Szymon Głogowski

14/08/2026

🤖 LLM: Masz dużo niearchiwizowanych kampanii Meta, które psują czytelność konta. Zarchiwizować?

Dokładnie taką frazę usłyszałem podczas początkowych prac nad aplikacją OWLI do zarządzania reklamami Meta wspomaganymi przez AI.
No i tu zapala się lampka. Bardzo czerwona! 🚨
Nie ma czegoś takiego jak archiwizacja kampanii. Po zadaniu pytania...

🤖 LLM: Rzeczywiście, masz rację. Meta nie ma opcji archiwizacji. Archiwizacja wiąże się z usunięciem kampanii. Kontynuować?

No to teraz wyobraź sobie sytuację, w której łączysz się z oficjalnym MCP Meta przez Claude / Codex / albo nawet samodzielnie napisaną aplikację.
LLM ma jeden z gorszych dni i zaczyna sobie halucynować.
Ty masz jeszcze gorszy dzień, bo włączyłeś autoakceptację zadań w LLM...

💥 Było i ni ma.

Bo w powyższym scenariuszu LLM może podjąć decyzję - usuwam.

Ten temat spędzał mi sen z powiek. Na dodatek przekreślił możliwość używania oficjalnego MCP właśnie z obawy przed zbyt małą kontrolą nad tym, co LLM zrobi.

W OWLI rozwiązałem to inaczej. Mamy system zabezpieczeń, które mają uniemożliwić przypadkowe usunięcie reklam. I to zabezpieczenie ma kilka poziomów:
1️⃣ Wpis w głównych wytycznych LLM
Takie sobie zabezpieczenie, bo jeśli LLM tego nie przeczyta, zignoruje albo źle zinterpretuje, to i tak może zrobić swoje.
2️⃣ Brak opcji DELETE w skryptach wykonawczych
To już lepiej, bo dopóki idziemy przygotowaną ścieżką, fizycznie nie ma możliwości usunięcia reklamy. W zamian proponowana jest PAUZA.
3️⃣ Skrypt-strażnik 🛡️
Przeszukuje polecenia wysyłane przez LLM w poszukiwaniu prób użycia DELETE. Z założenia blokuje też próbę napisania własnego skryptu i przesłania go bezpośrednio przez Meta API.

Czy to jest w 100% bezpieczne?

Nie.

Ale w normalnym użytkowaniu mam wielopoziomową ochronę przed przypadkowym usunięciem reklam z konta.

I to jest chyba jedna z ważniejszych rzeczy, których nauczyłem się podczas budowania OWLI.

🤖 Korzystanie z LLM do obsługi reklam to naprawdę świetna sprawa.

Natomiast jeśli ktoś uważa, że w weekend postawi działającą aplikację do zarządzania reklamami, to jest w srogim błędzie. Samo zabezpieczenie przed usuwaniem to efekt wielu godzin pracy.

A to tylko jedna z rzeczy, które LLM może zrobić nie tak jak sobie życzysz. 😉

04/08/2026

Claude CLI i powtarzalne grafiki

04/08/2026

To, co widać wyżej, zajmuje cztery linijki. Pod spodem chodzi silnik, który liczy dużo więcej 🤔

Parametry dzień po dniu. Trendy tygodniowe. Rozróżnienie kreacji, która pobiera budżet bez wyniku, od takiej, która po prostu się wypaliła - bo to dwie różne diagnozy i dwa różne działania. Bramka wolumenu, która wstrzymuje werdykt, kiedy próba jest za mała, zamiast dowozić rekomendacje z trzech kliknięć.

I rzecz najważniejsza: to NIE jest model zgadujący z liczb. To reguły. LLM tłumaczy moje pytanie na wywołanie i opisuje wynik po polsku - werdykt wydaje silnik, zawsze tak samo przy tych samych danych.

