Jeśli jesteś performance marketerem i to czytasz, namawiam Cię do jednego:
Podłącz Claude Code do API swojej platformy reklamowej. I po prostu się pobaw.
Jestem w performance marketingu od 2006 roku. Zarządzałam kampaniami klientów, budowałam zespoły performance in-house. Widziałam dużo narzędzi i automatyzacji. Kiedy zainstalowałam Claude Code i podłączyłam go do Google Ads API — opadła mi szczęka.
W lutym, w ciągu 3 tygodni zbudowałam z Claude Code pięć narzędzi. Fundamentalnie zmieniły sposób, w jaki pracuję z klientami. Narzędzia, których używam codziennie, na prawdziwych kontach, z prawdziwymi budżetami.
Oto każde z nich — co robi, jak je zbudowałam i co poszło nie tak.
1. Audyt Google Ads dla nowego klienta
Sytuacja: Miałam nowego klienta e-commerce. Po naszym pierwszym callu umówiliśmy się na audyt konta. Miałam przejrzeć konto reklamowe i opisać, co można zrobić, żeby poprawić efektywność kampanii. Potrzebowałam więc pełnego audytu — przegląd wyników, rozbicie przychodów, porównanie rynków, wzorce sezonowości. Ten typ analizy, który normalnie oznacza pół dnia w interfejsie Google Ads — klikanie po raportach, eksportowanie CSV-ek, budowanie tabel przestawnych.
Co zrobiłam: Podłączyłam Claude Code do Google Ads API i kazałam wyciągnąć dane z ostatniego roku. To, co mnie od razu zaskoczyło, to jak łatwo było wyciągnąć dane o przychodach — mimo że na koncie było kilkadziesiąt różnych akcji konwersji z różnymi wartościami. Normalnie spędziłabym sporo czasu na samym ustalaniu, które konwersje i wartości konwersji sumować i ustawianiu dobrej tabeli przestawnej. Claude zmapował je wszystkie, wyciągnął liczby, a kiedy sprawdziłam sumy kontrolne z dashboardem Google Ads — wszystko się spinało. Żeby dostać różne widoki 14-dniowe, 30-dniowe, 90-dniowe czy nawet roczne, wystarczyło poprosić.
Sezonowość i rozbicie na rynki: Tu zrobiło się naprawdę imponująco. Poprosiłam o ROAS per kraj. Problem polega na tym, że kampanie pojawiają się i znikają w ciągu roku — niektóre rynki miały 15+ kampanii, które były tworzone, pauzowane, zastępowane. Ręcznie musiałabym zagregować wszystkie kampanie per rynek przez cały rok, co jest żmudne i podatne na błędy. Claude zrobił to natychmiast. Od razu pokazał, które rynki były powyżej średniego ROAS (warte skalowania), a które poniżej (warte optymalizacji). Po tym analiza sezonowości była prosta — wyraźne wzorce, których zwizualizowanie zajęłoby mi sporo czasu.
Prezentacja: Wygenerowałam deck w Google Slides z wynikami. Nie będę kłamać — musiałam dość sporo promptować, żeby slajdy wyglądały przyzwoicie. Programatyczne formatowanie Google Slides jest bolesne niezależnie od narzędzia. Ale po kilku rundach miałam prezentację, którą mogłam przejść na callu z klientem.
Zaoszczędzony czas: To, co zajęłoby cały dzień pracy, zamknęło się w około 2-3 godziny, z czego większość poświęciłam na przegląd wyników i dopracowanie prezentacji. Nie mówiąc o zaoszczędzonej energii — mogłam skupić się na strategii zamiast walczyć z raportami i podziałem danych.
2. Audyt Meta Ads z zabezpieczeniami statystycznymi
Problem: To samo co powyżej, ale dla Meta. Z dodatkowym utrudnieniem — klient nie mógł mi dać odpowiedniego poziomu dostępu do Meta Ads API. Nie mogłam więc od razu wyciągnąć danych. Śpieszyliśmy się z audytem, więc potrzebowałam, żeby Claude Code sterował przeglądarką.
Co zbudowałam: System łączący automatyzację Chrome DevTools (przez protokół MCP) z Meta Graph API, który dał mi dostęp na poziomie użytkownika — problem rozwiązany. Potem wyciągnął dane o kampaniach, wynikach kreacji, insightach z grup odbiorców i wygenerował raport HTML (chciałam przetestować inne podejście niż Google Slides).
Błąd, który uczynił narzędzie lepszym: Claude przeanalizował reklamy karuzelowe i pewnie zadeklarował niektóre kreacje jako „top performers”. Analiza wyglądała solidnie — dane były poprawne, wnioski kompletnie błędne.
