Jeśli obszar analityki internetowej jest Ci znany “nie od dziś”, to z pewnością zdajesz sobie sprawę, że jedno z najpopularniejszych narzędzi (dla przypomnienia: Google Analytics) – nakłada na swoich użytkowników pewne ograniczenia. Do kluczowych możemy zaliczyć między innymi: próbkowanie, kardynalność i progowanie danych, a także limity trafień, konfiguracji czy zbierania danych o zdarzeniach.

Jeżeli chcesz się dowiedzieć, czym są, sprawdź, co takiego mogą oznaczać dla Twojego biznesu – najbliższa okazja na poszerzenie swojej wiedzy jest właśnie przed Tobą! Sprawdź poniższy artykuł, aby poznać ich definicje oraz sposób działania. Zapraszam!

Co znajdziesz w tym artykule?

Próbkowanie danych w Google Analytics
Po czym poznać, że Twój raport jest spróbkowany lub nie?
Różnice w próbkowaniu w Google Analytics 4 vs Universal Analytics
Eksploracje niespróbkowane – czym są i czy warto?
Kardynalność danych w Google Analytics
Dlaczego liczność danych w Google Analytics 4 może stanowić źródło problemów?
Jak pozbyć się “other” w raportach GA4?
Progowanie danych w Google Analytics
Kiedy stosowane są progi danych?
Czy możesz usunąć próg danych?
Limity w Google Analytics
Limity trafień w Google Analytics 4
Limity zbierania danych o zdarzeniach
Limity konfiguracji w GA4
Limity, kardynalność i próbkowanie w raporty Google Analytics 4 – podsumowanie

Próbkowanie danych w Google Analytics

W raportach Google Analytics próbkowanie danych nie jest żadną nowością. Wiąże się ono z nałożonymi limitami – po to, aby ograniczyć liczbę danych wykorzystywanych do raportowania.

Opiera się ono na liczbie zdarzeń i może pojawić się w raportach eksploracji. Limit dla GA4 wynosi 10 milionów zdarzeń, a im większa próbka, tym również większa dokładność samych wyników. Aby uzyskać dokładniejsze wyniki – spróbuj zmniejszyć zakres dat. Jeśli jesteś klientem GA4 360, możesz zażądać niespróbkowanych wyników (beta) w raporcie eksploracji z próbkowaniem.

W najnowszej wersji, czyli Google Analytics 4, raporty dzielą się na dwie grupy: standardowe oraz zaawansowane. Pierwsze z nich nie są próbkowane na bazie 100% danych pochodzących z wybranego zakresu dat. Natomiast raporty zaawansowane mogą być czasami próbkowane – w zależności od wybranych warunków.

Jeśli korzystasz z GA4 i jednocześnie nie chcesz, aby Twoje dane podlegały próbkowaniu – wystarczy, że do tego celu dodasz wymiar lub segment.

Po czym poznać, że Twój raport jest spróbkowany lub nie?

Na szczęście jest to bardzo proste. Mianowicie, w raporcie niespróbkowanym w Google Analytics 4 – na górze ekranu zobaczysz charakterystyczną zieloną ikonę ze znacznikiem wyboru. Jeśli zamiast niej dostrzeżesz żółtą ikonę z symbolem % – będzie to znak, że raport jest próbkowany (znajdziesz pod nią również informację o procentowym udziale danych).

Różnice w próbkowaniu w Google Analytics 4 vs Universal Analytics

Standardowe raporty w Google Universal Analytics nie są próbkowane. Jeśli jednak dodasz do nich dodatkowe wymiary bądź segmenty – zaczną już podlegać następującym ogólnym limitom próbkowania:

• Standardowa analiza: 500 tys. sesji dla używanego okresu danych
• Analytics 360: 100 mln sesji dla widoku używanego okresu danych

W przypadku Google Analytics 4 domyślne raporty zawsze są niepróbkowane. Możesz stosować porównania i niestandardowe parametry, a wszystkie raporty nadal będą niepróbkowane. W zaawansowanej zakładce Analiza, raporty mogą być próbkowane, gdy liczba wykorzystywanych danych przekracza 10 milionów i tworzony raport nie jest kopią standardowego raportu.

