DG Ads Connector: AI-elemzés kézi jóváhagyással
Elkészítettem a saját Google Ads Connectoromat. A DG Ads Connector egy közvetítő rendszer a Google Ads-fiókok és az elemzéshez használt mesterséges intelligencia között. Abban segít, hogy részletesebben tudjam átnézni a kampányadatokat, és több idő jusson azokra a szakmai kérdésekre, amelyek egy vállalkozás eredményét befolyásolják. A kampányokat érintő döntésekhez továbbra is az én jóváhagyásom szükséges.
Juhú! Ezzel a fejlesztéssel régóta foglalkoztató problémára keresek megoldást: hogyan kaphat egy kisebb hirdető is alapos elemzést úgy, hogy a ráfordított munka és a szolgáltatás költsége arányban maradjon a vállalkozás lehetőségeivel?
Mit jelenthet ez a mikrovállalkozásoknak?
Vegyünk egy szemléltető helyzetet. Egy vállalkozó havonta 90 000 forintot költ hirdetésre, és ehhez százezer forint feletti havi kezelési díjat kellene kigazdálkodnia. Ilyenkor érthető, hogy elkezd számolni. Mekkora bevételt kell termelnie a kampánynak? Mennyi marad ebből a költségek után? Elbírja-e a vállalkozás a teljes ráfordítást? Ezek indokolt üzleti kérdések.
Ez a példa a fejlesztés gazdasági célját mutatja; a szolgáltatás aktuális feltételei a cikk végén hivatkozott termékoldalon találhatók. A fejlesztési célom az, hogy az ismétlődő adatfeldolgozás hatékonyabbá váljon, és így kisebb költségkeret mellett is több figyelem juthasson az érdemi elemzésre. Ehhez a technológia mellett jól kialakított munkafolyamat is kell.
Egy kisebb fiókban ugyanúgy előfordulhat félreérthető ajánlat, pontatlan célzás vagy rosszul mért érdeklődés. Ezek jelentőségét a vállalkozás működéséhez kell mérni. Egy helyi szolgáltatónál már néhány megfelelő érdeklődő is számíthat, miközben a kis adatmennyiség miatt különösen óvatosan kell következtetni.
Milyen kérdésekben segít a részletesebb elemzés?
A kulcsszavak, a keresési kifejezések és a kattintási költségek együtt sokkal több kérdést vetnek fel, mint egy havi összesítés. A kulcsszó a kampány célzásának egyik eleme, a keresési kifejezés pedig az, amit a felhasználó ténylegesen beírt. A kettő kapcsolatából jobban megérthető, milyen igényre jelent meg a hirdetés.
A Google keresőkifejezés-jelentésének leírása szerint egyes, kevés lekérdezéssel rendelkező kifejezések adatvédelmi okból kimaradhatnak a jelentésből. Az elemzés az elérhető adatokra épül; a Connector sem teszi láthatóvá azt, amit a Google nem ad át.
Az átnézés során például ezekre keresek választ:
- Mely keresések utalnak tényleges vásárlási vagy ajánlatkérési szándékra?
- Hol jelenik meg olyan igény, amelyre a vállalkozás nem kínál megoldást?
- A kattintás ára hogyan viszonyul az érdeklődések minőségéhez és a szolgáltatás üzleti értékéhez?
- Mely megfigyelés indokol beavatkozást, és hol kell még adatot gyűjteni?
Szemléltető példa: egy gravírozó számára eltérő igényt jelezhet a „gravírozás a közelben”, a „gravírozógép vásárlás” és az „otthoni gravírozás”. Először azt kell tisztázni, mit vállal a cég, kinek dolgozik, és mely szolgáltatásait szeretné hirdetni. A keresés értékét ebből a helyzetből lehet megítélni. Egyetlen szó alapján meghozott kizárási döntés értékes érdeklődést is eltávolíthat.
A kattintásonkénti költség, röviden CPC, önmagában kevés a siker megítéléséhez. Az olcsó kattintásból lehet használhatatlan megkeresés, a drágábból megfelelő megrendelés. A teljes értékeléshez a mérés minőségét és a vállalkozó visszajelzését is figyelembe kell venni.
