ChatGPT i Gemini do pisania reklam Google Ads to dziś stały element warsztatu specjalistów PPC. Dobre prompty skracają czas tworzenia 15 nagłówków i 4 opisów z 90 minut do 15 minut. Problem w tym, że większość reklamodawców używa tych modeli tak samo, jak używałaby freelancera z Fiverra — wrzuca minimalny brief i spodziewa się cudu. Efekt: nagłówki generyczne, opisy mdłe, kreacja, która w Asset Studio dostaje Ad Strength „Poor”. Ten artykuł pokazuje, jakie prompty realnie generują reklamy gotowe do wklejenia do kampanii — bez trzech iteracji i ręcznej korekty każdego zdania.
Czego ChatGPT i Gemini faktycznie używa się w kampaniach Google Ads
Praca z modelami AI w Google Ads to nie zastępowanie specjalisty, a akceleracja wąskich gardeł. W praktyce są cztery zastosowania, w których ChatGPT i Gemini dowożą realną wartość:
- Generacja nagłówków i opisów responsive search ads. Komplet 15 nagłówków i 4 opisów dla pojedynczej asset group lub ad group. Dobrze zbriefowane AI daje 80% gotowego tekstu, który wymaga tylko drobnej redakcji.
- Keyword research rozszerzony o kontekst semantyczny. Model rozwija listę 50 słów kluczowych o lookalike’y, synonimy, frazy long-tail i zapytania problemowe, do których nie dotrze Senuto/Ahrefs automatycznie.
- Segmentacja odbiorców i budowa person. Persona „klienta sklepu z meblami biurowymi” rozbita na trzy segmenty z ich bolączkami, językiem, którego używają, i kanałami, w których można ich złapać.
- Testowa kopia wariantów A/B. Nagłówek „Kupuj teraz z rabatem 20%” w 10 wariantach stylistycznych — pilne, spokojne, eksperckie, liczbowe — do testu, który przebije baseline.
Czego NIE warto oczekiwać od ChatGPT ani Gemini: ocena efektywności historycznej (AI nie zna wyników Twojego konta), analiza Quality Score (to konkretne metryki, które muszą pochodzić z Google Ads), strategiczne decyzje o strukturze kampanii (za mało kontekstu branżowego i biznesowego). AI generuje opcje — decyzje zostają po stronie specjalisty.
Struktura promptu do nagłówków Google Ads, która działa
Słaby prompt: „Napisz 15 nagłówków do kampanii Google Ads dla sklepu z butami sportowymi.” Efekt — generyczne „Najlepsze buty sportowe“, „Sklep online z butami”, „Kupuj buty taniej”. Model nie ma kontekstu, więc pisze średnią z całego internetu.
Dobry prompt zawiera pięć elementów:
- Rola. „Jesteś specjalistą Google Ads z 10-letnim doświadczeniem w e-commerce modowym, piszącym reklamy dla polskich marek.”
- Kontekst biznesowy. „Sklep SportFootwear.pl, bestseller — buty do biegania Nike Pegasus 41 w cenie 649 zł. Grupa docelowa: biegacze amatorzy 30-45 lat, budżet średni, kobiety i mężczyźni. Marka konkurencyjna: Adidas Solar Boost (739 zł).”
- Cel reklamy. „Kampania Search, zapytanie główne: ‘buty do biegania damskie’. Cel: konwersja zakupowa.”
- Ograniczenia techniczne. „15 nagłówków do 30 znaków każdy (sprawdź długość!). 4 opisy do 90 znaków. Minimum 3 nagłówki z nazwą marki, minimum 3 z ceną, minimum 3 z USP produktu (amortyzacja, wytrzymałość). Unikaj generycznych CTA (‘Kup teraz’) — Google sam je doda.”
- Format odpowiedzi. „Format: tabela markdown z kolumnami ‘Typ’ (brand/price/USP/CTA), ‘Nagłówek’, ‘Długość’.”
Taki prompt do GPT-4.1 albo Gemini 2.5 Pro daje w pierwszej iteracji 13-14 nagłówków gotowych do wklejenia. Pozostałe 1-2 wymagają drobnej korekty długości albo zamiany słowa. Różnica czasowa vs ręczne pisanie: 10 minut vs 45 minut.
Różnice między ChatGPT a Gemini w kontekście Google Ads
ChatGPT (szczególnie GPT-5 i GPT-4.1) i Gemini 2.5 Pro mają różne mocne strony w pracy z tekstami reklamowymi. Lepsze rozumienie tych różnic pozwala wybrać właściwe narzędzie do konkretnego etapu pracy.
| Nagłówki kreatywne, gra słów | GPT-5, Claude Sonnet 4.5 | Silniejsza warstwa językowa i humor |
| Opisy techniczne, specyfikacje | Gemini 2.5 Pro | Dokładność faktograficzna |
| Polskojęzyczne copy | Gemini, GPT-5 | Dla PL oba dają stabilne wyniki |
| Analiza zapytań i intencji | Gemini | Lepsze rozumienie kontekstu SERP |
| Keyword research | GPT-5 + Perplexity | Łączenie generacji i rzeczywistych danych |
Gemini ma jedną praktyczną przewagę dla Google Ads: w panelu Google Ads obecna jest zintegrowana funkcja AI assist, która wykorzystuje Gemini do generowania assetów bezpośrednio w kampanii. Dla szybkich poprawek — dodanie 3 nagłówków do istniejącej asset group — to zwykle szybsza droga niż ChatGPT w osobnej karcie. Dla większych zadań (komplet 15 nagłówków z briefingiem) ChatGPT z własnym promptem nadal wygrywa, bo pozwala na pełną kontrolę formatu i stylu.
