluster Designer](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits.md) or even adjust the overall [parameter selection strategy](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/iii.-cluster-designer-creating-clusterization/parameter-selection/parameter-selection-strategy.md) for clusterization if you find that certain types of movements are not effective. The Product Movement History report is an invaluable source of information for understanding the dynamic aspects of your AI-driven segmentation. It provides detailed insight into how Karsa Labelizer continuously tries to optimize the assignment of your products, and allows you to verify and further fine-tune this process. # Introduction to Deployment and Strategies You have designed, configured, and [analyzed](/iv.-analysis-and-optimization/iv.-analysis-and-optimization) a clusterization that you are satisfied with. Congratulations! Now comes the key phase: **deploying this new structure to your real Google Ads campaigns** and its subsequent strategic management and optimization. ## From Theory to Practice In previous sections, you've learned: * Why advanced segmentation is important ([Introduction](/i.-introduction-to-karsa-labelizer/what-is-karsa-labelizer)). * How Karsa Labelizer works and how to navigate its interface ([First Steps](/ii.-first-steps/interface-overview)). * How to design and create a clusterization in detail using [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization). * How to analyze the resulting clusters and products within them using reports. This section will focus on how to transform this knowledge into concrete steps that will lead to improved performance of your Google Shopping and Performance Max campaigns. ## What You'll Find in This Section We will guide you through the deployment process and subsequent strategies: * [**Production Deployment**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/deployment-and-strategy/production-deployment.md)**:** A practical guide on how to activate your selected clusterization (switch it to `ProductionRun` mode) and how to set up or adjust your campaigns in Google Ads based on the generated `Custom Labels`. * [**Performance Max Integration**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/deployment-and-strategy/performance-max-integration.md)**:** Specific tips and strategies on how to effectively use segmentation created by Karsa Labelizer within your Performance Max campaigns, especially for structuring Listing Groups and Asset Groups. * [**Post-Deployment Optimization (Learning Phase)**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/deployment-and-strategy/post-deployment-optimization.md)**:** A very important chapter about what to expect after launching new campaigns, how long the learning phase of Google algorithms takes, and how to gradually adjust budgets and goals (e.g., tROAS) to achieve optimal results. * [**Stability Management Strategy**](https://github.com/MJezek6/Labelizer-KB-EN/blob/Main/deployment-and-strategy/stability-management-strategy.md)**:** A deeper look at how to work with setting limits for product movements to maintain the stability and performance of your campaigns even during dynamic changes in the market or in the performance of individual products. {% hint style="warning" %} Deploying a new campaign structure is a significant step. We recommend proceeding with caution, especially if you manage campaigns with large budgets. Always carefully monitor performance after making changes. {% endhint %} The goal of this section is to equip you with the knowledge needed not only for the technical deployment of clusterization but also for its long-term strategic management and maximizing its contribution to your business goals. # Production Deployment After you have created and configured your clusterization in the [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) and thoroughly [reviewed it using analytical reports](/iv.-analysis-and-optimization/iv.-analysis-and-optimization), you are ready to deploy it to production mode. This step means that Karsa Labelizer will start exporting `Custom Labels` for this clusterization to your Google Merchant Center (GMC) daily and possibly also activate dynamic product movements between clusters (if you have enabled them). ## Steps for Production Deployment: ### 1. Switching the Clusterization to "ProductionRun" in Karsa Labelizer * **Select the clusterization:** In the left navigation menu of Karsa Labelizer, find the clusterization category you want to deploy. * **Change the status:** In the detail of this clusterization category (or in its settings – the exact location may vary depending on the UI version), find the option to change its `Status`. Choose the status **`ProductionRun`** (Production mode). * **Visual confirmation:** After successful switching, the category of this clusterization in the left menu will be distinguished, turning green, which signals its active production status. **What happens after switching to `ProductionRun`:** * **Daily export to GMC:** Karsa Labelizer will start automatically exporting `Custom Label` values (with your defined prefix and cluster number, e.g., `mycompany_1`) for all products included in this clusterization to the XML supplementary feed every day. * **Feed URL:** You can find the URL in the left menu Tools > Setup. Use this address when creating a data source in GMC. Set the file loading time to 6-7am. * **Activation of dynamic movements:** If you have [enabled dynamic product movement in the clusterization configuration](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits), this feature will now be activated. Products will be able to move between clusters based on current performance and your set limits. * **History recording:** The system will start recording the history of product movements for this clusterization, which you can view in the corresponding report. ### 2. Setting Up/Adjusting Campaigns in Google Ads Simply switching the clusterization to `ProductionRun` in Karsa Labelizer and exporting `Custom Labels` to GMC does not automatically create or modify your campaigns in Google Ads. You must perform this step manually in the Google Ads interface. **Principle:** In Google Ads, you will now use the `Custom Label` values that Karsa Labelizer sends to GMC for product segmentation. **Procedure for Standard Shopping Campaigns:** * **New campaigns (recommended for a new structure):** 1. **Create new campaigns:** For each significant cluster (or logical group of clusters), create a new Shopping campaign in Google Ads. 2. **Campaign settings:** Choose the appropriate product feed from GMC, set the budget, bidding strategy (e.g., Target ROAS, Maximize Conversion Value), and other relevant targeting (country, language). 3. **Filtering products in ad groups:** * Create one or more ad groups in the campaign. * Within the ad group, go to the "Product groups" section. * Divide products by the `Custom Label` attribute you chose in Karsa Labelizer (e.g., `Custom label 0`). * For each unique label value (e.g., `mycompany_1`, `mycompany_2`, etc.) that corresponds to your cluster, create a separate product group. * Exclude other products (with other values in that Custom Label or without a value) from this campaign/ad group. **Procedure for Performance Max Campaigns:** You have two main strategic options for using Karsa `Custom Labels`: * **Strategy A: Multiple separate PMax campaigns (High control - recommended)** * Create several separate PMax campaigns, where each campaign will target one or more logically related Karsa clusters. * In the settings of each PMax campaign (or through its Listing Groups), filter products so that it contains only items with the appropriate `Custom Label` values from Karsa. * This approach allows maximum control over budgets and performance goals for individual strategic segments. * **Strategy B: Segmentation using Listing Groups within one (or fewer) PMax campaigns (Higher automation)** * Work with one or a smaller number of PMax campaigns. * Within an Asset Group, go to the Listing Groups section. * Here, divide your inventory ("All products") by the `Custom Label` attribute from Karsa. * Create a separate listing group for each relevant Karsa cluster. * This approach makes more use of PMax automation but still allows for more targeted signals through thus segmented products. You can also create multiple Asset Groups and target each to different Listing Groups (Karsa clusters) with different creative assets. More detailed information and comparison of these strategies for PMax can be found on the [Performance Max Integration](/v.-deployment-and-strategy/performance-max-integration) page. ### 3. Setting Budgets and Bids * For each newly created campaign (or segmented group) in Google Ads, set the appropriate **daily budget** and **bidding strategy** (e.g., Target ROAS). * Initial ROAS targets should be realistic and based on the historical performance of that product segment or on the overall average with a slight reserve for the learning phase. * More information: [Post-Deployment Optimization (Learning Phase)](/v.-deployment-and-strategy/post-deployment-optimization) ### 4. Verification and Monitoring * **Verify in GMC:** Check in your Google Merchant Center whether the `Custom Label` values from Karsa are correctly propagating to products (this may take several hours to one day). * **Verify in Google Ads:** Make sure your campaigns and product groups correctly target products with the appropriate `Custom Label` values. * **Monitor performance:** After launching new/modified campaigns, carefully monitor their performance in Google Ads and in Karsa Labelizer reports. {% hint style="success" %} By deploying the clusterization to production mode and properly setting up campaigns in Google Ads, you have laid the foundation for smarter and more efficient management of your product ads! {% endhint %} *** Remember that after deploying a new campaign structure, an important [learning phase](/v.-deployment-and-strategy/post-deployment-optimization) follows, during which you should not make fundamental changes to the settings. # Performance Max Integration While Performance Max (PMax) campaigns are highly automated, their success still significantly depends on the quality of signals you provide them, especially through **strategic segmentation of the product feed**. [`Custom Labels`](/iii.-cluster-designer-creating-clusterization/custom-label-setup) generated by Karsa Labelizer are a key tool for effectively structuring your PMax activities. ## Why is feed segmentation important for PMax? * **Providing stronger signals to Google AI:** Clearly defined product groups (Karsa clusters) help AI in PMax better understand the characteristics and performance potential of your inventory. * **More targeted strategies:** Allows you to customize your approach to different segments of your portfolio even within the automated PMax environment. ## Preferred Strategy: Multiple Separate PMax Campaigns For maximum control and strategic flexibility, **we recommend considering creating multiple separate PMax campaigns**, where each campaign will focus on one or more logically related Karsa clusters. This approach will provide you with the best options for managing budgets and performance goals. ### Procedure and Key Benefits of Separate PMax Campaigns: 1. **Creating dedicated PMax campaigns:** * For each key product segment you've identified using Karsa Labelizer (represented by one or more Karsa clusters), create a **separate PMax campaign** in Google Ads. * For example: * PMax Campaign A: Targets products from the cluster `mycompany_TopPerformers` * PMax Campaign B: Targets products from the cluster `mycompany_StablePerformance` * PMax Campaign C: Targets products from the cluster `mycompany_NewProducts` 2. **Filtering products using** [**`Custom Labels`**](/iii.-cluster-designer-creating-clusterization/custom-label-setup)**:** * In the settings of each PMax campaign created this way, **filter products** through **Listing Groups** so that the campaign contains only items with the appropriate `Custom Label` values from Karsa. Exclude other products from that campaign. 3. **Benefits of this approach:** * **Maximum control over budgets:** For each strategic segment (Karsa cluster), you can set a **completely separate daily or shared budget**. This is key if you want to invest more aggressively in the highest-performing segments or, conversely, limit spending on less priority ones. * **Specific ROAS/CPA targets per campaign:** Each PMax campaign can have its own target return on ad spend (tROAS) or cost per acquisition (tCPA) that exactly corresponds to the margins and strategic goals of that product segment. * **Dedicated Asset Groups and audience signals:** For each PMax campaign (and thus for each main Karsa segment), you can create **tailor-made sets of creative assets** (texts, images, videos) and provide **specific audience signals** that are most relevant to that group of products and its customers. * **Clearer reporting and analysis:** Tracking and evaluating the performance of several clearly defined PMax campaigns (each for a different Karsa segment) is often easier and provides more readable data than analyzing many Listing Groups within one extensive PMax campaign. * **Controlled learning phase:** When gradually deploying new segments or with major changes in the assortment, launching a new, separate PMax campaign allows better isolation and monitoring of its initial learning phase. ### Alternative Strategy: Segmentation Within One PMax Campaign If you prefer a more consolidated approach or have a smaller number of distinctly different segments, it is still possible to use `Custom Labels` for segmentation of **Listing Groups** within one (or a smaller number of) PMax campaigns. * **Procedure:** Within an Asset Group, divide the inventory according to [`Custom Label`](/iii.-cluster-designer-creating-clusterization/custom-label-setup). * **Customization:** You can create multiple Asset Groups and target each to different Listing Groups (Karsa clusters) with different creatives. * **Limitations:** This approach does not provide the same level of control over budgets and ROAS/CPA targets at the level of individual Karsa segments as separate campaigns. ## General Recommendations for PMax and Karsa Labels: * **Quality signals:** [`Custom Labels`](/iii.-cluster-designer-creating-clusterization/custom-label-setup) from Karsa are a strong signal for AI in PMax. * **Optimal number of segments:** [Karsa Labelizer](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals) helps you find the appropriate number of clusters, which is important for effective learning of PMax algorithms. * **Testing:** Consider testing both approaches (multiple campaigns vs. segmentation within a campaign) to determine which strategy best suits your goals and assortment. {% hint style="info" %} For most situations where granular control over budgets and performance goals for different product segments is required, **the strategy of separate PMax campaigns based on Karsa clusters provides a more robust and transparent solution.** {% endhint %} By using [`Custom Labels`](/iii.-cluster-designer-creating-clusterization/custom-label-setup) from Karsa Labelizer for intelligent structuring of your PMax campaigns, you provide Google AI with more precise information, which can lead to more effective targeting and better overall results. # Post-Deployment Optimization (Learning Phase) Deploying a new campaign structure created using Karsa Labelizer to Google Ads is a significant step. After switching the clusterization to [production mode](/v.-deployment-and-strategy/production-deployment) and properly setting up your campaigns (whether Standard Shopping or Performance Max), it is key to understand what happens next, and how to approach subsequent optimization. One of the most important concepts is the **learning phase** of Google Ads algorithms. ## What is the Learning Phase? When you launch a new campaign or make a fundamental change to an existing campaign that uses Google Ads automated bidding strategies (such as Target ROAS - tROAS, Maximize Conversion Value, etc.), the system needs time to "learn" how to best achieve your goals. During this time: * **Algorithms collect data:** Google analyzes impressions, clicks, conversions, and other signals associated with your new campaign structure. * **Various bids are tested:** The system experiments with different bid levels to find out what works best for a given segment of products. * **Performance may fluctuate:** During the learning phase, campaign performance may be unstable – you may notice fluctuations in ROAS, conversion volume, or costs. This is normal and expected behavior. ## Recommended Length of Learning Phase * Generally, count on a learning phase lasting approximately **2 to 4 weeks** from the launch of new/significantly changed campaigns. ## Key Rule: What (Not) to Do During the Learning Phase **MOST IMPORTANT RULE: Avoid fundamental changes in campaign settings during these first 2-4 weeks!** Frequent or large changes can disrupt, prolong, or even restart the learning process, which delays achieving stable and optimal performance. Changes you should avoid include: * **Changes to bidding strategy goals:** For example, frequent adjustments to the target ROAS value. * **Significant changes to daily budget:** Avoid abrupt increases or decreases (small adjustments of +/- 20% are usually okay, but with caution). * **Changes to campaign structure or ad groups/asset groups.** * **Extensive changes in targeting** (geographic, demographic, etc.). * **Adding a large number of new negative keywords** (add only those clearly irrelevant). **What you can do:** * **Monitor performance:** Track key metrics to stay informed, but don't make hasty conclusions from short-term fluctuations. * **Check feed quality:** Make sure your product feed in GMC is in order and error-free. * **Ensure proper conversion measurement:** Accurate measurement of conversions with their values is absolutely crucial for the functioning of automated bidding. ## Optimization AFTER the Learning Phase (after 2-4 weeks) Once the initial learning phase has passed and campaign performance begins to stabilize, you can proceed with gradual optimization: ### 1. Data Evaluation * Analyze the collected performance data for the past few weeks (ideally at least 30 days with a sufficient number of conversions – see [Setting Limits and Goals](/iii.-cluster-designer-creating-clusterization/setting-limits-and-goals)). * Look at the actual ROAS, cost per conversion, conversion volume, and their total value for individual campaigns (clusters). ### 2. Transition to/Adjustment of Target ROAS (tROAS) * **If you started with a different strategy** (e.g., Maximize Conversion Value without a target), and now have enough conversion data (ideally 15-30+ over the last 30 days for a given campaign), you can switch to the Target ROAS strategy. * **Setting the *****initial***** tROAS target:** * **Be realistic:** Don't set the tROAS target too high beyond what the campaign was actually achieving. Too high a target can significantly limit impressions and spending. * **Base it on current performance:** A good starting point is to set the tROAS target close to the actual ROAS achieved in recent weeks, or slightly above your break-even ROAS. * **Example:** If the campaign was achieving a ROAS of 400% and your long-term goal is 600%, start with a tROAS of, for example, 350-450% and gradually increase. * **Gradual adjustments to the tROAS target:** * Change the tROAS target slowly and in small steps (e.g., by +/- 10-20% of the value). * **If the campaign consistently *****exceeds***** the tROAS target:** You may consider slightly *lowering* the target to potentially gain more conversions and volume (even at the cost of slightly lower efficiency). * **If the campaign consistently *****fails to reach***** the tROAS target:** You may consider slightly *increasing* the target (making it stricter) to improve efficiency, or look for problems elsewhere (feed quality, prices, competition, technical issues on the website). * **Give it time:** After each tROAS adjustment, wait at least **1-2 weeks** before evaluating the impact and making another change. The algorithm needs time to adapt. ### 3. Gradual Budget Adjustments * Change the daily budget slowly, ideally **not more than +/- 20% every few days** (e.g., once every 5-7 days). Avoid sudden large jumps. * Increase the budget for campaigns that meet or exceed the tROAS target and have potential to grow (e.g., they are not losing impression share due to budget). * Consider reducing the budget for campaigns that consistently fail to meet the tROAS target and other optimization steps are not helping. ### 4. Ongoing Optimization and Monitoring * **Search queries:** Regularly check the search query report in Google Ads and add irrelevant terms as negative keywords. * **Feed optimization:** Continuously work on the quality of data in your product feed in GMC (names, descriptions, images, prices, availability, etc.). * **Karsa dynamic movements:** Remember that if you have dynamic movements enabled, Karsa Labelizer will continuously optimize product placement. Monitor the [Product Movement History](/iv.-analysis-and-optimization/product-movement-history). {% hint style="info" %} **Key principles for success:** * **Patience:** Optimization is a marathon, not a sprint. Don't expect perfect results immediately. * **Data-based decision making:** Make changes based on a sufficient amount of data, not feelings. * **Graduality:** Make changes gradually and monitor their impact. Avoid many large changes at once. {% endhint %} By following these procedures – from respecting the learning phase to gradual, data-supported adjustments – you maximize the chance of successful and long-term sustainable results for your campaigns structured using Karsa Labelizer. # Stability Management Strategy One of the biggest challenges of dynamic product segmentation is **maintaining the stability and performance of campaigns** in Google Ads. Although the goal of moving products between clusters (campaigns) is long-term optimization, the movements themselves can, if not properly managed, lead to temporary performance declines. This happens because Google Ads algorithms (especially Smart Bidding) need a certain amount of time and consistent data to "learn" how to optimally work with the new composition of products in a campaign. Karsa Labelizer is aware of this problem and offers robust tools to **manage the dynamics of product movements and thus minimize the risk of destabilizing campaigns.** ## Why is stability so important? * **Learning phase of Google algorithms:** Any significant change in the composition of products in a campaign (or ad group/asset group) can trigger a new learning phase for Google algorithms. During this phase, performance may fluctuate. * **Data consistency for Smart Bidding:** Automated bidding strategies work best with stable and predictable inputs. Frequent and extensive changes in the portfolio of products in a campaign reduce its consistency and make AI's job more difficult. * **Maintaining achieved ROAS:** The goal is for optimization movements to lead to improvement, not to temporary or permanent deterioration of return on advertising investment. ## How does Karsa Labelizer help manage stability? In [Cluster Designer](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits), you have several key settings at your disposal that allow you to precisely define how intensively and under what conditions products can move between clusters: 1. **Limitation of the percentage of products being moved:** * **`Each cluster can lose at most % of products`**: Limits how many percent of products a given cluster can "lose" during one update. * **`Each cluster can gain at most % of products`**: Limits how many percent of products a given cluster can "gain". * *Strategy:* By setting these limits to reasonable values (e.g., 5-15% daily), you ensure that the composition of clusters does not change too dramatically and abruptly. This gives Google algorithms more time to adapt. 2. **Time delay before next move (`Waiting days before moving product again`):** * Defines how many days a product must remain in a new cluster before it can potentially be moved again. * *Strategy:* A higher value (e.g., 7-14 days) gives the product more time to "acclimatize" and collect relevant performance data in the new environment, reducing the risk of constant "pouring" of products. 3. **Limit of change in cluster stabilization value (`Limit (in percent) how much can be stabilization value changed`):** * This is an advanced mechanism that monitors a key characteristic of the cluster (the so-called `Stabilization value`, e.g., the total conversion value of the cluster) and allows product movements only to the extent that this value does not change more than the set percentage limit. * *Strategy:* This is a very effective way to keep the overall character and performance level of the cluster relatively stable, even though individual products in it may change. It prevents the cluster from suddenly losing, for example, most of its conversion value. ## Recommendations for stability settings: * **Start more conservatively:** If you are unsure, set the limits for movements rather strictly (smaller percentages, longer waiting times). You can gradually release them based on monitoring performance and stability. * **Monitor `Product Movement History`:** This [report](/iv.-analysis-and-optimization/product-movement-history) will show you how often and in what volume products actually move, and what impact this has on their metrics. * **Consider the lifecycle phase of campaigns:** For completely new campaigns or after major changes in the assortment, it may be appropriate to have movements temporarily disabled for 2-3 weeks or very limited, as described in [Movement Limits](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits). * **Look for balance:** The goal is to find the optimal balance between sufficient dynamics (so that segmentation reflects current performance) and necessary stability (to avoid negative impacts on Google algorithm learning and campaign performance). {% hint style="success" %} Thanks to the possibilities of detailed setting of limits for product movements, Karsa Labelizer allows you to take advantage of dynamic AI segmentation while proactively protecting the stability and performance of your Google Ads campaigns. {% endhint %} *** Stability management is a continuous process. Regularly evaluate the settings of your clusterization in light of current performance and don't be afraid to make gradual adjustments to achieve the best possible results. # Common Issues and Solutions Even with careful setup and use of Karsa Labelizer, you may encounter some common problems or situations that require your attention. This page will offer an overview of several typical scenarios and recommended procedures for solving them. {% hint style="info" %} If you don't find a solution to your problem here, or if the problem persists, don't hesitate to contact our support at **** with as detailed a description of the situation as possible. {% endhint %} *** ## 1. The clusterization process did not start or is taking unusually long **Possible causes:** * **Large volume of data:** Processing a very large number of products may take longer than the usual 2-15 minutes. * **Temporary technical difficulties:** It may be a temporary problem on the server side or with connection to data sources. * **Configuration error:** Less common, but incorrect or conflicting settings in the Cluster Designer could theoretically block the process. **What to do:** 1. **Check the Operation Manager:** Look in the `[Operation Manager](../ii.-first-steps/operation-manager.md)` to see if the operation is still running or if it displays any error message. 2. **Wait:** If you are processing a large catalog, give the process more time (e.g., 30-60 minutes). 3. **Try again later:** If it's a short-term problem, try to start the operation again with a small time delay. 4. **Check the configuration:** Go through all the settings of your clusterization in [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) again to see if they contain obvious errors or illogical settings (e.g., extremely low conversion limits combined with a requirement for many clusters). 5. **Contact support:** If the problem persists, contact Karsa Labelizer support and provide them with the name of your clusterization and the start time. *** ## 2. The resulting consistency (`Consistency`) of clusters is low **Possible causes:** * **Too much variance in the data:** If your products are extremely diverse in terms of the chosen parameters, it may be difficult for AI to create highly consistent clusters. * **Inappropriately chosen clusterization parameters:** Some parameter combinations may not lead to clearly separable and consistent groups for your specific data. * **Too high or low number of requested clusters:** Extreme requirements for the number of clusters given the nature of the data can reduce consistency. * **Lack of conversion data:** If many products or an entire segment has very few conversions, it is difficult to determine their stable performance. **What to do:** 1. **Analyze `[Clusterizations Overview](../iv.-analysis-and-optimization/clusterizations-overview.md)`:** Compare consistency with your other clusterizations or with test variants. 2. **Experiment with parameters:** Create a new test clusterization with a different combination or fewer parameters. Focus on those most relevant to your business goals. See `[Parameter Selection Strategy](../iii.-cluster-designer-creating-clusterization/parameter-selection/parameter-selection-strategy.md)`. 3. **Adjust cluster number limits:** Try slightly adjusting the minimum and maximum required number of clusters. 4. **Reduce the minimum number of conversions per cluster:** If your data allows, try setting a lower threshold for `Minimum number of conversions`. 5. **Analyze products in clusters:** Look at the `[Products in Cluster](../iv.-analysis-and-optimization/products-in-cluster.md)` report to see if low consistency is caused by a few products with extremely different behavior. *** ## 3. Custom Labels are not properly propagating to Google Merchant Center (GMC) **Possible causes:** * **Clusterization is not in `ProductionRun` mode:** Only clusterizations in this state actively generate XML feed for GMC. * **Delay in GMC:** Propagation of data from supplementary feeds (which Karsa uses for Custom Labels) to GMC can sometimes take several hours. * **Conflict with another feed or rule in GMC:** Another data source or rule in GMC may be overwriting Custom Label values set by Karsa. * **Exhaustion of limit for Custom Labels:** In GMC, only 5 slots are available for Custom Labels (`custom_label_0` to `custom_label_4`). **What to do:** 1. **Verify the clusterization state:** Make sure your clusterization in Karsa Labelizer is switched to the `ProductionRun` state. 