Dlaczego sam panel afiliacyjny nie wystarczy do rzetelnego trackingu
Panel afiliacyjny widzi tylko ostatni fragment ścieżki
Panel afiliacyjny został stworzony głównie do rozliczeń między wydawcą a siecią lub reklamodawcą. Świetnie radzi sobie z rejestrowaniem kliknięcia w link partnerski i przypisaniem prowizji do odpowiedniego partnera. Jednak z perspektywy analityki lejka widzi tylko wycinek rzeczywistości: kliknięcie → transakcja → prowizja. Wszystko, co dzieje się wcześniej – źródło ruchu, koszt kliknięcia, słowo kluczowe, kampania, kreacja – bywa kompletnie niewidoczne.
Mit brzmi: „jeśli jest konwersja w panelu afiliacyjnym, to znam jej źródło”. Rzeczywistość jest taka, że zwykle widzisz wyłącznie ID linku, ewentualnie subid, który sam wcześniej zaplanowałeś. Jeśli nie zainwestujesz czasu w dobre nazewnictwo i integrację z systemami reklamowymi, panel poda ci tylko: „sprzedaż nr X, prowizja Y, źródło: link nr 12345”. Bez kontekstu nie wiesz, czy tę sprzedaż wygenerował Google Ads, ruch SEO, TikTok, czy mailing.
Brak kontekstu oznacza brak pełnego lejka. Widzisz koniec, nie widzisz początku ani środka. Przy większych budżetach takie „niedopowiedzenia” przekładają się na realne straty, bo decyzje strategiczne opierasz na fragmentarycznym obrazie.
Puste miejsce między wydatkiem a prowizją
W dobrze poukładanej analityce afiliacyjnej między złotówką wydaną na reklamę a złotówką zarobionej prowizji nie ma białych plam. Model idealny: koszt kliknięcia w systemie Ads → kliknięcie w witrynie → klik w link afiliacyjny → transakcja → prowizja. Model typowy: widzisz tylko wydatki w Google Ads i osobno prowizje w panelu afiliacyjnym, bez wiarygodnego łącznika.
Bez technicznego spięcia systemów pojawiają się problemy:
nie wiesz, jakie ROAS mają konkretne kampanie reklamowe, bo nie masz informacji o przychodzie z afiliacji na poziomie kampanii/grupy reklam,
nie wiesz, które słowa kluczowe generują prowizje, a które tylko nabijają koszt kliknięć,
nie wiesz, które treści SEO faktycznie zarabiają, a które tylko generują „ładne” wykresy ruchu.
W efekcie reklamy bywają skalowane „na oko”, a działania SEO ocenia się po liczbie odwiedzin, zamiast po przychodzie. Im większy ruch i budżety, tym większa rozbieżność między rzeczywistą rentownością a tym, co widać w panelach.
Mit spójnych danych: dlaczego raporty się różnią
Powszechne złudzenie: „jeśli dobrze skonfiguruję panel afiliacyjny, wszystko będzie się zgadzać z Google Analytics i Ads”. Faktycznie nigdy nie uda się osiągnąć pełnej zgodności między wszystkimi systemami. Różne narzędzia mierzą inne zdarzenia, stosują różne modele atrybucji i różne okna czasowe. Do tego dochodzą blokady cookies, AdBlocki, brak zgody na tracking.
Rzeczywistość jest taka, że istotne są trendy i zależności, a nie identyczne wartości w każdym panelu. Większość dojrzałych zespołów akceptuje odchylenia na poziomie kilku–kilkunastu procent między np. kliknięciami w GA i panelu afiliacyjnym czy między liczbą transakcji raportowaną przez sklep i sieć. Kluczowe jest świadome zrozumienie, skąd biorą się różnice, i odpowiednie skalowanie tego, co działa pomimo szumów danych.
Podstawowy model lejka od reklamy do prowizji – jak go narysować
Etapy lejka od wyświetlenia reklamy do prowizji
Żeby sensownie integrować narzędzia ads, SEO i panele afiliacyjne, trzeba jasno rozpisać ścieżkę użytkownika. Typowy lejek afiliacyjny w uproszczeniu wygląda tak:
Wyświetlenie reklamy (np. Google Ads, Facebook Ads, display, social, e-mail).
Kliknięcie w reklamę i przejście na twoją stronę (serwis, blog, landing).
Sesja użytkownika na stronie – przeglądanie treści, przewijanie, interakcje.
Zdarzenie kluczowe: kliknięcie w link afiliacyjny (przejście na stronę reklamodawcy).
Transakcja lub lead – wykonanie akcji kwalifikowanej do prowizji.
Naliczenie prowizji w panelu afiliacyjnym.