Dlatego panel tego nie zastąpi. Nie dlatego, że nie umie sortować po wydatku, bo umie. Tylko nie wie, jaki masz cel. „Trzy razy powyżej celu" wymaga, żeby ktoś ten cel wcześniej gdzieś zapisał. Bez tego zostaje gołe „drogo", a to każdy widzi sam.

I nie chodzi o jeden zestaw. Przy jednym wchodzisz w panel i widzisz w minutę. Problem zaczyna się przy dwudziestu zestawach na sześciu kontach, co tydzień - wtedy siedzisz nad tym pół dnia 🫠

Kto raz wszedł w CLI, ten nie wraca do panelu. Jeśli nie musi.

I to jest wykorzystanie LLM dużo ciekawsze niż kolejny AI slop 🫠

Nie wiem jak wy, ale mam wrażenie, że w tej robocie najwięcej czasu zżerają nie decyzje, tylko dochodzenie do momentu, w którym da się je podjąć.

Jedno konto reklamowe, dwie oceny tego samego dnia: model językowy podłączony do Meta i silnik liczący na danych. Wyszły sprzeczne — pokazuję gdzie i dlaczego.

01/08/2026

„29× zwrotu z wydatku, zwiększ budżet" 📈 - powiedział model językowy podpięty do konta Meta.

Nasz silnik na tych samych danych, tego samego dnia: 𝘇𝗺𝗻𝗶𝗲𝗷𝘀𝘇.

Sprawdziłem, skąd ta różnica, i wyszła z tego pouczająca historia.

29× to średnia z trzydziestu dni. W ostatnich czternastu kampania miała 7,4×. Wynik z początku miesiąca ciągnął średnią w górę i zasłaniał, że od dwóch tygodni wszystko leci w dół. Model policzył poprawnie - patrzył tylko na jedną liczbę zamiast na kierunek.

Ale to jeszcze nie wszystko. Bo nawet wiedząc, że jest 7,4×, trzeba wiedzieć, ile POWINNO być. Dla tego klienta mamy zapisany próg opłacalności: 8. Poniżej tej wartości kampania przestaje zarabiać. 7,4 jest mniejsze od 8 - i stąd decyzja o cięciu 🎯

Tej liczby nie ma w żadnym systemie reklamowym. Meta nie zna marży klienta ani jego kosztów, więc model podstawia w to miejsce średnią z rynku albo średnią z konta (przy koncie w spadku to porównywanie się do własnego pogorszenia 🙃).

Druga kampania: 44× zwrotu, model mówi „zwiększ ostrożnie", a silnik odmawia wydania decyzji: 𝗕𝗘𝗭 𝗗𝗘𝗖𝗬𝗭𝗝𝗜 ⛔ Bo za tym wynikiem stoi pięć zamówień. Jedno więcej albo mniej i wynik przestawia się o dziesiątki procent.

Żeby było jasne - model nie pomylił się w rachunku ani razu ✅ Liczy lepiej i szybciej ode mnie. Rzecz w tym, że brzmi tak samo pewnie wtedy, gdy ma podstawę, i wtedy, gdy jej nie ma.

Cały mechanizm opisałem tutaj, razem z błędem w danych, przez który rentowna kampania wyglądała na nieudaną 👇
szymonglogowski.pl/ai-reklama-meta-sprzeczne-rekomendacje/

Nie wiem jak wy, ale mnie to przestawiło pytanie. Nie „czy AI to policzy", tylko „czy AI wie, ile ma wyjść".

Jedno konto reklamowe, dwie oceny tego samego dnia: model językowy podłączony do Meta i silnik liczący na danych. Wyszły sprzeczne — pokazuję gdzie i dlaczego.

20/04/2026

Claude Design - pierwsze wrażenia 🥳

15/04/2026

Czy Ty nadal analizujesz konto porównując wyniki tydzień do tygodnia w panelu Meta? Może jesteś o krok dalej i masz super arkusz do analizy?

