Case study: jak gabinet stomatologiczny zamienił leady z Meta Ads w umówione wizyty

Punkt wyjścia: kampania działa, leady są, wizyt mało

Modelowy gabinet stomatologiczny prowadził kampanię Meta Lead Ads na implanty i pakiety wybielania. Kreacje były dobre, koszt leada rozsądny, a do panelu reklamowego co tydzień wpadało kilkadziesiąt formularzy. Na papierze wszystko wyglądało zdrowo. Problem pojawiał się dopiero w grafiku — leadów było wiele, ale umówionych wizyt z tych leadów zaskakująco mało.

Przyczyna była operacyjna, nie marketingowa. Recepcja gabinetu pracowała przy fotelu: rejestrowała pacjentów, przyjmowała płatności, odbierała telefony między zabiegami i porządkowała dokumentację. Lead z formularza wpadał na maila i czekał. Czasem do końca dnia, czasem do następnego poranka. Zanim ktoś oddzwonił, pacjent zdążył już zadzwonić do dwóch innych gabinetów albo całkiem ostygł. W stomatologii ta luka boli podwójnie, bo zgłoszenia na implanty czy ortodoncję to decyzje na kilka, kilkanaście tysięcy złotych — pacjent dzwoni tam, gdzie odbiorą pierwsi i potraktują go poważnie.

Właściciel był przekonany, że trzeba zmienić agencję albo kreacje. Tymczasem dane sugerowały coś innego: kampania robiła swoją robotę, a lejek pękał na styku leada i pierwszego kontaktu. To klasyczny przypadek, w którym poprawianie reklam nic nie daje, bo wąskie gardło leży po stronie reakcji, a nie pozyskania. Wymiana agencji w takiej sytuacji oznacza zwykle te same leady i ten sam niedomknięty grafik kilka tygodni później.

Diagnoza: pomiar czasu reakcji i ścieżki leada

Zamiast od razu przebudowywać kampanię, zaczęliśmy od pomiaru. Najpierw prosty test: zostawiliśmy testowy lead przez własny formularz w godzinach przyjęć i zmierzyliśmy, ile czasu minie do pierwszego oddzwonienia. W modelowym scenariuszu odpowiedź przyszła po ponad dwóch godzinach — a część leadów z poprzednich tygodni nie doczekała się kontaktu wcale.

Drugi krok to prześledzenie pełnej ścieżki leada: skąd przychodzi, gdzie ląduje, kto i kiedy go obsługuje. Okazało się, że formularz Meta trafiał wyłącznie na skrzynkę mailową, którą recepcja sprawdzała sporadycznie. Nie było żadnego powiadomienia w czasie rzeczywistym ani jasnej reguły, kto odpowiada za pierwszy telefon. Lead konkurował o uwagę z każdym pacjentem stojącym akurat przy ladzie — i przegrywał.

Trzeci krok to rozdzielenie wskaźników. Wysoki odsetek formularzy przy niskim odsetku wizyt to sygnał, że problem leży w follow-up, a nie w kreacji czy targetowaniu. Gdyby formularzy było mało, szukalibyśmy przyczyny w samej kampanii. Tutaj diagnoza była jednoznaczna: leady są, brakuje szybkiej i konsekwentnej reakcji. Taki pomiar zajmuje kilka dni i jest tani, a chroni przed najdroższym błędem — przepalaniem budżetu na nowe leady, które wpadną do tego samego dziurawego procesu. Dopiero z tą wiedzą zaprojektowaliśmy wdrożenie wokół czasu reakcji, a nie wokół kolejnych wersji reklamy.

Wdrożenie: kampania Meta Lead Ads plus AI Follow-up

Kampanię Meta Lead Ads zostawiliśmy w dużej części bez zmian — działała. Dołożyliśmy do niej warstwę, której wcześniej nie było: automatyczne oddzwanianie i kwalifikację AI, w oparciu o technologię z smart-asystenci.pl. Cel był jeden — żeby żaden lead nie czekał na maila.

Mechanizm wyglądał tak: w momencie, gdy pacjent zostawiał numer w formularzu, lead trafiał nie na skrzynkę, lecz do systemu follow-up. Asystent AI oddzwaniał orientacyjnie w kilkadziesiąt sekund, jeszcze gdy reklama była świeża w pamięci. W rozmowie potwierdzał zainteresowanie, zadawał kilka pytań kwalifikujących — jakiego zabiegu dotyczy zgłoszenie, kiedy pacjentowi pasuje termin — i proponował konkretne okno w grafiku.

Leady gotowe na wizytę były umawiane od razu i lądowały w kalendarzu gabinetu, a recepcja dostawała gotowe potwierdzenie zamiast surowego maila do obdzwonienia. Zgłoszenia wymagające rozmowy z człowiekiem — trudniejsze przypadki, pytania o szczegóły kosztu leczenia czy planu zabiegów — były oznaczane i przekazywane do recepcji z notatką z rozmowy. Dzięki temu personel skupiał się na pacjentach przy fotelu, a nie na gonieniu zimnych leadów.