Potem sprawdziłam liczby. Niektóre „top performers” miały próbkę jednej konwersji. Claude obliczył procenty i wyciągnął wnioski ze statystycznie bezsensownych danych.
Porozmawialiśmy o istotności statystycznej i analizie danych kampanii. Zbudowałam zabezpieczenia. System teraz sprawdza wielkość próbki przed wyciąganiem wniosków o wynikach. Segmenty z małą próbką są flagowane, nie analizowane. Udokumentowałam to w pliku lessons-learned, który Claude czyta przed każdą analizą.
Wniosek: To prawdopodobnie najważniejsza rzecz, o której warto ciągle pamiętać: Claude Code jest niezwykle zdolny, ale nie wie, czego nie wie. Jeśli nie rozumiesz istotności statystycznej, nie złapiesz tego, gdy Claude jej nie sprawdzi. Twoja wiedza domenowa nie jest opcjonalna — pracujesz w tandemie z AI i budujesz rozwiązania, które możesz wykorzystać w przyszłych projektach.
3. CLI do zarządzania kampaniami z regułami bezpieczeństwa
Problem: Czasem muszę zrobić masowe zmiany w kampaniach — dodać sitelinki, zmienić teksty reklam, zmienić strategie stawek, zapauzować słabe kampanie, żeby wymienić kilka. Panel webowy Google Ads jest lepszy niż Meta Ads, ale to wciąż powolny i nudny proces. Pomyślisz — Google Ads Editor? Lepszy, ale wciąż manualny. Zróbmy to tak, jak przystało na 2026 rok.
Co zbudowałam: Narzędzie linii komend, które łączy się z Google Ads API i może tworzyć, modyfikować i monitorować kampanie bezpośrednio z terminala.
Dlaczego mnie to przestraszyło: To narzędzie robi prawdziwe zmiany na prawdziwych kampaniach z prawdziwymi budżetami klientów. Więc zbudowałam reguły bezpieczeństwa:
-
CRITICAL (zmiany w kampaniach, które są kluczowymi performerami): zestaw reguł dla kampanii, które są top performerami, top spenderami. Zmiany w tych kampaniach wymagają jawnego potwierdzenia + uzasadnienia. Aplikacja pyta, czy jestem pewna zmian i podaje mi kontekst danych.
-
HIGH (zmiany strategii stawek): wymaga potwierdzenia i podaje kontekst, np. jeśli tROAS jest obniżany o więcej niż 20% lub jeśli były niedawne zmiany.
-
MEDIUM (reklamy, modyfikacje grup reklam): logowane z ostrzeżeniem i sprawdzeniem, czy są aktywne elementy w grupie reklam lub asset group, żeby dalej działały.
Narzędzie śledzi też progi wydatków i nie pozwoli przypadkowo pomnożyć budżetu przez 10. Waliduje nazwy śledzenia konwersji przed zastosowaniem strategii target ROAS. Oto fragment moich protokołów bezpieczeństwa w tej aplikacji:
Co mnie zaskoczyło: Budowanie reguł bezpieczeństwa było łatwą częścią. Claude od razu zrozumiał koncept i zaimplementował klasyfikację ryzyka. Trudna część to było zdefiniowanie, co powinno być critical vs. high vs. medium — to czysta wiedza domenowa, którą musiałam jawnie określić.
Wniosek: Traktuj AI jak juniora albo stażystę. Zadawaj pytania, na które już znasz odpowiedź. Przewiduj typowe błędy początkującego, tak jak zrobiłabyś to z człowiekiem. Buduj na nich wnioski.
4. Platforma analizy danych wielu klientów
Problem: Zarządzam kampaniami dla wielu klientów na wielu rynkach. Jeden klient sam sprzedaje w 6 krajach europejskich. Tygodniowa analiza oznacza wyciąganie danych dla każdego rynku, porównywanie trendów, identyfikowanie luk, generowanie raportów. Pół dnia, co tydzień.
Co zbudowałam: Ustrukturyzowany system analizy z workspace’ami per klient. Każdy klient ma dedykowane fetchery danych, skrypty analityczne i generatory prezentacji. Jest wspólna warstwa metodologiczna — ustandaryzowane metryki, konwencje raportowania, frameworki testów A/B — żeby analiza była spójna pomiędzy klientami.
Jak to działa w praktyce: Odpalam skrypt przed poranną kawą. Wyciąga świeże dane dla wszystkich rynków, odpala analizę porównawczą, flaguje anomalie i generuje raport, który mogę przejrzeć w 15 minut. Jeśli coś wymaga uwagi, zagłębiam się. Znowu — ufaj, ale weryfikuj samodzielnie.