Eksploracje niespróbkowane – czym są i czy warto?

W Google Analytics istnieje jeszcze coś takiego, jak eksploracje niespróbkowane, które pozwalają na generowanie raportów opierających się na podstawie nawet 50 miliardów zdarzeń. Jest jednak jeden małych “haczyk” – mogą z nich korzystać tylko osoby posiadające Google Analytics 360.

Jak to zrobić? Wystarczy, że poprosisz o niespróbkowane dane! Taki krok zapewni Ci bardzo dokładne raporty i pozwoli na uzyskanie danych, które nie są dostępne w ich standardowych wersjach.

Kardynalność danych w Google Analytics

Skoro omówienie zagadnienia próbkowana mamy już za sobą – najwyższa pora przejść do kolejnego “ograniczenia”. Otóż, kardynalność to ilość unikalnych wartości w wymiarze. Jeśli to pojęcie nadal niewiele Ci wyjaśnia – spokojnie, już tłumaczę!

Musisz zdawać sobie sprawę, że niektóre wymiary mają określoną liczbę wartości. W tym obszarze możemy mówić np. o typach urządzeń, wymieniając: komputer, tablet, telefon – co da nam liczność na poziomie 3.

Inne, jak chociażby ścieżka, lokalizacja, identyfikator, a nawet nazwa elementu – mogą mieć zdecydowanie więcej. Ile? W przypadku 50 elementów na stronie liczność identyfikatora wynosi 50. Natomiast wymiar posiadający więcej niż 500 wartości – jest już uważany za wysoko kardynalny.

Raporty standardowe bez wymiaru dodatkowego lub porównania mają limit 50 000 wierszy w tabeli. Przy czym – zawierają tylko niezbędne dane. Raporty Eksploruj lub standardowe z dodatkowym wymiarem lub porównaniem oferują aż 2 miliony limitu wierszy w tabeli. Trzeba wspomnieć, że te raporty zawierają wszystkie wymiary w usłudze – i to niezależnie od tego, czy są potrzebne i czy wpływają na limit wierszy. Z kolei duża liczba wymiarów może spowodować pojawienie się wiersza “other”.

Dlaczego liczność danych w Google Analytics 4 może stanowić źródło problemów?

Pojawienie się kardynalności powoduje wzrost liczby wierszy w raporcie GA4. Każdy raport ma inną tabelę i po osiągnięciu limitu wierszy GA4 dodaje „inne” (a w zasadzie “other”) do wymiaru. W „other” znajdują się więc wszystkie dane przekraczające limit. Raporty standardowe i eksploracyjne mają różne limity, więc rezultaty również mogą być zgoła odmienne.

Uwaga: nieznane dane, które trafią do raportu, również wpływają na limit wierszy.

Jak pozbyć się “other” w raportach GA4?

Jeżeli “odkładanie” danych do “innych” nie jest Ci po drodze – możesz skorzystać z poniższej instrukcji.

• Używaj standardowych raportów, gdy to możliwe. Posiadają specjalne tabele, które umożliwiają zmniejszenie ryzyka zgrupowania danych w „other”.
• Użyj Eksploracji, jeśli widzisz „other” w swoich raportach. Eksploracje korzystają bowiem z innego limitu tabeli.
• Unikaj tworzenia niestandardowych wymiarów, a gdy to możliwe – korzystaj z tych predefiniowanych.
• Używaj wymiarów o dużej liczności tylko wtedy, gdy jest to niezbędne. Limit wierszy może dotyczyć wszystkich danych w usłudze dla określonego zakresu dat – gdy zastosujesz dodatkowy wymiar lub porównanie do raportu standardowego albo gdy użyjesz raportu niestandardowego.
• Unikaj tworzenia niestandardowego wymiaru w celu identyfikacji poszczególnych użytkowników. Zamiast tego użyj funkcji User-ID w GA4.
• Wyeksportuj swoje dane do BigQuery.

Oczywiście, można sobie z tym poradzić również w inny sposób – wykupując Google Analytics 4 w wersji 360.