Każdy z tych etapów ma swoje osobne narzędzie lub kilka narzędzi: system reklamowy, system analityczny (np. GA4), skrypty na stronie, mechanizmy trackingu afiliacyjnego u wydawcy i u reklamodawcy. Śledzenie lejka polega na tym, by między kolejnymi etapami nie gubić informacji o źródle, kampanii, słowie kluczowym czy urządzeniu.
Rola systemów Ads, SEO, Analytics i afiliacji na poszczególnych etapach
Najwięcej zamieszania powstaje wtedy, gdy każdy z systemów jest konfigurowany w oderwaniu od reszty. Każde narzędzie „udaje”, że jest jedynym źródłem prawdy. W rzeczywistości każdy element lejka ma inne zadanie:
Systemy Ads (Google Ads, Meta Ads, inne) – odpowiadają za zakup ruchu i podstawowe śledzenie kliknięć / konwersji w ramach własnego ekosystemu. Dają dane o kosztach i skuteczności reklam, ale najczęściej nie widzą prowizji afiliacyjnych.
SEO (Google Search Console, narzędzia do pozycji) – opisuje widoczność w wynikach organicznych, zapytania kluczowe, CTR, ale bez integracji z Analytics i afiliacją nie wskaże, która fraza dała prowizję.
Analytics (np. Google Analytics 4, Matomo) – scala ruch z różnych źródeł na twojej stronie, śledzi zdarzenia (w tym kliknięcia w linki afiliacyjne), pozwala budować modele ścieżek. To tutaj można „złapać” przejście z reklamy lub SEO w link partnerski.
System afiliacyjny (sieć lub własny program) – zarządza kliknięciami w linki, konwersjami po stronie reklamodawcy i rozliczeniami prowizji. Jest końcówką lejka, do której trzeba doprowadzić informacje z wcześniejszych etapów.
Na każdym etapie powstają nowe dane i równocześnie mogą zostać utracone stare. Rolą dojrzałego setupu jest przekazywanie identyfikatorów między systemami – tak, aby decyzje o budżecie reklamowym i działaniach SEO można było oprzeć na zyskowności, a nie tylko na wskaźnikach pośrednich typu kliknięcia czy sesje.
Gdzie dane uciekają: luki, zgody i blokady
Lejek afiliacyjny jest dziurawy z natury. Nawet doskonała konfiguracja nie usunie wszystkich problemów. Najczęstsze miejsca, w których dane znikają:
AdBlock i blokery skryptów – część użytkowników blokuje zewnętrzne piksele i skrypty, przez co ani narzędzia analityczne, ani tracking afiliacyjny oparte na JS nie zadziałają.
Brak zgody na cookies/analitykę – po wprowadzeniu RODO i mechanizmów zgód część użytkowników nie zezwala na śledzenie. Systemy, które respektują tę decyzję, nie zapiszą cookies ani nie wyślą eventów.
Przekierowania i skracacze linków – źle ustawione łańcuchy przekierowań mogą obciąć parametry UTM/subid lub spowodować utratę referrera. Wtedy system analityczny widzi np. ruch „direct”, a panel afiliacyjny nie otrzymuje poprawnego identyfikatora kliknięcia.
Różne domeny i subdomeny – zmiana domeny w trakcie sesji użytkownika bez odpowiedniej konfiguracji potrafi „przeciąć” ścieżkę i utworzyć nową sesję w Analytics.
Mit mówi: „jak się wszystko dobrze ustawi, dane będą idealne”. W praktyce nawet bardzo dobrze przygotowany lejek ma szumy. Celem jest ich ograniczenie i świadome zarządzanie niepewnością, a nie obsesyjne gonienie za 100% zgodnością raportów.
Źródło: Pexels | Autor: Thirdman
Fundamenty techniczne: cookies, parametry w URL i typy trackingu afiliacyjnego
Jak działa klasyczne śledzenie afiliacyjne oparte na plikach cookie
Standardowy model trackingu afiliacyjnego opiera się na przekierowaniu przez domenę sieci i zapisaniu cookie w przeglądarce. Schemat wygląda następująco:
Użytkownik klika w link afiliacyjny (np. w twojej recenzji produktu).
Przeglądarka przechodzi na adres sieci afiliacyjnej, gdzie do URL-a dodawane są parametry z identyfikatorem partnera (publisher ID) i kliknięcia (click ID, subid).
Sieć zapisuje cookie w przeglądarce z tymi informacjami i przekierowuje użytkownika na stronę reklamodawcy (sklepu).
Na stronie reklamodawcy działa skrypt lub pixel sieci afiliacyjnej, który przy zakupie odczytuje cookie i wysyła do panelu informację o transakcji powiązanej z konkretnym kliknięciem.