2. **Check Custom Label settings in Karsa:** Verify that you have correctly chosen the `Custom label` slot and defined the `Prefix` in [Cluster Designer](/iii.-cluster-designer-creating-clusterization/custom-label-setup). 3. **Wait:** Give GMC at least several hours (ideally up to 24) to process the data after the first launch of the production clusterization. 4. **Check GMC:** * Look in the "Feeds" section of your GMC to see if the supplementary feed from Karsa (if implemented this way) is active and without errors. * Directly check several products in GMC to see if they display the expected value (including your prefix) in the corresponding `Custom label X` attribute. * Check "Feed rules" in GMC to see if any rule is overwriting your chosen Custom Label. 5. **Contact support:** If the problem cannot be resolved, contact Karsa Labelizer support. *** ## 4. Campaign performance declined after deploying a new clusterization **Possible causes:** * **Not respecting the learning phase:** You made too many changes to Google Ads campaigns (budgets, tROAS goals) too soon after deploying the new structure. * **Too aggressive goals:** You set unrealistically high tROAS goals for new campaigns. * **Inappropriate cluster structure for your goals:** Even if the clusterization is technically correct, the current division may not suit your specific business strategy or product margins. * **Problems outside Karsa Labelizer:** Performance decline may also be caused by external factors (seasonality, competitor activities, technical problems on the website, changes in Google Ads algorithms). **What to do:** 1. **Respect the learning phase:** As described in `[Post-Deployment Optimization (Learning Phase)](../v.-deployment-and-strategy/post-deployment-optimization.md)`, after deploying a new structure, let the campaigns run for at least 4-6 weeks without major changes. 2. **Start with realistic goals:** Don't set tROAS too high. Start more conservatively and gradually increase. 3. **Analyze data in Karsa and Google Ads:** Examine in detail the performance of individual clusters (campaigns) and products. Where exactly did the decline occur? Are some clusters performing better than others? 4. **Consider adjusting the clusterization strategy:** If analysis shows that the current division is not optimal, return to [Cluster Designer](/iii.-cluster-designer-creating-clusterization/iii.-cluster-designer-creating-clusterization) and try to create a test variant with different parameters or limits. 5. **Exclude external factors:** Check if the decline is not related to other changes in your marketing mix or in the market. *** This list is not exhaustive, but it should cover some of the most common situations. The key to problem-solving is a systematic approach, careful data analysis, and, if needed, consultation with support. # Frequently Asked Questions (FAQ) In this section, you will find answers to some of the most common questions regarding the use and functionality of Karsa Labelizer. *** ### Q1: How often is data from Google Ads updated in Karsa Labelizer? **A:** Karsa Labelizer automatically downloads new performance data from your connected Google Ads account **every day**. This ensures that all analyses and clusterization decisions are based on the most up-to-date information. The system also takes into account retrospective changes in conversions that Google may make. You can find the operation launch time in the Operation Manager. *** ### Q2: Can I have multiple clusterizations in production mode (ProductionRun) simultaneously? **A:** Currently, it is not allowed to have multiple clusterizations simultaneously in production mode (ProductionRun) within one project. Only one clusterization can be active (in production) at a time.\ When switching a new clusterization from test state (Test) to production state (ProductionRun), the existing production clusterization (if any) is automatically switched to test state (Test). This ensures that data is always exported to Google Merchant Center only from one, currently selected active strategy. If you need to implement multiple different production clusterization strategies simultaneously (for example, for completely different product assortments with different data sources or for different markets, such as "Pharmacy" and "Electronics" departments in a large e-commerce store), the solution is to create a new, separate project in Karsa Labelizer for each such strategy. You can then switch between these projects. Each project will have its own active production clusterization. *** ### Q3: What happens when I add a new product to my feed? How does Karsa Labelizer process it? **A:** Karsa Labelizer offers several strategies for handling new products that do not yet have performance history. You can configure this in the [Cluster Designer](/iii.-cluster-designer-creating-clusterization/product-dynamics-management/new-products-strategy) in the "New Products Strategy" section. The main options are: * **Automatic value derivation:** The system estimates the performance of a new product based on similar products and immediately places it in a potentially relevant cluster. * **Addition to a special category/campaign:** New products are placed in an "incubation" campaign for a defined period (e.g., 30 days), where they collect data, and are then categorized according to actual performance. * **Placement with zero values:** The product is categorized with zero values, which usually places it in a lower-performing cluster until it gains its own history.\ More details and recommendations can be found on the `[New Products Strategy](../iii.-cluster-designer-creating-clusterization/product-dynamics-management/new-products-strategy.md)` page. *** ### Q4: How long does it take for changes (new Custom Labels) to appear in Google Ads? **A:** The process has several steps: 1. **Karsa Labelizer:** After switching the clusterization to `ProductionRun`, Karsa starts exporting `Custom Labels` to your Google Merchant Center (GMC) daily. Alternatively, it is possible to immediately start generating the XML feed in the Operation Manager. 2. **Google Merchant Center:** GMC needs some time to process this data (typically from a supplementary feed). It can take from a few minutes to several hours. 3. **Google Ads:** Once the `Custom Labels` are updated for products in GMC, Google Ads gradually loads this data and starts using it for segmenting your campaigns. There may also be a delay here. * **Overall:** Expect that from activation in Karsa Labelizer to full propagation and functionality in Google Ads campaigns, it may take **several hours to approximately one day**. We recommend checking in GMC and Google Ads the day after activation. *** ### Q5: What does the "Consistency" metric mean in the clusterizations overview? **A:** "Consistency" is a Karsa Labelizer metric that indicates the degree of stability and similarity of product performance metrics *within* individual clusters of a given clusterization over time. * **Higher value means better result:** Clusters are more internally homogeneous, their performance is more stable and more predictable for Google algorithms. * **Why it's important:** It helps you compare the quality of different clusterization strategies. When comparing, it's appropriate to consider clusterizations created with the same number of parameters. * More information can be found in the description of the `[Clusterizations Overview](../iv.-analysis-and-optimization/clusterizations-overview.md)` report. *** ### Q6: Why should I limit product movements between clusters? Isn't it better for products to move as quickly as possible to where they belong? **A:** While the goal is to have products in the right clusters, too frequent or massive movements can **destabilize your campaigns** in Google Ads. Google algorithms (especially Smart Bidding) need time and consistent data to "learn" how to work with a given segment of products. Constant changes can disrupt this process and lead to a temporary decrease in performance. * Karsa Labelizer therefore offers detailed `[settings for product movement limits](../iii.-cluster-designer-creating-clusterization/product-dynamics-management/movement-limits.md)`, which help find a balance between dynamic optimization and the necessary stability of campaigns. *** *Do you have another question? Don't hesitate to contact us at .* # Glossary Welcome to the Karsa Labelizer glossary. This section provides more detailed explanations of key terms you may encounter when working with our tool, in the areas of Google Ads, product advertising, and data analysis. If you don't find a term here, also check the [Key Concepts in the introduction](/i.-introduction-to-karsa-labelizer/key-concepts). *** **AI (Artificial Intelligence)**\ : A broad field of computer science concerned with creating systems that exhibit intelligent behavior. In the context of Karsa Labelizer, AI is primarily used for advanced analysis of product data and automated creation of optimal segments (clusters) using machine learning algorithms. **API (Application Programming Interface)**\ : A set of definitions, protocols, and tools for building software and applications. It allows different software systems to communicate with each other and exchange data. Karsa Labelizer can use APIs to download data from Google Ads or to receive order data from clients. **Attribution / Attribution Model**\ : The process of assigning credit for conversions to various marketing channels, ads, or interactions that contributed to a customer's conversion journey. Google Ads offers various attribution models (e.g., Last Click, Data-Driven) that can affect how conversions are reported. **Break-even ROAS**\ : The minimum ROAS value at which your advertising costs equal your margin from sold products, so you're neither making a profit nor a loss from advertising expenditure. Calculation: `1 / Percentage margin`. For example, if you have a 25% margin (0.25), your break-even ROAS is 1 / 0.25 = 400%. **Cluster**\ : The result of the clusterization process; a group of products that have been grouped together based on analysis of their similarity within chosen performance metrics (parameters). In Karsa Labelizer, each cluster typically corresponds to one future Google Shopping campaign or a specific product segment. **Clusterization (Clustering)**\ : A method of unsupervised machine learning aimed at dividing a set of data points (in our case, products) into groups (clusters) so that data points within one cluster are as similar as possible and at the same time as different as possible from data points in other clusters. Karsa Labelizer automates this process for product segmentation optimization. **Cluster Designer**\ : The main tool (module) in Karsa Labelizer where users define all criteria, parameters, limits, and settings for creating a new clusterization (product segmentation design). **CPC (Cost Per Click)**\ : The average amount you pay for one click on your ad. It is calculated as Total Cost / Total Number of Clicks. **CTR (Click-Through Rate)**\ : The percentage of ad impressions that resulted in a click on your ad. It is calculated as (Total Number of Clicks / Total Number of Impressions) \* 100%. It's an indicator of the relevance and attractiveness of your ad. **Custom Label**\ : The attributes `custom_label_0` through `custom_label_4` in Google Merchant Center that allow advertisers to add custom text values to products for segmentation and reporting purposes. Karsa Labelizer uses these labels to mark a product's affiliation with a generated cluster. **Dynamic Product Movements**\ : A feature of Karsa Labelizer that automatically moves products between clusters based on current changes in their performance, with the aim of maintaining optimal and consistent segmentation. This process is governed by adjustable limits. **Feed (Product Feed)**\ : A file (usually in XML, TXT, CSV format, or via API) containing structured information about your products (ID, title, description, price, image, availability, etc.). This feed is uploaded to Google Merchant Center and serves as a data source for Google Shopping and PMax campaigns. **GMC (Google Merchant Center)**\ : An online tool from Google where e-commerce stores upload and manage their product data (feeds) and information about their store. Data from GMC is essential for displaying product ads. Karsa Labelizer exports `Custom Labels` to GMC. **Cluster Consistency**\ : A metric (often internal to Karsa Labelizer) evaluating how similarly and stably products assigned to one cluster behave in terms of chosen performance parameters over time. Higher consistency is desirable because it leads to better campaign predictability. **Conversion**\ : An action that you consider valuable for your business and that you want users to take on your website after clicking on an ad (e.g., purchase, submitting an inquiry form, registration). Google Ads tracks conversions using measurement codes. **Conversion Rate (CR)**\ : The percentage of ad clicks that led to a completed conversion. It is calculated as (Number of Conversions / Number of Clicks) \* 100%. A key indicator of campaign effectiveness and landing page quality. **Machine Learning (ML)**\ : A subset of artificial intelligence that enables systems to learn from data and improve their predictions or decisions without being explicitly programmed for each specific scenario. Karsa Labelizer uses ML for creating clusters. **Performance Metrics**\ : Quantifiable indicators used to measure and evaluate the performance of marketing activities, campaigns, ad groups, keywords, or individual products. Examples include ROAS, CPC, CTR, Conversion Rate, Conversion Value, Number of Conversions, Impressions, Clicks. **Operation Manager**\ : A module in Karsa Labelizer that displays the status and progress of operations running in the background, typically the process of creating a clusterization. **PLA (Product Listing Ads)**\ : A type of ads in Google Ads, commonly known as Google Shopping ads. They display product information (image, title, price, seller) directly in Google search results and on the Shopping tab. **PMax (Performance Max campaigns)**\ : An automated campaign type in Google Ads that uses AI to display ads across all available Google channels (Search, YouTube, Display Network, Discovery, Gmail, Maps, Shopping) from a single campaign. **Campaign Predictability**\ : The ability (especially of Google AI) to reliably predict future campaign performance (e.g., how many conversions it will bring at a given budget and goal). Higher predictability, which is aided by a consistent product structure in the campaign, enables more efficient automatic optimization. **ROAS (Return On Ad Spend)**\ : A metric that measures the gross revenue generated from each dollar (or other currency) spent on advertising. It is calculated as (Total Conversion Value / Total Advertising Cost) \* 100% (if expressed as a percentage). **Product Segmentation**\ : The strategic process of dividing a product catalog into smaller, more manageable, and targetable groups based on shared characteristics or performance metrics. **Smart Bidding**\ : A set of automated bidding strategies in Google Ads (e.g., Target CPA, Target ROAS, Maximize Conversions, Maximize Conversion Value) that use machine learning to optimize bids in real-time for each auction with the aim of achieving set goals. **Stabilization Value**\ : An internal metric or chosen parameter in Karsa Labelizer, the value of which for the entire cluster is maintained within certain percentage limits during dynamic product movements to ensure stability of the cluster's character and performance. *** This glossary will be continuously updated with additional relevant terms. If you come across a term you don't understand or think should be included here, please let us know. # References This page collects links to official Google help, professional articles, and other resources that can help you deepen your knowledge in areas related to Karsa Labelizer and optimizing your campaigns. ## Official Karsa Labelizer Resources * **Karsa Labelizer Website:** `https://karsa.ai/en/` (Link to the main product page) * **Karsa Labelizer Functionality:** `https://karsa.ai/en/product-functionality` (Detailed description of features) * **Karsa Labelizer Pricing:** `https://karsa.ai/pricing` (Information about pricing plans) * **Support Contact:** `support@karsa.ai` (For technical and user support) ## Google Ads Help * **About Google Shopping Campaigns:** * [Google Ads Help - Shopping Campaigns](https://support.google.com/google-ads/answer/2454022) (Basic information) * [Google Ads Help - Creating a Shopping Campaign](https://support.google.com/google-ads/answer/3455481) * **About Performance Max (PMax) Campaigns:** * [Google Ads Help - Performance Max Campaigns](https://support.google.com/google-ads/answer/10724817) * [Google Ads Help - Asset Groups](https://support.google.com/google-ads/answer/10724492) * [Google Ads Help - Listing Groups](https://support.google.com/google-ads/answer/6275304) (Important for segmentation in PMax) * **About Product Feeds and Google Merchant Center:** * [Google Merchant Center Help - Overview](https://support.google.com/merchants/answer/7509421) * [Google Merchant Center Help - Product Data Specification](https://support.google.com/merchants/answer/7052112) * [Google Merchant Center Help - Custom Labels](https://support.google.com/merchants/answer/6324473) * **About Bidding Strategies (Smart Bidding):** * [Google Ads Help - Automated Bidding](https://support.google.com/google-ads/answer/2471188) * [Google Ads Help - Target ROAS (tROAS)](https://support.google.com/google-ads/answer/6268637) * [Google Ads Help - Learning Phase for Bidding Strategies](https://support.google.com/google-ads/answer/6263057) * **About Conversion Measurement:** * [Google Ads Help - Conversion Measurement](https://support.google.com/google-ads/answer/1722054) ## Professional Articles and Blogs * Search Engine Land: `https://searchengineland.com/` * Search Engine Journal: `https://www.searchenginejournal.com/` * WordStream Blog: `https://www.wordstream.com/blog` * PPC Hero Blog: `https://www.ppchero.com/` * Google Ads Blog (official): `https://blog.google/products/ads-commerce/` # README Vítejte v dokumentaci Karsa Labelizer - nástroje pro inteligentní clusterizaci produktů a optimalizaci Google Shopping kampaní. {% hint style="success" %} Prostudování dokumentace vám pomůže plně využít potenciál Karsa Labelizer. Pokud nenajdete odpověď, zkuste využít **AI asistenta prohledávajícího tuto databázi,** který je často schopen odpovědět velmi dobře. V případě dalších dotazů nás neváhejte kontaktovat na ****. {% endhint %} ## Proč tato dokumentace? Poskytne vám **porozumění** principům, **detailní návody** pro konfiguraci, **strategická doporučení** a **praktické tipy** pro analýzu a optimalizaci. ## Klíčové sekce dokumentace: * [**I. Úvod do Karsa labelizer**](/cz/i.-uvod-do-karsa-labelizer/co-je-karsa-labelizer): Co je Karsa Labelizer a proč na segmentaci záleží. * [**II. První kroky**](/cz/ii.-prvni-kroky/prehled-rozhrani): Rozhraní, životní cyklus služby, rychlý start. * [**III. Cluster Designer**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer): Návrh a konfigurace clusterizačních strategií. * [**IV. Analýza a optimalizace**](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace): Interpretace reportů a optimalizace. * [**V. Nasazení a strategie**](/cz/v.-nasazeni-a-strategie/nasazeni-a-strategie): Nasazení do produkce, integrace s PMax, optimalizace po nasazení. * [**VI. Řešení problémů a FAQ**](/cz/vi.-reseni-problemu-a-faq/bezne-problemy): Odpovědi a řešení. * [**VII. Dodatky**](/cz/vii.-dodatky/slovnik-pojmu): Slovník pojmů a další zdroje. ## Doporučení pro začátek: 1. [**Co je Karsa labelizer?**](/cz/i.-uvod-do-karsa-labelizer/co-je-karsa-labelizer) 2. [**Životní cyklus služby**](/cz/ii.-prvni-kroky/zivotni-cyklus-sluzby) 3. [**Rychlý start**](/cz/ii.-prvni-kroky/rychly-start) 4. [**Strategie výběru parametrů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/strategie-vyberu-parametru)\ \\ Přejeme vám mnoho úspěchů s Karsa Labelizer! # Co je Karsa labelizer? Vítejte ve světě pokročilé optimalizace Google Shopping kampaní! **Karsa labelizer** je specializovaný nástroj navržený tak, aby pomohl PPC specialistům a marketingovým manažerům výrazně zvýšit výkon jejich produktových reklam (PLA) prostřednictvím inteligentní, více-dimenzionální segmentace produktů založené na umělé inteligenci (AI). ## Jaké problémy Karsa labelizer řeší? Tradiční správa Google Shopping kampaní často naráží na několik klíčových výzev: * **Nekonzistentní kampaně:** Produkty s velmi odlišným výkonem (např. ROAS, míra konverze, hodnota objednávky) jsou často seskupeny dohromady. To ztěžuje algoritmům Google efektivně predikovat a optimalizovat jejich výkon. * **Obtížná predikce ROAS:** Kvůli nekonzistenci je pro Google složité odhadnout, jakou skutečnou návratnost investic do reklamy (ROAS) lze od kampaně očekávat, což vede k suboptimální alokaci rozpočtu. * **Časová náročnost manuální segmentace:** Vytváření a udržování granulární a zároveň efektivní struktury kampaní ručně je extrémně časově náročné a u větších e-shopů téměř nemožné, zejména pokud chcete zohlednit více výkonnostních metrik současně. * **Překonání limitů standardní segmentace:** Zatímco běžná praxe často spoléhá na segmentaci podle jednoho parametru (např. ROAS) do předem stanoveného, malého počtu clusterů, takový přístup má svá omezení. Nemusí totiž zachytit všechny nuance ve výkonu a může přehlížet skrytý potenciál či rizikové segmenty. ## Jak vám Karsa labelizer pomůže? Karsa labelizer přistupuje k segmentaci produktů inovativně: 1. **Inteligentní segmentace (clusterizace):** Využívá pokročilé algoritmy strojového učení k analýze výkonnostních dat vašich produktů napříč několika dimenzemi (metrikami) současně. Na základě toho automaticky identifikuje a seskupuje produkty do optimálních **clusterů**. 2. **Zvýšení konzistence a predikovatelnosti kampaní:** Cílem clusterizace je vytvořit kampaně (jednotlivé clustery), které jsou vnitřně co nejvíce konzistentní z hlediska výkonu. To znamená, že produkty v jednom clusteru se chovají podobně. Díky tomu mohou algoritmy Google Ads mnohem lépe predikovat jejich budoucí výkon a efektivněji řídit nabídky a rozpočty. 3. **Optimalizace počtu kampaní:** Nástroj dokáže navrhnout optimální počet kampaní (clusterů) specificky pro váš e-shop a distribuci vašich dat, namísto fixních, předdefinovaných struktur. 4. **Výrazné zvýšení výkonu:** Díky konzistentním a prediktabilním kampaním dosahují naši klienti **nárůstu celkového výkonu PLA kampaní až o 25 %**. 5. **Automatizace a úspora času:** Karsa labelizer automatizuje mnoho procesů spojených se segmentací, od denního stahování dat, přes výpočty, až po export `Custom Labels` do Google Merchant Center a dynamické přesuny produktů mezi kampaněmi. ## Pro koho je Karsa labelizer určen? Nástroj je primárně navržen pro: * **PPC specialisty:** Kteří hledají pokročilé metody pro optimalizaci Google Shopping kampaní a chtějí mít detailní kontrolu nad strukturou a výkonem. * **Marketingové manažery:** Kteří potřebují zajistit maximální efektivitu investic do reklamy a hledají spolehlivé, daty podložené řešení pro své e-commerce klienty nebo vlastní e-shop. * **E-shopy všech velikostí:** Od středních po velké, které chtějí plně využít potenciál svých produktových dat a dosáhnout lepších výsledků v Google Shopping. Karsa Labelizer je tedy navržen tak, aby vám poskytl potřebné nástroje a daty řízenou inteligenci pro efektivní strukturování vašich Google Shopping kampaní s cílem dosažení vyššího výkonu a lepší predikovatelnosti. # Proč na segmentaci záleží? V dnešním vysoce konkurenčním prostředí digitální reklamy, zejména v oblasti e-commerce, již základní struktury kampaní v Google Ads často nedostačují k dosažení optimálního výkonu. Pokud spravujete e-shop s rozmanitým produktovým katalogem, pravděpodobně se setkáváte s tím, že celkový pohled na výkon kampaně (například průměrná návratnost investic do reklamy - ROAS) může být sice uspokojivý, ale často maskuje **významné neefektivity a ztrátovost u specifických skupin produktů**. Právě zde vstupuje do hry pokročilá segmentace produktů. ## Omezení tradičních struktur kampaní Bez detailní segmentace mohou vaše kampaně trpět několika nedostatky: * **Univerzální přístup k různorodým produktům:** Všechny produkty jsou řízeny stejnými nebo podobnými pravidly a cíli, přestože se jejich výkon, marže, prodejní cyklus nebo sezónnost mohou dramaticky lišit. * **Produkty s neefektivním využitím rozpočtu:** Některé produkty mohou generovat mnoho kliknutí (a tedy nákladů), ale nízkou hodnotu konverzí nebo nízké ROAS, čímž snižují celkovou efektivitu kampaně. Bez segmentace je těžké tyto produkty identifikovat a jejich propagaci omezit. * **Nevyužitý potenciál "hvězd":** Naopak produkty s vysokým ROAS a vysokou hodnotou konverzí nemusí dostávat dostatečný prostor a rozpočet k tomu, aby naplno ukázaly svůj potenciál. * **Obtížná optimalizace nabídek:** Nastavení optimálních nabídek (ať už manuálních nebo automatických cílů jako tROAS) je komplikované, pokud kampaň obsahuje produkty s velmi rozdílnou ziskovostí nebo konverzním poměrem. ## Význam predikovatelnosti a konzistence pro Google AI Moderní kampaně Google Ads, zejména ty využívající automatické nabídkové strategie (Smart Bidding) jako Cílová ROAS (tROAS) nebo kampaně Performance Max, se silně spoléhají na **umělou inteligenci (AI) Googlu**. Aby tyto algoritmy mohly pracovat co nejefektivněji, potřebují **kvalitní, strukturovaná a především predikovatelná data**.\\ * **Prediktabilita kampaně:** Znamená, že Google dokáže s vysokou mírou spolehlivosti předvídat, jak se kampaň bude chovat – jaká bude míra prokliku (CTR), konverzní poměr, průměrná hodnota objednávky atd., pokud se změní například rozpočet nebo nabídka. * **Konzistence kampaně:** Pokud jsou produkty v kampani seskupeny tak, že mají podobné výkonnostní charakteristiky (např. podobné ROAS, podobnou hodnotu konverze), kampaň se stává vnitřně konzistentní. **Jak Karsa Labelizer pomáhá Google AI?**\ Karsa Labelizer vytváří pomocí AI **vysoce konzistentní clustery produktů**. Tím, že "očistí" kampaně od produktů s výrazně odlišným chováním, výrazně zvyšuje jejich predikovatelnost. Google AI pak může: * **Přesněji odhadovat budoucí výkon:** Což vede k lepšímu stanovení nabídek. * **Efektivněji alokovat rozpočet:** Směřovat prostředky tam, kde je nejvyšší pravděpodobnost dosažení cílů. * **Rychleji se učit a adaptovat:** Stabilnější vstupní data znamenají rychlejší a efektivnější učící procesy pro Smart Bidding. ## Výhody pokročilé segmentace s Karsa Labelizer Strategická segmentace produktů, kterou Karsa Labelizer automatizuje a optimalizuje, přináší řadu konkrétních výhod: 1. **Optimalizovaná alokace rozpočtu:** Umožňuje vám investovat více do segmentů (clusterů) s produkty, které vykazují nejlepší výsledky (např. vysoké ROAS, vysoké conv. value), a naopak omezit výdaje na segmenty s nízkým výkonem nebo ztrátovými produkty. 