Tego rodzaju usługa pozwala bowiem na automatyczne uruchamianie rozszerzonych zbiorów danych – i to dla obu typów raportów – standardowych i eksploracyjnych. Wówczas limit wynosi 2 miliony wierszy w tabeli. I co najważniejsze – taki rozszerzony zbiór danych obejmuje tylko wymiary potrzebne do raportu, a nie wszystkie zebrane dla usługi.

Ponadto, przejście na Analytics 360 pozwoli Ci korzystać z automatycznie rozwijanych zbiorów danych, jeśli w standardowej usłudze widoczny jest wiersz „other”. Analytics 360 samoczynnie uruchomi wówczas rozwijane zbiory danych, aby unikać tego wiersza – gdy tylko osiągniesz limit powodujący jego pojawienie się.

Progowanie danych w Google Analytics

Jeśli operuje na sporych bazach danych – prędzej czy później spotkasz się z sytuacją, w której zauważysz ich częściowe braki. Będą one wynikać ze stosowania tzw. progów, które zostały zaprojektowane po to, aby chronić prywatność użytkowników witryny, a co za tym idzie – uniemożliwić osobom przeglądającym raport określenie ich tożsamości (przynajmniej na podstawie informacji o danych demograficznych czy zainteresowaniach).

Kiedy stosowane są progi danych?

Mówiąc wprost – jeżeli Twój raport zawiera dane o wieku, płci lub zainteresowaniach (zawarte w wymiarze podstawowym, dodatkowy, porównaniu danych lub segmencie) – wówczas może zostać zastosowany próg danych, a co za tym idzie – wybrane informacje zostaną ukryte.

Czy możesz usunąć próg danych?

Uprzedzając ewentualne pytania: tego rodzaju progi są ustalane przez Google i nie da się ich zmieniać. Google Analytics stosuje je po to, aby chronić prywatność użytkowników. Jest jednak jedno, małe “ale”…

Z powodzeniem można zmienić sposób raportowania, który pozwoli uniknąć progowania danych. Aby to zrobić – wystarczy, że wybierzesz opcję raportowania tylko na urządzeniu. W takiej sytuacji Analytics użyje identyfikatora klienta (lub identyfikatora instancji aplikacji), które nie podlegają już takim progom.

Musisz jednak pamiętać, że takie zmiany, dane demograficzne w raportach z niską liczbą użytkowników mogą nadal być wstrzymane.

Limity w Google Analytics

Kolejnym rodzajem ograniczeń, jakie narzuca na nas jedno z najpopularniejszych narzędzi do analityki internetowej, są limity. Zaliczamy do nich limity związane z trafieniami, zbierania danych o zdarzeniach oraz konfiguracji.

Poniżej znajdziesz kluczowe informacje na temat każdego z nich, a przy dwóch ostatnich – dodatkowe tabele z wyszczególnionymi progami.

Limity trafień w Google Analytics 4

Pierwsze “na warsztat” weźmiemy tzw. trafienia, czyli działania podejmowane przez konkretnych użytkowników Twojej witryny internetowej.

W przypadku standardowej wersji Analyticsa limit trafień wynosił 10 milion miesięcznie. W przypadku Google Analytics 4 dobra wiadomość jest taka, że został on całkowicie zniesiony!

Limity zbierania danych o zdarzeniach

Analytics posiada także limity dla rejestrowania zdarzeń, parametrów zdarzeń oraz właściwości użytkownika. A ich przekroczenie może oznaczać, że dane nie zostaną zarejestrowane.

Przykłady? GA przestanie rejestrować aktywności użytkownika z 26 lub więcej wartościami, a także nazw zdarzeń o długości większej niż 40 znaków.

Więcej informacji na temat limitów zbierania danych znajdziesz w poniższej tabeli:

Źródło: Własne opracowanie

Limit Analytics 360 znajdziesz tutaj.

Limity konfiguracji w GA4

Ostatnim, aczkolwiek wcale nie najmniej istotnym ograniczeniem, są tzw. limity konfiguracji. Mogą dotyczyć takich aspektów, jak: odbiorcy, konwersje, eksploracje i wiele innych.