Ten model jest prosty i przez lata wystarczająco skuteczny. Problem zaczyna się przy rosnących ograniczeniach cookies (np. skrócony czas życia cookies third-party, blokady przez przeglądarki), a także wtedy, gdy chcesz precyzyjniej śledzić szczegóły kampanii i łączyć to z danymi z Google Ads/Analytics. Sam cookie z ID partnera nie powie, czy konwersję wygenerował ruch SEO, kampania brandowa, remarketing czy wideo na YouTube.
Typy trackingu: pixel, S2S, direct link i deeplink
W różnych programach partnerskich spotkasz kilka podejść do trackingu, często łączonych ze sobą:
Pixel post-click – javascript lub obrazek (1×1 px) w kodzie strony, wywoływany po akcji (np. zakupie). Przekazuje do panelu informacje o transakcji. Opiera się na cookie zapisanym przy kliknięciu. Zaleta: prosty do wdrożenia. Wada: podatny na blokery i brak zgody na skrypty.
Pixel post-view – liczy konwersje przypisywane do samego wyświetlenia reklamy (bez kliknięcia). W afiliacji stosowany rzadziej i bardziej kontrowersyjny, bo przypisuje prowizje nawet przy braku kliknięcia.
S2S (server-to-server) – zamiast polegać na cookie w przeglądarce, serwer reklamodawcy wysyła do sieci afiliacyjnej żądanie z ID kliknięcia po stronie serwera. Zwykle opiera się to na przekazaniu clickid w adresie URL i zapisaniu go w systemie reklamodawcy. Zaleta: większa odporność na blokery i brak cookies; lepsza kontrola po stronie serwera. Wada: wymaga więcej pracy developerskiej.
Direct link – w niektórych programach możliwe jest ominięcie dodatkowego przekierowania przez domenę sieci. Tracking odbywa się np. za pomocą specjalnych parametrów w URL reklamodawcy lub innych mechanizmów. Mniej przekierowań to mniejsza szansa na utratę parametrów i szybsze ładowanie.
Deeplink – link bezpośrednio do konkretnej podstrony produktu, kategorii czy artykułu na stronie reklamodawcy, ale z zachowaniem parametrów afiliacyjnych. Dla lejka ma znaczenie o tyle, że parametry UTM/subid też trzeba przetransportować do takiego linku.
Z punktu widzenia integracji z Ads/SEO istotne jest, by tracking afiliacyjny umożliwiał przekazywanie identyfikatora kliknięcia (clickid/subid) z twojej strony do reklamodawcy, a potem z powrotem do panelu. Im lepsze wsparcie dla S2S i parametrów, tym większa kontrola nad danymi.
Rola UTM-ów, subidów i clickidów
Parametry w URL to kręgosłup integracji lejka. Najważniejsze typy parametrów:
UTM (utm_source, utm_medium, utm_campaign, utm_content, utm_term) – używane głównie przez narzędzia analityczne (Google Analytics, inne). Służą do oznaczenia źródła i charakteru ruchu.
subid / sub_id / aff_sub – dodatkowe parametry w linkach afiliacyjnych, które sieci umożliwiają wypełniać dowolnymi danymi. Po transakcji wracają w panelu jako część raportu.
clickid – unikalny identyfikator kliknięcia generowany po twojej stronie lub przez system trackingowy, który potem jest przekazywany do sieci i reklamodawcy, a przy konwersji odsyłany z powrotem.
Mit głosi: „wystarczy jeden globalny pixel i wszystko się będzie zgadzać”. Rzeczywistość jest inna: potrzebujesz kombinacji parametrów UTM + subid/clickid + pikseli/S2S. UTM-y opisują źródło i kampanię w twojej analityce, a subid/clickid spinają tę informację z systemem afiliacyjnym i transakcją po stronie reklamodawcy. Bez tego spięcia panel afiliacyjny nie powie, która kampania płatna czy które frazy SEO przyniosły prowizję.
Konfiguracja UTM-ów i identyfikatorów kliknięć pod afiliację
Spójne nazewnictwo kampanii i źródeł
Chaos w UTM-ach jest jednym z głównych powodów, dla których śledzenie lejka się rozsypuje. Jeśli dzisiaj nazwiesz źródło „google”, jutro „GoogleAds”, a pojutrze „ads_google”, to raporty w Analytics będą pełne rozdrobnionych wpisów, a próba powiązania tego z panelami afiliacyjnymi zamieni się w ręczne czyszczenie danych w arkuszu.
