Case Study: Meta Ads Dashboard — Natalia Przybylska

01 — Wyzwanie

Dane reklamowe,
które nic nie mówią.

Eksport z Meta Ads Managera produkuje CSV co tydzień. Plik ląduje w folderze, bo bez wizualizacji nie pomaga w podjęciu decyzji — nie wiadomo, które kreacje gasić, a które skalować.

📂

Surowe dane bez narracji

11 kolumn, 10 wierszy, setki cyfr. CPL różni się 5-krotnie między kreacjami — ale tego nie widać gołym okiem. Dane bez wizualizacji nie wspierają decyzji.

📎

Raport w PDF = raport do szuflady

PDF się starzeje. Excel wymaga tłumaczenia. Zadanie wymagało czegoś żywego — coś, co działa w przeglądarce, można pokazać na spotkaniu i udostępnić linkiem.

meta_ads_budowlanka.csv — plik wejściowy

Campaign_Name	Ad_Name	Reach	Clicks	Spend_PLN	Leads	CTR_%	CPL_PLN
Elewacje i Docieplenia	Foto_Ekipa_Przy_Pracy	21 000	840	1 450,75	22	2,62	65,94
Remonty Łazienek	Karuzela_Przed_Po	12 400	520	920,00	15	2,80	61,33
Retargeting Mieszkania	Oferta_Ostatnia_Szansa	3 200	120	420,00	10	1,54	42,00
Pompy Ciepła	Schemat_Oszczednosci	14 200	480	2 100,00	18	2,17	116,67
Wykończenia Premium	Wizualizacja_Salon	9 800	310	1 850,00	9	2,01	205,56
… i 5 kolejnych wierszy

02 — Podejście

Trzy kroki.
Zero kodu z palca.

Punktem wyjścia nie był model AI — była analiza. Wiedziałam, jakie pytania powinna odpowiadać ta wizualizacja, zanim wpisałam pierwsze słowo w prompt. To jest właśnie ta część, której AI nie zastąpi.

Krok 01

Analiza strategiczna danych

Zanim cokolwiek trafiło do AI — przejrzałam dane z perspektywy performance marketingu. Które kreacje generują leady przy najniższym CPL? Gdzie budżet przepala się bez efektu? Definiowanie pytań to rola stratega, nie modelu.

analiza kampanii definicja KPI znajomość Meta Ads

Krok 02

Prompt jako precyzyjna instrukcja

Dobry prompt to nie "zrób mi raport". To brief architektoniczny — z określoną rolą modelu, strukturą sekcji, typami wykresów, estetyką dark mode i ograniczeniem technicznym: zero zależności, jeden plik HTML, działa w każdej przeglądarce bez instalowania czegokolwiek.

Claude Sonnet 4 role-playing model kontekst estetyczny ograniczenia techniczne

Krok 03

Ocena i wdrożenie

Każda wersja przechodziła przez filtr: czy wykresy są czytelne, czy kolory komunikują hierarchię danych, czy tabela sortuje się poprawnie, czy toggle trybu działa. Gdy efekt był gotowy — jeden push do GitHub i dashboard żył pod linkiem.

ocena estetyczna UI iteracja promptów GitHub Pages

ojnatalie.github.io/meta-ads-dashboard/

live

Łączny budżet

11 302

PLN spend

Leady łącznie

120

10 kreacji

Śr. CPL

94,18

PLN/lead

Best CPL

42,00

Retargeting

Worst CPL

205,56

→ wyłączyć

Leady per kreacja

Skumulowany spend PLN

Zasięg vs. Kliknięcia (bąbelki = leady)

Ranking CPL — od najlepszego

Oferta Ostatnia Szansa 42,00

Karuzela Przed Po 61,33

Foto Ekipa Przy Pracy 65,94

Grafika Znizka Jesien 78,59

Video Realizacja Modern 104,17

Wizualizacja Salon 205,56 ⚠

          
          Live · GitHub Pages · HTML / CSS / JS
        

→ Podgląd live

03 — Transformacja

Przed i po.

To samo wyzwanie — dwa zupełnie różne narzędzia do jego rozwiązania.

✗ Przed

Plik CSV w folderze

📋 Surowy eksport z Ads Managera, zero narracji

🤷 Nie wiadomo, które kreacje gasić, a które skalować

💸 CPL 205 zł przy budżecie 1 850 PLN — niewidoczne bez analizy

⏳ Analiza = kolejna godzina w Excelu lub drogie studio

→

✓ Po

Live dashboard w przeglądarce

📊 4 interaktywne wykresy, sortowalna tabela CPL

🎯 Retargeting 42 PLN vs. Salon 205 PLN — widać od razu

🔗 Link w przeglądarce, działa na telefonie, zero instalacji

⚡ Czas realizacji: 15 minut od CSV do live

04 — Wyniki

Liczby
mówią same.

15min

od surowego CSV
do live linku

100%

danych
przedstawionych atrakcyjnie

widok zamiast
kilkunastu zakładek

„Wiedziałam co chcę zobaczyć — i wskazałam to AI bardzo konkretnie. Prompt engineering to w rzeczywistości precyzyjna komunikacja — jeśli wiesz, czego potrzebujesz, AI po prostu pomaga Ci to dowieźć w godzinę, a nie w dzień."

— Natalia Przybylska, AI Creative & Marketing Specialist

05 — Kompetencje

Czego ten projekt
jest dowodem.

Używam AI tam, gdzie widzę sens i potrafię to uzasadnić efektem.

🧠

Strategiczne myślenie o danych

Zanim uruchomiłam AI — wiedziałam, co chcę z danych wyciągnąć. CPL, CTR, korelacje: to nie są obce skróty. To są pytania, które prowadzą do decyzji budżetowych.

✍️

Prompt engineering

Prompt jako brief architektoniczny: rola modelu, struktura sekcji, estetyka, ograniczenia techniczne. Precyzja instrukcji bezpośrednio przekłada się na jakość efektu.

🎨

Ocena estetyczna UI

Dashboard musi nie tylko działać, ale wyglądać i komunikować hierarchię. Wiedziałam kiedy iterować i kiedy jest gotowe — to jest filtr, którego AI nie posiada.

📣

Znajomość Meta Ads

8 lat marketingu. Analiza nie była "zrób wykresik" — była odpowiedzią na konkretne pytania mediowe: co skalować, co gasić, gdzie przepala się budżet.

⚡

Szybkość dostarczania

Dostarczam gotowy produkt — nie "prawie gotowy" plik do dalszej obróbki. Od wyzwania do live linku: 15 minut. Tyle zazwyczaj zajmuje pierwsze spotkanie.

🔗

End-to-end deployment

Od idei po link w przeglądarce. GitHub Pages, jeden plik HTML, zero zależności — działa wszędzie, na każdym urządzeniu, bez żadnej konfiguracji.

Interaktywny
dashboard
z surowych danych CSV.

Dane reklamowe,
które nic nie mówią.

Trzy kroki.
Zero kodu z palca.

Przed i po.

Liczby
mówią same.

Czego ten projekt
jest dowodem.

Warsztat.

Masz CSV?
Zamienię je na coś pięknego.

Dane reklamowe,które nic nie mówią.

Trzy kroki.Zero kodu z palca.

Przed i po.

Liczbymówią same.

Czego ten projektjest dowodem.

Warsztat.

Masz CSV?Zamienię je na coś pięknego.

Dane reklamowe,
które nic nie mówią.

Trzy kroki.
Zero kodu z palca.

Liczby
mówią same.

Czego ten projekt
jest dowodem.

Masz CSV?
Zamienię je na coś pięknego.