Przykład? Google Analytics nie pozwoli Ci skonfigurować kolejnej listy odbiorców, jeśli w danym momencie posiadasz już 100 takich list.

A jeśli usługa zbiera więcej danych niż wynika z limitu próbkowania – narzędzie będzie korzystać z dostępnej próbki danych w swoich eksploracjach.

Więcej informacji na temat tego rodzaju limitów odczytasz z tej tabeli:

Źródło: Własne opracowanie

Limity, kardynalność i próbkowanie w raporty Google Analytics 4 – podsumowanie

Jak widzisz korzystanie z Google Analytics jest bardzo pomocne – o ile weźmiesz pod uwagę ograniczenia oraz limity. Mam nadzieję, że tym artykułem przynajmniej przybliżyłem Ci tę tematykę i udzieliłem odpowiedzi na najbardziej nurtujące pytania.

Jeśli potrzebujesz więcej wartościowych informacji oraz zastanawiasz się jak wykorzystać to narzędzie w Twojej organizacji i wznieść analitykę na jeszcze wyższy poziom to pogadajmy.

Ten artykuł jest naprawdę długi (ale jednocześnie warty przeczytania). Dlatego pozwól, że tym razem pominę wstęp i od razu przejdę do konkretów (a jest ich całkiem sporo!).

Poznaj definicję zdarzeń w Google Analytics. Dowiedz się, co i w jaki sposób warto śledzić, a także poznaj kluczowe zagadnienia związane z ich konfiguracją.

P.S. Na końcu czeka na Ciebie kilka konkretnych PRO TIPÓW, które znacznie ułatwią Ci event tracking w Twojej organizacji.

Co znajdziesz w tym artykule?

Czym są i do czego służą zdarzenia w Google Analytics?
Jakie zdarzenia warto śledzić za pomocą narzędzia od Google?
Jak prezentowała się struktura zdarzeń w UA, a jak obecnie wygląda w przypadku GA4? Opis zmian i różnic.
Na co warto zwrócić uwagę podczas definiowania zdarzeń w GA4?
Do wyboru, do koloru. Jakie rodzaje zdarzeń znajdziesz w Google Analytics 4?
Co zrobić, jeśli nie udało Ci się znaleźć odpowiedniego zdarzenia?
Event tracking a GA4. W jaki sposób z niego korzystać?
Jak zaimplementować zdarzenia w Google Analytics 4?
Jak jeszcze możesz przeprowadzić proces implementacji zdarzeń w GA4?
Gdzie w GA4 znaleźć już skonfigurowane zdarzenia?
Testy wykonane i co dalej?
Event tracking w Google Analytics 4 – podsumowanie i zakończenie

Czym są i do czego służą zdarzenia w Google Analytics?

Zanim dasz się porwać technologicznemu wirowi, dotyczącemu zdarzeń w Google Analytics, zacznijmy od nieco luźniejszego wstępu. Co sprawia, że uznajemy dany dzień za udany? Myślę, że gdybyśmy zebrali wszystkie potencjalne odpowiedzi, to z pewnością łączyłby je jeden wspólny mianownik, czyli: “coś się działo” czyt. wystąpiło jedno lub pojawiło się więcej zdarzeń, które nas “pochłonęły” lub sprawiły, że po prostu dobrze się bawiliśmy.

I wiesz co? Nie inaczej jest w przypadku Google Analytics. Abyśmy mogli dobrze się “bawić” podczas analizowania ruchu na naszej stronie internetowej – potrzebujemy do tego zdarzeń. No, chyba że lubisz, gdy w Twoich raportach widnieją same zera. Wówczas wystarczy, że utworzysz usługę GA i tak już ją zostawisz. Kończąc to odrobinę swobodniejsze wprowadzenie – pozwól, że przejdę do konkretów.