Potrzebny jest prosty, ale konsekwentny schemat. Przykładowy standard:
utm_source – nazwa platformy: google_ads, meta_ads, seo, newsletter, tiktok,
Standard parametrów dla różnych kanałów
Sam schemat nazewnictwa to za mało. Trzeba jeszcze ustalić, które parametry są obowiązkowe dla danego kanału i jak je wypełniać. Inaczej w praktyce każdy specjalista od kampanii będzie dodawał coś „po swojemu”, a spójność się rozjedzie.
Google Ads – przy ręcznym tagowaniu:
utm_source=google_ads,
utm_medium=cpc,
utm_campaign = nazwa kampanii z konta (bez spacji, z myślnikami),
utm_content = nazwa grupy reklam lub typu kreacji (np. shopping, search_brand, rsa),
utm_content = nazwa adsetu lub kreacji (np. remarketing_30d_carousel).
SEO / ruch organiczny – tu UTM-ów zwykle się nie dodaje do wyników organicznych, ale można oznaczać:
linki z link buildingu: utm_source=outreach, utm_medium=referral,
linki z wizytówki Google: utm_source=gmb, utm_medium=organic.
Mit: „UTM-y to tylko formalność, byle coś wpisać”. Rzeczywistość: jeśli już wkładasz wysiłek w oznaczanie kampanii, zrób to według prostego, spisanego standardu – inaczej dane z panelu afiliacyjnego nie zgrają się z raportami w Analytics.
Projekt parametrów subid / clickid
Subidy i clickidy to osobny wymiar. UTM-y podają „opis kampanii”, a subid/clickid najczęściej służy do identyfikacji konkretnego kliknięcia albo przynajmniej dość wątego segmentu ruchu.
Najczęściej stosowane podejścia:
Subid jako „mini-struktura” danych – w jednym parametrze upychasz kilka informacji, np. subid=ga_search_brand_desktop albo subid=meta_rmkt_30d_m. Proste, ale mało granularne i trudno to potem automatycznie parsować.
Subid jako losowy ID kliknięcia – np. UUID generowany JS-em na stronie. Do tego w swojej bazie (lub narzędziu typu własny tracker) trzymasz mapę: clickid → źródło, kampania, kreacja, device. Ta ścieżka jest bardziej elastyczna i lepiej współpracuje z S2S.
Kilka subidów naraz – większość sieci pozwala na subid1, subid2, subid3.... Możesz więc trzymać:
subid1 – ID kliknięcia,
subid2 – skrócony opis kampanii (np. ga_brand),
subid3 – typ strony / placementu (np. recenzja, ranking, blog).
Dobry test praktyczny: czy patrząc na raport konwersji z panelu, jesteś w stanie po samych subidach odtworzyć główne wymiary kampanii i wrócić do konkretnych ustawień w Ads czy SEO? Jeśli nie – projekt subidów wymaga poprawki.
Generowanie identyfikatorów kliknięć na stronie
Żeby clickid spełniał swoją rolę, nie możesz polegać wyłącznie na tym, co wygeneruje sieć afiliacyjna. Potrzebny jest własny identyfikator, który powstaje już w momencie wejścia użytkownika na twoją stronę (albo przy pierwszym interakcyjnym zdarzeniu).
Praktyczny schemat:
Przy pierwszym wejściu użytkownika twój skrypt JS sprawdza, czy w localStorage / cookie istnieje clickid.
Jeśli nie – generuje nowy (np. UUID, hash czasu + losowej liczby) i zapisuje go lokalnie.
Ten sam ID jest:
przekazywany do wszystkich linków afiliacyjnych jako subid lub clickid,
wysyłany jako parametr zdarzenia do GA4 / innej analityki (np. event aff_click z parametrem clickid).
Jeśli użytkownik wróci za kilka dni, a cookie/localStorage nadal istnieje – użyjesz tego samego clickid, zachowując ciągłość ścieżki.
Rzeczywistość kontra mit „wszystko zrobi sieć afiliacyjna”: bez własnego ID nie masz pełnej kontroli nad łączeniem danych przed i po kliknięciu w link partnerski. Polegasz wtedy tylko na tym, co przyjdzie w raporcie z panelu – a to zwykle za mało, by podjąć poważniejsze decyzje budżetowe.
Konfiguracja szablonów linków afiliacyjnych
Jeśli ręcznie dopisujesz UTM-y i subidy do każdego linku afiliacyjnego, prędzej czy później ktoś się pomyli. Zdecydowanie lepszym podejściem jest trzymanie jednego wzorca, z którego korzystają wszyscy.