2. **Přesnější a efektivnější strategie nabídek (Bidding):** Různé segmenty produktů si žádají různé nabídkové strategie: * **Nejvýkonnější produkty ("Bestsellers"):** Můžete aplikovat asertivnější nabídky pro maximalizaci jejich viditelnosti a objemu prodeje. * **Produkty s vysokou hodnotou konverze:** Lze implementovat strategie zaměřené na maximalizaci zisku (např. tROAS nastavený na odpovídající hodnotu). * **Nízkovýkonné nebo nízkomaržové produkty:** Doporučuje se nastavit konzervativnější nabídky, strategie minimalizace ztrát, nebo tyto produkty dokonce pozastavit. * **Nové produkty:** Pro produkty bez vypovídající historie výkonu nabízí Karsa Labelizer flexibilní řešení. Místo prosté izolace umožňuje buď **inteligentní odvození jejich pravděpodobného výkonu** a zařazení do existujících clusterů, nebo jejich **dočasné umístění do zvláštní kampaně** pro sběr dat. To zajišťuje detailní monitoring a možnost nastavení individuálních cílů a rozpočtů 3. **Zvýšená celková efektivita a ROAS:** Výsledkem je prokazatelné zlepšení návratnosti investic do reklamy v Google Shopping. ## Role segmentace v éře Performance Max (PMax) Kampaně Performance Max sice konsolidují různé reklamní kanály Googlu pod jednu střechu, ale stále **silně těží ze strategické segmentace produktů** prostřednictvím signálů z produktového feedu a cílení v rámci skupin podkladů (asset groups). Kvalitní data ve feedu, obohacená o smysluplné `Custom Labels` (které Karsa Labelizer generuje), jsou ještě kritičtější pro správné nasměrování AI Googlu v PMax kampaních. Vytvořením tematicky a výkonnostně konzistentních skupin produktů pomocí Karsa Labelizer můžete efektivněji strukturovat i vaše PMax kampaně a lépe sladit skupiny podkladů s konkrétními segmenty produktů, což vede k relevantnějšímu oslovení zákazníků a lepším výsledkům. Využití pokročilé segmentace prostřednictvím Karsa Labelizer tak přesahuje pouhé uspořádání produktů; jedná se o metodický přístup k zefektivnění reklamních investic a podpoře růstových cílů v e-commerce. # Karsa vs. Alternativy Při optimalizaci Google Shopping kampaní mají inzerenti na výběr z několika přístupů k segmentaci produktů. Karsa Labelizer přináší unikátní řešení založené na umělé inteligenci, které se výrazně liší od tradičních metod. Pojďme se podívat na hlavní rozdíly: ## 1. Manuální segmentace produktů Manuální segmentace spočívá v ručním rozdělování produktů do různých kampaní nebo reklamních sestav na základě kritérií, která si inzerent sám stanoví (např. kategorie, značka, cena, sezónnost, nebo hrubý odhad výkonu). * **Výhody:** * Plná kontrola nad strukturou. * Není potřeba žádný externí nástroj (kromě rozhraní Google Ads). * **Nevýhody:** * **Extrémní časová náročnost:** U e-shopů se stovkami či tisíci produktů je detailní a efektivní manuální segmentace prakticky neudržitelná. * **Omezená komplexnost:** Je velmi obtížné manuálně zohlednit více výkonnostních metrik současně pro každý produkt. * **Subjektivita a nižší přesnost:** Rozhodování je často založeno na odhadech nebo zjednodušených pravidlech, což nemusí vést k optimálnímu rozdělení. * **Statická povaha:** Struktura se obtížně adaptuje na dynamické změny ve výkonu produktů, pokud není neustále ručně upravována. * **Karsa Labelizer:** Automatizuje proces, využívá AI pro multi-dimenzionální analýzu a dynamicky přizpůsobuje segmentaci. ## 2. Pravidlové nástroje a skripty (např. Google Feed Segmenter) Existují nástroje nebo skripty (jako je například Google Feed Segmenter ), které umožňují automatizovat tvorbu vlastních štítků (`Custom Labels`) na základě předem definovaných pravidel a dat (často z BigQuery ). Tyto štítky se pak používají pro segmentaci v Google Ads. * **Výhody (např. Google Feed Segmenter):** * Možnost automatizace přiřazení štítků. * Potenciálně nízké přímé náklady na software (pokud jde o open-source skripty). * Flexibilita, pokud má uživatel technické znalosti pro úpravu skriptů a práci s daty. * **Nevýhody a rozdíly oproti Karsa Labelizer:** * **Jednoduchá logika vs. AI klastrování:** Pravidlová segmentace je často založena na pevných prahových hodnotách jedné nebo dvou metrik (např. ROAS > 300 % = "Top"). Karsa Labelizer používá **ML algoritmy** pro multi-dimenzionální klastrování, které hledají optimální a vnitřně konzistentní skupiny produktů s cílem maximalizovat jejich predikovatelnost pro Google. To může odhalit efektivnější seskupení, která by jednoduchá pravidla neodhalila. * **Statický počet segmentů vs. Optimální počet:** Pravidlové nástroje často vedou k předem danému počtu segmentů (např. 3-5 úrovní výkonu). Karsa Labelizer pomocí ML **dynamicky určuje optimální počet clusterů** pro specifická data a strukturu daného e-shopu. * **Řízení stability přesunů:** Při dynamických změnách výkonu a přesunech produktů mezi segmenty hrozí narušení fáze učení Google algoritmů. Karsa Labelizer nabízí **funkci pro kontrolu stability**, která omezuje rychlost migrace produktů a pomáhá předcházet poklesům výkonu. Standardní skripty tuto logiku obvykle neobsahují. * **Zpracování nových produktů:** Pravidlové systémy mohou mít problém s novými produkty bez historie. Karsa Labelizer nabízí **inteligentní řešení** (odvození výkonu od podobných produktů nebo zařazení do "inkubační" kampaně). * **Technická náročnost a údržba:** Nasazení, konfigurace a údržba skriptových řešení vyžaduje značné technické znalosti (Google Apps Script, BigQuery, GCP) a čas. Karsa Labelizer je SaaS platforma s podporou a jednodušším nasazením. * **Nepodporovaný status (u GFS):** Google Feed Segmenter je experimentální a oficiálně nepodporovaný nástroj. To představuje riziko v případě změn API nebo problémů – veškerá zodpovědnost za opravy leží na uživateli. Karsa Labelizer je komerční, podporovaný produkt. ## Karsa Labelizer: Klíčové odlišnosti a výhody | Funkce / Aspekt | Manuální segmentace | Pravidlové nástroje (např. GFS) | Karsa Labelizer | | ---------------------------------- | ------------------- | ------------------------------- | ----------------------------------------------------------------- | | **Metoda segmentace** | Manuální | Definovaná pravidla | ML multi-dimenzionální klastrování | | **Optimalizace počtu segmentů** | Subjektivní | Předem daný/omezený | Automatické nalezení optimálního počtu | | **Konzistence a Prediktabilita** | Nízká až střední | Střední | Vysoká (primární cíl AI) | | **Dynamická adaptace** | Velmi pomalá | Vyžaduje spuštění skriptu | Automatická, denní, s řízenými přesuny | | **Kontrola stability přesunů** | Neaplikovatelné | Chybí | Vestavěná, konfigurovatelná | | **Zpracování nových produktů** | Manuální | Vyžaduje vlastní logiku | Inteligentní řešení (derivace/inkubace) | | **Rozsah automatizace** | Žádná | Generování štítků | Sběr dat, analýza, klastrování, export, dynamická správa produktů | | **Technická náročnost (uživatel)** | Nízká | Vysoká (pro GFS) | Nízká až střední (SaaS platforma) | | **Podpora a údržba** | N/A | Žádná (pro GFS) | Zahrnuta (komerční produkt) | Karsa Labelizer tedy představuje komplexní, inteligentní a spravované řešení, které překonává omezení manuálních přístupů a jednoduchých pravidlových systémů tím, že se zaměřuje na **maximalizaci predikovatelnosti a konzistence kampaní** prostřednictvím sofistikovaného AI klastrování, což vede k efektivnější spolupráci s algoritmy Google Ads a lepším celkovým výsledkům. # Klíčové pojmy Pro efektivní práci s nástrojem Karsa Labelizer a porozumění principům pokročilé segmentace produktů je důležité seznámit se s několika klíčovými pojmy. Tento slovník vám poskytne jejich stručné a jasné vysvětlení. *** **Cluster (Shluk)**\ : Skupina produktů, které byly na základě analýzy jejich výkonnostních metrik (pomocí AI v Karsa Labelizer) identifikovány jako podobné a jsou proto seskupeny dohromady. Každý cluster v Karsa Labelizer typicky odpovídá jedné budoucí Google Shopping kampani nebo specifickému segmentu v PMax kampani. **Clusterizace (Clustering)**\ : Proces automatického rozdělování produktů do smysluplných skupin (clusterů) na základě jejich podobnosti v rámci zvolených parametrů (metrik). Cílem Karsa Labelizer je vytvářet vysoce konzistentní a predikovatelné clustery. **Cluster Designer**\ : Nástroj (modul) v rámci Karsa Labelizer, který uživatelům umožňuje definovat kritéria a parametry pro vytvoření nové clusterizace produktů. Zde se nastavují limity, vybírají metriky a definuje chování pro nové produkty či přesuny mezi clustery. **Custom Label (Vlastní štítek)**\ : Atribut v Google Merchant Center (GMC), který umožňuje inzerentům přidávat k produktům vlastní označení (např. `custom_label_0` až `custom_label_4`). Karsa Labelizer využívá tyto štítky k označení produktů příslušností k určitému clusteru, což následně umožňuje jejich segmentaci v Google Ads kampaních. **Dynamické přesuny produktů**\ : Proces, při kterém Karsa Labelizer automaticky přesouvá produkty mezi jednotlivými clustery (kampaněmi) na základě změn v jejich aktuálním výkonu. Cílem je udržovat co nejvyšší konzistenci a efektivitu clusterů. Tento proces lze řídit pomocí nastavených limitů. **Konzistence clusteru (Cluster Consistency)**\ : Metrika udávající, jak stabilně a podobně si produkty v daném clusteru udržují své výkonnostní charakteristiky (např. ROAS, hodnota konverze) v čase. Vyšší konzistence znamená, že cluster je vnitřně homogenější a jeho výkon je lépe predikovatelný pro algoritmy Google. **Operation Manager**\ : Součást Karsa Labelizer, kde lze sledovat stav a průběh běžících operací, zejména procesu vytváření clusterizace.\ \ **Segmentace produktů**\ : Proces rozdělování produktů do menších, specifičtějších skupin na základě sdílených charakteristik (např. kategorie, značky, ceny, výkonu). Cílem je umožnit cílenější marketingové strategie a lepší optimalizaci. **Stabilizační hodnota (Stabilization Value)**\ : Parametr v Cluster Designeru, který pomáhá řídit míru změn v rámci clusteru při přesunech produktů. Produkty jsou přesouvány tak, aby se tato hodnota každého clusteru měnila pouze v rámci povoleného limitu.\ \ **Prediktabilita kampaně (Campaign Predictability)**\ : Schopnost algoritmu Google Ads spolehlivě předvídat, jak se kampaň bude chovat a jaký výkon přinese při různých nastaveních (např. rozpočtu, cílové ROAS). Vyšší prediktabilita vede k efektivnější optimalizaci.\ \ **Metriky výkonu (Performance Metrics)**\ : Kvantifikovatelné ukazatele používané k měření a hodnocení výkonu produktů a kampaní. Mezi běžné metriky patří ROAS, CPC, CTR, Hodnota konverze, Počet konverzí, Imprese, Kliky atd. **PLA (Product Listing Ads - Produktové reklamy)**\ : Reklamní formát v Google Ads, známý také jako Google Shopping reklamy, který zobrazuje produkty přímo ve výsledcích vyhledávání a na dalších platformách Googlu. Karsa Labelizer je primárně zaměřen na optimalizaci těchto kampaní. **PMax (Performance Max campaigns - Maximálně výkonné kampaně)**\ : Typ kampaně v Google Ads, který automatizuje cílení a zobrazování reklam napříč všemi kanály Google (Vyhledávání, Obsahová síť, YouTube, Gmail, Discovery, Mapy, Nákupy). Efektivní segmentace produktového feedu pomocí Custom Labels je důležitá i pro PMax. **ROAS (Return On Ad Spend - Návratnost investic do reklamy)**\ : Klíčová metrika udávající, kolik tržeb generuje každé € (nebo jiná měna) utracená za reklamu. Vypočítává se jako (Hodnota konverzí / Náklady na reklamu). Vyšší ROAS obecně znamená vyšší efektivitu. **GMC (Google Merchant Center)**\ : Nástroj od Googlu, který umožňuje nahrávat a spravovat produktová data (feedy) pro použití v Google Shopping, Performance Max a dalších reklamních formátech Googlu. Karsa Labelizer exportuje výsledné Custom Labels do GMC.\ \ **Konverzní poměr (Conversion Rate - CR)**\ : Procento návštěv (kliknutí na reklamu), které vedly k dokončení konverze (např. nákupu). Vypočítává se jako (Počet konverzí / Počet kliknutí) \* 100 %.\ \ **Machine Learning (ML - Strojové učení)**\ : Podoblast umělé inteligence, kde se systémy učí a zlepšují z dat bez explicitního programování pro každý jednotlivý případ. Karsa Labelizer využívá ML modely pro identifikaci optimálních clusterů. # Přehled uživatelského rozhraní Po přihlášení do Karsa Labelizer se ocitnete v uživatelském rozhraní navrženém pro intuitivní ovládání a efektivní práci. Tato stránka vám poskytne základní přehled hlavních částí rozhraní. ## Hlavní části rozhraní Uživatelské rozhraní Karsa Labelizer se skládá především z těchto částí: 1. **Levé navigační menu (Strom kategorií a nástroje)**\\

Záložky kampaně a nástroje

2. **Hlavní pracovní plocha**\\
Podívejme se na ně podrobněji. ### 1. Levé navigační menu Levé menu je vaším hlavním nástrojem pro navigaci v systému Karsa Labelizer. Umožňuje vám přistupovat k různým clusterizacím, reportům a konfiguračním sekcím. **Klíčové vlastnosti levého menu:** * **Strom clusterů:** V levém menu naleznete primárně jeden hlavní strom, který zobrazuje hierarchický seznam vašich clusterizací. Každou clusterizaci lze dále rozbalit pro zobrazení jednotlivých clusterů (segmentů produktů), které obsahuje. Tato struktura slouží jako hlavní navigace k detailům a reportům jednotlivých clusterizací a jejich clusterů.\ \\
* **Interakce:** * Kliknutím na položku (např. název konkrétní clusterizace) se její obsah zobrazí v hlavní pracovní ploše. * Aktivní (aktuálně vybraná) položka je vizuálně zvýrazněna pro lepší orientaci. * **Barevné odlišení kategorií:** Kategorie v levém menu mohou být barevně odlišeny na základě jejich stavu definovaného v metadatech: * **Aktivní/Vybraná kategorie:** Často zvýrazněna červenou barvou. * **Kategorie v produkčním režimu (`Run`):** Například clusterizace, která je aktivní a denně exportuje data, je označena zeleně.\\
* **Správa kategorií:** * **Zakládání nových kategorií:** Systém umožňuje vytvářet nové kategorie, a to jak manuálně přes uživatelské rozhraní, tak automaticky pomocí Cluster designeru.\\
* **Změna pořadí kategorií:** Pořadí kategorií lze měnit pomocí funkce drag-and-drop, což zajišťuje flexibilitu v organizaci vaší práce. Změna pořadí se nastavuje v detailu clusteru v právém horním rohu, tlačítko Upravit .\ \\

Editace kategorie

Změna pořadí kategorie

### 2. Nástroje (Přepínatelná záložka) Kromě hlavního stromu kategorií/clusterizací můžete v rozhraní Karsa Labelizer nalézt také sekci s klíčovými nástroji, dostupnou přes přepínatelné záložky. Tato sekce sdružuje hlavní moduly pro práci se systémem:\\
* **Cluster Designer:** Toto je váš primární nástroj pro vytváření, konfiguraci a správu vašich clusterizačních strategií. Zde definujete parametry segmentace, nastavujete limity, řídíte dynamiku produktů a připravujete návrhy pro nasazení. (Detailněji popsáno v sekci III. Cluster Designer). * **Operation Manager:** Modul, který vám poskytuje přehled o stavu a průběhu operací běžících na pozadí, zejména procesu vytváření nových clusterizací. Umožňuje sledovat, zda operace běží, jak dlouho trvá, a zda byla úspěšně dokončena. (Detailněji popsáno v sekci II. První kroky / Operation Manager). * **Poznámky**: Tato funkce slouží k vytváření a správě vašich vlastních poznámek přímo v systému. Můžete si zde zaznamenávat důležité informace, jako například datum spuštění nové clusterizace, specifické cíle testu, pozorování z analýzy výkonu nebo jakékoli jiné relevantní komentáře k vaší práci s nástrojem. * **Setup:** V této sekci naleznete konfigurační možnosti týkající se exportu dat a propojení. Klíčovou součástí je nastavení URL adresy vašeho exportního produktového feedu, který Karsa Labelizer využívá a obohacuje o Custom Labels. Správné nastavení této URL je nezbytné pro korektní fungování exportu do Google Merchant Center. ### 3. Hlavní pracovní plocha Hlavní pracovní plocha je dynamická část rozhraní, která zobrazuje obsah zvolený v levém navigačním menu. Může se jednat o: * **Konfigurační formuláře:** Například při vytváření nebo úpravě clusterizace v Cluster Designeru. * **Datové reporty a analýzy:** Jako jsou `Přehled clusterizací`, `Detail clusteru`, `Přehled produktů` nebo `Historie přesunů produktů`. Tyto reporty často obsahují tabulky a metriky pro vyhodnocení výkonu. Obsah hlavní pracovní plochy se mění v závislosti na vaší aktuální volbě v levém menu, což umožňuje soustředit se na konkrétní úkol. # Rychlý start Vítejte v Karsa Labelizer! Tento průvodce vám ukáže, jak rychle vytvořit vaši první testovací clusterizaci produktů. Cílem je seznámit vás se základním workflow a ukázat vám, jak snadné je začít. Pro detailní pochopení jednotlivých kroků a nastavení doporučujeme následně prostudovat příslušné sekce této dokumentace. {% hint style="info" %} Při prvním přihlášení je již vytvořena prvotní clusterizace, kde ihned vidíte rozdělení Vašich produktů do clusterů. {% endhint %} ## Kroky pro vytvoření první (testovací) clusterizace: Následujte tyto kroky a během několika minut budete mít hotový první vlastní návrh rozdělení vašich produktů: ### 1. Přejděte do Cluster Designeru * V levém navigačním menu najděte sekci nebo odkaz vedoucí do **Cluster Designeru**. Toto je váš hlavní nástroj pro vytváření nových clusterizací.\\
### 2. Vytvořte novou clusterizaci * **V Cluster Designeru** klikněte na piktogram otevřené složky. Následně vyberte příslušnou konfiguraci a potvrďte výběr kliknutím na tlačítko "Open".\ \\
* **Základní nastavení:** * **Název clusterizace (`Clusterization name`):** Zadejte popisný název, např. `Test_ROAS_ConvValue ,datum bude doplňen automaticky při vytvoření clusterizace.` * **Popis (`Description`):** Stručně popište účel tohoto testu, např. `rpvní testovací clusterizace podle ROAS a Hodnoty konverze. Tento popis se následně zobrazuje v hlavní části obrazovky.`
### 3. Nastavte základní limity a parametry (pro rychlý test) Pro první rychlý test můžete ponechat mnoho hodnot na výchozím nastavení, ale zkontrolujte/upravte následující: * **Minimální a maximální počet clusterů/kampaní:** Tato dvě nastavení definují rozsah, ve kterém bude algoritmus Karsa Labelizer hledat optimální počet clusterů pro vaši konkrétní datovou strukturu a diverzitu produktů. Algoritmus se vždy snaží najít takový počet clusterů, který nejlépe vyhovuje vašim datům a maximalizuje konzistenci výsledných segmentů. * **Minimální počet konverzí (`Minimum number of conversions`):** Pro testovací účely můžete začít s nižší hodnotou (např. 15-25), abyste viděli více clusterů. Pro produkční nasazení se doporučuje vyšší hodnota (např. 30+).\\
* **Parametry pro clusterizaci:** * Ponechte výchozí (nebo zvolte) kombinaci **`ROAS`** a **`Conv. value`** (Hodnota konverze). Toto je skvělý výchozí bod.\ \\
* **Custom Label:** * Vyberte dostupné číslo `Custom Label` (např. `custom_label_0`, pokud je volný). * Zadejte krátký `Prefix` (např. `ktest`). Výsledné labely budou vypadat jako `ktest_1`, `ktest_2` atd.\\
* **Pohyb produktů a nové produkty:** Pro první test můžete tato nastavení ponechat na výchozích hodnotách, kdy jsou přesuny produkty vypnuty. ### 4. Spusťte clusterizaci * Po dokončení konfigurace najděte a klikněte na ikonku šipky pro spuštění procesu clusterizace\\
* Proces může trvat několik minut v závislosti na množství vašich produktů a složitosti dat (obvykle 2-15 minut). * Stav operace můžete sledovat v **Tools** > **Operation Manageru**.\\
### 5. Prohlédněte si výsledky * Jakmile je clusterizace dokončena, objeví se jako nová kategorie v levém navigačním menu, obsahující jednotlivé vygenerované clustery. * Proklikejte si reporty: * **`Přehled clusterizací/Tab CLUSTERIZATION`**: Zde uvidíte vaši novou testovací clusterizaci, její stav (`Test`) a základní metriky jako `Consistency`. * **`Detail clusteru/Tab CLUSTER`**: Po výběru vaší nové clusterizace a následně záložky/reportu pro detail clusterů uvidíte metriky pro každý jednotlivý vytvořený cluster. * Více informací: [Detail clusteru (List Clusters)](/cz/iv.-analyza-a-optimalizace/detail-clusteru) * **`Produkty v clusteru/Tab Products`** Prozkoumejte, které konkrétní produkty byly zařazeny do jednotlivých clusterů. * Více informací: [Produkty v clusteru (List Products)](/cz/iv.-analyza-a-optimalizace/produkty-v-clusteru) {% hint style="success" %} **Gratulujeme!** Právě jste vytvořili svou první testovací clusterizaci v Karsa Labelizer. Nyní máte základní představu o procesu. {% endhint %} ## Další kroky Tento rychlý start byl jen ochutnávkou. Pro skutečné nasazení a dosažení nejlepších výsledků: * **Prostudujte detailněji jednotlivé sekce** této dokumentace, zejména části o [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) a [Analýze a optimalizaci](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace). * **Experimentujte s různými parametry** a nastaveními v testovacím režimu. * Naučte se, jak nasadit clusterizaci do **produkčního režimu** a integrovat ji s vašimi Google Ads kampaněmi. * Viz: [Nasazení clusterizace do produkce](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce) # Životní cyklus služby Abyste plně porozuměli, jak Karsa pracuje na pozadí a jak přispívá k optimalizaci vašich Google Shopping kampaní, je důležité seznámit se s jeho typickým životním cyklem. Tento cyklus popisuje sled automatizovaných i uživatelsky řízených kroků, které se pravidelně opakují. Následující schéma a popis ilustrují klíčové fáze životního cyklu služby:
### 1. Denní stahování dat z Google Ads * **Co se děje:** Každý den Karsa automaticky stahuje aktuální výkonnostní data vašich produktů přímo z vašeho účtu Google Ads. * **Důležitost:** Zajišťuje, že veškeré analýzy a rozhodnutí o clusterizaci jsou založeny na nejčerstvějších dostupných informacích. * **Zpětná aktualizace konverzí:** Systém také zohledňuje případné zpětné změny v hodnotách konverzí, které Google může provést (např. kvůli atribučním modelům nebo dodatečnému přiřazení konverzí). ### 2. Návrh clusterizace uživatelem (Cluster Designer) * **Co se děje:** Vy, jako uživatel, definujete své požadavky na rozdělení produktů v nástroji **Cluster Designer**. Zde si nastavujete: * Parametry pro clusterizaci (např. ROAS, Hodnota konverze, Počet konverzí). * Limity pro počet clusterů a minimální počet konverzí v clusteru. * Nastavení pro dynamické přesuny produktů a pro nové produkty. * **Důležitost:** Tento krok vám dává plnou kontrolu nad strategií segmentace. * Více informací: [III. Cluster Designer: Vytvoření clusterizace](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) ### 3. Spuštění a zpracování clusterizace * **Co se děje:** Po uložení konfigurace v Cluster Designeru spustíte operaci vytvoření clusterizace. Algoritmy Karsa začnou analyzovat vaše produktová data podle zadaných parametrů a vytvářet optimální clustery. * **Doba trvání:** Tento proces obvykle trvá **2 až 15 minut** v závislosti na celkovém počtu produktů, distribuci jejich dat a rozsahu prohledávaných kombinací clusterů. * **Sledování:** Průběh této operace můžete sledovat v **Operation Manageru**. * Více informací: [Operation Manager](/cz/ii.-prvni-kroky/operation-manager) ### 4. Vytvoření kategorie clusterizace a clusterů * **Co se děje:** Po úspěšném dokončení procesu Karsa Labelizer automaticky vytvoří novou **kategorii clusterizace** (viditelnou v levém menu). Tato kategorie obsahuje jednotlivé vygenerované **clustery** jako své podkategorie. * **Význam:** Každý takový cluster představuje návrh budoucí Google Shopping kampaně. ### 5. Analýza a nasazení do produkce (uživatelský krok) * **Co se děje:** Nyní je na vás, abyste si navrženou clusterizaci a její clustery prohlédli a analyzovali pomocí reportů, které Karsa Labelizer poskytuje (např. `Přehled clusterizací`, `Detail clusteru`). * **Rozhodnutí:** Pokud jste s návrhem spokojeni a považujete ho za vhodný pro nasazení: * V detailu dané kategorie clusterizace přepnete její stav na **`Run`**(Produkční režim). * Kategorie clusterizace v produkčním režimu je v levém menu vizuálně odlišena zelenou barvou. * **Důležitost:** Tento krok zajišťuje, že do vašich reálných kampaní jdou pouze vámi schválené a ověřené struktury. * Více informací: [IV. Analýza a optimalizace](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace) a [Nasazení clusterizace do produkce](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce) ### 6. Denní export Custom Labels do Google Merchant Center (GMC) * **Co se děje:** Jakmile je clusterizace v režimu `ProductionRun`, Karsa Labelizer **každý den automaticky exportuje** příslušné `Custom Labels` (označující příslušnost produktu k danému clusteru) do vašeho Google Merchant Center. * **Důležitost:** Tím se zajistí, že vaše Google Ads kampaně mohou produkty segmentovat podle aktuálního zařazení do clusterů. ### 7. Průběžná optimalizace a dynamické přesuny produktů * **Co se děje:** Pro clusterizace v režimu `Run`Karsa Labelizer nejen exportuje data, ale také **průběžně sleduje výkon produktů**. Na základě aktuálních dat a nastavených pravidel pro dynamiku: * **Automaticky přesouvá produkty** mezi jednotlivými clustery, pokud se jejich výkonnostní profil změní a lépe odpovídá jinému clusteru. * Tento proces respektuje vámi definované limity (např. maximální procento přesunutých produktů), aby nedocházelo k destabilizaci kampaní. * **Historie přesunů:** Všechny tyto přesuny jsou zaznamenávány a jsou vám k dispozici v reportu `Historie přesunů produktů` pro analýzu. * **Důležitost:** Zajišťuje, že vaše segmentace zůstává stále aktuální a optimalizovaná vzhledem k reálnému výkonu produktů, aniž byste museli provádět neustálé manuální úpravy. *** Tento cyklický proces – od sběru dat, přes návrh a schválení, až po automatizovanou denní údržbu a optimalizaci – je srdcem Karsa Labelizer a umožňuje vám dosahovat dlouhodobě lepších výsledků ve vašich Google Shopping kampaních. # Operation Manager Operation Manager je důležitou součástí Karsa Labelizer, která vám poskytuje přehled o stavu a průběhu klíčových operací prováděných systémem na pozadí. Jeho hlavní využití pro vás jako uživatele bude především ve sledování procesu vytváření nových clusterizací. ## K čemu Operation Manager slouží? * **Sledování stavu operací:** Hlavní funkcí Operation Manageru je zobrazovat aktuální stav dlouhotrvajících operací, typicky procesu clusterizace, který jste spustili z [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer). * **Transparentnost procesu:** Dává vám jistotu, že systém pracuje, a umožňuje odhadnout, kdy bude operace dokončena. * **Diagnostika (v případě potřeby):** Pokud by se vyskytl problém s dokončením operace, informace z Operation Manageru mohou být užitečné pro naši podporu při řešení potíží. ## Jak Operation Manager funguje v kontextu clusterizace? 1. **Spuštění clusterizace:** Poté, co nakonfigurujete a spustíte vytváření nové clusterizace v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/spusteni-a-monitoring), Karsa Labelizer zahájí na pozadí komplexní výpočetní úlohu. 2. **Export dat do GMC (manuální a automatický):** Pro clusterizace ve stavu 'Run' zajišťuje Karsa Labelizer **automatický denní export** doplňkového XML feedu do Google Merchant Center (GMC). Tento feed je generován na URL adresu nastavenou v sekci 'Setup'. Kromě toho může Operation Manager nabízet možnost **ručního spuštění exportu**. To je užitečné, pokud například právě přepnete novou clusterizaci do produkčního stavu a chcete ihned vygenerovat XML feed, aniž byste čekali na pravidelnou automatickou aktualizaci. 3. **Zobrazení v Operation Manageru:** Tato běžící úloha (operace clusterizace) se objeví v Operation Manageru. Měli byste zde vidět minimálně: * Identifikaci operace (OperationType). * Aktuální stav (např. "Běží", "Probíhá analýza", "Dokončeno", "Chyba"). * Případně čas spuštění nebo odhadovaný čas dokončení. 4. **Doba trvání clusterizace:** Jak bylo zmíněno v [Životní cyklus služby](/cz/ii.-prvni-kroky/zivotni-cyklus-sluzby), samotný proces clusterizace obvykle trvá **2 až 15 minut**, v závislosti na objemu dat a složitosti. Během této doby můžete sledovat její postup právě v Operation Manageru. 5. **Dokončení operace:** Po úspěšném dokončení operace se stav v Operation Manageru aktualizuje (např. na "Dokončeno") a nově vytvořená clusterizace se objeví ve vaší struktuře kategorií, připravena k [analýze](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace). ## Kde najdu Operation Manager? Operation Manager naleznete v záložce 'Tools' pod položkou 'Operation manager'.\\
*** Pro většinu uživatelů bude Operation Manager sloužit především jako informační panel pro potvrzení, že spuštěná clusterizace probíhá podle očekávání. Detailní technické logy zde obvykle nejsou zobrazeny, ale poskytuje klid a přehled o procesech na pozadí. # Úvod do Cluster Designeru Vítejte v sekci věnované **Cluster Designeru** – klíčovému nástroji v Karsa Labelizer, který vám dává plnou moc nad návrhem a konfigurací vašich clusterizačních strategií. Právě zde přeměníte vaše produktová data a obchodní cíle na inteligentní strukturu Google Shopping kampaní. ## Co je Cluster Designer? Cluster Designer je specializovaný modul Karsa Labelizer, jehož hlavním účelem je umožnit vám: * **Definovat kritéria pro segmentaci:** Vyberete si, podle jakých výkonnostních parametrů (metrik) chcete své produkty rozdělit (např. ROAS, Hodnota konverze, Počet konverzí atd.). * **Nastavit limity a cíle:** Určíte mantinely pro proces clusterizace, jako je minimální a maximální počet výsledných clusterů (kampaní) nebo minimální počet konverzí, který má každý cluster obsahovat. * **Konfigurovat pokročilé chování:** Nastavíte, jak se má systém chovat k novým produktům bez historie nebo jakým způsobem mají být řízeny dynamické přesuny produktů mezi clustery pro udržení stability. * **Testovat různé scénáře:** Můžete vytvářet více variant (návrhů) clusterizací s různým nastavením a následně je porovnávat, abyste našli tu nejefektivnější strategii pro váš e-shop. Stručně řečeno, Cluster Designer je vaše "operační centrum" pro strategické plánování a technické nastavení toho, jak budou vaše produkty inteligentně seskupeny pro dosažení maximálního výkonu. ## Co najdete v této sekci? Tato sekce dokumentace vás provede všemi aspekty práce s Cluster Designerem: * [**Založení nové clusterizace**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/zalozeni-nove-clusterizace)**:** Jak začít s novým návrhem, základní pojmenování a popis. * [**Nastavení limitů a cílů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu)**:** Detailní vysvětlení jednotlivých limitů (počet clusterů, minimální konverze, období dat) a jak je optimálně nastavit. * [**Volba parametrů clusterizace**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace)**:** Klíčová podsekce, která vám pomůže vybrat ty správné metriky pro segmentaci a pochopit, jak různé kombinace ovlivňují výsledné clustery. * [Přehled dostupných parametrů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/prehled-parametru) * [Strategie výběru parametrů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/strategie-vyberu-parametru) * [Jak funguje AI při hledání clusterů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/jak-funguje-ai) * [**Nastavení Custom Label**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label)**:** Jak správně nastavit Google Custom Labely pro identifikaci vašich clusterů v Google Ads. * [**Řízení dynamiky produktů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu)**:** Jak konfigurovat pravidla pro automatické přesuny produktů mezi clustery a jak zacházet s nově přidanými produkty. * [Povolení a limity přesunů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu) * [Strategie pro nové produkty](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/strategie-pro-nove-produkty) * [**Spuštění a monitoring clusterizace**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/spusteni-a-monitoring)**:** Jak spustit proces vytváření clusterizace a sledovat jeho průběh. Pečlivé nastavení v Cluster Designeru je základním předpokladem pro vytvoření efektivní a výkonné struktury vašich Google Shopping kampaní. Věnujte této sekci patřičnou pozornost. # Založení nové clusterizace Vytvoření nové clusterizace v Karsa Labelizer začíná v **Cluster Designeru**. Prvním krokem je definování základních identifikačních údajů vašeho nového návrhu. Cluster Designer pracuje na principu **konfigurací**. Umožňuje vám otevírat jednotlivé uložené konfigurace, ukládat je pod novým názvem a spravovat je. Díky tomu si můžete vytvářet vlastní sady nastavení (konfigurace) a později se k nim vracet, upravovat je nebo je znovu používat.\\
## 1. Název clusterizace (`Clusterization name`) * **Co to je:** Unikátní název, který bude identifikovat vaši novou clusterizaci v systému. Tento název se také použije pro vytvoření adresáře (kategorie), který bude obsahovat jednotlivé clustery (podkategorie) vygenerované touto clusterizací. . * **Doporučení:** * Volte **popisné a srozumitelné názvy**, které vám i vašim kolegům pomohou snadno identifikovat účel a hlavní charakteristiky dané clusterizace (např. `Test_ROAS_ConvValue`. * Můžete zahrnout klíčové parametry, cílový trh, období nebo specifickou skupinu produktů. * **Automatické přidání data:** Pro lepší přehlednost je ke každému názvu automaticky vytvořeného adresáře (kategorie clusterizace) přidána také časová známka. Vytvořenou clusterizaci lze následně přejmenovat\\
## 2. Popis clusterizace (`Description of clustering`) * **Co to je:** Textové pole, kam můžete zadat podrobnější popis nebo poznámky k vytvářené clusterizaci. * **Doporučení:** * Využijte toto pole k zaznamenání **konkrétních cílů, hypotéz nebo specifických nastavení**, která jste pro tuto clusterizaci použili. * Například: `Testování vlivu přidání parametru "Conversions" na segmentaci parfémů s vysokou hodnotou objednávky. Cílem je identifikovat podsegmenty s vysokou frekvencí nákupu.` * **Výhoda:** Tento popis se zobrazuje pod názvem clusterizace a pomáhá vám a vašemu týmu lépe si zapamatovat kontext a účel jednotlivých konfiguračních nastavení i po delší době. ## 3. Cílová (nadřazená) kategorie (`Destination parent category`) * **Co to je:** Určuje, kam ve vaší struktuře kategorií v Karsa Labelizer bude nově vytvořená clusterizace (se všemi jejími clustery) umístěna. * **Doporučení:** * Pro lepší organizaci a přehlednost, zejména pokud spravujete více clusterizačních strategií nebo testů, si můžete vytvořit hlavní kategorie (např. "Testovací Clusterizace", "Produkční Clusterizace", "Archivované Návrhy"). * Následně vyberete jednu z těchto kategorií jako `Destination parent category`. * **Výhoda:** Udržuje vaši strukturu v Karsa Labelizer čistou a logicky uspořádanou.
