Retargeting w erze cookieless — strategia 2026

Wygaszanie third-party cookies w Chrome (2024-2026) rozłożyło klasyczny retargeting na łopatki. Pliki cookie firm trzecich — fundament ad techu przez piętnaście lat — odchodzą do historii. Ale retargeting nie umarł. Zmieniła się metoda: dane first-party jako podstawa, Customer Match jako most, śledzenie po stronie serwera do odzyskiwania danych i grupy podobnych odbiorców do skalowania. Firmy, które przygotowały się wcześniej, odzyskują 60-80% dawnej skuteczności — reszta dopiero zaczyna gonić.

TL;DR — retargeting bez third-party cookies

Cały przeskok w jednym ujęciu: każdy filar starego retargetingu ma dziś swój następcę oparty na danych własnych i zgodzie użytkownika. Poniższa tabela pokazuje, co czym zastępujemy — a dalsza część artykułu tłumaczy, jak każdy z tych mechanizmów wdrożyć:

Strategia	Zastępuje
Własne pliki cookie (first-party)	śledzenie firm trzecich
Customer Match	listy retargetingowe oparte na cookies
Śledzenie po stronie serwera	zdarzenia z piksela w przeglądarce
API konwersji	dane z piksela
Grupy podobnych odbiorców (AI)	targetowanie oparte na segmentach
Targetowanie kontekstowe	targetowanie behawioralne między stronami

Sens jest taki, że retargeting przenosi się z cudzych danych na Twoje własne. To zmiana na lepsze — pod warunkiem że masz fundament w postaci danych first-party i zgód. Reszta artykułu pokazuje, jak go zbudować.

Co się właściwie stało z cookies

Odejście od plików cookie firm trzecich nie było jednorazowym wydarzeniem, tylko procesem rozłożonym na lata. Już w 2017 roku Safari ograniczyło je przez mechanizm ITP, w 2020 Firefox zaczął blokować je domyślnie, a w latach 2024-2026 Chrome stopniowo je wygaszał — w efekcie w 2026 większość użytkowników funkcjonuje już w środowisku bez cookies firm trzecich. To zmiana fundamentalna, bo Chrome odpowiada za lwią część rynku przeglądarek.

Konsekwencje odczuł cały ad tech. Śledzenie użytkownika między stronami przestało działać (bez cookies nie da się podążać za nim z witryny na witrynę), klasyczny retargeting się zepsuł (piksel widzi użytkownika na stronie A, ale już nie na stronie B), atrybucja się rozdrobniła (model ostatniego kontaktu stał się niewiarygodny), modelowanie grup podobnych odbiorców osłabło (mniej danych behawioralnych), a ograniczanie częstotliwości między kanałami stało się trudniejsze. Krótko: stary sposób prowadzenia retargetingu po prostu przestał być możliwy.

Fundament: dane first-party

Punktem wyjścia nowego retargetingu są Twoje własne dane — pliki cookie ustawiane przez Twoją domenę nadal działają bez ograniczeń. Strategia opiera się na kilku filarach naraz. Identyfikacja po zalogowaniu pozwala rozpoznać użytkownika przez jego identyfikator, ścieżka e-mailowa zamienia zapis do newslettera w trwały identyfikator, własne pliki cookie po stronie serwera dają długoterminowe rozpoznanie, a jednolite śledzenie first-party (GA4 po stronie serwera) spina całą podróż użytkownika w spójny obraz.

To fundament, na którym stoi wszystko pozostałe — bez niego Customer Match nie ma z czego czerpać, a grupy podobnych odbiorców nie mają nasienia do modelowania. Warstwę techniczną tej podstawy rozkłada na czynniki pierwsze przewodnik po śledzeniu server-side w GA4. Im wcześniej ją zbudujesz, tym więcej danych zdążysz zgromadzić, zanim będą Ci potrzebne w kampaniach.

Customer Match — most przez pustkę po cookies

Customer Match to dziś kluczowa strategia: wgrywasz listę klientów (adresy e-mail, numery telefonu) do platformy, która dopasowuje je do kont użytkowników i pokazuje im reklamy. Mechanizm działa niemal wszędzie — w Google Ads (jako Customer Match), na Mecie (jako niestandardowe grupy odbiorców), na LinkedInie (jako Matched Audiences) i na TikToku (jako Custom Audiences). Zastosowania są równie szerokie: dosprzedaż obecnym klientom, reaktywacja klientów uśpionych, nurturing listy leadów w stylu ABM oraz zamiana subskrybentów newslettera w grupę reklamową.

