Jak s AI číst reporty e-shopu

Co má dělat tabulka a co má dělat AI

Rozdělte práci do tří kroků: zdrojový systém poskytne data, tabulka nebo výpočetní nástroj spočítá metriky a asistent pomůže výsledky vysvětlit. Pokud tyto kroky sloučíte do pokynu „zhodnoť, jak se daří e-shopu“, nemusíte poznat, zda je chyba už v exportu, ve vzorci, nebo až v interpretaci.

První užitečná úloha není velká predikce obratu. Je to například: „Porovnej dvě uzavřená týdenní období podle stejných definic. U každého zjištění ukaž hodnotu, vzorec a omezení. Navrhni tři ověřovací kroky.“ Takový úkol má jasný rozsah a lze jej ručně zkontrolovat.

ChatGPT dokumentuje práci s tabulkami a při některých úlohách výpočty pomocí Pythonu; doporučuje přehledné sloupce a kontrolu metodiky. Claude popisuje výpočetní nástroje a souborové výstupy, Gemini analýzu tabulek a grafy. Dostupnost ověřte v konkrétním účtu. Vygenerovaný komentář sám nedokazuje použití výpočetního nástroje. Viz analýza dat v ChatGPT, práce se soubory v Claude a analýza souborů v Gemini.

Nejdřív se domluvte, co jednotlivá čísla znamenají

V GA4 mají různé uživatelské metriky odlišné definice a relace představuje časový úsek interakce. Nákupní metriky se navíc liší od metrik počtu kusů: jedna objednávka se třemi hrnky není totéž jako tři nákupy. Oficiální vysvětlení najdete u uživatelských metrik, relací a e-commerce metrik.

U jiného analytického nástroje nemusí být definice stejné. Měření bez dlouhodobého identifikátoru může například počítat unikátnost v jiném rozsahu než GA4. Proto nepřepisujte názvy sloupců na „lidé“ a nesrovnávejte dva systémy jen podle podobně pojmenovaného čísla.

Za celé období nepřičítejte denní unikátní uživatele, pokud potřebujete unikátní uživatele za týden. Stejný zákazník může přijít v pondělí i v úterý. Součet denních hodnot jej může započítat dvakrát. Potřebný údaj si nechte vypočítat zdrojovým systémem pro celý interval.

Připravte export, který se dá skutečně analyzovat

1. Vyberte jednu otázku. Například „Proč se změnil celkový podíl reklamních nákladů?“ nebo „Které produktové kategorie ztratily objednávky?“
2. Určete hlavní zdroj pravdy. Objednávky a tržby ověřujte proti administraci či účetnímu exportu. Analytika slouží k chování a návštěvám; reklamní systém k výdajům a vlastní atribuci.
3. Sjednoťte období. Pro týden použijte pondělí až neděli proti předchozímu pondělí až neděli. Zapište časové pásmo a okamžik exportu.
4. Popište jednotky. Částky v Kč, s DPH nebo bez DPH, datum objednávky či platby, doprava zahrnuta či vyloučena.
5. Odstraňte nepotřebné osobní údaje. Pro týdenní přehled nepotřebujete jméno, telefon, přesnou adresu ani obsah zákaznické poznámky. Obvykle postačí agregace po dnech, kanálech nebo kategoriích.
6. Zvolte jeden záznam na řádek. Každý řádek musí mít stejnou úroveň detailu. Nevkládejte do stejného listu denní souhrny a jednotlivé objednávkové položky.
7. Zkontrolujte formát. CSV ukládejte s jednoznačným oddělovačem a kódováním UTF-8. Nepoužívejte mezery jako oddělovače tisíců ve vstupních číslech, pokud import neumí jejich zpracování.
8. Ponechte originál. Pracujte s kopií exportu. Zaznamenejte filtry a pravidla úprav, aby šel výsledek znovu vytvořit.

Prázdná hodnota není nula. Prázdný náklad může znamenat chybějící export reklamní platformy; nula může znamenat potvrzenou nulovou útratu. Když tyto stavy sjednotíte, vznikne falešně výborný výsledek kampaně. Totéž platí pro nedostupnou atribuci: „nepřiřazeno“ není automaticky přímá návštěva.