*** Pečlivé vyplnění těchto základních údajů vám usnadní orientaci ve vašich clusterizačních strategiích a zajistí, že proces segmentace bude aplikován na správnou sadu produktů. Po nastavení těchto základních parametrů budete pokračovat definováním [limitů a cílů clusterizace](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu). # Nastavení limitů a cílů Po zadání základních identifikačních údajů vaší nové clusterizace v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) je dalším klíčovým krokem **definování limitů a cílů**. Tato nastavení určují mantinely, ve kterých bude algoritmus Karsa pracovat, a pomáhají zajistit, že výsledné clustery budou nejen statisticky optimální, ale také prakticky použitelné pro vaše Google Ads kampaně.
## 1. Minimální a maximální počet clusterů/kampaní Toto nastavení vám umožňuje určit rozsah, kolik výsledných clusterů (což obvykle odpovídá počtu budoucích kampaní nebo segmentů) si přejete vytvořit. * **Minimální počet clusterů/kampaní (`Minimum number of clusters/campaigns`):** * **Co to je:** Nejnižší počet clusterů, do kterých budou vaše produkty rozděleny. * **Jak to funguje:** I když nastavíte nízké minimum, algoritmus strojového učení Karsa Labelizer se vždy snaží najít **optimální počet clusterů** s ohledem na distribuci vašich dat, zvolené parametry a požadavek na vysokou vnitřní konzistenci každého clusteru a splnění minimálních požadavků na konverze. * **Maximální počet clusterů/kampaní (`Maximum number of clusters/campaigns`):** * **Co to je:** Nejvyšší možný počet clusterů, který má algoritmus vytvořit. * **Důležité:** I když nastavíte vysoké maximum (např. 20 nebo více), nemusí být nutně vytvořen takový počet clusterů. Optimální počet vždy závisí na reálné distribuci hodnot vašich produktů a počtu zvolených parametrů pro clusterizaci. Strojové učení hledá takový počet clusterů, který maximalizuje predikovatelnost budoucích kampaní. * **Doporučení:** * Pro menší e-shopy nebo specifické segmenty může být efektivnější nižší počet clusterů (např. 3-7). * Pro velké e-shopy s rozmanitým sortimentem a velkým objemem dat může být vhodné experimentovat s vyšším počtem (např. 10-20 i více ), pokud to distribuce dat podporuje. * Začněte s rozumným rozsahem (např. min 3, max 10) a na základě výsledků (zejména metriky `Consistency` v reportu [Přehled clusterizací](/cz/iv.-analyza-a-optimalizace/prehled-clusterizaci)) můžete limity pro další testy upravovat. ## 2. Minimální počet konverzí/objednávek v clusteru Toto je jedno z nejdůležitějších nastavení pro zajištění stability a efektivity vašich budoucích kampaní. * **Minimální počet konverzí (`Minimum number of conversions`):** * **Co to je:** Definuje minimální požadovaný součet konverzí (nebo objednávek, viz níže) za posledních 30 dní pro všechny produkty, které budou zařazeny do jednoho clusteru. * **Proč je to důležité:** Google Ads algoritmy (zejména Smart Bidding strategie jako tROAS) potřebují dostatečný objem konverzních dat, aby se mohly efektivně "učit" a optimalizovat nabídky. Kampaně (clustery) s příliš malým počtem konverzí: * Mohou mít nestabilní výkon. * Mohou vést k nesprávným predikcím a suboptimálním výdajům. * Mohou mít problém s udržením rozpočtu nebo dosažením cílů. * **Doporučení pro minimální počet konverzí:** * **Google Ads obecně doporučuje:** * Minimálně **15-20 konverzí** za posledních 30 dní pro kampaň, než začnete používat automatizované nabídkové strategie. * Pro stabilní **Cílovou ROAS (tROAS)** je ideální mít **30-50 konverzí** za 30 dní. * Pro pokročilou predikci a optimalizaci se doporučuje **100+ konverzí** měsíčně. * **Karsa Labelizer doporučení:** * Google sice doporučuje alespoň 50 objednávek (konverzí) na kampaň, ale pro lepší zohlednění sezónnosti a dostupnosti produktů je často lepší cílit na **60-70 konverzí** za 30 dní v rámci jednoho clusteru. * **Naše rada:** Začněte s hodnotou alespoň 30-50. Pokud máte velmi velké objemy dat, můžete experimentovat s vyššími hodnotami. Pokud máte naopak dat málo, zvažte nižší hodnotu s vědomím možných rizik, nebo se zaměřte na menší počet výsledných clusterů. * **Parametr pro minimální počet (`Parameter for the minimum number of orders`):** * **Co to je:** Můžete si vybrat, zda se limit minimálního počtu má vztahovat na: 1. **Konverze (`Conversions`):** Hodnota stažená přímo z vašeho účtu Google Ads. Toto je nejběžnější volba. *** Správné nastavení těchto limitů a cílů je zásadní pro vytvoření smysluplných, stabilních a výkonných clusterů. Vždy zvažte specifika vašeho sortimentu, objem dostupných dat a vaše obchodní cíle. V další části se budeme věnovat neméně důležité [Volbě parametrů clusterizace](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace). # Volba parametrů clusterizace Vítejte v klíčové podsekci nastavení vašeho **Cluster Designeru** – ve výběru parametrů pro clusterizaci. Správná volba metrik, podle kterých bude Karsa Labelizer segmentovat vaše produkty, je zásadní pro vytvoření smysluplných, konzistentních a výkonných clusterů (budoucích kampaní).\\
## Proč je volba parametrů tak důležitá? Parametry, které vyberete, přímo ovlivňují, jak AI algoritmus Karsa Labelizer "porozumí" podobnostem a rozdílům mezi vašimi produkty. Na základě těchto parametrů se produkty seskupují do clusterů. Správně zvolené parametry vám pomohou: * **Vytvořit logické a strategicky relevantní clustery:** Produkty v jednom clusteru budou sdílet podobné výkonnostní charakteristiky, což usnadní cílení a správu nabídek. * **Maximalizovat konzistenci a predikovatelnost kampaní:** Dobře definované clustery jsou pro algoritmy Google Ads čitelnější a umožňují jim efektivněji optimalizovat výkon. * **Odhalit skryté vzorce ve výkonu produktů:** Multi-dimenzionální analýza může identifikovat skupiny produktů, které by při použití pouze jednoho parametru zůstaly nerozpoznány. * **Efektivněji alokovat rozpočet:** Přesnější segmentace umožňuje lépe směřovat investice do nejperspektivnějších oblastí vašeho portfolia. * **Lépe porozumět vašemu produktovému portfoliu:** Analýza výsledných clusterů vám poskytne cenný vhled do toho, jak se různé skupiny produktů chovají v reklamním ekosystému. ## Co najdete v této podsekci? Následující stránky vás provedou procesem výběru optimálních parametrů pro vaši clusterizaci: * [**Přehled dostupných parametrů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/prehled-parametru)**:** Detailní popis všech metrik, které můžete pro clusterizaci v Karsa Labelizer použít (např. ROAS, Hodnota konverze, Kliky, Cena produktu atd.), včetně vysvětlení, co znamenají a odkud se berou. * [**Strategie výběru parametrů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/strategie-vyberu-parametru)**:** Praktické návody a příklady různých kombinací parametrů (již máte vytvořeno na základě mé předchozí ukázky). Dozvíte se, jaké typy clusterů typicky vznikají při použití určitých kombinací a pro jaké cíle se dané strategie hodí. * [**Jak funguje AI při hledání clusterů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/jak-funguje-ai)**:** Konceptuální vysvětlení, jak algoritmy strojového učení Karsa Labelizer pracují s vámi zvolenými parametry, aby nalezly optimální rozdělení produktů a optimální počet clusterů. {% hint style="info" %} Pamatujte, že neexistuje jedna univerzálně "nejlepší" kombinace parametrů pro všechny e-shopy a situace. **Doporučujeme experimentovat** s různými strategiemi v [testovacím režimu](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer#analyza-a-optimalizace) a vyhodnocovat výsledky (zejména metriku `Consistency` a smysluplnost vytvořených clusterů), abyste našli optimální nastavení pro vaše konkrétní potřeby a cíle. {% endhint %} Věnujte výběru parametrů dostatečnou pozornost – je to investice, která se vám vrátí v podobě výkonnějších a lépe řiditelných Google Shopping kampaní. # Přehled dostupných parametrů Karsa Labelizer vám nabízí širokou škálu výkonnostních metrik, které můžete použít jako parametry pro clusterizaci vašich produktů. Správný výběr a kombinace těchto parametrů je základem pro vytvoření smysluplných a efektivních clusterů. Níže naleznete přehled dostupných parametrů a vysvětlení jejich významu. Všechny níže uvedené metriky se typicky vztahují k výkonu produktů v Google Shopping kampaních za zvolené období (standardně posledních 30 dní, jak je nastaveno v `[Nastavení limitů a cílů](../nastaveni-limitu-a-cilu.md)`). *** ### 1. `Clicks` (Počet kliknutí) * **Popis:** Celkový počet kliknutí na reklamy zobrazující vaše produkty v rámci Google Shopping kampaní. * **Význam pro clusterizaci:** Pomáhá identifikovat produkty, které generují vysoký provoz (a potenciálně i náklady), nebo naopak produkty s nízkou mírou prokliku, které mohou potřebovat optimalizaci viditelnosti nebo atraktivity reklam. Často se používá v kombinaci s metrikami efektivity (např. ROAS). ### 2. `Conv. value` (Hodnota konverzí) * **Popis:** Celková hodnota tržeb generovaná dokončenými objednávkami, které byly připsány vašim produktovým reklamám (sledováno přes e-commerce měření Google Ads). * **Význam pro clusterizaci:** Klíčový parametr pro identifikaci produktů, které přinášejí největší obrat. V kombinaci s ROAS pomáhá rozlišit mezi produkty s vysokým objemem tržeb a vysokou ziskovostí. ### 3. `Impressions` (Počet zobrazení) * **Popis:** Celkový počet zobrazení vašich produktových reklam v Google Shopping kampaních. * **Význam pro clusterizaci:** Ukazuje, jak často jsou vaše produkty viditelné. Může pomoci identifikovat produkty s vysokou viditelností ale nízkým proklikem (problém s atraktivitou reklamy nebo relevancí) nebo naopak produkty s nízkou viditelností (problém s konkurenceschopností nabídek, kvalitou feedu). ### 4. `Product average price` (Průměrná cena produktu) * **Popis:** Průměrná cena produktu (včetně DPH), vypočítaná z dat ve vašem produktovém feedu v Google Merchant Center. * **Význam pro clusterizaci:** Umožňuje segmentovat produkty podle jejich cenové hladiny. V kombinaci s výkonnostními metrikami (např. ROAS) může odhalit, jak se liší efektivita propagace u levných a drahých produktů. ### 5. `ROAS` (Return On Ad Spend - Návratnost investic do reklamy) * **Popis:** Poměr mezi získanými tržbami (Hodnota konverzí) a náklady na reklamu (Cost). Vyjadřuje, kolik peněz vám reklama vydělala za každou investovanou korunu. * **Význam pro clusterizaci:** Jeden z nejdůležitějších parametrů pro hodnocení efektivity a ziskovosti. Umožňuje oddělit vysoce ziskové produkty od těch méně ziskových nebo ztrátových. ### 6. `Conversions` (Počet konverzí) * **Popis:** Celkový počet úspěšných konverzí (např. dokončených objednávek) připsaných vašim produktovým reklamám z Google Ads kampaní. * **Význam pro clusterizaci:** Ukazuje, jak často se produkty prodávají, bez ohledu na hodnotu jednotlivých objednávek. V kombinaci s `Conv. value` pomáhá rozlišit produkty s vysokou hodnotou a nízkou frekvencí prodeje od produktů s nízkou hodnotou a vysokou frekvencí prodeje. ### 7. `Cost` (Náklady) * **Popis:** Celkové náklady na prokliky produktů ve vašich Google Shopping kampaních za zvolené období. * **Význam pro clusterizaci:** Pomáhá identifikovat produkty nebo segmenty, které spotřebovávají největší část vašeho rozpočtu. V kombinaci s ROAS nebo `Conv. value` ukazuje, zda jsou tyto náklady efektivně vynaloženy. ### *** Znalost těchto parametrů a jejich významu je prvním krokem k efektivnímu nastavení vaší clusterizační strategie. V další části, `[Strategie výběru parametrů](./strategie-vyberu-parametru.md)`, se podíváme na to, jak tyto parametry smysluplně kombinovat. # Strategie výběru parametrů Volba správných parametrů je **klíčovým krokem** při návrhu efektivní clusterizace v Karsa labelizer. Parametry určují, na základě jakých výkonnostních charakteristik budou vaše produkty rozděleny do jednotlivých clusterů (budoucích kampaní). Karsa labelizer využívá pokročilý hybridní algoritmus strojového učení, který dokáže pracovat s více dimenzemi (parametry) současně a najít optimální počet clusterů pro maximalizaci jejich vnitřní konzistence a predikovatelnosti. > **Doporučení:** Začněte s 2 parametry. Příliš mnoho parametrů může vést k nadměrné segmentaci a rozmělnění dat, zejména u e-shopů s menším počtem konverzí. ## Výchozí a nejčastější kombinace: `ROAS` + `Conv. value` Tato kombinace je nastavena jako výchozí v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer), protože poskytuje přirozený a strategicky velmi užitečný pohled na výkon produktů, který kombinuje **efektivitu nákladů (ROAS)** s **objemem generovaných tržeb (Hodnota konverze)**. **Proč je zajímavá:** Umožňuje oddělit produkty, které jsou vysoce ziskové, od těch, které přinášejí velký obrat, i když třeba s nižší marží nebo vyššími náklady na reklamu. ### Typicky vznikající clustery: * **Vysoce výkonné (Hvězdy):** Vysoký ROAS, vysoká hodnota konverzí. Klíčové produkty, zaslouží si maximální podporu. * **Vysoký potenciál:** Vysoký ROAS, nižší hodnota konverzí. Ziskové produkty s menším objemem, příležitost pro růst. * **Objemové tahouny:** Nižší ROAS, vysoká hodnota konverzí. Generují tržby, ale je zde prostor pro optimalizaci efektivity (nákladů, nabídek). * **Problematické:** Nízký ROAS, nízká hodnota konverzí. Kandidáti na omezení rozpočtu nebo přehodnocení strategie. * **(Případně) Nevyrovnané produkty:** Extrémně vysoký ROAS s velmi nízkou hodnotou konverzí nebo naopak. Tyto vyžadují individuální analýzu. ## Rozšíření o frekvenci: `ROAS` + `Conv. value` + `Conversions` Přidáním parametru `Conversions` (Počet konverzí/objednávek) k předchozí dvojici získáte ještě detailnější pohled, který zohledňuje i **frekvenci prodejů**. **Proč je zajímavá:** Rozliší produkty s podobným ROAS a celkovou hodnotou konverzí, ale odlišnou prodejní dynamikou (málo drahých vs. hodně levných prodejů). Hodí se pro obchody s dostatečným počtem objednávek, kde chcete lépe pochopit průměrnou hodnotu objednávky v rámci segmentů. ### Příklad nových typů clusterů: * **Prémiové produkty:** Vysoký ROAS, vysoká hodnota konverzí, vysoký počet konverzí. Absolutní špička vašeho portfolia. * **Drahé bestsellery:** Nižší ROAS, vysoká hodnota konverzí, vysoký počet konverzí. Populární, generují objem tržeb. * **Exkluzivní produkty:** Vysoký ROAS, vysoká hodnota konverzí, *nízký* počet konverzí. Typicky drahé zboží s vysokou marží, prodávané méně často. * **Efektivní nízkoobrátkové:** Vysoký ROAS, *nízká* hodnota konverzí, *nízký* počet konverzí. Nišové, ale efektivní. * **Vysokofrekvenční levné produkty:** Vysoký/střední ROAS, *nízká* hodnota konverzí, vysoký počet konverzí. Doplňkové zboží, spotřební materiál. * **Objemové ztrátové produkty:** Nízký ROAS, střední hodnota konverzí, vysoký počet konverzí. Mohou plnit strategickou roli. ## Další zajímavé strategie a kombinace parametrů: ### 1. Efektivita Konverzního Trychtýře: `CTR` vs. `Konverzní poměr (Conversions / Clicks)` * **Parametry:** `CTR` (Míra prokliku) a dopočítaný `Konverzní poměr`. * **Proč je zajímavá:** Tato kombinace vám ukáže, jak efektivní je celý váš "marketingový trychtýř" od zobrazení reklamy až po uskutečnění konverze. Pomáhá oddělit produkty, které mají atraktivní reklamy (vysoké CTR), od těch, které efektivně konvertují návštěvníky po kliknutí (vysoký konverzní poměr). * **Možné clustery:** * `Vysoké CTR / Vysoký Konverzní poměr`: Ideální stav, vaši tahouni. * `Vysoké CTR / Nízký Konverzní poměr`: "Lapače kliků". Reklamy jsou atraktivní, ale problém je na vstupní stránce, v ceně, nebo v nabídce. (Optimalizovat LP/nabídku). * `Nízké CTR / Vysoký Konverzní poměr`: "Skryté poklady" / Specifická poptávka. Reklamy nelákají, ale kdo klikne, často konvertuje. (Zlepšit reklamy/kreativy). * `Nízké CTR / Nízký Konverzní poměr`: Slabé produkty, vyžadují zásadní revizi nebo vyřazení. ### 2. Profitabilita vs. Objem provozu/viditelnosti: `ROAS` vs. `Clicks` (nebo `Impressions`) * **Parametry:** `ROAS` a `Clicks` (Počet kliknutí), alternativně `Impressions` (Počet zobrazení). * **Proč je zajímavá:** Ukáže, zda produkty, které generují nejvíce provozu nebo mají největší viditelnost, jsou zároveň ty nejziskovější. Pomůže identifikovat produkty, které "polykají" hodně rozpočtu (přes CPC), ale nepřinášejí adekvátní návratnost. * **Možné clustery:** * `Vysoké ROAS / Vysoký Počet kliků`: Skvělé - ziskové produkty s velkým provozem. * `Vysoké ROAS / Nízký Počet kliků`: Ziskové, ale málo viditelné/klikavé. (Zvážit zvýšení viditelnosti). * `Nízké ROAS / Vysoký Počet kliků`: "Populární, ale prodělečné". Generují hodně provozu, ale nejsou ziskové. Často velká část nákladů. (Optimalizovat nebo omezit). * `Nízké ROAS / Nízký Počet kliků`: Nevýkonné a nezajímavé. ### 3. Cenová hladina produktu vs. Efektivita: `Avg product price` vs. `ROAS` * **Parametry:** `Avg product price` (Průměrná cena produktu) a `ROAS`. * **Proč je zajímavá:** Odhalí vztah mezi cenou produktu a efektivitou jeho propagace. Jsou dražší produkty ziskovější na propagaci (díky vyšší marži)? Nebo naopak levnější (díky snazším konverzím)? Pomůže přizpůsobit strategii pro různé cenové segmenty. * **Možné clustery:** * `Vysoká Cena / Vysoké ROAS`: "Ziskové prémiovky". * `Vysoká Cena / Nízké ROAS`: "Drahé na prodej". Vysoká cena nezaručuje profitabilitu reklamy. * `Nízká Cena / Vysoké ROAS`: "Efektivní 'levné' zboží". * `Nízká Cena / Nízké ROAS`: "Nízkomaržové problémy". > **Doporučení:** Nebojte se **experimentovat** s různými kombinacemi parametrů v [testovacím režimu (`Test`)](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer#analyza-a-optimalizace) vaší clusterizace. Sledujte, jak se mění výsledná struktura clusterů a metrika `Consistency` v reportu [Přehled clusterizací](/cz/iv.-analyza-a-optimalizace/prehled-clusterizaci). Vyberte strategii, která nejlépe odpovídá vašim obchodním cílům, povaze vašeho sortimentu a distribuci vašich dat. V další části se podíváme na to, [Jak funguje AI při hledání clusterů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/jak-funguje-ai). # Jak funguje AI při hledání clusterů Když v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) vyberete parametry pro vaši clusterizaci a nastavíte potřebné limity, přebírá iniciativu umělá inteligence (AI) Karsa Labelizer. Na rozdíl od jednoduchých pravidlových systémů, které segmentují produkty na základě pevných prahových hodnot, Karsa Labelizer využívá pokročilé **algoritmy strojového učení (ML)** k identifikaci optimálních a přirozených seskupení (clusterů) ve vašich produktových datech. ## Základní principy AI v Karsa Labelizer 1. **Multi-dimenzionální analýza:** * AI dokáže analyzovat produkty na základě **více vámi zvolených parametrů (dimenzí) současně**. To znamená, že nehodnotí produkty izolovaně podle jednoho kritéria (např. jen ROAS), ale hledá komplexní podobnosti napříč celým spektrem zvolených metrik (např. ROAS, Hodnota konverze, CTR, Cena produktu atd.). 2. **Cíl: Konzistence a Prediktabilita:** * Hlavním cílem AI není jen jakkoli rozdělit produkty, ale vytvořit **vysoce konzistentní clustery**. Konzistentní cluster obsahuje produkty, které se z hlediska zvolených parametrů chovají co nejpodobněji. * Tato konzistence vede k vyšší **predikovatelnosti výkonu budoucích kampaní**, což je klíčové pro efektivní optimalizaci ze strany algoritmů Google Ads. 3. **Hybridní algoritmus:** * Karsa Labelizer využívá **sofistikovaný hybridní algoritmus strojového učení**. Tento přístup kombinuje výhody různých modelů a je navržen tak, aby co nejlépe vyhovoval specifikům produktových dat v e-commerce. * **Klíčové vlastnosti našeho algoritmu**: * **Práce s nejistotou v datech:** Poskytuje pravděpodobnostní přiřazení produktů do clusterů, což lépe reflektuje přirozenou variabilitu a nejistotu ve výkonnostních datech. * **Automatické určení vhodného počtu clusterů:** V rámci vámi nastavených [limitů pro minimální a maximální počet clusterů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu), AI identifikuje takový počet clusterů, který nejlépe odpovídá přirozené struktuře a distribuci vašich konkrétních produktových dat. Není tedy nutné "hádat" optimální počet. * **Robustnost vůči šumu a odlehlým hodnotám:** Algoritmus je navržen tak, aby lépe zvládal odlehlé hodnoty (extrémě výkonné či nevýkonné produkty) a šum v datech, aniž by to neúměrně zkreslilo výslednou strukturu clusterů. * **Interpretovatelnost výsledků:** Přestože se jedná o pokročilý ML model, snažíme se, aby výsledky byly co nejvíce interpretovatelné. Pravděpodobnostní charakteristiky mohou pomoci lépe porozumět síle přiřazení produktu k danému clusteru. * **Přirozené zpracování chybějících hodnot:** Algoritmus dokáže efektivně pracovat i s produkty, které nemusí mít kompletní historii pro všechny zvolené parametry (např. nové produkty, pokud není zvolena strategie jejich odděleného zpracování). ## Co se děje "pod kapotou"? (Zjednodušeně) 1. **Příprava dat:** Vámi zvolené parametry a produktová data jsou normalizována a připravena pro analýzu. 2. **Hledání struktury:** AI algoritmus iterativně prohledává data a hledá "shluky" (clustery) produktů, které jsou si navzájem podobné ve zvolených dimenzích (parametrech). 3. **Optimalizace:** Proces je optimalizován tak, aby: * Produkty *uvnitř* jednoho clusteru byly co nejpodobnější (maximalizace vnitro-clusterové homogenity / konzistence). * Jednotlivé clustery byly od sebe co nejvíce odlišné (minimalizace mezi-clusterové podobnosti). * Byl dodržen minimální počet konverzí na cluster. * Byl nalezen optimální počet clusterů v rámci vašich limitů. 4. **Přiřazení produktů:** Každý produkt je (s určitou pravděpodobností) přiřazen k nejvhodnějšímu clusteru. Výsledkem je daty podložený návrh segmentace, který je připraven pro vaše vyhodnocení a následné nasazení do Google Ads prostřednictvím `Custom Labels`. *** Pochopení základních principů fungování AI vám pomůže lépe interpretovat výsledky clusterizace a efektivněji využívat Karsa Labelizer pro optimalizaci vašich kampaní. V další části se podíváme na praktické `[Nastavení Custom Label](../nastaveni-custom-label.md)`. # Nastavení Custom Label Poté, co jste definovali [základní údaje](/cz/iii.-cluster-designer-vytvoreni-clusterizace/zalozeni-nove-clusterizace), [limity a cíle](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu) a [parametry pro clusterizaci](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace), je dalším krokem v **Cluster Designeru** nastavení **Google Custom Label** (Vlastního štítku). Toto nastavení je klíčové pro přenos výsledné segmentace z Karsa Labelizer do vašich Google Ads kampaní.