Wdrożenie obejmowało też dwie rzeczy łatwe do pominięcia: zgodny z RODO sposób przetwarzania danych z formularzy oraz integrację z kalendarzem gabinetu, żeby AI proponowało tylko realnie wolne terminy. Cały lejek przeszedł wtedy spójną drogę: reklama, lead, telefon AI, kwalifikacja, wizyta, raport — bez ręcznego przepisywania danych między etapami.

Tydzień po tygodniu — co się zmieniało

W pierwszym tygodniu najbardziej widoczna była zmiana czasu reakcji. Leady, które wcześniej czekały godzinami, zaczęły odbierać telefon niemal natychmiast po zostawieniu numeru. Część pacjentów była zaskoczona tak szybkim kontaktem — i to działało na korzyść gabinetu, bo budowało wrażenie sprawnej organizacji jeszcze przed pierwszą wizytą.

W drugim tygodniu uporządkowała się praca recepcji. Zniknął chaos polegający na obdzwanianiu starych leadów między zabiegami. Zamiast tego personel dostawał gotowe wizyty w kalendarzu i krótką listę zgłoszeń do oddzwonienia z konkretnym kontekstem. Mniej rozmów od zera, więcej rozmów merytorycznych — i mniej zgłoszeń, które po prostu ginęły w skrzynce.

W trzecim i czwartym tygodniu uwaga przesunęła się z liczby leadów na koszt umówionej wizyty. Mając dane z każdego etapu — ile leadów oddzwoniono, ilu pacjentów zakwalifikowano, ile wizyt trafiło do kalendarza — dało się zobaczyć, które kreacje i grupy odbiorców przynoszą nie tylko tanie formularze, ale realnie umówionych pacjentów. To zmieniło sposób optymalizacji kampanii: budżet zaczął iść tam, gdzie powstają wizyty, a nie tam, gdzie jest najtańszy lead. Warto podkreślić, że to modelowy przebieg — w realnych wdrożeniach tempo zależy od wolumenu leadów, sezonowości i organizacji gabinetu, a pełny obraz kosztu wizyty wymaga zwykle dłuższego okna niż jeden miesiąc.

Wskaźniki do śledzenia — z orientacyjnymi liczbami

W tym lejku liczą się cztery wskaźniki, a same liczby poniżej są wyłącznie modelowe i orientacyjne — służą do pokazania kierunku zmian, nie jako benchmark do skopiowania.

Pierwszy to koszt leada (CPL). W modelowym scenariuszu pozostał on w zasadzie bez zmian, bo kampanii prawie nie ruszaliśmy — orientacyjnie w okolicach kilkudziesięciu złotych za formularz. Drugi, najważniejszy z perspektywy follow-up, to odsetek leadów oddzwonionych w pierwszych minutach. Tu zmiana jest największa: orientacyjnie z kilkunastu procent przy obsłudze ręcznej do niemal wszystkich leadów oddzwanianych poniżej kilku minut, gdy robi to system.

Trzeci to odsetek leadów zamienionych w umówioną wizytę. W modelowym ujęciu, przy tym samym ruchu, wskaźnik ten potrafi wzrosnąć kilkukrotnie względem punktu wyjścia — nie dlatego, że leady są lepsze, lecz dlatego, że żaden nie stygnie. Czwarty, spinający całość, to koszt umówionej wizyty: CPL podzielony przez odsetek umówionych. Nawet jeśli koszt leada się nie zmienia, koszt wizyty spada, gdy więcej leadów dochodzi do kalendarza.

To właśnie ten ostatni wskaźnik, a nie sam CPL, pokazuje, czy kampania zarabia. Dla gabinetu, gdzie pojedyncza wizyta implantologiczna jest warta wielokrotnie więcej niż koszt całej kampanii, różnica między tanim leadem a tanim pacjentem decyduje o opłacalności całego budżetu reklamowego.

Wnioski i czego nie obiecujemy

Wniosek z tego modelowego scenariusza jest prosty: w gabinecie najczęściej nie brakuje leadów, brakuje szybkiej i konsekwentnej reakcji na nie. Kampania Meta Ads dostarcza zainteresowanie, ale to, co dzieje się w pierwszych minutach po zostawieniu numeru, decyduje, czy zainteresowanie zamieni się w wizytę. AI Follow-up domyka właśnie ten odcinek — oddzwania, kwalifikuje i umawia, zanim pacjent przejdzie do konkurencji.

Czego nie obiecujemy: konkretnych liczb. Powyższe wskaźniki są modelowe i pokazują mechanizm, a nie gwarantowany rezultat. Realne wyniki zależą od jakości oferty gabinetu, cen, lokalizacji, wolumenu leadów, dostępności terminów i tego, jak skonfigurowane są kampanie. Automatyzacja nie naprawi słabej oferty ani przepełnionego grafiku — przyspiesza i porządkuje kontakt, ale nie tworzy popytu z niczego.

Uczciwa rama jest taka: jeśli masz działającą kampanię i leady, które nie zamieniają się w wizyty, AI Follow-up adresuje najczęstszą przyczynę. Jeśli leadów jest mało albo są nietrafione, najpierw trzeba poprawić kampanię. Dlatego zaczynamy od pomiaru — czasu reakcji i ścieżki leada — a dopiero potem decydujemy, gdzie leży realny problem. Taka kolejność chroni budżet i pozwala wdrażać follow-up tam, gdzie faktycznie zmienia wynik, a nie na wyrost.