METODIKA K EXPORTU:
Časové pásmo: Europe/Prague
Interval: včetně prvního i posledního dne
Měna: CZK
Částky: bez DPH
Tržby: zboží po slevách, bez dopravy
Objednávky: potvrzené nestornované, počítané podle data vytvoření
Vratky: připsané původním objednávkám, stejné sledovací okno
Návštěvy: ze stejného analytického systému pro obě období
Kanály: definovaná pravidla přiřazení; nepřiřazené ponechat zvlášť
Exportováno: doplňte datum a čas
Známá omezení: doplňte výpadky, změny měření a neúplná data

Vzorce, které si musíte umět přepočítat

Souhrnný poměr vždy počítejte ze součtů čitatelů a jmenovatelů. Neprůměrujte prostě denní PNO ani konverzní poměry kanálů. Den s jednou objednávkou nemá mít v celkovém výsledku stejnou váhu jako den se stovkou objednávek.

Pokud potřebný jmenovatel není kladný, nevytvářejte zdánlivě přesné číslo. Nulová tržba při kladném nákladu znamená, že PNO tímto vzorcem nelze vyčíslit jako konečné procento. Záporná čistá tržba po vratkách také vyžaduje samostatné vysvětlení. Chybové pole „nelze vypočítat“ je užitečnější než nahrazení nuly jedničkou.

Příklad 1: tržby rostou, ale efektivita se nemění

Fiktivní obchod porovnává 28. 9.–4. 10. 2026 a 5.–11. 10. 2026. Obě období obsahují celý týden. Pro názornost jsou všechny objednávky přiřazené právě jednomu kanálu podle stejného modelového pravidla. Vratky sledujeme do 14 dní od každé objednávky, tedy stejně dlouho v obou skupinách. Data tak nejsou odhadem právě probíhajícího týdne.

Částky jsou bez DPH, po slevách a bez dopravy. Tržba před vratkami odpovídá potvrzeným nestornovaným objednávkám. Vrácené peníze připisujeme původní objednávce; počet objednávek tím dodatečně nemažeme. Návštěvy mají v obou týdnech stejnou definici.

obdobi;kanal;navstevy;objednavky;trzby_pred_vratkami;vratky;reklama
predchozi;organik;3200;64;80000;3200;0
predchozi;placene;3000;72;100000;4000;38400
predchozi;prime;1800;24;20000;800;0
aktualni;organik;4000;70;70000;3000;0
aktualni;placene;3600;100;150000;6000;48000
aktualni;prime;2400;30;30000;1000;0

Doložené zjištění: obchod v modelových datech zvýšil objem návštěv, objednávek a tržeb o čtvrtinu. Celkový poměr objednávek vůči návštěvám ani průměr objednávky se nezměnil. Náklad na reklamu rostl stejně rychle jako tržby po vratkách.

Co z toho neplyne: nemáme důkaz, že obchod zvýšil zisk o 25 %. Neznáme nákupní ceny, skladbu marže, práci, platební poplatky ani ostatní náklady. Neprokázali jsme ani to, že celý růst způsobila reklama. To je otázka pro další analýzu nebo vhodně navržený experiment.

Detail kanálu může vyprávět jiný příběh než celek

Placený kanál měl dříve tržby po vratkách 100 000 − 4 000 = 96 000 Kč, nyní 150 000 − 6 000 = 144 000 Kč. Jeho PNO tedy kleslo z 38 400 / 96 000 × 100 = 40 % na 48 000 / 144 000 × 100 = 33,33 %. Poměr objednávek vůči návštěvám vzrostl z 2,40 % na přibližně 2,78 %.

Organik však zvýšil návštěvy z 3 200 na 4 000, zatímco tržby před vratkami klesly z 80 000 na 70 000 Kč. To je dobrý důvod prověřit vstupní stránky, dostupnost zboží a skladbu produktů. Není to důkaz, že „SEO přivádí nekvalitní lidi“. Samotná tabulka nevysvětluje příčinu změny.