\\
## Co je Custom Label a proč je důležitý? **Custom Labely** (vlastní štítky) jsou atributy `custom_label_0`, `custom_label_1`, `custom_label_2`, `custom_label_3` a `custom_label_4`, které můžete definovat ve svém produktovém feedu v Google Merchant Center (GMC). Umožňují vám přidat k produktům vlastní specifické označení, která pak můžete využít pro: * **Segmentaci produktů v Google Shopping kampaních:** Rozdělení produktů do různých reklamních sestav nebo kampaní na základě hodnoty Custom Labelu. * **Segmentaci skupin zápisů (Listing Groups) v Performance Max kampaních:** Detailnější cílení a správa produktů v rámci PMax. * **Reporting a analýzu:** Filtrování a analýza výkonu produktů podle vašich vlastních segmentů. Karsa Labelizer využívá jeden z těchto Custom Labelů k tomu, aby každému produktu ve vaší clusterizaci přiřadil identifikátor clusteru, do kterého byl zařazen. Například všechny produkty v "Clusteru 1" dostanou hodnotu `XY_1`, produkty v "Clusteru 2" hodnotu `XY_2` atd. ## Nastavení v Karsa Labelizer V Cluster Designeru naleznete následující pole pro konfiguraci Custom Labelu: ### 1. `Custom label` (Výběr vlastního štítku) * **Co to je:** Zde si vyberete, který z pěti dostupných vlastních štítků Google (`custom_label_0` až `custom_label_4`) chcete použít pro tuto konkrétní clusterizaci. * **Doporučení:** * Zkontrolujte si ve svém Google Merchant Center, které Custom Labely již případně používáte pro jiné účely, abyste předešli konfliktům. * Pokud jsou některé labely volné, vyberte jeden z nich. Pokud již všechny používáte, budete muset zvážit, zda některý z nich můžete pro Karsa Labelizer uvolnit, nebo zda stávající použití lze zkombinovat. * Každá clusterizace v Karsa Labelizer, která má být aktivní a exportovat data do GMC, obvykle potřebuje svůj unikátní (nebo sdílený, ale pečlivě spravovaný) Custom Label slot, pokud se jejich hodnoty nemají přepisovat. ### 2. `Prefix for custom label` (Prefix pro vlastní štítek) * **Co to je:** Krátký textový řetězec (prefix), který se použije na začátku hodnoty zapisované do vybraného Custom Labelu. Tento prefix slouží k identifikaci a odlišení hodnot pocházejících z Karsa Labelizer a konkrétní clusterizace od jiných možných hodnot ve vašem Custom Labelu. * **Jak to funguje:** Pokud například jako prefix zadáte `karsQA` a Karsa Labelizer vytvoří cluster číslo 1, 2, 3, pak do vybraného Custom Labelu u produktů v těchto clusterech zapíše hodnoty jako `karsQA_1`, `karsQA_2`, `karsQA_3`. * **Doporučení:** * Volte krátký, ale výstižný prefix, který snadno poznáte. * Může obsahovat např. identifikátor vaší firmy nebo typu clusterizace (např. `mojefirma_`, `roas_opt_`). * Vyhněte se speciálním znakům nebo mezerám, které by mohly způsobovat problémy v Google Merchant Center nebo Google Ads. Používejte písmena, čísla a případně podtržítko `_`. * **Důležitost:** Prefix zajišťuje, že hodnoty z Karsa Labelizer budou unikátní a nebudou kolidovat s jinými hodnotami, které byste mohli v daném Custom Labelu používat. Také vám usnadní filtrování a práci s těmito hodnotami v Google Ads. ## Příklad * Vyberete `Custom label`: `custom_label_0` * Zadáte `Prefix for custom label`: `TopVykon` * Karsa Labelizer vytvoří 3 clustery. * Produkty v prvním clusteru dostanou v GMC do atributu `custom_label_0` hodnotu `TopVykon_1`. * Produkty v druhém clusteru dostanou hodnotu `TopVykon_2`. * Produkty ve třetím clusteru dostanou hodnotu `TopVykon_3`. Tyto hodnoty (`TopVykon_1`, `TopVykon_2`, `TopVykon_3`) pak můžete použít v Google Ads pro vytvoření samostatných produktových skupin nebo kampaní. *** Správné nastavení Custom Labelu je nezbytné pro úspěšný přenos informací o segmentaci z Karsa Labelizer do Google Merchant Center a následně do vašich reklamních kampaní. V další části se podíváme na to, jak nastavit [Řízení dynamiky produktů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu). # Řízení dynamiky produktů Výkon vašich produktů není statický – mění se v čase vlivem sezónnosti, skladových zásob, změn cen, aktivit konkurence a mnoha dalších faktorů. Aby vaše segmentace v Karsa Labelizer zůstala stále efektivní a aktuální, je potřeba nejen správně produkty rozdělit na začátku, ale také aktivně řídit jejich **dynamiku**.\\
## Co znamená "dynamika produktů"? V kontextu Karsa Labelizer se dynamikou produktů myslí především dvě klíčové oblasti: 1. **Přesuny produktů mezi clustery:** Jak se mění výkon jednotlivých produktů, může být výhodné je přesunout z jednoho clusteru (kampaně) do jiného, který lépe odpovídá jejich aktuálním charakteristikám. Karsa Labelizer toto umí dělat automaticky. 2. **Zacházení s novými produkty:** Nově přidané produkty do vašeho feedu obvykle nemají žádnou historii výkonu. Je důležité mít strategii, jak tyto produkty co nejefektivněji zařadit do vaší segmentační struktury, aby nezůstaly "ztracené" nebo nesprávně zařazené. ## Proč je řízení dynamiky důležité? * **Udržení konzistence a výkonu clusterů:** Průběžné, inteligentní přesuny produktů pomáhají udržovat vysokou vnitřní konzistenci jednotlivých clusterů, což je klíčové pro jejich prediktabilitu a výkon. * **Prevence destabilizace kampaní:** Nekontrolované nebo příliš časté přesuny velkého množství produktů mohou narušit fázi učení Google algoritmů a vést k dočasnému poklesu výkonu. Proto Karsa Labelizer nabízí nástroje pro řízení těchto přesunů. * **Efektivní start pro nové produkty:** Správná strategie pro nové produkty zajišťuje, že i "nováčci" dostanou šanci prokázat svůj potenciál a nebudou zbytečně zařazeni do nevýkonných segmentů jen proto, že na začátku nemají data. ## Co najdete v této podsekci? Následující stránky vám detailně vysvětlí, jak v **Cluster Designeru** nastavit pravidla pro řízení dynamiky vašich produktů: * [**Povolení a limity přesunů**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu)**:** Jak konfigurovat, zda a za jakých podmínek se mohou produkty automaticky přesouvat mezi clustery, včetně nastavení procentuálních limitů a časových prodlev, aby byla zajištěna stabilita kampaní. * [**Strategie pro nové produkty**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/strategie-pro-nove-produkty)**:** Popis různých přístupů k začleňování nově přidaných produktů do vašich clusterizací, abyste maximalizovali jejich šanci na úspěch. Pečlivým nastavením těchto parametrů zajistíte, že vaše segmentace vytvořená pomocí Karsa Labelizer bude nejen efektivní při svém vzniku, ale zůstane relevantní a výkonná i v dlouhodobém horizontu. # Povolení a limity přesunů Jednou z klíčových výhod Karsa Labelizer je schopnost **dynamicky přizpůsobovat zařazení produktů** do clusterů na základě jejich aktuálního výkonu. To znamená, že pokud se výkon produktu změní tak, že lépe odpovídá charakteristikám jiného clusteru, systém ho může automaticky přesunout. Aby však tyto přesuny nevedly k nežádoucí destabilizaci vašich kampaní a nenarušily proces učení Google algoritmů, Karsa Labelizer nabízí detailní nastavení limitů pro tyto operace. ## Povolení přesunů produktů Nejprve je nutné rozhodnout, zda vůbec chcete automatické přesuny produktů pro danou clusterizaci povolit. ### 1. `Allow moving products when updating` (Povolit přesouvání produktů při aktualizaci) * **Co to je:** Základní přepínač, kterým povolíte nebo zakážete automatické přesuny produktů mezi clustery, když Karsa Labelizer denně aktualizuje data a přepočítává optimální zařazení. * **Doporučení:** * **Povoleno (Ano):** Ve většině případů je žádoucí mít tuto volbu aktivní, aby se vaše segmentace průběžně optimalizovala a reflektovala aktuální výkon. * **Zakázáno (Ne):** Zvažte dočasné zakázání přesunů v následujících situacích: * **Během počáteční fáze učení Google Ads:** Když nasadíte zcela novou strukturu kampaní do Google Ads, je vhodné nechat algoritmy Google cca 1-3 týdny "učit se" bez dalších velkých změn ve struktuře. V této době ještě produkty nemusí mít stanovené skutečné metriky výkonu a přesuny by mohly být předčasné. * **Při velkých externích změnách:** Například během krátkodobých masivních výprodejů nebo jiných událostí, které mohou dočasně zkreslit výkon produktů. * **Pro diagnostické účely:** Pokud chcete analyzovat výkon "zmrazené" struktury. ## Nastavení limitů pro pohyb produktů Pokud jsou přesuny povoleny, následující limity vám pomohou kontrolovat jejich intenzitu a zabránit náhlým, rozsáhlým změnám, které by mohly negativně ovlivnit optimalizaci kampaní Google. ### 1. `Each cluster can loss at most % of products` (Každý cluster může ztratit maximálně % produktů) * **Co to je:** Definuje maximální procento produktů (z celkového počtu produktů v daném clusteru), které mohou být z tohoto clusteru odstraněny (přesunuty jinam) během jednoho cyklu aktualizace (obvykle denně). * **Příklad:** Pokud nastavíte 10 % a cluster má 100 produktů, maximálně 10 produktů z něj může být v daný den přesunuto pryč. * **Důležitost:** Zabraňuje masivnímu "odlivu" produktů z jednoho clusteru najednou. ### 2. `Each cluster can gain at most % of products` (Každý cluster může získat maximálně % produktů) * **Co to je:** Definuje maximální procento produktů (vzhledem k původnímu počtu produktů v daném clusteru), které mohou být do tohoto clusteru přidány (přesunuty z jiných clusterů) během jednoho cyklu aktualizace. * **Příklad:** Pokud nastavíte 15 % a cluster měl původně 100 produktů, maximálně 15 nových produktů do něj může být v daný den přesunuto. * **Důležitost:** Zabraňuje náhlému masivnímu "přílivu" produktů do jednoho clusteru, což by také mohlo ovlivnit jeho charakteristiky a chování. ### 3. `Waiting days before moving product again` (Počet dní čekání před dalším přesunem produktu) * **Co to je:** Minimální počet dní, které musí uplynout od posledního přesunu produktu, než může být tento konkrétní produkt znovu přesunut do jiného clusteru. * **Příklad:** Pokud nastavíte 7 dní, produkt, který byl dnes přesunut, nemůže být dalších 7 dní přesunut znovu, i kdyby jeho výkon naznačoval vhodnost pro jiný cluster. Musí se nejprve "usadit" a prokázat výkon v novém clusteru. * **Důležitost:** Zabraňuje neustálému "přelévání" produktů mezi clustery, dává produktům čas na aklimatizaci a sběr relevantních dat v novém prostředí. ### 4. `Limit (in percent) how much can be stabilization value changed` (Limit \[%] o kolik se může změnit stabilizační hodnota) * **Co to je:** Maximální povolená procentuální změna tzv. **stabilizační hodnoty** pro každý cluster během jednoho cyklu aktualizace. * **Stabilizační hodnota (`Stabilization value`):** Toto je metrika, která reprezentuje celkovou hodnotu konverzí, počet produktů nebo jiný vámi zvolený či systémem určený parametr. Produkty jsou přesouvány mezi clustery tak, aby se tato definovaná stabilizační hodnota každého clusteru měnila pouze tolik, kolik tento procentuální limit dovoluje. * **Příklad:** Pokud je stabilizační hodnotou celková hodnota konverzí clusteru a limit je nastaven na 5 %, pak přesuny produktů (odchozí i příchozí) nesmí způsobit změnu celkové hodnoty konverzí tohoto clusteru o více než +/- 5 % během jedné aktualizace. * **Důležitost:** Toto je velmi silný nástroj pro udržení celkové charakteristiky a výkonnostní úrovně clusteru v čase, i když se jednotlivé produkty mohou měnit. Zajišťuje plynulé přechody a chrání před skokovými změnami, které by mohly zmást Google algoritmy. *** Pečlivým nastavením těchto parametrů pro povolení a limitování přesunů produktů zajistíte, že vaše clusterizace bude nejen dynamicky reagovat na změny ve výkonu, ale zároveň si udrží potřebnou stabilitu pro dlouhodobě efektivní fungování vašich Google Ads kampaní. V další části se zaměříme na [Strategie pro nové produkty](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/strategie-pro-nove-produkty). # Strategie pro nové produkty Nové produkty přidané do vašeho produktového feedu představují specifickou výzvu pro jakýkoli systém segmentace založený na výkonu. Protože **nemají žádnou historii výkonnostních dat** (jako jsou imprese, kliky, konverze, ROAS atd.), bylo by jejich zařazení čistě na základě aktuálních (nulových) hodnot zavádějící. Například nový, potenciálně velmi úspěšný iPhone by skončil v "nevýkonném" clusteru, pokud by se jeho počáteční nulová výkonnost brala jako finální. Karsa Labelizer nabízí několik strategií, jak s těmito novými produkty inteligentně zacházet, aby dostaly spravedlivou šanci prokázat svůj potenciál. V **Cluster Designeru** si můžete vybrat jednu z následujících možností pro `Select the behaviour of newly added products`: ## 1. `Automatic derivation of values` (Automatická derivace hodnot) * **Princip:** U nových produktů se Karsa Labelizer pokusí **odvodit (aproximovat) jejich potenciální výkonnostní hodnoty** na základě podobných, již existujících produktů ve vašem katalogu. Pro tuto derivaci se typicky zohledňují atributy jako: * Výrobce (značka) * Kategorie produktu * Cenová hladina * **Zařazení:** Na základě těchto odvozených hodnot je nový produkt ihned přiřazen do clusteru, který nejlépe odpovídá jeho odhadovanému potenciálu. * **Průběžná aktualizace:** Tyto odvozené hodnoty se pro nový produkt mohou **každý den aktualizovat** na základě širšího kontextu a zároveň systém začíná sbírat i **reálná výkonnostní data** tohoto konkrétního produktu. Jakmile produkt získá dostatečnou vlastní historii, jeho zařazení se již primárně řídí jeho skutečným výkonem a může být přesunut do jiného clusteru (pokud je povoleno [přesouvání produktů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu)). * **Výhody:** * Produkt je od začátku zařazen do potenciálně relevantního (výkonného) clusteru. * Může rychleji začít generovat data v prostředí s odpovídajícím rozpočtem a cílením. * Minimalizuje se riziko, že produkt zůstane "ztracený" v obecném nebo nevýkonném segmentu. * **Možné nevýhody:** * Přesnost derivace závisí na kvalitě dat a existenci skutečně podobných produktů. * Počáteční odhad se může lišit od reálného budoucího výkonu. ## 2. `Add to category for new products` (Přidat do kategorie pro nové produkty) * **Princip:** Všechny nově přidané produkty jsou automaticky umístěny do **speciální, k tomu určené kategorie (a tedy i kampaně v Google Ads)**. * **Doba setrvání:** Produkt v této "inkubační" kampani zůstává po definovanou dobu **30 dní**, během které sbírá reálná výkonnostní data. * **Následné zařazení:** Po uplynutí této doby a nasbírání dostatečné historie je produkt automaticky přesunut z této speciální kategorie do clusteru, který nejlépe odpovídá jeho skutečnému výkonu. * **Výhody:** * **Plná kontrola nad novými produkty:** Máte všechny nové produkty pohromadě v jedné dedikované kampani. * **Specifický rozpočet a ROAS cíl:** Pro tuto "inkubační" kampaň můžete nastavit vlastní, například volnější, rozpočet a cílovou ROAS, abyste produktům dali prostor se "rozkoukat" a nasbírat data bez příliš přísných omezení. * Jasně oddělená fáze sběru dat od fáze optimalizace na základě výkonu. * **Možné nevýhody:** * Pokud není "inkubační" kampaň správně nastavena a spravována, produkty v ní nemusí získat dostatečnou viditelnost. * Vysoce potenciální produkty mohou být po určitou dobu v méně optimalizovaném prostředí, než by mohly být při derivaci hodnot. ## 3. `The product is placed with zero values` (Produkt je umístěn s nulovými hodnotami) * **Princip:** Nový produkt je přiřazen do některého z existujících clusterů na základě toho, jak algoritmus vyhodnotí "nulové" nebo velmi nízké počáteční hodnoty jeho výkonnostních metrik. * **Zařazení:** To často znamená, že produkt skončí v clusteru určeném pro **nízkovýkonné nebo "ostatní" produkty**. * **Postupné získávání dat:** Produkt postupně získává reálná výkonnostní data a na základě nich může být později přesunut do vhodnějšího clusteru (pokud je povoleno [přesouvání produktů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu)). * **Výhody:** * Jednoduchost implementace – nevyžaduje speciální logiku derivace ani dedikovanou kampaň. * **Možné nevýhody:** * **Nejméně optimální strategie pro potenciálně výkonné produkty:** Nový produkt je na začátku "penalizován" za absenci historie a může být zařazen do kampaně s nízkým rozpočtem nebo nízkou prioritou, kde nedostane šanci rychle prokázat svůj skutečný potenciál. * Může trvat déle, než se produkt dostane do správného, výkonného clusteru. ## Kterou strategii zvolit? Volba optimální strategie závisí na specifikách vašeho sortimentu a vašich cílech: * **`Automatic derivation of values`** je často dobrou volbou, pokud máte v katalogu dostatek podobných produktů a věříte v schopnost systému odhadnout potenciál novinek. Je agresivnější v snaze rychle zařadit produkt správně. * **`Add to category for new products`** poskytuje největší kontrolu a je vhodná, pokud chcete mít pro nové produkty specifický režim (budget, ROAS) a jasně oddělenou fázi sběru dat. Je to bezpečnější, konzervativnější přístup. * **`The product is placed with zero values`** se obecně doporučuje nejméně, pokud vám záleží na rychlém a efektivním startu nových produktů. Správné zacházení s novými produkty je důležitou součástí udržení dynamické a efektivní segmentace. Po nastavení této strategie a pravidel pro přesuny můžete přistoupit k finálnímu [Spuštění a monitoringu clusterizace](/cz/iii.-cluster-designer-vytvoreni-clusterizace/spusteni-a-monitoring). # Spuštění a monitoring clusterizace Po pečlivé konfiguraci všech parametrů vaší nové clusterizace v **Cluster Designeru** – od [základního nastavení](/cz/iii.-cluster-designer-vytvoreni-clusterizace/zalozeni-nove-clusterizace), přes [limity a cíle](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu), [volbu parametrů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace), [nastavení Custom Labelu](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) až po [řízení dynamiky produktů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu) – jste připraveni spustit samotný proces vytváření clusterů. ## 1. Spuštění procesu clusterizace * **Finální kontrola:** Než proces spustíte, doporučujeme ještě jednou rychle projít všechna nastavení, abyste se ubezpečili, že odpovídají vašemu záměru. * **Tlačítko pro spuštění:** V rozhraní Cluster Designeru najdete tlačítko určené k zahájení operace clusterizace (Piktogram šipky).\\
* **Co se stane po kliknutí:** Po kliknutí na toto tlačítko Karsa Labelizer odešle vaši konfiguraci a produktová data ke zpracování svými AI algoritmy. Na pozadí začne komplexní výpočetní úloha, která analyzuje data a vytváří optimální seskupení produktů do clusterů. ## 2. Monitoring průběhu operace Jakmile je proces clusterizace spuštěn, je důležité mít možnost sledovat jeho stav a průběh. * **Operation Manager:** Průběh této výpočetně náročnější operace můžete sledovat v modulu [Operation Manager](/cz/ii.-prvni-kroky/operation-manager). Zde byste měli vidět vaši nově spuštěnou úlohu, její aktuální stav. * **Očekávaná doba trvání:** Samotný výpočet a vytvoření clusterů obvykle trvá **2 až 15 minut**. Přesná doba závisí na několika faktorech: * **Počet produktů:** Větší množství produktů samozřejmě vyžaduje více času na zpracování. * **Distribuce dat:** Složitost a variabilita dat vašich produktů může ovlivnit náročnost výpočtů. * **Počet prozkoumávaných kombinací clusterů:** V závislosti na nastavených limitech a zvolených parametrech může AI prohledávat různě velký prostor možných řešení. ## 3. Co se děje po dokončení? * **Vytvoření nové kategorie clusterizace:** Po úspěšném dokončení procesu Karsa Labelizer automaticky vytvoří ve vaší struktuře novou **kategorii**, která nese název vaší clusterizace. Uvnitř této kategorie naleznete jednotlivé vygenerované **clustery** jako její podkategorie. Tyto clustery představují konkrétní skupiny produktů připravené k analýze a následnému použití ve vašich kampaních. * **Připraveno k analýze:** Vaše nová clusterizace je nyní připravena k detailnímu prozkoumání pomocí reportů v sekci [IV. Analýza a optimalizace](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace). Můžete zkontrolovat metriky jako `Consistency`, podívat se na charakteristiky jednotlivých clusterů a na produkty, které obsahují. * **Přechod do produkce:** Pokud jste s výsledným návrhem spokojeni, můžete clusterizaci přepnout do [produkčního režimu (`ProductionRun`)](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce), aby se začaly generovat Custom Labely do Google Merchant Center a případně se aktivovaly dynamické přesuny produktů. *** Spuštění clusterizace je vyvrcholením vaší konfigurační práce v Cluster Designeru. Díky monitoringu v Operation Manageru máte přehled o tom, co se děje, a po dokončení můžete plynule přejít k analýze výsledků. Tímto krokem je dokončena konfigurace v rámci sekce Cluster Designer. # Úvod do analýzy a reportů Vytvoření návrhu clusterizace v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) je pouze prvním, i když velmi důležitým, krokem. Aby vaše nové segmentační strategie přinesly očekávané výsledky, je nezbytné je pečlivě **analyzovat, vyhodnotit** a na základě zjištění případně dále **optimalizovat** nebo vybrat tu nejlepší variantu pro nasazení do produkčního režimu. Karsa Labelizer vám k tomuto účelu poskytuje sadu přehledných reportů a analytických nástrojů. ## Proč je analýza klíčová? * **Ověření strategie:** Analýza vám umožní zkontrolovat, zda AI algoritmy vytvořily clustery, které odpovídají vašim očekáváním a strategickým cílům. * **Porozumění struktuře:** Detailně uvidíte, jak byly vaše produkty rozděleny, jaké charakteristiky mají jednotlivé clustery a které produkty obsahují. * **Identifikace výkonnostních rozdílů:** Reporty vám pomohou odhalit silné a slabé stránky jednotlivých clusterů a produktů v nich. * **Výběr nejlepšího návrhu:** Pokud jste vytvořili více testovacích clusterizací s různými parametry, analýza vám pomůže objektivně porovnat jejich kvalitu (např. pomocí metriky `Consistency`) a vybrat tu nejvhodnější. * **Základ pro rozhodnutí:** Na základě analytických výstupů se rozhodnete, zda je clusterizace připravena k [nasazení do produkce](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce) a propojení s vašimi Google Ads kampaněmi. * **Průběžná optimalizace:** I po nasazení je důležité sledovat reporty, abyste mohli reagovat na změny ve výkonu a případně upravovat strategii nebo nastavení přesunů produktů. ## Co najdete v této sekci? Tato sekce dokumentace vás provede jednotlivými reporty a analytickými možnostmi Karsa Labelizer: * [**Přehled clusterizací (Clusterizations)**](/cz/iv.-analyza-a-optimalizace/prehled-clusterizaci)**:** Vaše centrální místo pro správu a porovnání všech vytvořených clusterizačních strategií. Zde budete sledovat jejich stav, konzistenci a základní parametry. * [**Detail clusteru (Clusters)**](/cz/iv.-analyza-a-optimalizace/detail-clusteru)**:** Hloubková analýza výkonnostních metrik každého jednotlivého clusteru v rámci vybrané clusterizace. Pomůže vám pochopit charakter a výkonnost každého segmentu. * [**Produkty v clusteru (Products)**](/cz/iv.-analyza-a-optimalizace/produkty-v-clusteru)**:** Detailní pohled na jednotlivé produkty zařazené do konkrétních clusterů, včetně jejich individuálních výkonnostních metrik. * [**Historie přesunů produktů (Product Moving History)**](/cz/iv.-analyza-a-optimalizace/historie-presunu-produktu)**:** Nástroj pro sledování a analýzu dynamických přesunů produktů mezi clustery, což je klíčové pro pochopení dlouhodobé optimalizace a stability. {% hint style="info" %} Analýza dat a výsledků clusterizace by měla být iterativní proces. Nebojte se experimentovat s různými nastaveními v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer), vytvářet testovací varianty a na základě analytických výstupů vybírat a zdokonalovat vaši segmentační strategii. {% endhint %} Pojďme se nyní podrobněji podívat na jednotlivé reporty a na to, jaké informace z nich můžete získat. # Přehled clusterizací (Clusterizations) Tento report je vaším centrálním místem pro správu a porovnání všech vytvořených clusterizačních strategií. Umožňuje vám rychle získat přehled o jejich nastavení, stavu a základních charakteristikách. Najdete ho typicky po kliknutí na nejvyšší úroveň stromu kategorií v levém menu, která reprezentuje všechny clusterizace, nebo na konkrétní nadřazenou kategorii, pokud jste si takto clusterizace uspořádali.