Przykład wzorca dla sieci, która obsługuje subid1–subid3:
skrypt podmienia {CLICK_ID} na faktyczny ID z cookie/localStorage,
{UTM_SOURCE} i {UTM_MEDIUM} możesz brać z bieżących parametrów UTM (z pierwszej wizyty) lub z własnej logiki (np. „seo” dla ruchu organicznego),
{PLACEMENT_TYPE} pochodzi z konfiguracji strony (np. w szablonie recenzji ustawiasz wartość review, w rankingu – ranking).
Efekt: jeden spójny wzorzec, który działa na wszystkich podstronach, a trackowanie w panelu od razu niesie w sobie kontekst kampanii.
Źródło: Pexels | Autor: Negative Space
Łączenie Google Ads, Facebook Ads i innych systemów reklamowych z panelami afiliacyjnymi
Mapowanie kampanii reklamowych na dane z panelu
Po stronie panelu afiliacyjnego widzisz zwykle: datę transakcji, prowizję, ID programu, subid-y, ewentualnie podstawowe dane o zamówieniu. Po stronie Google Ads / Meta Ads – koszty, kliknięcia, konwersje liczone według własnych zasad. Klucz leży w parametrach, które możesz porównać.
Najprostszy wariant integracji:
w kampaniach reklamowych stosujesz ustandaryzowane UTM-y,
linki afiliacyjne zawsze zawierają subid1={CLICK_ID} oraz w którymś z subidów „skrócony opis” kampanii (np. subid2=ga_brand),
w panelu afiliacyjnym wyciągasz raport z konwersjami i subidami,
łącznie z raportem kosztów z Google Ads / Meta Ads zbijasz to w jednym arkuszu lub w BI (Looker Studio, Power BI), grupując po kampanii / źródle zdefiniowanym w subid / UTM.
To podejście nie jest w 100% granularne (nie mieszasz jeszcze danych kliknięcie–kliknięcie), ale już pozwala policzyć opłacalność: „kampania X w Google Ads wygenerowała Y prowizji w afiliacji”.
Click-level tracking między Ads a afiliacją
Kolejny krok to powiązanie na poziomie kliknięć. Tu przydają się automatyczne identyfikatory z Google / Meta oraz własny clickid.
Przykładowa konfiguracja w Google Ads:
włączony auto-tagging i parametr gclid,
na stronie docelowej skrypt:
odczytuje gclid z URL,
zapisuje go w cookie lub localStorage wraz z własnym clickid,
wysyła event do GA4 (np. session_start z parametrami gclid, clickid).
link afiliacyjny zawiera już tylko subid1={CLICK_ID} – reszta mapy jest po twojej stronie.
Po stronie analityki / backendu:
tworzysz tabelę (w bazie lub BigQuery), w której zapisujesz:
clickid,
gclid / fbclid / inne identyfikatory z kanałów,
kampanię, grupę reklam, słowo kluczowe (pobierane np. przy imporcie raportów z Google Ads),
timestamp kliknięcia.
z panelu afiliacyjnego importujesz raport konwersji zawierający clickid,
łączysz transakcje po clickid z tabelą kliknięć i wiesz, które pojedyncze kliknięcie w Google Ads / Meta Ads wygenerowało prowizję.
Mit: „tak zaawansowana integracja wymaga ogromnego stacku marketing automation”. W praktyce często wystarczy prosta baza (nawet arkusz w początkowej fazie), skrypt JS zapisujący identyfikatory i regularny export/import raportów.
Import konwersji z afiliacji do Google Ads
Jeśli powiążesz konwersję afiliacyjną z konkretnym gclid, możesz te zdarzenia zaimportować jako konwersje offline do Google Ads. Dzięki temu algorytmy optymalizują kampanie nie tylko na podstawie leadów czy transakcji e-commerce po twojej stronie, ale również na realny przychód z afiliacji.
Ogólny schemat:
Z panelu afiliacyjnego eksportujesz:
ID transakcji,
wartość prowizji / wartość koszyka (jeśli jest),
clickid,
czas transakcji.
W swojej tabeli mapujesz clickid → gclid.
Budujesz plik importu do Google Ads z polami:
Google Click ID (gclid),
Conversion Name (np. Affiliacja – Prowizja),
Conversion Time (czas zdarzenia),
Conversion Value (wartość przypisana konwersji, np. prowizja lub przychód),
Conversion Currency.
Importujesz dane przez interfejs lub API jako konwersje offline.
W ten sposób Google Ads uczy się, jakie kliknięcia realnie kończą się prowizją afiliacyjną. To ogromna różnica w porównaniu z optymalizacją na podstawie kliknięć w linki czy czas spędzony na stronie.