Jak první příklad přepočítat v tabulce

1. Vložte CSV do Excelu, Google Sheets nebo jiného tabulkového editoru. Při importu nastavte středník jako oddělovač.
2. Ověřte šest datových řádků a sedm původních sloupců. Částky mají být čísla, ne text.
3. Do H1 napište „trzby_po_vratkach“, do H2 vzorec =E2-F2 a zkopírujte jej do H7.
4. Do I1 napište „objednavky_na_navstevu“, do I2 =D2/C2 a zkopírujte jej dolů. Buňky zobrazte jako procenta.
5. Pro předchozí týden sečtěte řádky 2 až 4, pro aktuální 5 až 7. V běžném editoru použijte funkci součtu; podle jazyka například SUM nebo SUMA.
6. Souhrnný poměr objednávek spočtěte jako součet D dělený součtem C. Nepoužívejte průměr sloupce I.
7. Poměr reklamních nákladů spočtěte jako součet G dělený součtem H. Nezaměňte H s původními tržbami E.
8. Výsledky porovnejte s kontrolní tabulkou výše. Vzorce zaokrouhlujte až pro zobrazení, nikoli při každém mezikroku.

Pro neznámý export doplňte před dělení kontrolu jmenovatele. Názvy funkcí i oddělovače parametrů se mohou lišit podle jazykového nastavení. Důležitá je logika: pokud je návštěvnost nulová nebo chybí, podíl nepočítejte a označte důvod.

Příklad 2: celkový poměr klesl, kanály se nezhoršily

V druhém smyšleném příkladu se mění pouze skladba návštěvnosti. Organik má v obou obdobích 4% podíl objednávek vůči návštěvám, placený kanál 1%. Přesto celkové číslo výrazně klesne.

Celkem dříve: 37 / 1 000 × 100 = 3,7 %. Celkem nyní: 13 / 1 000 × 100 = 1,3 %. Pokles představuje 2,4 procentního bodu, relativně přibližně 64,86 %. Žádný z uvedených kanálových poměrů se přitom nezměnil. Změnily se váhy: většinu návštěv nyní tvoří kanál s nižším poměrem.

Pokyn „přepiš popisy, protože web hůř prodává“ by z těchto dat nebyl podložený. Nejprve byste prověřili změnu mixu, cílení a obchodní hodnotu návštěv. Bez tržeb, marže a nákladů nelze ani prohlásit, že placený kanál je nevýhodný. Vyšší průměrná objednávka by mohla část rozdílu vyrovnat.

Při každé změně celku se proto podívejte alespoň na rozpad podle kanálu, zařízení a významných kategorií, pokud pro něj máte dostatečná data. Rozpad však nepoužívejte k lovení náhodných odchylek v desítkách miniaturních skupin.

Zadání pro AI ve dvou oddělených průchodech

První průchod řeší kvalitu dat. Komentář k výkonu povolte až po vyřešení chyb, které mohou změnit hlavní závěr.

Jsi pomocník při kontrole reportu e-shopu.
Pracuj pouze s přiloženým exportem a přiloženou metodikou.
Nezapisuj do zdrojových systémů.

PRVNÍ PRŮCHOD — KONTROLA:
1. Vypiš soubory, listy, sloupce a počet datových řádků.
2. Popiš úroveň jednoho řádku a jednotky.
3. Ověř úplnost období, formát čísel, prázdné hodnoty,
   duplicity a soulad součtů.
4. Upozorni na nesrovnatelné definice a chybějící metodiku.
5. U každé chyby ukaž konkrétní řádek nebo sloupec.
6. Nerozpoznané údaje označ jako neznámé.
Zatím nehodnoť výkon a nevymýšlej vysvětlení změn.

DRUHÝ PRŮCHOD — VÝPOČTY A KOMENTÁŘ:
Použij schválenou metodiku a opravená data.
Vypočti součty a poměry podle výslovně uvedených vzorců.
Použij výpočetní nástroj, pokud je dostupný; ukaž postup.
Neprůměruj procenta řádků. U nulových jmenovatelů
vrať „nelze vypočítat“ s důvodem.

VÝSTUP:
A. Kontrolní součty a výpočetní postup.
B. Srovnávací tabulka celku a kanálů.
C. Nejvýše pět zjištění; ke každému hodnoty a zdroj.
D. Hypotézy, jasně oddělené od zjištění.
E. Pro každou hypotézu konkrétní ověřovací krok.
F. Co kvůli omezením dat nelze rozhodnout.