## K čemu report slouží: * **Porovnání strategií:** Snadno porovnáte výsledky různých návrhů clusterizací, které jste vytvořili v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) (např. s různými parametry nebo limity). * **Monitoring stavu:** Rychle zjistíte, která clusterizace je aktuálně aktivní v produkčním režimu (`ProductionRun`), která je v testovacím (`Test`) nebo pozastavená (`Pause`). * **Hodnocení konzistence:** Posoudíte, jak stabilní a predikovatelné jsou clustery v rámci jednotlivých clusterizací. * **Správa Custom Labels:** Získáte přehled, které Google Custom Labels (`custom_label_0` až `custom_label_4`) jsou již využity vašimi clusterizacemi. * **Plánování optimalizací:** Identifikujete starší nebo méně výkonné clusterizace, které mohou vyžadovat aktualizaci, úpravu nebo nahrazení novým návrhem. ## Klíčové sloupce a jejich význam: ### `Clasterization name` (Název clusterizace) * Název, který jste zadali při konfiguraci v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/zalozeni-nove-clusterizace). * Doporučuje se používat popisné názvy pro snadnou identifikaci účelu a cílů clusterizace (např. `Test_ROAS_Price_08-2025`). ### `Created time` (Čas vytvoření) * Datum a čas vytvoření dané clusterizace (návrhu). * Report je obvykle seřazen od nejnovějších po nejstarší, což usnadňuje sledování posledních experimentů. ### `Status` (Stav) * Aktuální stav clusterizace: * **`ProductionRun`**: Clusterizace je aktivní v produkčním režimu. To znamená, že se denně spouští, aktualizuje data, umožňuje dynamické přesuny produktů mezi clustery (pokud je povoleno) a exportuje `Custom Labels` do Google Merchant Center. V levém menu je tato kategorie označena zeleně. * **`Test`**: Clusterizace je v testovacím režimu. Můžete analyzovat její návrh a metriky, ale neovlivňuje produkční data ani neexportuje `Custom Labels`. * **`Pause`**: Clusterizace je pozastavena a nespouští se automaticky. Její nastavení je zachováno, ale neprobíhají žádné aktivní operace. ### `Custom label` (Použitý vlastní štítek) * Číslo Google Custom Labelu (od 0 do 4), který byl pro tuto clusterizaci vybrán v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) pro označování produktů v Google Merchant Center. ### `Clusters count` (Počet clusterů) * Celkový počet clusterů (segmentů produktů), které byly v rámci této clusterizace vytvořeny. U již existující clusterizace tento počet nelze změnit; je třeba vytvořit novou clusterizaci s jinými limity. ### `Products count` (Počet produktů) * Celkový počet produktů, které jsou zahrnuty ve všech clusterech této clusterizace. ### `Consistency` (Konzistence) * **Velmi důležitá výkonnostní metrika.** Udává míru vnitřní konzistence (stability a podobnosti) výkonnostních metrik produktů *uvnitř* jednotlivých clusterů dané clusterizace v čase. * **Vyšší hodnota znamená lepší výsledek.** Clustery s vyšší konzistencí jsou vnitřně homogenější, jejich chování je stabilnější a lépe predikovatelné pro optimalizační algoritmy Google Ads. * **Pro správné porovnání:** Doporučuje se porovnávat hodnoty `Consistency` mezi clusterizacemi, které byly vytvořeny s použitím stejného počtu (a ideálně i typů) parametrů/dimenzí. ### `Clastering parameters count` (Počet parametrů clusterizace) * Počet parametrů (metrik, např. ROAS, Hodnota konverze, CTR), které byly použity pro vytvoření této clusterizace. ### `Clastering parameters names` (Názvy parametrů clusterizace) * Seznam konkrétních názvů parametrů, které byly použity v procesu clusterizace pro tento návrh (např. `ROAS, Conv. value`). *** Tento přehled vám slouží jako výchozí bod pro rychlou orientaci ve vašich clusterizačních strategiích a pro rozhodování, které z nich si zaslouží detailnější analýzu, nasazení do produkce, nebo naopak úpravu či archivaci. Pro hlubší vhled do jednotlivých clusterů pokračujte na report [Detail clusteru (List Clusters)](/cz/iv.-analyza-a-optimalizace/detail-clusteru). # Detail clusteru (Clusters) Report **Detail clusteru** (v systému označovaný jako "Clusters") je klíčovým analytickým nástrojem v Karsa Labelizer. Poté, co si v reportu [Přehled clusterizací](/cz/iv.-analyza-a-optimalizace/prehled-clusterizaci) vyberete konkrétní clusterizaci, kterou chcete analyzovat, tento report vám poskytne detailní pohled na výkonnostní metriky každého jednotlivého clusteru, který tato clusterizace obsahuje. Jeho hlavním účelem je umožnit vám: * **Vyhodnotit efektivitu rozdělení produktů:** Posoudit, jak si jednotlivé segmenty (clustery) vedou. * **Identifikovat nejvýkonnější a nejméně výkonné clustery:** Rychle zjistit, které segmenty generují nejlepší výsledky a které naopak zaostávají. * **Odhalit anomálie a příležitosti pro optimalizaci:** Najít clustery s neobvyklými hodnotami metrik, které mohou vyžadovat další zkoumání nebo úpravu strategie. * **Optimalizovat nabídkové strategie:** Na základě metrik jako ROAS, CPC a CTR upravit bidovací strategie pro jednotlivé kampaně odpovídající těmto clusterům. ## Jak report funguje a co zobrazuje Skript "Labelizer - List clusters" pracuje s vybranou **klastrizační kategorií** (která obsahuje jednotlivé clustery jako své podkategorie). Pro každý cluster v rámci této vybrané klastrizace sbírá a vypočítává následující výkonnostní metriky za posledních 30 dní :
### Zobrazované metriky pro každý cluster: * **`ROAS` (Return on Ad Spend):** Návratnost investic do reklamy (Hodnota konverzí / Náklady). * **`CostPerConversion` (Náklady na konverzi):** Průměrné náklady na získání jedné konverze. * **`CPC` (Cost Per Click):** Průměrná cena za jedno kliknutí na reklamu. * **`CTR` (Click-Through Rate):** Míra prokliku (Kliknutí / Zobrazení). * **`Cost` (Náklady):** Celkové náklady na reklamu pro daný cluster. * **`Conv. value` (Hodnota konverzí):** Celková hodnota konverzí generovaná clusterem. * **`Conversions` (Počet konverzí):** Celkový počet konverzí dosažených clusterem. * **`Number of products` (Počet produktů):** Kolik produktů je aktuálně zařazeno v daném clusteru. * **`Average product price` (Průměrná cena produktu):** Průměrná cena produktů v daném clusteru. * **`Impressions` (Počet zobrazení):** Celkový počet zobrazení reklam produktů v clusteru. * **`Clicks` (Počet kliknutí):** Celkový počet kliknutí na reklamy produktů v clusteru. * **`Google custom label value` (Hodnota Google Custom Labelu):** Hodnota vlastního štítku (např. `vasprefix_1`, `vasprefix_2`), která byla tomuto clusteru přiřazena a je exportována do GMC. ## Vizualizace a interpretace dat Report "Detail clusteru" využívá několik vizuálních prvků pro snadnější a rychlejší interpretaci dat: * **Transponovaný pohled:** Data jsou často prezentována v transponované tabulce, kde: * **Řádky** představují jednotlivé metriky (ROAS, CPC, CTR atd.). * **Sloupce** představují jednotlivé clustery vaší clusterizace. * **Řazení clusterů:** Sloupce (clustery) jsou typicky **seřazeny podle hodnoty `ROAS`** od nejvyšší po nejnižší (zleva doprava). To vám umožňuje okamžitě identifikovat nejefektivnější clustery. * **Barevné zvýraznění buněk (Heatmapa):** * **Zelená, žlutá a červená škála:** Používá se pro metriky jako `ROAS` a `CTR`, kde vyšší hodnoty jsou obvykle lepší (zelená). * **Inverzní barevná škála (zelená, žlutá, červená):** Používá se pro metriky jako `CPC` a `CostPerConversion`, kde nižší hodnoty jsou lepší (zelená). * **Modré odstíny (nebo jiná neutrální škála):** Mohou být použity pro metriky jako `Number of products`, `Impressions`, `Clicks`, `Conv. value`, `Cost`, kde barva indikuje spíše velikost hodnoty v rámci daného reportu než její pozitivní či negativní dopad. * **Důležité:** Barevné kódování se aplikuje při zobrazení všech clusterů najednou a pomáhá rychle vizuálně porovnat relativní výkonnost clusterů mezi sebou. Pro přesné hodnoty se vždy dívejte na číselné údaje v buňkách. ## Jak využít tento report pro optimalizaci: * **Porovnání výkonnosti clusterů:** Rychle identifikujte, které clustery dosahují vašich cílů ROAS a které potřebují pozornost. * **Analýza parametrů clusterizace:** Podívejte se, jak se liší průměrné hodnoty klíčových metrik mezi clustery. Pokud jste například clusterizovali podle ROAS a ceny, uvidíte zde, jak se tyto metriky propsaly do charakteristik jednotlivých clusterů. * **Sledujte počet konverzí a produktů** v jednotlivých clusterech. Pokud se tyto hodnoty blíží minimálním (hraničním) hodnotám nastaveným pro clusterizaci, zvažte snížení celkového počtu vytvářených clusterů. Důvodem je, že při případném ukončení prodeje některých produktů nebo vlivem sezónních změn by mohl daný cluster klesnout pod hranici dostatečného objemu dat. Pro algoritmy Google by se takový cluster stal hůře predikovatelným, což by mohlo negativně ovlivnit jeho výkon. Při nastavování a vyhodnocování clusterizace je také důležité zohlednit vaši expertní znalost katalogového managementu daného e-shopu – jak často dochází ke změnám v produktovém portfoliu, kdy začínají a končí sezóny pro klíčové segmenty atd. * **Rozhodování o rozpočtech:** Můžete se rozhodnout alokovat vyšší rozpočty na kampaně odpovídající clusterům s vysokým ROAS a dostatečným objemem konverzí. * **Úprava nabídkových strategií:** Pro clustery s nízkým ROAS, ale vysokým CTR a konverzním poměrem (po kliknutí), můžete zvážit úpravu nabídkových strategií nebo analýzu cenové konkurenceschopnosti. Pro clustery s vysokým CPC a nízkým ROAS je potřeba zvážit snížení nabídek nebo zpřesnění cílení. * **Identifikace anomálií:** Hledejte clustery s neobvyklými kombinacemi metrik (např. velmi vysoké CTR, ale extrémně nízký počet konverzí), které mohou signalizovat problémy na vstupních stránkách nebo s nabídkou produktu. * **Sledování distribuce produktů:** Podívejte se na `Number of products` a `Average product price` v jednotlivých clusterech, abyste pochopili, jak jsou vaše produkty rozděleny nejen podle výkonu, ale i podle počtu a ceny. Report "Detail clusteru" je mocným nástrojem pro hloubkovou analýzu vaší segmentační strategie. Pravidelným sledováním a interpretací těchto dat můžete činit informovaná rozhodnutí vedoucí k postupné optimalizaci a zvyšování výkonu vašich Google Shopping kampaní. # Produkty v clusteru (Products) Report **Produkty v clusteru** vám poskytuje nejdetailnější úroveň analýzy v Karsa Labelizer. Umožňuje vám prozkoumat výkonnostní metriky **každého jednotlivého produktu** zařazeného buď do konkrétního, vámi vybraného clusteru, nebo napříč všemi clustery v rámci celé clusterizace. Jeho hlavním účelem je: * **Identifikovat nejúspěšnější a problematické produkty:** Rychle odhalíte, které konkrétní produkty jsou tahouny vašeho byznysu (vysoké ROAS, vysoká hodnota konverzí) a které naopak zaostávají nebo generují ztrátu. * **Optimalizovat zařazení produktů do clusterů:** Analyzovat, zda jsou produkty správně zařazeny vzhledem k jejich výkonu a charakteristikám clusteru. * **Monitorovat výkonnost na produktové úrovni:** Sledovat klíčové metriky jako ROAS, CPC, CTR, počet konverzí a jejich hodnotu pro každý produkt zvlášť. ## Jak report funguje a co zobrazuje Po výběru clusteru nebo celé clusterizace vám report "Produkty" zobrazí tabulku s následujícími informacemi pro každý produkt (data se obvykle vztahují k posledním 30 dnům):
### Zobrazované sloupce (metriky) pro každý produkt: * **`Product ID`:** Jedinečný identifikátor produktu ve vašem systému / feedu. * **`Name`:** Název produktu z produktového feedu. * **`Cluster`:** Název clusteru, do kterého je produkt aktuálně zařazen. * **`ROAS` (Return on Ad Spend):** Návratnost investic do reklamy pro daný produkt. * **`CPC` (Cost Per Click):** Průměrná cena za proklik na reklamu daného produktu. * **`CTR` (Click-Through Rate):** Míra prokliku pro daný produkt. * **`Cost` (Náklady):** Celkové náklady na reklamu pro daný produkt. * **`Conversions` (Počet konverzí):** Počet konverzí dosažených daným produktem. * **`Conv. value` (Hodnota konverzí):** Celková hodnota konverzí generovaná daným produktem. * **`Clicks` (Počet kliknutí):** Počet kliknutí na reklamy daného produktu. * **`Impressions` (Počet zobrazení):** Počet zobrazení reklam daného produktu. * **`Average product price` (Průměrná cena produktu):** Průměrná cena produktu za sledované období. ### Funkce reportu: * **Filtrování:** Možnost zobrazit produkty pouze z konkrétního clusteru nebo ze všech clusterů v rámci vybrané clusterizace. Dále můžete mít k dispozici pokročilejší možnosti filtrování podle hodnot jednotlivých metrik. * **Řazení:** Produkty lze typicky řadit podle různých sloupců (metrik). Výchozí řazení bývá často podle **hodnoty konverzí** (`Conv. value`) nebo **ROAS**, což vám pomůže rychle identifikovat klíčové produkty. * **Vizuální zvýraznění výkonnosti (Percentilové barvení):** * Report využívá sofistikovaný systém barevného kódování buněk (podobně jako heatmapa), aby vizuálně zdůraznil relativní výkonnost produktů v rámci zobrazené sady. * **Červeno-žluto-zelená škála:** Pro metriky jako `ROAS` a `CTR`, kde vyšší hodnoty jsou lepší (zelená). * **Zeleno-žluto-červená škála (inverzní):** Pro metriky jako `CPC`, kde nižší hodnoty jsou lepší (zelená). * **Modré odstíny (nebo jiná neutrální škála):** Pro metriky jako `Cost`, `Clicks`, `Impressions`, `Conv. value`, `Conversions`, `Average product price`, kde barva indikuje spíše velikost hodnoty. * Barevné zvýraznění je založeno na **percentilech**, což znamená, že barva buňky odpovídá relativní pozici hodnoty daného produktu v rámci všech ostatních zobrazených produktů pro danou metriku. To umožňuje velmi rychle identifikovat produkty, které jsou v určité metrice výrazně nadprůměrné nebo podprůměrné. ## Jak využít tento report pro optimalizaci: * **Identifikace "hvězd" a "psů":** Pomocí řazení a barevného kódování rychle najdete produkty s nejvyšším ROAS a hodnotou konverzí ("hvězdy"), které si zaslouží pozornost a případně navýšení podpory. Stejně tak odhalíte produkty s vysokými náklady a nízkým nebo záporným ROAS ("psi"), u kterých je třeba zvážit omezení propagace, úpravu ceny, optimalizaci vstupní stránky nebo jejich úplné vyřazení z aktivní inzerce. * **Kontrola správnosti zařazení do clusterů:** Zkontrolujte, zda výkonnost jednotlivých produktů odpovídá celkové charakteristice clusteru, do kterého jsou zařazeny. Pokud například v clusteru "Nízké ROAS" najdete produkt s velmi vysokým ROAS, může to být kandidát na přesun (nebo signál, že se jeho výkon nedávno zlepšil). * **Optimalizace nabídek na úrovni produktu (pokud to vaše strategie umožňuje):** Ačkoliv Karsa pracuje s clustery jako celky, detailní data o produktech vám mohou pomoci lépe porozumět, proč se některým clusterům daří více či méně, a případně zvážit detailnější úpravy, pokud to platforma Google Ads pro daný typ kampaně umožňuje. * **Analýza vztahu ceny a výkonu:** Sledujte, jak se liší výkonnost produktů v různých cenových hladinách. * **Odhalování problémů s daty ve feedu:** Pokud produkt vykazuje neočekávaně špatný výkon (např. velmi nízké CTR i přes vysoký počet zobrazení), zkontrolujte také kvalitu jeho dat v produktovém feedu (název, popis, obrázek, cena). Report "Produkty" je nezbytným nástrojem pro každého, kdo chce jít v optimalizaci Google Shopping kampaní skutečně do hloubky. Poskytuje transparentnost až na úroveň jednotlivých položek a umožňuje vám činit vysoce informovaná rozhodnutí. # Historie přesunů produktů (Product Moving History) Report **Historie přesunů produktů** (Moving history") je pokročilý analytický nástroj v Karsa Labelizer, který vám umožňuje detailně sledovat a analyzovat, jak se jednotlivé produkty v průběhu času přesouvaly mezi různými clustery (kampaněmi) v rámci vašich aktivních clusterizací. Jeho hlavním účelem je poskytnout vám: * **Detailní časovou osu změn:** Přesný záznam o tom, kdy, odkud a kam byl produkt přesunut. * **Výkonnostní metriky v době přesunu:** Jakých hodnot dosahoval produkt v klíčových metrikách v momentě, kdy došlo k jeho přesunu, a jaké byly jeho hodnoty před přesunem. * **Podklady pro hodnocení efektivity přesunů:** Zda přesuny produktů skutečně vedly ke zlepšení jejich výkonu nebo výkonu celých clusterů. * **Audit a transparentnost:** Kompletní historii změn pro účely reportingu a zpětné analýzy. * **Možnost vyhodnotit doporučení ML algoritmu:** Porovnat, zda přesuny iniciované systémem (na základě doporučení ML) přinášejí lepší výsledky než starší stav. ## Jak report funguje a co zobrazuje Tento report typicky zobrazuje chronologicky seřazené záznamy o každém přesunu produktu. Pro každý záznam (přesun) můžete očekávat následující informace: ### Klíčové zobrazované informace pro každý přesun: * **Identifikace produktu:** * `Product ID`, `Name` (Název produktu) * **Informace o přesunu:** * **Datum a čas přesunu:** Kdy přesně k přesunu došlo. * **Původní cluster (`KM_LabelizerHistory_ClusterId` před změnou):** Z kterého clusteru byl produkt přesunut. * **Nový cluster (`KM_LabelizerHistory_ClusterId` po změně):** Do kterého clusteru byl produkt nově zařazen. * **Doporučený cluster ML algoritmem:** Zda přesun odpovídal doporučení algoritmu strojového učení Karsa Labelizer . * **Výkonnostní metriky produktu v době záznamu (aktuální hodnoty):** * `ROAS` * `Conv. value` (Hodnota konverzí) * `Conversions` (Počet konverzí) * `Price` (Průměrná cena produktu) * `Clicks` (Počet kliknutí) * `Impressions` (Počet zobrazení) * `Cost` (Náklady) * **Výkonnostní metriky produktu PŘED přesunem (předchozí hodnoty):** * Report často zobrazuje i hodnoty metrik z předchozího období nebo stavu (před aktuálním zaznamenaným přesunem), aby bylo možné přímé srovnání. * **Procentuální změna metrik:** * Rozdíl mezi aktuální a předchozí hodnotou metriky, vyjádřený v procentech. To vám rychle ukáže, jak se výkon produktu změnil v souvislosti s přesunem. ## Vizualizace a interpretace dat Podobně jako jiné reporty v Karsa Labelizer, i Historie přesunů produktů může využívat vizuální prvky pro snazší orientaci: * **Barevné kódování metrik:** Různé typy metrik mohou mít odlišné barevné zvýraznění (např. zelená pro ROAS, modrá pro hodnotu konverzí atd.). * **Zvýraznění změn:** * Předchozí hodnoty mohou být zobrazeny tmavším odstínem. * Procentuální změny mohou být barevně odlišeny (např. zeleně pro pozitivní změny u ROAS, červeně pro negativní). * **Časové řazení:** Záznamy jsou seřazeny chronologicky, abyste mohli sledovat vývoj v čase. ## Jak využít tento report pro optimalizaci: * **Sledování efektivity přesunů:** Analyzujte, zda přesuny produktů mezi clustery vedly ke zlepšení jejich klíčových metrik (např. zda se po přesunu do "lepšího" clusteru skutečně zvýšilo ROAS produktu). * **Vyhodnocení přesnosti ML doporučení:** Porovnejte, zda přesuny provedené na základě doporučení ML algoritmu přinášejí konzistentně lepší výsledky. * **Auditování změn:** Mějte kompletní a transparentní historii všech automatických změn zařazení produktů pro účely reportingu, kontroly a případné zpětné analýzy. * **Optimalizace strategie clusterizace a pravidel přesunů:** Na základě dlouhodobého sledování historie přesunů můžete lépe vyladit nastavení limitů pro přesuny v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu) nebo dokonce upravit celkovou [strategii výběru parametrů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/volba-parametru-clusterizace/strategie-vyberu-parametru) pro clusterizaci, pokud zjistíte, že některé typy přesunů nejsou efektivní. Report Historie přesunů produktů je neocenitelným zdrojem informací pro pochopení dynamických aspektů vaší AI-řízené segmentace. Poskytuje detailní vhled do toho, jak se Karsa Labelizer snaží průběžně optimalizovat zařazení vašich produktů, a umožňuje vám ověřit a dále ladit tento proces. # Úvod do nasazení a strategií Máte navrženou, nakonfigurovanou a [analyzovanou](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace) clusterizaci, se kterou jste spokojeni. Gratulujeme! Nyní přichází klíčová fáze: **nasazení této nové struktury do vašich reálných Google Ads kampaní** a její následné strategické řízení a optimalizace. ## Od teorie k praxi V předchozích sekcích jste se naučili: * Proč je pokročilá segmentace důležitá ([Úvod](/cz/i.-uvod-do-karsa-labelizer/co-je-karsa-labelizer)). * Jak Karsa Labelizer funguje a jak se orientovat v jeho rozhraní ([První kroky](/cz/ii.-prvni-kroky/prehled-rozhrani)). * Jak detailně navrhnout a vytvořit clusterizaci v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer). * Jak analyzovat výsledné clustery a produkty v nich pomocí reportů. Tato sekce se zaměří na to, jak tyto znalosti přetavit v konkrétní kroky, které povedou ke zlepšení výkonu vašich Google Shopping a Performance Max kampaní. ## Co najdete v této sekci? Provedeme vás procesem nasazení a následnými strategiemi: * [**Nasazení clusterizace do produkce**](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce)**:** Praktický návod, jak aktivovat vaši vybranou clusterizaci (přepnout ji do režimu `ProductionRun`) a jak na základě vygenerovaných `Custom Labels` nastavit či upravit vaše kampaně v Google Ads. * [**Integrace s Performance Max**](/cz/v.-nasazeni-a-strategie/integrace-s-performance-max)**:** Specifické tipy a strategie, jak efektivně využít segmentaci vytvořenou Karsa Labelizerem v rámci vašich Performance Max kampaní, zejména pro strukturování skupin zápisů (Listing Groups) a skupin podkladů (Asset Groups). * [**Optimalizace po nasazení (Fáze učení)**](/cz/v.-nasazeni-a-strategie/optimalizace-po-nasazeni)**:** Velmi důležitá kapitola o tom, co očekávat po spuštění nových kampaní, jak dlouho trvá fáze učení Google algoritmů a jak postupně upravovat rozpočty a cíle (např. tROAS) pro dosažení optimálních výsledků. * [**Strategie řízení stability**](/cz/v.-nasazeni-a-strategie/strategie-rizeni-stability)**:** Hlubší pohled na to, jak pracovat s nastavením limitů pro přesuny produktů, abyste udrželi stabilitu a výkon vašich kampaní i při dynamických změnách na trhu nebo ve výkonu jednotlivých produktů. {% hint style="warning" %} Nasazení nové struktury kampaní je významný krok. Doporučujeme postupovat opatrně, zejména pokud spravujete kampaně s velkými rozpočty. Vždy pečlivě sledujte výkon po provedených změnách. {% endhint %} Cílem této sekce je vybavit vás znalostmi potřebnými nejen k technickému nasazení clusterizace, ale také k jejímu dlouhodobému strategickému řízení a maximalizaci jejího přínosu pro vaše obchodní cíle. # Nasazení clusterizace do produkce Poté, co jste v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) vytvořili a nakonfigurovali vaši clusterizaci a důkladně ji [zrevidovali pomocí analytických reportů](/cz/iv.