Łączenie Meta Ads z afiliacją bez pełnego importu konwersji
Meta Ads jest bardziej wrażliwa na jakość i ilość danych konwersyjnych, a import offline bywa bardziej skomplikowany. Często na start wystarczy lekkie podejście „analityczne”, bez bezpośredniego karmienia algorytmu.
Przykładowa praktyka:
w linkach reklam na Facebooku i Instagramie używasz parametru fbclid (dodawany automatycznie) oraz własnych UTM-ów,
na stronie zapisujesz fbclid razem z clickid,
z raportu afiliacyjnego importujesz transakcje i łączysz je po clickid z fbclid,
w arkuszu / BI porównujesz prowizje afiliacyjne z danymi kampanii Meta (koszty, zasięg, kliknięcia) po kampanii i ewentualnie adsecie (za pomocą UTM-ów w subidach).
To nadal „offline’owa” optymalizacja, ale już przestajesz patrzeć tylko na CTR i standardowe konwersje. Widzisz realną marżę wygenerowaną przez afiliację dla danego zestawu reklam.
Uwzględnianie innych kanałów: TikTok, kampanie display, newslettery
Jeśli standard UTM-ów jest spójny, dokładanie kolejnych kanałów to głównie praca operacyjna, a nie koncepcyjna.
TikTok Ads: ustaw utm_source=tiktok_ads, utm_medium=paid_social, a w subidach przechowuj minimum ID kampanii / adsetu. Z czasem możesz dorzucić integrację click-level po własnym clickid.
Sieci display / programmatic: utm_source=nazwa_sieci, utm_medium=display. Z subidów łatwo potem wyłuskasz placement, typ kreacji, format (baner, native).
Newslettery: utm_source=newsletter, utm_medium=email, a w subidach np. ID wysyłki i wariant tematu. Potem od razu wiesz, który mailing dowozi prowizje, a nie tylko otwarcia.
SEO w lejku afiliacyjnym – jak śledzić ruch organiczny aż do prowizji
Dlaczego ruch organiczny bywa „niewidzialny” w afiliacji
W panelu afiliacyjnym nie ma kolumny „SEO”. Jest program, kampania, subid, czasem urządzenie. Jeśli nie wprowadzisz własnej logiki, prowizje z ruchu organicznego wylądują w jednym worku z resztą kliknięć.
Typowy scenariusz: inwestujesz w content, pojawiają się recenzje, rankingi, blog. Widzisz wzrost organicznych sesji w GA4, ale w panelu afiliacyjnym przypisanie jest już kompletnie wymieszane z innymi kanałami. Bez własnego ID wizyty i sensownego nazewnictwa subidów, nie odróżnisz, które SEO działa, a które tylko generuje odsłony bez prowizji.
Mit wygląda tak: „SEO samo się policzy, bo i tak wchodzą z Google, klikają w link i w panelu wszystko będzie widać”. Rzeczywistość: bez spójnego mostu między źródłem wizyty a kliknięciem w link partnerski widzisz tylko końcowy efekt, bez kontekstu, skąd ten użytkownik się wziął.
Tagowanie ruchu organicznego własnymi UTM-ami
SEO nie ma klasycznych UTM-ów, ale nic nie stoi na przeszkodzie, żeby wprowadzić imitację UTM-ów po swojej stronie. Chodzi o to, żeby od pierwszej wizyty nadać użytkownikowi „etykietę SEO”, którą przeniesiesz do subidów w linkach afiliacyjnych.
Przykładowa logika na stronie:
jeśli sesja przychodzi z medium organic i źródła google / bing / yahoo, zapisujesz w cookie:
source=seo_google,
medium=organic,
landing_page=/ranking-kredytow (albo uproszczone ID podstrony).
jeśli sesja jest „direct”, ale to pierwsza wizyta (brak cookie) – możesz oznaczyć ją jako source=seo_unknown, jeśli podejrzewasz efekt brandu z SEO.
dla ruchu z innych kanałów (paid, social) – zostawiasz klasyczne UTM-y.
Potem, kiedy użytkownik kliknie w link afiliacyjny, skrypt układa subidy na podstawie tych wartości. Na przykład:
W panelu afiliacyjnym widać wtedy konkretne ciągi znaków w stylu seo_google_organic + ID podstrony. To już wystarcza, żeby policzyć, ile prowizji przynoszą rankingi vs recenzje z ruchu organicznego.
Mapowanie słów kluczowych SEO na prowizje
Pełne przypisanie prowizji do konkretnego słowa kluczowego jest utrudnione przez ukrywanie zapytań (not provided), ale da się zbliżyć do tego poziomu, łącząc kilka źródeł.
Praktyczna ścieżka:
W Google Search Console eksportujesz:
zapytanie (query),
adres URL strony docelowej,
kliknięcia i wyświetlenia.