Nespojuj změnu s konkrétní příčinou bez dalšího důkazu.
Nedoporučuj změnu cen ani rozpočtů jako automatickou akci.
Nevydávej tržbu za zisk.

Po odpovědi namátkově zkontrolujte nejen největší, ale i nulový a neobvyklý řádek. Požádejte asistenta o výpočet jedné hodnoty přímo z původních buněk. Pokud nedokáže dohledat vstupy, berte komentář jako neověřený návrh.

Proč se reklamní systém, analytika a objednávky rozcházejí

Atribuce rozděluje zásluhu mezi kontakty na cestě zákazníka. Návštěva z organiku může následovat po reklamě a objednávka vzniknout až při dalším návratu. GA4 rozlišuje uživatelské, relační a událostní dimenze; nastavení modelu neovlivňuje všechny stejným způsobem. Podrobnosti popisují principy atribuce a nastavení atribučního modelu.

Nesčítejte konverzní hodnoty vykázané různými reklamními platformami a nenazývejte součet tržbou obchodu. Více platforem může přisuzovat zásluhu stejné objednávce. Pro celkové obchodní číslo použijte deduplikované objednávky; pro hodnocení platformy uveďte její vlastní model a omezení.

Čerstvá data se mohou doplňovat. Google Ads popisuje zpoždění mezi interakcí s reklamou a následnou konverzí. Včerejší ROAS či PNO proto nemusí být konečné. Viz conversion lag reporting. První report označte časem exportu a při rozhodování zohledněte typické zpoždění ve vlastním účtu.

Rozdíl může vzniknout také kvůli souhlasům, blokování měření, jinému časovému pásmu nebo chybně poslanému nákupu. Některé přehledy GA4 mohou kvůli ochraně soukromí omezit zobrazení dat; dokumentace vysvětluje datové prahy. Chybějící řádek proto automaticky nevykládejte jako nulový výkon.

Od zjištění k rozumnému dalšímu kroku

U malé návštěvnosti pracujte s absolutními počty. Z jedné objednávky na dvě je růst o 100 %, ale sám o sobě neprokazuje stabilní trend. Před zásahem s větším dopadem zvažte delší období, sezónnost a to, zda kontrolovaná skupina nevznikla až po prohlédnutí výsledků.

Dobré závěrečné shrnutí má obsahovat období, stav dat, několik doložených změn, hlavní omezení a odpovědného člověka pro další ověření. Nemusí obsahovat deset doporučení. Jedno dobře podložené prověření nedostupných produktů může být cennější než dlouhý seznam obecných marketingových rad.

Pravidelný report automatizujte až poté, co ručně projde kontrolou zdrojů a výpočtů. Při chybějícím exportu má proces oznámit neúplná data, ne vytvořit sebejistý komentář z poloviny tabulky. Pravidla práce s podklady navazují na návod Co z e-shopu smíte vložit do AI.

Zdroje a rozsah ověření

1. OpenAI: Data analysis with ChatGPT — struktura dat a kontrola výpočtů.
2. Anthropic: Create and edit files with Claude — výpočetní a souborové funkce.
3. Google: Upload & analyze files in Gemini Apps — tabulkové vstupy a grafy.
4. Google Analytics: Understand user metrics — definice uživatelských metrik.
5. Google Analytics: About Analytics sessions — relace a jejich přiřazení.
6. Google Analytics: About ecommerce metrics — nákupy a položkové metriky.
7. Google Analytics: How to attribute credit for key events — princip atribuce.
8. Google Analytics: Select attribution settings — modely, rozsah metrik a atribuční okna.
9. Google Ads: About conversion lag reporting — doplňování konverzí.
10. Google Analytics: About data thresholds — omezení některých přehledů kvůli ochraně soukromí.

Zdroje ověřeny 31. 10. 2026. Výpočetní příklady, CSV, postup kontroly a zadání jsou vlastní redakční metodika. Všechny použité obchodní hodnoty jsou smyšlené a slouží k výuce; nejde o výsledky konkrétního e-shopu. Funkce aplikací závisejí na účtu, tarifu a dostupných nástrojích.