O ile, w przypadku Universal Analytics mieliśmy do wyboru, czy chcemy urozmaicać nasze raporty, poprzez śledzenie zdarzeń (jeden z kilku rodzajów hitów), o tyle w przypadku GA4 można powiedzieć, że zostaliśmy postawieni pod analityczną ścianą. Wszystko przez fakt, że każda interakcja podjęta przez użytkownika w Google Analytics automatycznie otrzymuje miano “zdarzenia”.

Właśnie dlatego na pytanie “po co śledzić zdarzenia w Google Analytics?” możemy odpowiedzieć pół żartem, pół serio: “tak” . Tak, ponieważ to właśnie dzięki dobrze zdefiniowanym oraz prawidłowo skonfigurowanym zdarzeniom zyskasz szczegółowe informacje na temat tego, jakie interakcje są podejmowane na Twojej stronie – w jakiej ilości oraz z jaką częstotliwością.

Jakie zdarzenia warto śledzić za pomocą narzędzia od Google?

To naturalne, że z poziomu artykułu nie jestem w stanie zaproponować Ci gotowej listy zdarzeń, która będzie idealnie dopasowana do charakteru Twojego serwisu, specyfiki biznesu, aż wreszcie – Twoich potrzeb. W związku z tym poniżej znajdziesz kilka przykładowych interakcji, które z pewnością warto rozpatrzyć jako potencjalne zdarzenie:

• śledzenie transakcji e-commerce (opcja dla sklepów internetowych, choć z powodzeniem możesz ją wykorzystać także w bardziej niestandardowy sposób – np. na stronie blogowej)
• śledzenie kroków ścieżki zakupowej (m.in. wyświetlenie produktu, dodanie produktu do koszyka, czy rozpoczęcie
• realizacji zamówienia)
• wysłanie formularza
• zapis do newslettera
• kliknięcie lub wyświetlenie jakiegoś elementu
• zalogowanie lub zarejestrowanie się
• błędy 404 na stronie
• “wskoczenie” użytkownika do grupy odbiorców (ciekawa opcja w interfejsie GA4)

Jak prezentowała się struktura zdarzeń w UA, a jak obecnie wygląda w przypadku GA4? Opis zmian i różnic.

Jeżeli korzystasz z obu tych narzędzi jednocześnie (stosując tzw. dual-tagging) – z całą pewnością udało Ci się dostrzec pewne różnice w strukturze występujących tam zdarzeń.

W Universal Analytics masz do wykorzystania 3 podstawowe wymiary rozróżniające, a także metrykę, która określa wartość zdarzenia. Oczywiście, możesz również definiować wymiary oraz metryki niestandardowe, jednak w tym miejscu mam na myśli strukturę, która występuje domyślnie.

Jeżeli chodzi o wspomniane wymiary – w ich zakres wchodzą: kategoria, akcja oraz etykieta. Dodatkowo możesz określić tzw. “nie-interakcyjność” danego zdarzenia, której ustawienie na “0” sprawi, że w przypadku wywołania takiego zdarzenia sesja użytkownika nie będzie uznana jako odrzucenie.

A jak to wszystko wygląda w Google Analytics 4? W tym miejscu narzędzie pozostawia Ci sporo swobody. W nowej wersji Analyticsa nie ma standardowych wymiarów zdarzeń (czyli “kategorii”, “akcji” i “etykiety”). W zamian masz do wykorzystania aż do 25 parametrów – i to na poziomie przesyłanego zdarzenia. Niektóre z nich są przesyłane w sposób automatyczny (np. page_location, czy page_referrer), co sprawia, że nie musisz ich dodatkowo definiować.

Aczkolwiek, jeżeli zależy Ci na wzbogaceniu poszczególnych zdarzeń, a rekomendowane parametry przez Google nie spełniają w pełni Twoich oczekiwań – pamiętaj, że zawsze możesz zdefiniować własne parametry (maksymalna ilość znaków nazwy to 40). Informacje o pozostałych limitach odnoszących się do omawianych zdarzeń znajdziesz bezpośrednio na stronie Google – w tym miejscu.

Na co warto zwrócić uwagę podczas definiowania zdarzeń w GA4?

