Google wprowadza we wrześniu 2026 nowy sposób testowania AI Max: w jednym eksperymencie A/B można sprawdzić różne budżety i cele ROI dla wielu kampanii Search jednocześnie. To ważna zmiana dla kont, na których skalowanie nie dotyczy jednej kampanii, lecz całego zestawu kampanii konkurujących o ten sam budżet i konwersje.
Największa wartość nie polega na samym „włączeniu AI”. Nowe eksperymenty pozwalają oddzielić efekt większego budżetu lub innego celu ROAS od zwykłych wahań tygodnia i porównać wariant kontrolny z testowym przy zachowaniu części guardrails, takich jak wybrane ustawienia marki i lokalizacji.
Co dokładnie zmienia się we wrześniu 2026?
Google zapowiedział możliwość testowania różnych budżetów i targetów ROI dla wielu kampanii Search w ramach jednego eksperymentu A/B. Wcześniej ocena skalowania całego portfela często wymagała zmian kampania po kampanii albo porównywania okresów przed i po zmianie.
Nowy mechanizm ma odpowiedzieć na prostsze pytanie biznesowe: co stanie się z łącznym wynikiem, jeśli zwiększę skalę i zmienię cele, zamiast patrzeć tylko na jedną kampanię w izolacji.
Nie testuj pięciu rzeczy naraz bez hipotezy
Dobry test powinien mieć konkretną tezę, np. „zwiększenie budżetu o 25% przy utrzymaniu targetu ROAS nie pogorszy marży poniżej ustalonego poziomu” albo „niższy tROAS zwiększy liczbę wartościowych transakcji bez nadmiernego wzrostu kosztu”.
Jeżeli jednocześnie zmienisz landing page, strukturę konwersji, feed, budżet, tROAS i kreacje, wynik przestanie mówić, co faktycznie spowodowało różnicę.
Które kampanie łączyć w jednym teście?
Łącz kampanie, które odpowiadają na podobny cel biznesowy i są oceniane tym samym sposobem. Mieszanie kampanii leadowych z e-commerce tylko dlatego, że obie są kampaniami Search, utrudni interpretację ROI.
Jeśli kampanie dotyczą różnych krajów, marż albo etapów lejka, lepiej zbudować osobne grupy testowe. Eksperyment wielokampaniowy ma sens wtedy, gdy wynik łączny jest realną jednostką decyzyjną.
Guardrails marki i lokalizacji
Google informuje, że nowe możliwości AI Max experiments obsługują testy z ustawieniami dotyczącymi marki i lokalizacji. To ważne dla reklamodawców, którzy wcześniej obawiali się, że test automatyzacji wymusi rezygnację z podstawowych ograniczeń.
Przed uruchomieniem sprawdź jednak faktyczną konfigurację każdej kampanii. „Brand controls są dostępne” nie oznacza, że wszystkie stare ustawienia konta zostały automatycznie przeniesione do testu.
Jak mierzyć wynik poza panelem Google Ads
Dla e-commerce porównuj przychód i ROAS z marżą po kosztach produktów, rabatów, dostawy i zwrotów. Dla lead generation mierz jakość leadów, sprzedaż i wartość zamkniętych transakcji, a nie tylko koszt formularza.
Jeżeli kampania raportuje mikrokonwersje jako główny sukces, eksperyment może „wygrać” w Google Ads, a przegrać w realnym biznesie.
Performance Planner jako etap przed testem
Google rozszerza też Performance Planner o podgląd wpływu zmian stawek i budżetów oraz możliwość zastosowania rekomendowanych zmian. Planner może pomóc określić zakres scenariusza, ale nie zastępuje eksperymentu.
Prognoza jest modelem. Eksperyment pokazuje, co wydarzyło się na rzeczywistym ruchu w kontrolowanych warunkach. Te dwa narzędzia najlepiej traktować jako kolejne etapy jednej decyzji.
Minimalny plan testu
Najpierw wybierz wspólną metrykę biznesową. Potem określ kampanie, wariant budżetu i ROI, okres bez dużych zmian promocyjnych oraz próg, przy którym test uznasz za korzystny. Dopiero potem uruchamiaj eksperyment.
Po zakończeniu nie oceniaj tylko procentowej różnicy. Sprawdź wolumen, stabilność wyniku, zmianę miksu zapytań i to, czy większa skala nie została kupiona kosztem jakości.
Czytaj także
Najczęściej zadawane pytania
Czy nowe eksperymenty dotyczą jednej kampanii?
Google zapowiedział możliwość testowania budżetów i celów ROI na wielu kampaniach Search w jednym eksperymencie A/B.
Czy trzeba włączyć AI Max bez żadnych ograniczeń?
Nie. Google wskazuje, że eksperymenty mogą działać z wybranymi kontrolami marki i lokalizacji. Konfigurację trzeba jednak zweryfikować na konkretnym koncie.
Czy Performance Planner zastępuje test A/B?
Nie. Planner prognozuje scenariusze, a eksperyment porównuje wariant kontrolny z testowym na rzeczywistym ruchu.