-analyza-a-optimalizace/analyza-a-optimalizace), jste připraveni ji nasadit do produkčního režimu. Tento krok znamená, že Karsa Labelizer začne pro tuto clusterizaci denně exportovat `Custom Labels` do vašeho Google Merchant Center (GMC) a případně také aktivuje dynamické přesuny produktů mezi clustery (pokud jste je povolili). ## Kroky pro nasazení do produkce: ### 1. Přepnutí clusterizace na "ProductionRun" v Karsa Labelizer * **Vyberte clusterizaci:** V levém navigačním menu Karsa Labelizer najděte kategorii clusterizace, kterou chcete nasadit. * **Změna stavu:** V detailu této kategorie clusterizace (nebo v jejím nastavení – přesné umístění se může lišit dle verze UI) najděte možnost změnit její stav (`Status`). Zvolte stav **`ProductionRun`** (Produkční režim). * **Vizuální potvrzení:** Po úspěšném přepnutí se kategorie této clusterizace v levém menu odliší, zezelenou barvou, což signalizuje její aktivní produkční stav. **Co se stane po přepnutí na `ProductionRun`:** * **Denní export do GMC:** Karsa Labelizer začne každý den automaticky exportovat hodnoty `Custom Label` (s vaším definovaným prefixem a číslem clusteru, např. `mojefirma_1`) pro všechny produkty zahrnuté v této clusterizaci do XML doplňkového feedu. * **Url adresa feedu:** Url adresu naleznete v levém menu Nástroje > Setup. Tuto adresu použíjte při založení datového zdroje v GMC. Čas načtení souboru nastavete na 6-7am. * **Aktivace dynamických přesunů:** Pokud jste v [konfiguraci clusterizace povolili](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu) dynamické přesouvání produktů, tato funkce se nyní aktivuje. Produkty se budou moci přesouvat mezi clustery na základě aktuálního výkonu a vašich nastavených limitů. * **Záznam historie:** Systém začne zaznamenávat historii přesunů produktů pro tuto clusterizaci, kterou si můžete prohlédnout v příslušném reportu. ### 2. Nastavení/Úprava kampaní v Google Ads Samotné přepnutí clusterizace do `ProductionRun` v Karsa Labelizer a export `Custom Labels` do GMC ještě automaticky nevytvoří ani neupraví vaše kampaně v Google Ads. Tento krok musíte provést manuálně v rozhraní Google Ads. **Princip:** V Google Ads nyní využijete hodnoty `Custom Label`, které Karsa Labelizer posílá do GMC, k segmentaci produktů. **Postup pro Standardní Nákupní kampaně (Standard Shopping):** * **Nové kampaně (doporučeno pro novou strukturu):** 1. **Vytvořte nové kampaně:** Pro každý významný cluster (nebo logickou skupinu clusterů) vytvořte v Google Ads novou Nákupní kampaň. 2. **Nastavení kampaně:** Zvolte příslušný produktový feed z GMC, nastavte rozpočet, nabídkovou strategii (např. Cílová ROAS, Maximalizovat hodnotu konverze) a další relevantní cílení (země, jazyk). 3. **Filtrování produktů v reklamních sestavách:** * Vytvořte v kampani jednu nebo více reklamních sestav. * V rámci reklamní sestavy přejděte do sekce "Skupiny produktů". * Rozdělte produkty podle atributu `Custom Label`, který jste si zvolili v Karsa Labelizer (např. `Custom label 0`). * Pro každou unikátní hodnotu labelu (např. `mojefirma_1`, `mojefirma_2` atd.), která odpovídá vašemu clusteru, vytvořte samostatnou produktovou skupinu. * Ostatní produkty (s jinými hodnotami v daném Custom Labelu nebo bez hodnoty) z této kampaně/reklamní sestavy **vylučte**. **Postup pro Performance Max kampaně:** Máte dvě hlavní strategické možnosti, jak využít Karsa `Custom Labels`: * **Strategie A: Více oddělených PMax kampaní (Vysoká kontrola - doporučeno)** * Vytvořte několik samostatných PMax kampaní, kde každá kampaň bude cílena na jeden nebo více logicky souvisejících Karsa clusterů. * V nastavení každé PMax kampaně (nebo přes její Skupiny zápisů) vyfiltrujte produkty tak, aby obsahovala pouze položky s příslušnými hodnotami `Custom Label` z Karsy. * Tento přístup umožňuje maximální kontrolu nad rozpočty a výkonnostními cíli pro jednotlivé strategické segmenty. * **Strategie B: Segmentace pomocí Skupin zápisů (Listing Groups) uvnitř jedné (nebo méně) PMax kampaní (Vyšší automatizace)** * Pracujte s jednou nebo menším počtem PMax kampaní. * V rámci Skupiny podkladů (Asset Group) přejděte do sekce Skupiny zápisů (Listing Groups). * Zde rozdělte váš inventář ("Všechny produkty") podle atributu `Custom Label` z Karsy. * Pro každý relevantní Karsa cluster vytvořte samostatnou skupinu zápisů. * Tento přístup více využívá automatizaci PMax, ale stále umožňuje cílenější signály pomocí takto segmentovaných produktů. Můžete také vytvořit více Skupin podkladů a každou zacílit na jiné Skupiny zápisů (Karsa clustery) s odlišnými kreativními podklady. Detailnější informace a porovnání těchto strategií pro PMax naleznete na stránce [Integrace s Performance Max](/cz/v.-nasazeni-a-strategie/integrace-s-performance-max). ### 3. Nastavení rozpočtů a nabídek * Pro každou nově vytvořenou kampaň (nebo segmentovanou skupinu) v Google Ads nastavte odpovídající **denní rozpočet** a **strategii nabídek** (např. Cílová ROAS). * Počáteční cíle ROAS by měly být realistické a vycházet z historického výkonu daného segmentu produktů nebo z celkového průměru s mírnou rezervou pro fázi učení. * Více informací: [Optimalizace po nasazení (Fáze učení)](/cz/v.-nasazeni-a-strategie/optimalizace-po-nasazeni) ### 4. Kontrola a monitoring * **Ověřte v GMC:** Zkontrolujte ve svém Google Merchant Center, zda se hodnoty `Custom Label` z Karsy správně propisují k produktům (může to trvat několik hodin až jeden den). * **Ověřte v Google Ads:** Ujistěte se, že vaše kampaně a produktové skupiny správně cílí na produkty s příslušnými hodnotami `Custom Label`. * **Sledujte výkon:** Po spuštění nových/upravených kampaní pečlivě sledujte jejich výkon v Google Ads i v reportech Karsa Labelizer. {% hint style="success" %} Nasazením clusterizace do produkčního režimu a správným nastavením kampaní v Google Ads jste položili základ pro inteligentnější a efektivnější správu vašich produktových reklam! {% endhint %} *** Pamatujte, že po nasazení nové struktury kampaní následuje důležitá [fáze učení](/cz/v.-nasazeni-a-strategie/optimalizace-po-nasazeni), během které byste neměli provádět zásadní změny v nastavení. # Integrace s Performance Max Kampaně Performance Max (PMax) jsou sice vysoce automatizované, ale jejich úspěch stále významně závisí na kvalitě signálů, které jim poskytnete, zejména prostřednictvím **strategické segmentace produktového feedu**. [`Custom Labels`](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) vygenerované Karsa Labelizerem jsou klíčovým nástrojem pro efektivní strukturování vašich PMax aktivit. ## Proč je segmentace feedu pro PMax důležitá? * **Poskytování silnějších signálů Google AI:** Jasně definované skupiny produktů (Karsa clustery) pomáhají AI v PMax lépe pochopit charakteristiky a výkonnostní potenciál vašeho inventáře. * **Cílenější strategie:** Umožňuje vám přizpůsobit přístup k různým segmentům vašeho portfolia i v rámci automatizovaného prostředí PMax. ## Preferovaná strategie: Více oddělených PMax kampaní Pro maximální kontrolu a strategickou flexibilitu **doporučujeme zvážit vytvoření více samostatných PMax kampaní**, kde každá kampaň bude zaměřena na jeden nebo více logicky souvisejících Karsa clusterů. Tento přístup vám poskytne nejlepší možnosti pro řízení rozpočtů a výkonnostních cílů. ### Postup a klíčové výhody oddělených PMax kampaní: 1. **Vytvoření dedikovaných PMax kampaní:** * Pro každý klíčový segment produktů, který jste identifikovali pomocí Karsa Labelizer (reprezentovaný jedním nebo více Karsa clustery), vytvořte **samostatnou PMax kampaň** v Google Ads. * Například: * PMax Kampaň A: Cílí na produkty z clusteru `mojefirma_TopPerformers` * PMax Kampaň B: Cílí na produkty z clusteru `mojefirma_StabilniVykon` * PMax Kampaň C: Cílí na produkty z clusteru `mojefirma_NoveProdukty` 2. **Filtrace produktů pomocí** [**`Custom Labels`**](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label)**:** * V nastavení každé takto vytvořené PMax kampaně **vyfiltrujte produkty** prostřednictvím **Skupin zápisů (Listing Groups)** tak, aby kampaň obsahovala pouze položky s příslušnými hodnotami `Custom Label` z Karsy. Ostatní produkty z dané kampaně vylučte. 3. **Výhody tohoto přístupu:** * **Maximální kontrola nad rozpočty:** Pro každý strategický segment (Karsa cluster) můžete nastavit **zcela oddělený denní nebo sdílený rozpočet**. To je klíčové, pokud chcete agresivněji investovat do nejvýkonnějších segmentů nebo naopak omezit výdaje u méně prioritních. * **Specifické cíle ROAS/CPA per kampaň:** Každá PMax kampaň může mít nastaven vlastní cíl návratnosti investic do reklamy (tROAS) nebo ceny za akvizici (tCPA), který přesně odpovídá maržím a strategickým cílům daného segmentu produktů. * **Dedikované Skupiny podkladů (Asset Groups) a signály publika:** Pro každou PMax kampaň (a tedy pro každý hlavní Karsa segment) můžete vytvořit **na míru šité sady kreativních podkladů** (texty, obrázky, videa) a dodat **specifické signály publika**, které jsou nejrelevantnější pro danou skupinu produktů a její zákazníky. * **Přehlednější reporting a analýza:** Sledování a vyhodnocování výkonu několika jasně definovaných PMax kampaní (každá pro jiný Karsa segment) je často snazší a poskytuje čitelnější data než analýza mnoha Skupin zápisů uvnitř jedné rozsáhlé PMax kampaně. * **Řízená fáze učení:** Při postupném nasazování nových segmentů nebo při velkých změnách v sortimentu umožňuje spuštění nové, oddělené PMax kampaně lépe izolovat a sledovat její počáteční fázi učení. ### Alternativní strategie: Segmentace uvnitř jedné PMax kampaně Pokud preferujete konsolidovanější přístup nebo máte menší počet výrazně odlišných segmentů, je stále možné využít `Custom Labels` pro segmentaci **Skupin zápisů (Listing Groups)** v rámci jedné (nebo menšího počtu) PMax kampaní. * **Postup:** V rámci Skupiny podkladů (Asset Group) rozdělíte inventář podle [`Custom Labelu`](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label). * **Přizpůsobení:** Můžete vytvořit více Skupin podkladů a každou zacílit na jiné Skupiny zápisů (Karsa clustery) s odlišnými kreativami. * **Omezení:** Tento přístup neposkytuje takovou míru kontroly nad rozpočty a cíli ROAS/CPA na úrovni jednotlivých Karsa segmentů jako oddělené kampaně. ## Obecná doporučení pro PMax a Karsa Labely: * **Kvalitní signály:** [`Custom Labels`](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) z Karsy jsou silným signálem pro AI v PMax. * **Optimální počet segmentů:** [Karsa Labelizer](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu) vám pomáhá najít vhodný počet clusterů, což je důležité pro efektivní učení PMax algoritmů. * **Testování:** Zvažte otestování obou přístupů (více kampaní vs. segmentace uvnitř kampaně), abyste zjistili, která strategie nejlépe vyhovuje vašim cílům a sortimentu. {% hint style="info" %} Pro většinu situací, kde je požadována granulární kontrola nad rozpočty a výkonnostními cíli pro odlišné produktové segmenty, **poskytuje strategie oddělených PMax kampaní na základě Karsa clusterů robustnější a transparentnější řešení.** {% endhint %} Využitím [`Custom Labels`](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) z Karsa Labelizer pro inteligentní strukturování vašich PMax kampaní dodáváte Google AI přesnější informace, což může vést k efektivnějšímu cílení a lepším celkovým výsledkům. # Optimalizace po nasazení (Fáze učení) Nasazení nové struktury kampaní vytvořené pomocí Karsa Labelizer do Google Ads je významným krokem. Po přepnutí clusterizace do [produkčního režimu](/cz/v.-nasazeni-a-strategie/nasazeni-do-produkce) a správném nastavení vašich kampaní (ať už Standard Shopping nebo Performance Max) je klíčové porozumět tomu, co se děje dál, a jak přistupovat k následné optimalizaci. Jedním z nejdůležitějších konceptů je **fáze učení** algoritmů Google Ads. ## Co je fáze učení (Learning Phase)? Když spustíte novou kampaň nebo provedete zásadní změnu v existující kampani, která využívá automatické nabídkové strategie Google Ads (jako Cílová ROAS - tROAS, Maximalizovat hodnotu konverzí, atd.), systém potřebuje čas, aby se "naučil", jak nejlépe dosahovat vašich cílů. Během této doby: * **Algoritmy sbírají data:** Google analyzuje imprese, kliky, konverze a další signály spojené s vaší novou strukturou kampaní. * **Testují se různé nabídky:** Systém experimentuje s různými úrovněmi nabídek, aby zjistil, co funguje nejlépe pro daný segment produktů. * **Výkon může kolísat:** Během fáze učení může být výkon kampaní nestabilní – můžete zaznamenat výkyvy v ROAS, objemu konverzí nebo nákladech. Toto je normální a očekávané chování. ## Doporučená délka fáze učení * Obecně počítejte s fází učení trvající přibližně **2 až 4 týdnů** od spuštění nových/výrazně změněných kampaní. ## Klíčové pravidlo: Co (ne)dělat během fáze učení **NEJDŮLEŽITĚJŠÍ PRAVIDLO: Vyhněte se zásadním změnám v nastavení kampaně během těchto prvních 2-4 týdnů!** Časté nebo velké změny mohou proces učení narušit, prodloužit, nebo dokonce restartovat, což oddálí dosažení stabilního a optimálního výkonu. Mezi změny, kterým byste se měli vyhnout, patří: * **Změny cílů nabídkové strategie:** Například časté úpravy cílové hodnoty ROAS. * **Výrazné změny denního rozpočtu:** Vyhněte se skokovým navýšením nebo snížením (malé úpravy o +/- 20 % jsou obvykle v pořádku, ale s opatrností). * **Změny struktury kampaně nebo reklamních sestav/skupin podkladů.** * **Rozsáhlé změny v cílení** (geografické, demografické atd.). * **Přidávání velkého množství nových vylučujících klíčových slov** (přidávejte pouze ta zcela zjevně nerelevantní). **Co můžete dělat:** * **Monitorovat výkon:** Sledujte klíčové metriky, abyste měli přehled, ale neprovádějte unáhlené závěry z krátkodobých výkyvů. * **Kontrolovat kvalitu feedu:** Ujistěte se, že váš produktový feed v GMC je v pořádku a bez chyb. * **Zajišťovat správné měření konverzí:** Přesné měření konverzí s jejich hodnotami je absolutně klíčové pro fungování automatických nabídek. ## Optimalizace PO fázi učení (po 2-4 týdnech) Jakmile uplyne počáteční fáze učení a výkon kampaní se začne stabilizovat, můžete přistoupit k postupné optimalizaci: ### 1. Vyhodnocení dat * Analyzujte nasbíraná data o výkonu za posledních několik týdnů (ideálně alespoň za 30 dní s dostatečným počtem konverzí – viz [Nastavení limitů a cílů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-limitu-a-cilu)). * Podívejte se na skutečné ROAS, náklady na konverzi, objem konverzí a jejich celkovou hodnotu pro jednotlivé kampaně (clustery). ### 2. Přechod na/úprava Cílové ROAS (tROAS) * **Pokud jste začínali s jinou strategií** (např. Maximalizovat hodnotu konverzí bez cíle), a nyní máte dostatek konverzních dat (ideálně 15-30+ za posledních 30 dní pro danou kampaň ), můžete přejít na strategii Cílová ROAS. * **Nastavení *****počátečního***** cíle tROAS:** * **Buďte realističtí:** Nenastavujte cíl tROAS příliš vysoko nad rámec toho, čeho kampaň reálně dosahovala. Příliš vysoký cíl může výrazně omezit zobrazování a výdaje. * **Vycházejte z aktuálního výkonu:** Dobrým výchozím bodem je nastavit cíl tROAS blízko skutečného ROAS dosaženého v posledních týdnech, případně mírně nad vaší hranicí ziskovosti (break-even ROAS). * **Příklad:** Pokud kampaň dosahovala ROAS 400 % a váš dlouhodobý cíl je 600 %, začněte s tROAS například 350-450 % a postupně zvyšujte. * **Postupné úpravy cíle tROAS:** * Měňte cíl tROAS pomalu a v malých krocích (např. o +/- 10-20 % hodnoty). * **Pokud kampaň konzistentně *****překračuje***** cíl tROAS:** Můžete zvážit mírné *snížení* cíle, abyste potenciálně získali více konverzí a objemu (i za cenu mírně nižší efektivity). * **Pokud kampaň konzistentně *****nedosahuje***** cíle tROAS:** Můžete zvážit mírné *zvýšení* cíle (udělat ho přísnějším) pro zlepšení efektivity, nebo hledat problémy jinde (kvalita feedu, ceny, konkurence, technické problémy na webu). * **Dejte tomu čas:** Po každé úpravě tROAS počkejte alespoň **1-2 týdny**, než vyhodnotíte dopad a provedete další změnu. Algoritmus potřebuje čas na adaptaci. ### 3. Postupné úpravy rozpočtu * Měňte denní rozpočet pomalu, ideálně **ne více než o +/- 20 % každých několik dní** (např. jednou za 5-7 dní). Vyhněte se náhlým velkým skokům. * Zvyšujte rozpočet u kampaní, které plní nebo překračují cíl tROAS a mají potenciál růst (např. neztrácejí podíl zobrazení kvůli rozpočtu). * Zvažte snížení rozpočtu u kampaní, které cíl tROAS dlouhodobě neplní a jiné optimalizační kroky nepomáhají. ### 4. Průběžná optimalizace a sledování * **Vyhledávací dotazy:** Pravidelně kontrolujte přehled vyhledávacích dotazů v Google Ads a přidávejte nerelevantní výrazy jako vylučující klíčová slova. * **Optimalizace feedu:** Neustále pracujte na kvalitě dat ve vašem produktovém feedu v GMC (názvy, popisy, obrázky, ceny, dostupnost atd.). * **Dynamické přesuny Karsy:** Nezapomínejte, že pokud máte povolené dynamické přesuny, Karsa Labelizer bude průběžně optimalizovat zařazení produktů. Sledujte [Historii přesunů produktů](/cz/iv.-analyza-a-optimalizace/historie-presunu-produktu). {% hint style="info" %} **Klíčové zásady pro úspěch:** * **Trpělivost:** Optimalizace je maraton, ne sprint. Neočekávejte perfektní výsledky okamžitě. * **Rozhodování na základě dat:** Provádějte změny na základě dostatečného množství dat, nikoli pocitů. * **Postupnost:** Provádějte změny postupně a sledujte jejich dopad. Vyhněte se mnoha velkým změnám najednou. {% endhint %} Dodržením těchto postupů – od respektování fáze učení až po postupné, daty podložené úpravy – maximalizujete šanci na úspěšné a dlouhodobě udržitelné výsledky vašich kampaní strukturovaných pomocí Karsa Labelizer. # Strategie řízení stability Jednou z největších výzev dynamické segmentace produktů je **udržení stability a výkonu kampaní** v Google Ads. Přestože je cílem přesunů produktů mezi clustery (kampaněmi) dlouhodobá optimalizace, samotné přesuny mohou, pokud nejsou správně řízeny, vést k dočasným poklesům výkonu. Děje se tak proto, že algoritmy Google Ads (zejména Smart Bidding) potřebují určitý čas a konzistentní data, aby se "naučily" optimálně pracovat s novým složením produktů v kampani. Karsa Labelizer si je tohoto problému vědom a nabízí robustní nástroje, jak **dynamiku přesunů produktů řídit a minimalizovat tak riziko destabilizace kampaní.** ## Proč je stabilita tak důležitá? * **Fáze učení Google algoritmů:** Každá významná změna ve složení produktů v kampani (nebo reklamní sestavě/skupině podkladů) může spustit novou fázi učení pro Google algoritmy. Během této fáze může výkon kolísat. * **Konzistence dat pro Smart Bidding:** Automatické nabídkové strategie fungují nejlépe se stabilními a predikovatelnými vstupy. Časté a rozsáhlé změny v portfoliu produktů v kampani snižují její konzistenci a ztěžují práci AI. * **Udržení dosaženého ROAS:** Cílem je, aby optimalizační přesuny vedly ke zlepšení, nikoli k dočasnému nebo trvalému zhoršení návratnosti investic do reklamy. ## Jak Karsa Labelizer pomáhá řídit stabilitu? V [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu) máte k dispozici několik klíčových nastavení, která vám umožní přesně definovat, jak intenzivně a za jakých podmínek se mohou produkty mezi clustery přesouvat: 1. **Omezení procenta přesouvaných produktů:** * **`Each cluster can loss at most % of products`**: Omezuje, kolik procent produktů může daný cluster "ztratit" během jedné aktualizace. * **`Each cluster can gain at most % of products`**: Omezuje, kolik procent produktů může daný cluster "získat". * *Strategie:* Nastavením těchto limitů na rozumné hodnoty (např. 5-15 % denně) zajistíte, že se složení clusterů nemění příliš dramaticky a skokově. To dává algoritmům Google více času na adaptaci. 2. **Časová prodleva před dalším přesunem (`Waiting days before moving product again`):** * Definuje, kolik dní musí produkt setrvat v novém clusteru, než může být případně znovu přesunut. * *Strategie:* Vyšší hodnota (např. 7-14 dní) dává produktu více času na "aklimatizaci" a sběr relevantních výkonnostních dat v novém prostředí, čímž se snižuje riziko neustálého "přelévání" produktů. 3. **Limit změny stabilizační hodnoty clusteru (`Limit (in percent) how much can be stabilization value changed`):** * Toto je pokročilý mechanismus, který sleduje klíčovou charakteristiku clusteru (tzv. `Stabilization value`, např. celkovou hodnotu konverzí clusteru ) a povoluje přesuny produktů pouze do té míry, aby se tato hodnota nezměnila více, než je nastavený procentuální limit. * *Strategie:* Jedná se o velmi efektivní způsob, jak udržet celkový charakter a výkonnostní úroveň clusteru relativně stabilní, i když se jednotlivé produkty v něm mohou obměňovat. Zabraňuje tomu, aby cluster náhle ztratil například většinu své konverzní hodnoty. ## Doporučení pro nastavení stability: * **Začněte konzervativněji:** Pokud si nejste jisti, nastavte limity pro přesuny spíše přísněji (menší procenta, delší čekací doby). Můžete je postupně uvolňovat na základě sledování výkonu a stability. * **Monitorujte `Historii přesunů produktů`:** Tento [report](/cz/iv.