Są jednak twarde wymogi, o których trzeba pamiętać. Lista musi liczyć co najmniej 1000 rekordów, dane powinny być zahaszowane (SHA-256) ze względu na prywatność, listę trzeba odświeżać co tydzień lub co miesiąc, a całość wymaga zgody zgodnej z RODO — z jasną informacją, że dane służą do celów marketingowych. Bez spełnienia tych warunków platforma po prostu nie uruchomi kampanii albo zrobi to na zbyt małej grupie, by miało to sens.

Śledzenie po stronie serwera

Skoro śledzenie w przeglądarce słabnie, jego rolę przejmuje śledzenie po stronie serwera — i to ono odzyskuje utracone zdarzenia. Skala odzysku różni się między platformami: API konwersji Meta odzyskuje 30-50% danych, ulepszone konwersje Google 20-30%, interfejs Events API na TikToku 30-50%, a serwerowe API konwersji LinkedIna dopiero się pojawia. Wdrożone razem potrafią przywrócić ponad 90% zdarzeń, które gubi samo śledzenie przeglądarkowe.

To nie jest kosmetyka, tylko warunek sensownej optymalizacji. Im więcej zdarzeń trafia do systemu reklamowego, tym trafniej licytuje on i tym uczciwiej rozlicza atrybucję. W świecie bez cookies śledzenie po stronie serwera przestało być opcją dla zaawansowanych — stało się higieną, bez której kampanie działają na wpół po omacku.

Grupy podobnych odbiorców i targetowanie kontekstowe

Dwie strategie pozwalają wyjść poza własną bazę i skalować dotarcie. Pierwsza to grupy podobnych odbiorców budowane przez algorytmy Google i Meta na podstawie nasienia (zwykle listy z Customer Match): dopasowanie 1% oznacza najbliższe podobieństwo do źródła, 5-10% szerszy zasięg. Algorytm opiera się na wzorcach zachowań, historii zaangażowania, historii zakupów i historii interakcji z reklamą — i to on zastępuje dawne targetowanie behawioralne oparte na cookies.

Druga strategia to targetowanie kontekstowe, które celuje na podstawie treści strony, na której jest użytkownik, a nie plików cookie. Jeśli ktoś czyta artykuł „najlepszy CRM dla SaaS", pokazujesz mu reklamę systemu CRM. Zalety są oczywiste: mechanizm jest w 100% niezależny od cookies, daje wysoką trafność kontekstową i jest przyjazny prywatności. Narzędzi dostarcza tu targetowanie tematyczne w Google Ads, kategorie zainteresowań na Mecie oraz wyspecjalizowane platformy kontekstowe (TripleLift, GumGum).

Jak zmienia się lejek retargetingowy

Warto zobaczyć, jak nowe narzędzia układają się na kolejnych etapach lejka. Na drodze od odwiedzającego do leada dawniej piksel śledził gościa i podawał go retargetingowi na Facebooku; dziś dane first-party i śledzenie po stronie serwera rozpoznają odwiedzającego, prowadzą go do zapisu e-mailowego, a stamtąd do retargetingu przez Customer Match. Na odcinku od leada do klienta miejsce piksela remarketingowego wszędzie zajmują lista w Customer Match plus nurturing e-mailowy.

Na etapie utrzymania, od klienta do ponownego zakupu, dawne behawioralne remarketowanie między stronami zastępuje kombinacja Customer Match (obecni klienci), automatyzacji e-mail i retargetingu opartego na zalogowaniu. Wspólny mianownik jest ten sam na każdym etapie — przechodzimy z cudzych plików cookie na własne dane i bezpośrednią relację z odbiorcą.

