Case
Retailer Large: Meta-dashboard med årsjämförelse
En dashboard som läser månadsrapporterna från Meta direkt i webbläsaren och jämför varje månad med samma månad året innan, med en AI-chatt som svarar på frågor om siffrorna i klartext.
Fiktivt case. Kunden är anonymiserad, kampanjnamnen är utbytta och alla siffror är skalade. Mönstren är verkliga. Chatten i demon är förinspelad.
Utmaningen
- Retailer Large, en stor svensk detaljhandelskedja, fick varje månad en Excel-rapport över annonseringen på Facebook och Instagram, rådata per kampanj och dag, men ingen samlad bild.
- Frågor som "går det bättre än förra året?", "vilka kampanjer bär resultatet?" och "är räckviddsbudgeten värd pengarna?" krävde manuellt pivotarbete varje gång.
- Svaren fastnade i mejl i stället för att bli beslut.
Strategi & angreppssätt
- Byggde en dashboard som läser månadsrapporterna direkt från mappen där de sparas och jämför varje månad med samma månad året innan. Ingen databas, ingen inloggning, ingen ny leverantör.
- Marknadsteamet trycker på "Uppdatera data", pekar på mappen, och alla siffror räknas om.
- Bredvid siffrorna sitter en AI-assistent som har hela underlaget och svarar på frågor i klartext: "Vilka kampanjer har sämst ROAS?", "Vad drev ökningen i köp i december?", den räknar på samma rådata som dashboarden och visar uträkningen.
- Nyckeltal med årsjämförelse: spend, köp, konverteringsvärde, ROAS, snittorder, kostnad per köp, exponeringar och CPM.
- Filter på syfte (försäljning, kännedom, trafik, engagemang) och kampanjtyp, så att CPM och ROAS jämförs mellan kampanjer med samma uppdrag i stället för i klump.
- Dagskurva mot förra året, spend per kampanjmål, ROAS per veckodag och marginal-ROAS, vad varje extra krona gav jämfört med samma månad året innan.
- En sorterbar kampanjtabell med frekvens, räckvidd per tusenlapp och snittorder per kampanj.
Testa dashboarden
Klicka runt i filtren, växla månad och se den förinspelade chattdemon spelas upp. I den skarpa versionen skriver man fritt i chatten.
Förinspelad demo, anonymiserad och skalad data.
Nästa steg för rapporteringen
Lager 1
Fler kolumner från Meta
- Klick, CTR, CPC och trattsteg, utan dem går det inte att se var en svag kampanj faller eller var köpen läcker.
- Köp från nya kunder ger kostnad per ny kund; placering, annonsnivå och geografi visar vad som bär resultatet.
- Ren klickattribution vid sidan av den blandade rapporten ger en konservativ ROAS att jämföra mot.
Lager 2
Data utanför Meta
- Metas köp och värde sätts i relation till e-handelns totala omsättning, för att se hur stor andel Meta tar åt sig.
- Med bruttomarginal översätts ROAS till en break-even-nivå per kampanjtyp.
Lager 3
Inkrementalitetstest
- Räckviddskampanjerna tar en fjärdedel av budgeten och är den del där osäkerheten är störst.
- Ett geo-split eller Metas Conversion Lift svarar på om pengarna ger försäljning som annars inte hade kommit.
Lager 4
Butiken
- Dagens rapport mäter bara webbköp, medan många av dem som ser annonserna handlar i butik.
- Butiksköp via Conversions API möjliggör omnikanalsoptimering och två nya styrmått: omni-ROAS och kostnad per omni-köp.
Lager 5
Uppmärksamheten
- Allt mer av räckvidden avgörs av hur innehållet presterar, inte av budgeten.
- Hook rate och engagemangsgrad visar om kreatörssamarbeten och UGC fungerar, innan försäljningen syns.
Vad analysen visade
+93 %
ROAS mot föregående år
+42 %
Snittorder (AOV)
-27 %
Kostnad per köp
+54 %
Köp
Siffrorna är skalade och anonymiserade. Tre saker som inte syntes i Excel-rapporten: nästan halva ROAS-lyftet kom från högre snittorder (inte fler köp per krona), räckviddskampanjer tog en fjärdedel av budgeten till en ROAS runt 6x mot 24–28x för konverteringskampanjer, och en del köp bokfördes på kampanjer utan budget, därför visar dashboarden även "ROAS på aktiv spend" som ett mer konservativt mått.
Lärdomar
- En enda HTML-fil utan backend: Excel-filerna läses och tolkas direkt i webbläsaren, så ingen kunddata lämnar datorn.
- Alla beräkningar görs från rådata, vilket gör att nya nyckeltal kan läggas till utan att rapporterna behöver ändras.
- Chatten drivs av Claude, som får dashboardens sammanställning som underlag vid varje fråga, frågan behöver inte formuleras som en pivottabell, den kan ställas som till en kollega.
- Verktyg: Meta Ads Manager (export), Excel, HTML/JavaScript och Claude (analys och chatt). Byggd tillsammans med Claude.
Vill du prata om det här caset?
Jag går gärna igenom detaljerna.