-analyza-a-optimalizace/historie-presunu-produktu) vám ukáže, jak často a v jakém objemu se produkty skutečně přesouvají, a jaký to má dopad na jejich metriky. * **Zvažte fázi životního cyklu kampaní:** Pro zcela nové kampaně nebo po velkých změnách v sortimentu může být vhodné mít přesuny dočasně zakázané po dobu 2-3 týdnů nebo velmi omezené, jak je popsáno v [Povolení a limity přesunů produktů](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/limity-presunu). * **Hledejte rovnováhu:** Cílem je najít optimální rovnováhu mezi dostatečnou dynamikou (aby segmentace reflektovala aktuální výkon) a potřebnou stabilitou (aby nedocházelo k negativním dopadům na učení Google algoritmů a výkon kampaní). {% hint style="success" %} Díky možnostem detailního nastavení limitů pro přesuny produktů vám Karsa Labelizer umožňuje využívat výhody dynamické AI segmentace a zároveň proaktivně chránit stabilitu a výkon vašich Google Ads kampaní. {% endhint %} *** Řízení stability je nepřetržitý proces. Pravidelně vyhodnocujte nastavení vaší clusterizace ve světle aktuálního výkonu a nebojte se provádět postupné úpravy pro dosažení nejlepších možných výsledků. # Běžné problémy a jejich řešení I při pečlivém nastavení a používání Karsa Labelizer se můžete setkat s některými běžnými problémy nebo situacemi, které vyžadují vaši pozornost. Tato stránka vám nabídne přehled několika typických scénářů a doporučené postupy pro jejich řešení. {% hint style="info" %} Pokud zde nenajdete řešení svého problému, nebo pokud problém přetrvává, neváhejte kontaktovat naši podporu na **** s co nejdetailnějším popisem situace. {% endhint %} *** ## 1. Proces clusterizace se nespustil nebo trvá neobvykle dlouho **Možné příčiny:** * **Velký objem dat:** Zpracování velmi velkého množství produktů může trvat déle než obvyklých 2-15 minut. * **Dočasné technické potíže:** Může se jednat o dočasný problém na straně serverů nebo s připojením k datovým zdrojům. * **Chyba v konfiguraci:** Méně časté, ale nesprávné nebo konfliktní nastavení v Cluster Designeru by teoreticky mohlo proces zablokovat. **Co dělat:** 1. **Zkontrolujte Operation Manager:** Podívejte se do `[Operation Manageru](../prvni-kroky/operation-manager.md)`, zda operace stále běží, nebo zda nezobrazuje nějakou chybovou hlášku. 2. **Vyčkejte:** Pokud zpracováváte velký katalog, dejte procesu více času (např. 30-60 minut). 3. **Zkuste znovu později:** Pokud se jedná o krátkodobý problém, zkuste operaci spustit znovu s malým časovým odstupem. 4. **Zkontrolujte konfiguraci:** Projděte si znovu všechna nastavení vaší clusterizace v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer), zda neobsahují zjevné chyby nebo nelogická nastavení (např. extrémně nízké limity konverzí v kombinaci s požadavkem na mnoho clusterů). 5. **Kontaktujte podporu:** Pokud problém přetrvává, obraťte se na podporu Karsa Labelizer a poskytněte jim název vaší clusterizace a čas spuštění. *** ## 2. Výsledná konzistence (`Consistency`) clusterů je nízká **Možné příčiny:** * **Příliš velký rozptyl v datech:** Pokud jsou vaše produkty extrémně různorodé z hlediska zvolených parametrů, může být pro AI obtížné vytvořit vysoce konzistentní clustery. * **Nevhodně zvolené parametry clusterizace:** Některé kombinace parametrů nemusí pro vaše konkrétní data vést k jasně oddělitelným a konzistentním skupinám. * **Příliš vysoký nebo nízký počet požadovaných clusterů:** Extrémní požadavky na počet clusterů vzhledem k povaze dat mohou snížit konzistenci. * **Nedostatek konverzních dat:** Pokud mnoho produktů nebo celý segment má velmi málo konverzí, je obtížné určit jejich stabilní výkon. **Co dělat:** 1. **Analyzujte `[Přehled clusterizací](../analyza-a-optimalizace/prehled-clusterizaci.md)`:** Porovnejte konzistenci s jinými vašimi clusterizacemi nebo s testovacími variantami. 2. **Experimentujte s parametry:** Vytvořte novou testovací clusterizaci s jinou kombinací nebo menším počtem parametrů. Zaměřte se na ty nejrelevantnější pro vaše obchodní cíle. Viz `[Strategie výběru parametrů](../cluster-designer/volba-parametru-clusterizace/strategie-vyberu-parametru.md)`. 3. **Upravte limity počtu clusterů:** Zkuste mírně upravit minimální a maximální požadovaný počet clusterů. 4. **Snižte minimální počet konverzí na cluster:** Pokud to vaše data dovolí, zkuste nastavit nižší hranici pro `Minimum number of conversions`. 5. **Analyzujte produkty v clusterech:** Podívejte se do reportu `[Produkty v clusteru](../analyza-a-optimalizace/produkty-v-clusteru.md)`, zda nízkou konzistenci nezpůsobuje několik málo produktů s extrémně odlišným chováním. *** ## 3. Custom Labels se nepropisují správně do Google Merchant Center (GMC) **Možné příčiny:** * **Clusterizace není v režimu `ProductionRun`:** Pouze clusterizace v tomto stavu aktivně generují XML feed pro GMC. * **Zpoždění v GMC:** Propisování dat z doplňkových feedů (které Karsa používá pro Custom Labels) do GMC může někdy trvat několik hodin. * **Konflikt s jiným feedem nebo pravidlem v GMC:** Jiný zdroj dat nebo pravidlo v GMC může přepisovat hodnoty Custom Labelu nastavené Karsou. * **Vyčerpání limitu pro Custom Labely:** V GMC je k dispozici pouze 5 slotů pro Custom Labely (`custom_label_0` až `custom_label_4`). **Co dělat:** 1. **Ověřte stav clusterizace:** Ujistěte se, že vaše clusterizace v Karsa Labelizer je přepnuta do stavu `ProductionRun`. 2. **Zkontrolujte nastavení Custom Labelu v Karse:** Ověřte, že máte v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/nastaveni-custom-label) správně zvolený `Custom label` slot a definovaný `Prefix`. 3. **Vyčkejte:** Dejte GMC alespoň několik hodin (ideálně až 24) na zpracování dat po prvním spuštění produkční clusterizace. 4. **Zkontrolujte GMC:** * Podívejte se do sekce "Feedy" ve vašem GMC, zda je doplňkový feed od Karsy (pokud je takto implementováno) aktivní a bez chyb. * Přímo u několika produktů v GMC zkontrolujte, zda se jim v příslušném atributu `Custom label X` zobrazuje očekávaná hodnota (včetně vašeho prefixu). * Zkontrolujte "Pravidla feedu" v GMC, zda nějaké pravidlo nepřepisuje vámi zvolený Custom Label. 5. **Kontaktujte podporu:** Pokud se problém nedaří vyřešit, kontaktujte podporu Karsa Labelizer. *** ## 4. Výkon kampaní po nasazení nové clusterizace klesl **Možné příčiny:** * **Nedodržení fáze učení:** Provedli jste příliš mnoho změn v Google Ads kampaních (rozpočty, cíle tROAS) příliš brzy po nasazení nové struktury. * **Příliš agresivní cíle:** Nastavili jste pro nové kampaně nerealisticky vysoké cíle tROAS. * **Nevhodná struktura clusterů pro vaše cíle:** I když je clusterizace technicky správná, nemusí aktuální rozdělení vyhovovat vaší specifické obchodní strategii nebo maržím produktů. * **Problémy mimo Karsa Labelizer:** Pokles výkonu může být způsoben i externími faktory (sezónnost, aktivity konkurence, technické problémy na webu, změny v Google Ads algoritmech). **Co dělat:** 1. **Respektujte fázi učení:** Jak je popsáno v `[Optimalizace po nasazení (Fáze učení)](../nasazeni-a-strategie/optimalizace-po-nasazeni.md)`, po nasazení nové struktury nechte kampaně běžet alespoň 4-6 týdnů bez zásadních změn. 2. **Začněte s realistickými cíli:** Nenastavujte tROAS příliš vysoko. Začněte konzervativněji a postupně zvyšujte. 3. **Analyzujte data v Karse i Google Ads:** Podrobně zkoumejte výkon jednotlivých clusterů (kampaní) a produktů. Kde přesně k poklesu došlo? Jsou některé clustery výkonnější než jiné? 4. **Zvažte úpravu clusterizační strategie:** Pokud analýza ukáže, že současné rozdělení není optimální, vraťte se do [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/cluster-designer) a zkuste vytvořit testovací variantu s jinými parametry nebo limity. 5. **Vylučte externí faktory:** Prověřte, zda pokles nesouvisí s jinými změnami ve vašem marketingovém mixu nebo na trhu. *** Tento seznam není vyčerpávající, ale měl by pokrýt některé z nejčastějších situací. Klíčem k řešení problémů je systematický přístup, pečlivá analýza dat a v případě potřeby konzultace s podporou. # Často kladené otázky (FAQ) V této sekci naleznete odpovědi na některé z nejčastějších otázek týkajících se používání a funkcionality Karsa Labelizer. *** ### Q1: Jak často se aktualizují data z Google Ads v Karsa Labelizer? **A:** Karsa Labelizer automaticky stahuje nová výkonnostní data z vašeho propojeného účtu Google Ads **každý den**. Tím je zajištěno, že veškeré analýzy a rozhodování o clusterizaci vycházejí z co nejaktuálnějších informací. Systém také zohledňuje zpětné změny v konverzích, které může Google provést. Čas spuštění operace můžete nalézt v Operation manageru. *** ### Q2: Mohu mít více clusterizací v produkčním režimu (ProductionRun) současně? **A:** Aktuálně není povoleno mít více clusterizací současně v produkčním režimu (ProductionRun) v rámci jednoho projektu. Vždy může být aktivní (v produkci) pouze jedna clusterizace.\ Při přepnutí nové clusterizace z testovacího stavu (Test) do produkčního stavu (ProductionRun) se stávající produkční clusterizace (pokud nějaká existuje) automaticky přepne do testovacího stavu (Test). Tím je zajištěno, že do Google Merchant Center jsou vždy exportována data pouze z jedné, vámi aktuálně zvolené, aktivní strategie. Pokud potřebujete realizovat více odlišných produkčních strategií clusterizace současně (například pro zcela odlišné sortimenty produktů s různými zdroji dat nebo pro různé trhy, jako je oddělení "Lékárna" a "Elektronika" ve velkém e-shopu), řešením je založení nového, samostatného projektu v Karsa Labelizer pro každou takovou strategii. Mezi těmito projekty pak můžete přepínat. Každý projekt bude mít vlastní aktivní produkční clusterizaci. *** ### Q3: Co se stane, když přidám nový produkt do mého feedu? Jak ho Karsa Labelizer zpracuje? **A:** Karsa Labelizer nabízí několik strategií pro zacházení s novými produkty, které ještě nemají historii výkonu. Nastavení provedete v [Cluster Designeru](/cz/iii.-cluster-designer-vytvoreni-clusterizace/rizeni-dynamiky-produktu/strategie-pro-nove-produkty) v sekci "Strategie pro nové produkty". Hlavní možnosti jsou:\ \* **Automatická derivace hodnot:** Systém odhadne výkon nového produktu na základě podobných produktů a ihned ho zařadí do potenciálně relevantního clusteru.\ \* **Přidání do speciální kategorie/kampaně:** Nové produkty jsou umístěny do "inkubační" kampaně na definovanou dobu (např. 30 dní), kde sbírají data, a poté jsou zařazeny podle skutečného výkonu.\ \* **Umístění s nulovými hodnotami:** Produkt je zařazen s nulovými hodnotami, což ho obvykle umístí do méně výkonného clusteru, dokud nezíská vlastní historii.\ Více detailů a doporučení naleznete na stránce `[Strategie pro nové produkty](../cluster-designer/rizeni-dynamiky-produktu/strategie-pro-nove-produkty.md)`. *** ### Q4: Jak dlouho trvá, než se změny (nové Custom Labels) projeví v Google Ads? **A:** Proces má několik kroků:\ 1\. **Karsa Labelizer:** Po přepnutí clusterizace do `ProductionRun` začne Karsa denně exportovat `Custom Labels` do vašeho Google Merchant Center (GMC). Případně je možné spustit v Operation manageru ihned generování XML feedu.\ 2\. **Google Merchant Center:** GMC potřebuje nějaký čas na zpracování těchto dat (typicky z doplňkového feedu). Může to trvat několik minut až několik hodin.\ 3\. **Google Ads:** Jakmile jsou `Custom Labels` aktualizovány u produktů v GMC, Google Ads si tato data postupně načte a začne je používat pro segmentaci vašich kampaní. I zde může být určité zpoždění.\ \* **Celkově:** Očekávejte, že od aktivace v Karsa Labelizer po plné propsání a funkčnost v Google Ads kampaních to může trvat **několik hodin až přibližně jeden den**. Doporučujeme provádět kontrolu v GMC a Google Ads následující den po aktivaci. *** ### Q5: Co znamená metrika "Consistency" (Konzistence) v přehledu clusterizací? **A:** "Consistency" je metrika Karsa Labelizer, která udává míru stability a podobnosti výkonnostních metrik produktů *uvnitř* jednotlivých clusterů dané clusterizace v čase.\ \* **Vyšší hodnota znamená lepší výsledek:** Clustery jsou vnitřně homogenější, jejich výkon je stabilnější a lépe predikovatelný pro algoritmy Google.\ \* **Proč je důležitá:** Pomáhá vám porovnávat kvalitu různých clusterizačních strategií. Při porovnávání je vhodné brát v úvahu clusterizace vytvořené se stejným počtem parametrů.\ \* Více informací naleznete v popisu reportu `[Přehled clusterizací](../analyza-a-optimalizace/prehled-clusterizaci.md)`. *** ### Q6: Proč bych měl/a omezovat přesuny produktů mezi clustery? Není lepší, když se produkty přesouvají co nejrychleji tam, kam patří? **A:** I když je cílem mít produkty ve správných clusterech, příliš časté nebo masivní přesuny mohou **destabilizovat vaše kampaně** v Google Ads. Google algoritmy (zejména Smart Bidding) potřebují čas a konzistentní data, aby se "naučily" pracovat s daným segmentem produktů. Neustálé změny mohou tento proces narušovat a vést k dočasnému poklesu výkonu.\ \* Karsa Labelizer proto nabízí detailní `[nastavení limitů pro přesuny produktů](../cluster-designer/rizeni-dynamiky-produktu/limity-presunu.md)`, které pomáhají najít rovnováhu mezi dynamickou optimalizací a potřebnou stabilitou kampaní. *** *Máte další otázku? Neváhejte nás kontaktovat na .* # Slovník pojmů Vítejte v slovníku pojmů Karsa Labelizer. Tato sekce poskytuje detailnější vysvětlení klíčových termínů, se kterými se můžete setkat při práci s naším nástrojem, v oblasti Google Ads, produktové inzerce a datové analýzy. Pokud zde nějaký pojem nenajdete, podívejte se také do `[Klíčových pojmů v úvodu](../uvod/klicove-pojmy.md)`. *** **AI (Artificial Intelligence - Umělá Inteligence)**\ : Široká oblast informatiky zabývající se vytvářením systémů, které vykazují inteligentní chování. V kontextu Karsa Labelizer se AI využívá především pro pokročilou analýzu produktových dat a automatizované vytváření optimálních segmentů (clusterů) pomocí algoritmů strojového učení. **API (Application Programming Interface - Rozhraní pro programování aplikací)**\ : Sada definic, protokolů a nástrojů pro vytváření softwaru a aplikací. Umožňuje různým softwarovým systémům vzájemně komunikovat a vyměňovat si data. Karsa Labelizer může využívat API pro stahování dat z Google Ads nebo pro příjem dat o objednávkách od klienta. **Atribuce / Atribuční model**\ : Proces přiřazování zásluh za konverze různým marketingovým kanálům, reklamám nebo interakcím, které se na cestě zákazníka ke konverzi podílely. Google Ads nabízí různé atribuční modely (např. Last Click, Data-Driven), které mohou ovlivnit, jak jsou konverze reportovány. **Break-even ROAS (Prahová hodnota ROAS)**\ : Minimální hodnota ROAS, při které vaše náklady na reklamu odpovídají vaší marži z prodaných produktů, takže nejste ani v zisku, ani ve ztrátě z reklamních výdajů. Výpočet: `1 / Procentuální marže`. Například pokud máte marži 25 % (0.25), vaše break-even ROAS je 1 / 0.25 = 400 %. **Cluster (Shluk)**\ : Výsledek procesu clusterizace; skupina produktů, které byly na základě analýzy jejich podobnosti v rámci zvolených výkonnostních metrik (parametrů) seskupeny dohromady. V Karsa Labelizer každý cluster typicky odpovídá jedné budoucí Google Shopping kampani nebo specifickému segmentu produktů. **Clusterizace (Clustering)**\ : Metoda neřízeného strojového učení, jejímž cílem je rozdělit sadu datových bodů (v našem případě produktů) do skupin (clusterů) tak, aby datové body v rámci jednoho clusteru byly co nejpodobnější a zároveň co nejvíce odlišné od datových bodů v jiných clusterech. Karsa Labelizer tento proces automatizuje pro optimalizaci produktové segmentace. **Cluster Designer**\ : Hlavní nástroj (modul) v Karsa Labelizer, kde uživatelé definují veškerá kritéria, parametry, limity a nastavení pro vytvoření nové clusterizace (návrhu segmentace produktů). **CPC (Cost Per Click - Cena za proklik)**\ : Průměrná částka, kterou zaplatíte za jedno kliknutí na vaši reklamu. Vypočítává se jako Celkové náklady / Celkový počet kliknutí. **CTR (Click-Through Rate - Míra prokliku)**\ : Procento zobrazení vaší reklamy, které vedlo ke kliknutí na ni. Vypočítává se jako (Celkový počet kliknutí / Celkový počet zobrazení) \* 100 %. Je to indikátor relevance a atraktivity vaší reklamy. **Custom Label (Vlastní štítek)**\ : Atributy `custom_label_0` až `custom_label_4` v Google Merchant Center, které umožňují inzerentům přidat k produktům vlastní textové hodnoty pro účely segmentace a reportingu. Karsa Labelizer tyto štítky využívá k označení příslušnosti produktu k vygenerovanému clusteru. **Dynamické přesuny produktů**\ : Funkce Karsa Labelizer, která automaticky přesouvá produkty mezi clustery na základě aktuálních změn v jejich výkonu, s cílem udržet optimální a konzistentní segmentaci. Tento proces je řízen nastavitelnými limity. **Feed (Produktový feed)**\ : Soubor (obvykle ve formátu XML, TXT, CSV nebo přes API) obsahující strukturované informace o vašich produktech (ID, název, popis, cena, obrázek, dostupnost atd.). Tento feed je nahráván do Google Merchant Center a slouží jako zdroj dat pro Google Shopping a PMax kampaně. **GMC (Google Merchant Center)**\ : Online nástroj od Googlu, kde e-shopy nahrávají a spravují svá produktová data (feedy) a informace o svém obchodě. Data z GMC jsou nezbytná pro zobrazování produktových reklam. Karsa Labelizer exportuje `Custom Labels` do GMC. **Konzistence clusteru (Cluster Consistency)**\ : Metrika (často interní pro Karsa Labelizer) hodnotící, jak podobně a stabilně se chovají produkty zařazené do jednoho clusteru z hlediska zvolených výkonnostních parametrů v čase. Vyšší konzistence je žádoucí, protože vede k lepší predikovatelnosti výkonu kampaně. **Konverze (Conversion)**\ : Akce, kterou považujete za cennou pro vaše podnikání a kterou chcete, aby uživatelé na vašem webu provedli po kliknutí na reklamu (např. nákup, odeslání poptávkového formuláře, registrace). Google Ads sleduje konverze pomocí měřicích kódů. **Konverzní poměr (Conversion Rate - CR)**\ : Procento kliknutí na reklamu, která vedla k dokončení konverze. Vypočítává se jako (Počet konverzí / Počet kliknutí) \* 100 %. Klíčový ukazatel efektivity kampaně a kvality vstupní stránky. **Machine Learning (ML - Strojové učení)**\ : Součást umělé inteligence, která umožňuje systémům učit se z dat a zlepšovat své predikce nebo rozhodnutí bez toho, aby byly explicitně naprogramovány pro každý specifický scénář. Karsa Labelizer využívá ML pro vytváření clusterů. **Metriky výkonu (Performance Metrics)**\ : Kvantifikovatelné ukazatele používané k měření a hodnocení výkonnosti marketingových aktivit, kampaní, reklamních sestav, klíčových slov nebo jednotlivých produktů. Příklady zahrnují ROAS, CPC, CTR, Konverzní poměr, Hodnotu konverze, Počet konverzí, Imprese, Kliky. **Operation Manager**\ : Modul v Karsa Labelizer, který zobrazuje stav a průběh operací běžících na pozadí, typicky procesu vytváření clusterizace. **PLA (Product Listing Ads - Produktové reklamy)**\ : Typ reklam v Google Ads, běžně známý jako Google Shopping reklamy. Zobrazují informace o produktu (obrázek, název, cena, prodejce) přímo ve výsledcích vyhledávání Google a na kartě Nákupy. **PMax (Performance Max campaigns - Maximálně výkonné kampaně)**\ : Automatizovaný typ kampaně v Google Ads, který využívá AI k zobrazování reklam napříč všemi dostupnými kanály Google (Vyhledávání, YouTube, Obsahová síť, Discovery, Gmail, Mapy, Nákupy) z jedné kampaně. **Prediktabilita kampaně (Campaign Predictability)**\ : Schopnost (zejména Google AI) spolehlivě předvídat budoucí výkon kampaně (např. kolik konverzí přinese při daném rozpočtu a cíli). Vyšší prediktabilita, které napomáhá konzistentní struktura produktů v kampani, umožňuje efektivnější automatickou optimalizaci. **ROAS (Return On Ad Spend - Návratnost investic do reklamy)**\ : Metrika, která měří hrubý příjem generovaný z každé koruny (nebo jiné měny) utracené za reklamu. Vypočítává se jako (Celková hodnota konverzí / Celkové náklady na reklamu) \* 100 % (pokud je vyjádřeno v procentech). **Segmentace produktů**\ : Strategický proces rozdělování produktového katalogu do menších, lépe spravovatelných a cílitelných skupin na základě sdílených charakteristik nebo výkonnostních metrik. **Smart Bidding (Chytré nabídky)**\ : Sada automatických nabídkových strategií v Google Ads (např. Cílová CPA, Cílová ROAS, Maximalizovat konverze, Maximalizovat hodnotu konverzí), které využívají strojové učení k optimalizaci nabídek v reálném čase pro každou aukci s cílem dosáhnout stanovených cílů. **Stabilizační hodnota (`Stabilization value`)**\ : Interní metrika nebo zvolený parametr v Karsa Labelizer, jehož hodnota pro celý cluster je při dynamických přesunech produktů udržována v určitých procentuálních mezích, aby se zajistila stabilita charakteru a výkonu clusteru. *** Tento slovník bude průběžně doplňován o další relevantní pojmy. Pokud narazíte na termín, kterému nerozumíte, nebo si myslíte, že by zde měl být zahrnut, dejte nám vědět. # Odkazy na zdroje Tato stránka shromažďuje odkazy na oficiální nápovědu Google, odborné články a další zdroje, které vám mohou pomoci prohloubit vaše znalosti v oblastech souvisejících s Karsa Labelizer a optimalizací vašich kampaní. ## Oficiální Karsa Labelizer zdroje * **Web Karsa Labelizer:** `https://karsa.ai/cs/` (Odkaz na hlavní stránku produktu) * **Funkcionalita Karsa Labelizer:** `https://karsa.ai/cs/product-functionality` (Detailní popis funkcí) * **Ceník Karsa Labelizer:** `https://karsa.ai/pricing` (Informace o cenových plánech) * **Kontakt na podporu:** `support@karsa.ai` (Pro technickou a uživatelskou podporu) ## Nápověda Google Ads * **O kampaních v Nákupech Google:** * [Nápověda Google Ads - Kampaně v Nákupech](https://support.google.com/google-ads/answer/2454022) (Základní informace) * [Nápověda Google Ads - Vytvoření kampaně v Nákupech](https://support.google.com/google-ads/answer/3455481) * **O kampaních Performance Max (PMax):** * [Nápověda Google Ads - Maximálně výkonné kampaně](https://support.google.com/google-ads/answer/10724817) * [Nápověda Google Ads - Skupiny podkladů (Asset Groups)](https://support.google.com/google-ads/answer/10724492) * [Nápověda Google Ads - Skupiny zápisů (Listing Groups)](https://support.google.com/google-ads/answer/6275304) (Důležité pro segmentaci v PMax) * **O produktových feedech a Google Merchant Center:** * [Nápověda Google Merchant Center - Přehled](https://support.google.com/merchants/answer/7509421) * [Nápověda Google Merchant Center - Specifikace produktových dat](https://support.google.com/merchants/answer/7052112) * [Nápověda Google Merchant Center - Vlastní štítky (`custom_label`)](https://support.google.com/merchants/answer/6324473) * **O nabídkových strategiích (Smart Bidding):** * [Nápověda Google Ads - Automatické nabídky](https://support.google.com/google-ads/answer/2471188) * [Nápověda Google Ads - Cílová ROAS (tROAS)](https://support.google.com/google-ads/answer/6268637) * [Nápověda Google Ads - Fáze učení u nabídkových strategií](https://support.google.com/google-ads/answer/6263057) * **O měření konverzí:** * [Nápověda Google Ads - Měření konverzí](https://support.google.com/google-ads/answer/1722054) ## Odborné články a blogy * Search Engine Land: `https://searchengineland.com/` * Search Engine Journal: `https://www.searchenginejournal.com/` * WordStream Blog: `https://www.wordstream.com/blog` * PPC Hero Blog: `https://www.ppchero.com/` * Google Ads Blog (oficiální): `https://blog.google/products/ads-commerce/`