W swojej analityce (GA4 / logi / baza) identyfikujesz:
liczbę kliknięć w linki afiliacyjne z danego URL,
liczbę konwersji w panelu afiliacyjnym przypisanych do tego URL (przez subid).
Łączysz dane na poziomie adresu URL, a słowa kluczowe przypisujesz „proporcjonalnie” do listy fraz, które ten URL generują w GSC.
To nie jest idealna, czysto deterministyczna atrybucja, ale już pokazuje, że np. frazy „kredyt dla firm” ściągają ruch o znacznie wyższej prowizji niż ogólne „kredyt ranking”. Dzięki temu budujesz content pod te klastery, które faktycznie zarabiają, a nie tylko generują sesje.
Mit: „SEO to long-term, nie da się go policzyć jak performance”. Rzeczywistość: nie policzysz jednego użytkownika–jedno słowo–jedna prowizja, ale jesteś w stanie ocenić rentowność całych grup fraz i typów treści, jeśli trzymasz wspólny identyfikator URL / ID podstrony między GSC, analityką i panelem afiliacyjnym.
Segmentacja treści SEO pod kątem afiliacji
Ruch organiczny nie jest jednorodny. Inaczej zachowuje się użytkownik, który wchodzi na wpis poradnikowy „jak działają karty kredytowe”, a inaczej ten, który trafia na ranking z intencją „karta kredytowa bez opłat”. Jeśli wrzucisz wszystko do jednego koszyka SEO, wyniki będą uśrednione i mało użyteczne.
Dobry punkt wyjścia to nadawanie każdej podstronie typu contentu:
review – pojedyncza recenzja produktu / usługi,
ranking – zestawienie wielu ofert,
guide – poradnik edukacyjny,
news – aktualności, zmiany regulacyjne.
Typ contentu zapisywany jest np. w danych strukturalnych w CMS-ie, a potem wyląduje w subidzie (np. subid3=ranking). W efekcie łatwo porównisz, które typy treści generują kliknięcia, a które prowizje:
poradniki mogą budować świadomość i brand, ale bez odpowiednich CTA i linków afiliacyjnych dają mało prowizji,
rankingi konwertują mocno, lecz wymagają ciągłej aktualizacji ofert,
recenzje produktów dociągają użytkowników „blisko decyzji”, świetne do testowania nowych programów afiliacyjnych.
Bez tej segmentacji w raporcie widać tylko „SEO: X zł prowizji”. Z nią możesz zdecydować, że np. na poradnikach zwiększasz widoczność boxów ofertowych, bo w tej chwili „pracują” głównie rankingi.
Śledzenie ścieżek: organic → powrót bezpośredni → klik afiliacyjny
Wiele konwersji afiliacyjnych nie dzieje się w ramach jednej sesji SEO. Użytkownik może:
wejść z Google na ranking,
poczytać, zapisać stronę lub zapamiętać nazwę,
wrócić za kilka dni bezpośrednio (direct) lub z innego kanału,
kliknąć wtedy w link partnerski i dokonać zakupu.
Jeśli zbyt szybko „nadpisujesz” źródło wizyty w cookie, konwersja przypisze się do ostatniego kanału i zniknie z SEO. Żeby tego uniknąć, stosuje się prostą hierarchię:
przy pierwszej wizycie zapisujesz źródło pierwotne (np. first_source=seo_google),
przy każdej kolejnej – możesz aktualizować source_last, ale nie ruszasz first_source,
w linkach afiliacyjnych wysyłasz w subidach zarówno first_source, jak i source_last (lub ich skondensowaną formę).
W panelu afiliacyjnym oraz w BI możesz wtedy zobaczyć, że np. 60% prowizji formalnie „zamyka się” na ruchu direct, ale w rzeczywistości 70% z nich pochodzi z pierwszej wizyty SEO. To duża różnica, jeśli masz później bronić budżetu na content przed cięciami.
Strony bez linków afiliacyjnych – jak ocenić ich wkład
Część treści SEO nie powinna mieć bezpośrednich CTA afiliacyjnych (np. z powodów regulacyjnych, wizerunkowych albo po prostu zbyt wczesnej intencji użytkownika). To nie znaczy, że nie biorą udziału w ścieżce do prowizji.
Do takich stron warto podejść jak do „asystujących” w analityce e‑commerce. Praktyczne podejście:
tagujesz stronę jako assist_only w CMS-ie,
śledzisz wewnętrzne przejścia: z jakich URL-i użytkownicy trafiają później na landing z linkiem afiliacyjnym,
w momencie kliknięcia w afiliację zapisujesz w dodatkowym polu (np. w bazie albo w subid4) assist_path – uproszczony łańcuch najważniejszych wcześniejszych URL-i lub ich ID.