A jóváhagyás és a felelősség nálam marad
Az AI által készített elemzést szakmai javaslatként kezelem. Ellenőrizni kell, milyen időszakból származnak az adatok, elegendő-e a megfigyelések száma, és van-e olyan üzleti körülmény, amelyet a rendszer nem ismer. Egy átmeneti kapacitáshiány, egy megváltozott szolgáltatás vagy egy hibás mérés teljesen más megvilágításba helyezheti a számokat.
A működési elvem szerint a kampánymódosításokat kézzel hagyom jóvá. A beavatkozás előtt értenem kell, mi változna, miért javasolt a változtatás, és milyen következményt érdemes utána figyelni. Az AI magabiztos megfogalmazása ehhez kevés. A döntésért szakmailag nekem kell felelősséget vállalnom.
A cikkhez mellékelt képernyőkép a DG Ads Connect v1.6.0 egyik tesztállapotát mutatja, a 2026. október 12–25. közötti időszak kiválasztásával. Ezen a felületen olvasási üzemmód látható: az új tervezetek készítése és a Google Ads-módosítások le vannak tiltva. A kép egy adott tesztállapotot dokumentál; a jóváhagyáshoz kötött működést és a későbbi fejlesztési terveket ettől külön kell értelmezni.
Az ügyféladatok kezelése szakmai felelősség
A kampányadatok üzleti értéket képviselnek. A keresések, a költések és a mért eredmények együtt sokat elárulhatnak arról, milyen igényre, milyen ajánlattal és milyen hatékonysággal dolgozik egy vállalkozás. Szakmai hibának tartom, ha valaki egy új AI-szolgáltatás kipróbálásakor átugorja az adatkezelési kérdéseket.
Jelenleg külső AI-rendszerek segítik az adatok feldolgozását. Ezért külön kell megvizsgálni, milyen adat kerül át egy szolgáltatáshoz, milyen jogosultsággal érhető el, meddig őrzik meg, és milyen célra használhatják. A kampánymódosítás kézi jóváhagyása az egyik ellenőrzési pont. Az adatok továbbításának és megőrzésének szabályai külön figyelmet igényelnek.
A szolgáltatók feltételei is eltérnek. Az OpenAI üzleti adatkezelési tájékoztatója az üzleti termékeknél és az API-nál alapértelmezés szerint kizárja az ügyféladatok modelltréningre használatát. Az Anthropic kereskedelmi szolgáltatásokra vonatkozó leírása szintén ezt az alapbeállítást közli, külön kitérve az engedélyezett adatmegosztás és visszajelzés eseteire. A tréningre történő felhasználás, a tárolás és a hozzáférés három külön kérdés.
Egy AI-kapcsolat létrejöttéből ezért nem lehet azt a következtetést levonni, hogy egy konkurens rögtön hozzáfér az ügyfél belső számaihoz. Az óvatosságom ettől még határozott: az ügyfél üzleti érdekeit minden új kapcsolat kialakításakor mérlegelni kell.
Tudatos tesztelés, később helyben futó AI
A tesztelést tudatosan kiválasztott partnereknél végzem. Elsősorban olyan helyi szolgáltatásokkal foglalkozom, mint az autószerelés, az éttermi működés vagy a gravírozás. A kiválasztásnál az adott vállalkozás piacát és adatainak versenyérzékenységét is figyelembe veszem. A helyi működés önmagában semmit nem mond a verseny erősségéről; két azonos városban dolgozó szolgáltató között is lehet komoly üzleti érdekellentét.
A következő fejlesztési irányom egy saját környezetben, helyben futó AI-modell használata. Azt szeretném, hogy az adatfeldolgozás minél nagyobb részét saját ellenőrzésem alatt tartsam. Ez jelenleg terv, ezért a kész rendszer képességei közé még nem sorolom.