Jak to wygląda na poszczególnych platformach

Każda platforma ma swój zestaw narzędzi cookieless, choć logika jest wspólna. W Google Ads retargeting opiera się na Customer Match, atrybucję ratują ulepszone konwersje, resztą zajmuje się algorytm Performance Max, a remarketing w wyszukiwarce (RLSA) korzysta z list Customer Match. Na Mecie fundamentem jest API konwersji, a nad nim pracują niestandardowe grupy odbiorców (Customer Match), grupy podobnych odbiorców budowane z tych list oraz grupy zaangażowania (osoby wchodzące w interakcję ze stroną firmy i oglądające wideo).

Na LinkedInie retargeting opiera się na Matched Audiences (Customer Match), piksela LinkedIn (Insight Tag) uruchamianego po stronie serwera oraz retargetingu opartego na kontach (firmy, które odwiedziły stronę). TikTok domyka obraz własnymi niestandardowymi grupami odbiorców (Customer Match), interfejsem Events API po stronie serwera i grupami podobnych odbiorców budowanymi z grup niestandardowych. Różnią się nazwy, ale zasada jest ta sama: własne dane, śledzenie serwerowe i modelowanie podobieństwa zamiast cookies firm trzecich.

Zgodność z prywatnością

W erze bez cookies RODO i ePrivacy egzekwuje się ostrzej, więc zgodność trzeba wbudować w kampanię od początku, a nie doklejać na końcu. Podstawą jest wyraźna zgoda na marketingowe wykorzystanie danych i równie łatwa (jednym kliknięciem) możliwość jej wycofania. Do tego dochodzi zasada minimalizacji danych — zbierasz tylko to, co naprawdę potrzebne.

Reszta to higiena techniczna. Dane przekazywane do Customer Match muszą być zahaszowane, dane osobowe warto usuwać po stronie serwera, zanim trafią do platform, a polityka prywatności powinna jasno opisywać marketingowe wykorzystanie danych. W Polsce, gdzie kary za naruszenia RODO bywają realne, ta warstwa nie jest formalnością — to bezpiecznik chroniący cały biznes.

Najczęstsze błędy

Najczęstsze potknięcia biorą się z trzymania się starego świata. Poleganie na samym pikselu oznacza utratę ponad połowy danych, brak Customer Match to zmarnowanie największej dziś szansy, a kupowanie list adresowych jest nie tylko nielegalne, ale i prosto prowadzi do skarg na spam. Do tego dochodzi brak śledzenia po stronie serwera, przez który atrybucja się rozsypuje.

Reszta błędów to bezwład wobec zmiany. Stosowanie tej samej strategii retargetingu co przed erą cookieless po prostu nie działa, pomijanie grup podobnych odbiorców opartych na AI zostawia Cię z przestarzałym targetowaniem ręcznym, a niedbałość o zgodność z prywatnością naraża firmę na kary RODO. Wspólny wniosek: cookieless nie wybacza inercji.

Polski rynek — na co uważać

Na polskim rynku obowiązują te same mechanizmy co w całej Unii, ale z kilkoma niuansami. Dostępność Customer Match jest identyczna jak w UE, a egzekwowanie RODO — surowe, z realnymi karami. Mniejsza baza danych sprawia, że modelowanie grup podobnych odbiorców bywa mniej precyzyjne niż na dużych rynkach, więc tym większego znaczenia nabiera jakość własnych danych.

W praktyce polskie B2B najwięcej zyskuje, stawiając na dane first-party — najczęściej oparte na zalogowaniu i relacji e-mailowej. To one dają najbardziej wiarygodny fundament pod retargeting, niezależny od wielkości puli i od decyzji przeglądarek w sprawie cookies.

Podsumowanie

Retargeting w erze cookieless w 2026 roku opiera się na danych first-party jako podstawie, Customer Match na wszystkich platformach, śledzeniu po stronie serwera do odzyskiwania zdarzeń, grupach podobnych odbiorców budowanych z tych list oraz targetowaniu kontekstowym jako warstwie uzupełniającej — wszystko z wbudowaną zgodnością z prywatnością i spójnością odbiorców między kanałami. Cookieless nie zniszczył retargetingu; zniszczył retargeting leniwy. Firmy, które zaadaptowały się wcześnie, wyprzedzają konkurencję wciąż tkwiącą w logice samego piksela.

Audyt i plan retargetingu cookieless — pomożemy przejść z targetowania opartego na cookies na stack first-party.