Dodatkowa różnica dotyczy ograniczeń. ChatGPT w planie free ma limity wiadomości, ale w Plus ($20/mies.) praktycznie bez limitu. Gemini w Google AI Pro (i w integracji z Workspace) dostępny jest bez limitu dla zapytań na sensowną skalę. Dla specjalisty PPC prowadzącego 20+ kampanii miesięcznie roczny koszt ChatGPT Plus (ok. 900 zł) zwraca się w pierwszym tygodniu.
Prompty do keyword research i segmentacji odbiorców
Drugie obok copy zastosowanie AI w kampaniach PPC to rozszerzanie listy słów kluczowych o konteksty, których nie złapie nam Senuto ani Ahrefs. Senuto pokaże „buty do biegania” i warianty z wolumenem, ale nie pokaże „jakie buty do pierwszego maratonu kupić” — zapytania problemowego, po którym można napisać artykuł informacyjny zasilający PMax. Dobry prompt do rozszerzenia listy wygląda tak:
„Jesteś specjalistą SEO i Google Ads. Mam listę 20 słów kluczowych dla sklepu z butami do biegania (w załączniku). Rozszerz listę o: (1) 15 zapytań problemowych, jakie użytkownik wpisze PRZED zakupem (np. ‘jak wybrać buty do biegania dla początkujących’), (2) 10 zapytań porównawczych (np. ‘nike pegasus vs adidas solar boost’), (3) 10 zapytań transakcyjnych long-tail (np. ‘buty do biegania rozmiar 44 czarne promocja’). Format: tabela z kolumnami ‘Zapytanie’, ‘Intencja’, ‘Sugerowany etap lejka’.”
Dla segmentacji odbiorców podobnie: „Stwórz 3 persony klientów sklepu z biegowymi butami sportowymi. Każda persona: wiek, płeć, budżet, główna bolączka związana z bieganiem, 3 zapytania Google, które wpisze przed zakupem, 2 obiekcje, które musimy w reklamie zaadresować.” Takie persony są następnie podstawą do audience signals w PMax — omówienie, jak konwertujemy persony na realne sygnały kampanii, zawieramy we wpisie o strategiach RLSA i remarketingu w Search.
Najczęstsze błędy w korzystaniu z AI do tekstów reklamowych
W audytach kont, które używają ChatGPT albo Gemini do copy Google Ads, powtarzają się te same wzorce problemów. Listę warto sprawdzić zanim wkleimy wygenerowane teksty do kampanii — to 10 minut pracy, które oszczędza dni zmarnowanego learning period z kiepskimi kreacjami.
- Ślepe wklejanie bez weryfikacji długości. Model AI regularnie „zapomina” o limicie 30 znaków dla nagłówków i 90 znaków dla opisów. Po każdym wygenerowaniu sprawdzamy długość — 15-20% tekstów przekracza limit i wymaga skrócenia.
- Brak polskich znaków w promptach generycznych. Prompt „write 15 headlines” daje efekt w angielskim. Prompt po polsku lub z jawną instrukcją „po polsku, z polskimi znakami diakrytycznymi” eliminuje to w 100%.
- Generyczne CTA wtrącane wbrew instrukcji. „Kup teraz“, „Odwiedź sklep”, „Sprawdź ofertę” — AI dokleja je odruchowo, mimo instrukcji, żeby unikać. Zwykle 2-3 z 15 nagłówków trzeba podmienić ręcznie.
- Brak znajomości USP branży. AI nie wie, że w branży butów biegowych „amortyzacja“, „drop” i „waga” to słowa-klucze mocniejsze niż „komfort” i „jakość”. Briefing musi zawierać język kategorii — wykaz 10-15 terminów, których model ma użyć.
- Halucynacje faktograficzne. Model potrafi napisać „Polska marka od 1985″ o sklepie założonym w 2018. Wszystkie fakty wrzucone w kreację (lata, certyfikaty, nagrody) weryfikujemy ręcznie.
Czystość kreacji po tym audycie to warunek tego, żeby AI faktycznie oszczędzało czas, a nie tworzyło nowe problemy do rozwiązania. Przy dobrym briefie i kontroli jakości teksty wygenerowane przez ChatGPT czy Gemini osiągają Ad Strength „Good” albo „Excellent” w 70-80% przypadków — porównywalnie do kreacji pisanej przez zespół agencyjny.
Ostatnia uwaga dotyczy miar sukcesu: sam Ad Strength to tylko wskaźnik potencjału, nie rzeczywistej skuteczności. Decyzję o wyborze finalnych nagłówków i opisów zawsze podejmujemy po 30 dniach działania kampanii — na bazie Asset Report z Google Ads, który pokazuje realne oceny „Low / Good / Best” wystawione przez algorytm. Tekst wygenerowany przez AI, który dostał „Best“, zostaje w rotacji; ten z „Low” wraca do promptu z poprawioną instrukcją i idzie do kolejnej iteracji. Tak prowadzony cykl wersjonowania kreacji daje zwykle 10-20% poprawy CTR w trzecim miesiącu pracy na koncie.