Raportując prowizje, możesz policzyć „udział w ścieżkach” – ile transakcji zawierało w ścieżce daną podstronę assist. To już nie jest klasyczne last-click, ale pokazuje, że np. obszerne kompendium wiedzy o kredytach firmowych rzadko sprzedaje bezpośrednio, za to niemal połowa transakcji B2B miała je wcześniej w ścieżce.
Łączenie raportów SEO z panelem afiliacyjnym w BI
Gdy masz już zdefiniowane ID stron, typy contentu i standard nazewnictwa subidów, dalsza część to głównie robota w hurtowni / BI.
Typowe źródła danych:
GA4 lub logi serwera – sesje, użytkownicy, kliknięcia w linki afiliacyjne (z eventami),
Google Search Console – zapytania, pozycje, kliknięcia na poziomie URL,
panel afiliacyjny – transakcje, prowizje, subid1–subidX, czas konwersji, ID programu,
CMS / baza treści – typ podstrony, kategoria tematyczna, data publikacji, autor.
Najprostsza praktyka to zbudowanie tabeli „contentu SEO”:
po tym samym polu (przekazanym w subidzie) podpinasz konwersje z panelu afiliacyjnego,
w BI budujesz raport „SEO → prowizje”, gdzie możesz filtrować:
po typie contentu (ranking / review / guide),
po kategorii tematycznej,
po dacie publikacji (czy starsze treści nadal zarabiają),
po programie afiliacyjnym (które oferty najlepiej współgrają z konkretnymi treściami).
Mit: „trzeba mieć rozbudowane data lake, żeby tak raportować SEO + afiliację”. Rzeczywistość: na początku wystarczy eksporty CSV z GSC, GA4 i panelu afiliacyjnego oraz sensownie poskładany arkusz kalkulacyjny. Hurtownia i automatyzacja to tylko kolejny etap, gdy skala urośnie.
SEO brandowe vs non‑brandowe a prowizje
Szczególnie przy afiliacji w branżach finansowych czy e‑commerce ważne jest oddzielenie ruchu na frazy brandowe (z nazwą twojej strony / serwisu) od non‑brandowych (typowe „problemowe” zapytania użytkownika).
Procedura jest prosta, chociaż wymaga jednorazowego przetworzenia danych z GSC:
definiujesz zestaw słów kluczowych związanych z twoją marką (różne warianty, literówki),
w danych z GSC oznaczasz każde zapytanie jako brand / non_brand,
agregujesz kliknięcia i powiązane prowizje na poziomie URL, ale rozbijasz je na te dwie kategorie.
Efekt? Widzisz, że:
frazy brandowe często mają wyższy współczynnik konwersji (użytkownik cię zna), ale ich skalę ogranicza rozpoznawalność marki,
frazy non‑brandowe generują główny wolumen nowego ruchu, ale wymagają lepszej edukacji i mocniejszego prowadzenia do konwersji.
Bez takiego rozróżnienia łatwo dojść do fałszywego wniosku, że „SEO super konwertuje”, podczas gdy gros prowizji generuje garstka wejść na zapytania typu „twojbrand opinie”. Wtedy development treści na zapytania problemowe może zostać zignorowany, mimo że właśnie tam jest realny potencjał skalowania afiliacji.
Testowanie zmian SEO pod kątem wpływu na prowizje
Przy klasycznym SEO zwykle patrzy się na ruch, pozycje i CTR. Przy afiliacji podstawowym KPI jest prowizja (lub przychód), najlepiej w przeliczeniu na sesję / użytkownika. Trzeba więc inaczej podchodzić do testowania hipotez.
Praktyczne przykłady testów:
Zmiana układu CTA na rankingach – przesuwasz boxy z ofertami wyżej, testujesz inny układ przycisków, dodajesz więcej elementów zaufania (opinie, ratingi). Zmianę oceniasz nie po samym CTR w linki afiliacyjne, ale po prowizyjności na 1000 sesji organicznych na danej podstronie.
Dodanie sekcji FAQ / poradnika na dole rankingów – celem jest zmniejszenie odsetka użytkowników, którzy wracają do wyników Google, bo nadal mają pytania. Sprawdzasz, czy po tej zmianie rośnie liczba kliknięć w afiliację i prowizja z tej podstrony, przy zbliżonym poziomie ruchu.
Przeprojektowanie recenzji – np. dodanie tabeli plusów/minusów, sekcji „dla kogo jest ta oferta”, zrzuty ekranu panelu. Ocena również na bazie prowizji na sesję, a nie tylko czasu na stronie.