Co jeśli da się to zrobić szybciej i pewniej?
Ależ oczywiście, że TAK! Wystarczy wykorzystać kilka narzędzi:
✅ MCP Claude
✅ API Meta
✅ Silnik diagnostyczny (dużo obliczeń i statystyki - to jest klucz!)
✅ Interpretacja LLM

Jak to działa w praktyce?
👉🏻 Odpalam diagnozę konta i po chwili mam wynik, który uwzględnia typ konta, AOV, rodzaje kampanii.
👉🏻 Jeśli potrzebuję, tworze pogłębioną analizę konta / kampanii / zestawu reklam. W tym miejscu mogą pojawić się dodatkowe wskazówki optymalizacji, np. wskazanie kreacji o duży zmęczeniu materiału reklamowego, albo o zbyt wysokich wydatkach względem wyniku.
👉🏻 Rekomendacje są OK - mogę je wdrożyć jednym poleceniem!

Oczywiście to nie eliminuje człowieka z procesu. Benefity są natomiast bardzo widoczne. Przede wszystkim duża oszczędność czasu i analiza dokładniejsza niż ta, którą jesteśmy w stanie wykonać ręcznie. No umówmy się, ile współczynników na raz ogarnie człowiek? Kilka... Diagnostyka natomiast nie ma problemu ze sprawdzeniem kilkunastu zmiennych dzień po dniu i zrobieniu wielu analiz równocześnie. Na dodatek określa, czy zmiany są istotne statystycznie. Dla mnie to ogromne ułatwienie!

Od razu mówię, że diagnostyka to nie jest pełnia możliwości tej aplikacji! 😉

Wiesz ile czasu potrzeba na taką analizę?

07/04/2026

AI przeanalizuje twoje konto Meta. Tylko że ta "analiza" może być kompletnie bezużyteczna... 🤖

Zrobiłem test. To samo konto, ten sam model, dwa różne podejścia.

Wersja pierwsza - wklejam dane z konta (arkusz): kampanie, wydatki, ROAS, zakupy. Pytam AI co sądzi. Dostaję:

➡️ "Kampania A generuje większość sprzedaży - bardzo wysoki ROAS (~21), warto ją skalować."
➡️ "Kampania B jest nieefektywna - niski ROAS (~1,7), zalecane wstrzymanie."

Brzmi jak analiza. Brzmi mądrze. Ale to tylko ładnie opakowane "ROAS wysoki = dobrze, ROAS niski = źle". Co tu jest nie tak? Oj, całkiem sporo! Kampania z niskim ROAS dopiero ruszyła, stąd brak wyników. Skalowanie? No raczej nie, ponieważ w oknie dłuższym (28 dni) kampania notuje lekki spadek.

---

Wersja druga - zasilam AI wyjściem silnika diagnostycznego. Trendy, benchmarki konta, odchylenia, tempo zmian. Dostaję:

➡️ "Wymień 5 wypalonych kreacji - CTR spada od -32% do -85%. Priorytetowo: kreacja X (-85%). Przygotuj nowe materiały i podepnij do adsetów."

➡️ "Obniż budżet słabego adsetu - marnuje ~234 PLN miesięcznie. ROAS 9.8 vs średnia konta 16.4. Pierwszy krok: -14% budżetu, potem kolejne -14% za 3-4 dni."

Konkretna kreacja. Konkretna kwota do odzyskania. Konkretny krok i kiedy go zrobić. Tutaj zgadza się! Spadek CTR jest widoczny we wskazanych reklamach, co sugeruje, że odbiorcy coraz gorzej na nie reagują. Słabszy adset nie ma flagi "wyłącz" tylko obniż budżet - to też trafna uwaga.

Różnica nie jest w modelu AI. Różnica jest w tym, co do niego trafia.

Silnik diagnostyczny robi matematykę za AI - liczy trendy, wyłapuje anomalie, porównuje każdą kampanię do benchmarków całego konta. AI dostaje gotowe wzorce i tłumaczy je na język akcji.

Jedyny problem to stworzenie tego silnika, ale to już temat na inną opowieść! 😉

Analizujecie kampanie z AI?