Prawdziwa wartość: Nie chodzi o czas zaoszczędzony na jednym raporcie. Chodzi o to, że mogę teraz monitorować więcej klientów z wyższą częstotliwością. System skaluje się w sposób, w jaki praca manualna nigdy nie mogła.
5. Generator ofert klienckich (7 iteracji)
Problem: Wysyłanie profesjonalnych prezentacji ofertowych do potencjalnych klientów. Trzy pakiety, cennik, opisy zakresu, ładnie sformatowane w Google Slides. Jeśli każdy klient wygląda jak projekt szyty na miarę, nie masz firmy — masz etat.
Co zbudowałam: Skrypt Pythona, który generuje prezentacje ofertowe programatycznie w szablonie z wizualną identyfikacją mojej marki BAUER_.
Dlaczego to włączam: Bo zajęło 7 iteracji, żeby to doprowadzić do ładu. I to jest uczciwa historia pracy z Claude Code. Czasem frustrująca.
Wersja 1 produkowała naprawdę brzydkie slajdy. Wersja 2 miała tekst wychodzący poza ramki. Wersja 3 miała problemy z layoutem tabeli cenowej. Wersje 4–6 to były inkrementalne poprawki, gdzie rozwiązanie jednego problemu tworzyło następny. Wersja 7 wreszcie zadziałała.
To nie jest historia porażki — to historia procesu. Każda iteracja trwała 10–15 minut. Większość czasu poświęciłam na zdefiniowanie, czego chcę. Im lepsza specyfikacja projektu, tym lepszy wynik. Całość zrobiłam w jedno popołudnie. Nie było idealnie — było wystarczająco dobrze. A teraz, kiedy mam klienta ze specjalnymi potrzebami lub niestandardowym podejściem, dodaję lub usuwam usługę, zmieniam cennik i dodaję to, na czym klientowi zależy. Edytuję jedną strukturę danych i regeneruję w kilka sekund.
O co chodzi: Jeśli ktoś mówi ci, że Claude Code daje idealne wyniki za pierwszym razem, to albo kłamie, albo robi coś bardzo prostego. Prawdziwe projekty wymagają iteracji. Różnica polega na tym, że iteracja z Claude Code trwa minuty, nie dni.
Co nie działa
Żeby być fair:
-
Pewne siebie błędy to największe ryzyko. Problem z istotnością statystyczną w Meta mógł mnie skompromitować przed klientem. AI nie będzie za Ciebie myśleć — musisz pracować w tandemie.
-
Używaj swojej wiedzy domenowej — nie da się tego wystarczająco podkreślić. Nie akceptuj przeciętności. Znasz swoją branżę lepiej niż AI — wykorzystaj to doświadczenie i swój sposób pracy.
-
Formatowanie Google Slides jest bolesne. Po wielu próbach ustawiłam dobry szablon do swoich dokumentów. Programatyczne generowanie Slides potrafi być uciążliwe. Na Twoim miejscu użyłabym modeli Gemini — bo to ekosystem Google. Ja zdecydowałam się pracować z Claude.
-
Limity tokenów są realne. Na planie Pro regularnie je przekraczałam. Upgrade do Max pomógł, ale maratońskie sesje wciąż mogą go wyczerpać.
-
Okno kontekstu ma granice. W złożonych projektach Claude czasem „zapomina” decyzji z wcześniejszej części sesji. Uczysz się z tym pracować — pliki CLAUDE.md, jasne instrukcje, dokumenty referencyjne.
Od czego zacząć
Jeśli jesteś performance marketerem i to czytasz, nie zaczynaj od dużego projektu. Zrób tak:
Podłącz Claude Code do API swojej platformy reklamowej. I po prostu się pobaw.
Zadawaj pytania o swoje własne dane. „Pokaż mi kampanie, gdzie CPC wzrósł o więcej niż 20% tydzień do tygodnia.” „Znajdź grupy reklam z wyświetleniami ale zerowymi konwersjami.” „Porównaj trend ROAS brand vs. non-brand przez 6 miesięcy.”
Tu rodzą się pomysły. Kiedy twoje własne dane zaczynają odpowiadać na zapytania w języku naturalnym, zaczniesz myśleć: Mogłabym zautomatyzować ten raport tygodniowy. Mogłabym zbudować monitoring na to. Mogłabym audytować wszystkie konta klientów jedną komendą.
Tak zaczęło się tych 5 narzędzi. Nie od planu. Od ciekawości i problemów, które wymagały rozwiązania.
Audyty, zarządzanie kampaniami przez CLI i generowanie raportów — wszystko zbudowane w 30 dni. Kod nie zawsze jest ładny. Wyniki tak.