A helyi működéshez is meg kell oldani a hozzáférések, a naplók és a mentések kezelését. Emellett az elemzés szakmai minőségét ugyanúgy ellenőrizni kell. Egy helyben futó modell is tévedhet, félreérthet egy oszlopot vagy túl erős következtetést vonhat le kevés adatból. Az eszköz kiválasztásánál a magyar szövegalkotás, a számok következetes kezelése és az ellenőrizhetőség egyaránt szempont lesz.
Milyen részletes információt várunk már az AI-tól?
Egy vállalkozó egészen konkrét üzleti kérdésekkel fordulhat az AI-hoz. A következő mintakérdés jól megmutatja, milyen részletességet érdemes elvárni egy piackutatástól:
„Szeretnék saját webáruházat indítani Magyarországon, de még nem tudom, milyen termékeket lenne érdemes árulnom. Konkrét termékeket, keresési kifejezéseket, versenytársakat és számszerű adatokat szeretnék. Dolgozz nyilvános, ellenőrizhető forrásokból. Minden számszerű adatnál add meg a forrást és az adat időpontját. Különítsd el a mért adatot, a becslést és a saját következtetésedet. Ha valamihez nincs megbízható adatod, jelezd a hiányt.”
Egy részletes válasz származhat nyilvános termékoldalakból, statisztikákból és egyéb hozzáférhető forrásokból is. A válasz részletessége önmagában nem bizonyítja, hogy valaki bizalmas kampányadatait használta fel a rendszer. A versenytárs belső költését, megtérülését vagy árrését csak ellenőrizhető alap mellett szabad tényként közölni. A pontosnak látszó, forrás nélküli szám ugyanúgy lehet téves, mint egy rosszul értelmezett jelentés.
A saját Connectoromnál is ezt a szemléletet követem: az elemzés értékét a visszaellenőrizhető megállapítás és a használható következő lépés adja. A célom, hogy minél kevesebb fontos összefüggés maradjon észrevétlenül, és az ellenőrzésre fordított idő valódi szakmai munkát szolgáljon.
Négy kérdés a saját kampányodhoz
Gondold végig az alábbiakat. Minden válasznál azt nézd meg, milyen konkrét információval tudod alátámasztani az igent.
- Meg tudod mondani, mely érdeklődésekből lett tényleges megrendelés? Ha ez hiányzik, először az érdeklődők követését és a kampányhoz kapcsolható visszajelzést rendezd.
- Tudod, mely keresési szándékokat szeretnéd kiszolgálni, és melyeket nem? Ha bizonytalan vagy, pontosítsd a hirdetett szolgáltatást és az elvállalható feladatokat.
- Ismered a fiókhoz és az elemzési adatokhoz hozzáférő külső rendszereket? Ha nincs erről áttekintésed, kérj hozzáférési és adatkezelési összefoglalót a kezelőtől.
- Egyértelmű, ki hagyja jóvá a módosításokat, és hogyan követitek azok hatását? Ha ez tisztázatlan, rögzítsétek a döntés és az utólagos ellenőrzés menetét.
Négy alátámasztható igen mellett megvannak a kiinduló információk egy érdemi elemzéshez. A hiányzó válaszok konkrét előkészítő feladatokat jelölnek; több hiány esetén a mérés rendezésével érdemes kezdeni. Ez a rövid önellenőrzés a felkészülést segíti, kampányeredményt vagy adatbiztonságot nem minősít.
Ha szeretnéd átbeszélni, milyen elemzés és hirdetéskezelés indokolt a vállalkozásodnál, nézd meg a Google Ads-hirdetéskezelés kisvállalkozásoknak szolgáltatásomat. Az egyeztetéshez írd meg, mit értékesítesz, hol dolgozol, mekkora kerettel hirdetsz, és jelenleg hogyan követed az érdeklődéseket. Ezekből lehet felelősen eldönteni, mivel érdemes kezdenünk.
Szerző: Dajka Gábor, marketingszakértő és marketingmenedzser, business coach, befektető. A cikk 2026. október 27-én készült; a fejlesztési terveket és a hivatkozott szolgáltatói feltételeket erre az időpontra vonatkozóan mutatja be.