Podczas mojej pracy bardzo często spotykam się z problemem, w którym zauważam, że spora część osób nie chce odchodzić od struktury opisywania zdarzeń i dalej używa parametrów takich jak np.: event_category, czy event_label. Takie podejście wynika głównie z przyzwyczajenia do Universal Analytics.

Oczywiście, w GA4 można przepisać te zdarzenia z UA dosłownie “jeden do jednego” (poza nie-interakcyjnością – ta funkcjonalność zniknęła wraz ze zmianą podejścia do zaangażowania użytkowników w Google Analytics 4).

Aczkolwiek, zamiast kurczowo trzymać się starych rozwiązań – uważam, że warto wykorzystać proces migracji do przemyślenia obecnej struktury zdarzeń i dostosowania jej do nowych standardów. To trochę tak, jakbyśmy po zakupie nowego samochodu przekładali silnik z poprzedniego, ponieważ “stary silnik dobrze się sprawdzał”.

Do wyboru, do koloru. Jakie rodzaje zdarzeń znajdziesz w Google Analytics 4?

Słysząc, że więcej zdarzeń oznacza także więcej danych do analizy – z pewnością możesz stwierdzić, że w takim razie chcesz śledzić… WSZYSTKO! Pomijając już fakt, że takie podejście nie jest najlepszym rozwiązaniem – na początku warto sprawdzić, jakie możliwości daje Google na “dzień dobry”.

Pierwszą kategorią zdarzeń, które warto wyróżnić, są zdarzenia automatyczne. Wraz z zaimplementowaniem Google Analytics (np. poprzez gtag, GTM-a, czy SDK Google Analytics pod Firebase) niektóre eventy same będą się “odkładać”. Przykładem takiego zdarzenia jest, chociażby session_start, który samoistnie jest wywoływany (“doklejany”) przed pierwszą interakcją na stronie w ramach danej sesji.

W obrębie automatycznych możemy wyodrębnić całkiem sporą grupę zdarzeń, które wchodzącą w zakres tzw. Enhanced Measurement (pełną listę znajdziesz tutaj). Ich plusem jest to, że możemy je w łatwy sposób wyłączyć z poziomu ustawień streama (Administracja w interfejsie). A tak już całkiem poważnie – to oczywiście nie jest to ich jedyna zaleta.

Mianowicie, ten wbudowany moduł pozwala śledzić kilka ciekawych interakcji, takich jak page_view, scroll (po przewinięciu 90% strony), czy click (w linki wychodzące). Jest to z pewnością bardzo ciekawe rozwiązanie dla biznesów wchodzących w świat analityki internetowej, ale również kilka z tych opcji z pewnością można wykorzystywać przy bardziej zaawansowanych wdrożeniach.

Przy tym wszystkim należy pamiętać o weryfikacji poszczególnych zdarzeń np. przy pomocy DebugView. Szczególnie nie warto ufać automatycznym zdarzeniom, które dotyczą formularzy lub video. Kto konfigurował śledzenie formularzy z poziomu GTM-a przy użyciu domyślnego listenera – ten doskonale wie, o co chodzi.

Co zrobić, jeśli nie udało Ci się znaleźć odpowiedniego zdarzenia?

Jeżeli zdarzenie, które Cię interesuje, nie znajduje się na liście wszystkich automatycznych zdarzeń lub też wybrane zdarzenie nie spełnia Twoich oczekiwań (np. pod kątem przekazywanych parametrów) – musisz wziąć pod uwagę drugą kategorię zdarzeń. Są nimi wszelkie eventy, które wymagają implementacji.

Google przygotował specjalną listę rekomendowanych zdarzeń, które zostały dopasowane do konkretnych branż (np. szeroko pojętej sprzedaży online), aby w ten sposób ułatwić swoim użytkownikom pracę. Pełna lista rekomendowanych zdarzeń jest dostępna pod tym adresem.

Event tracking a GA4. W jaki sposób z niego korzystać?

Jeśli klikniesz w konkretne zdarzenie – Twoim oczom ukaże się szczegółowa specyfikacja, w której znajdziesz strukturę potencjalnego zdarzenia oraz zalecane lub wymagane parametry.

Ze wspomnianej listy warto korzystać np. w momencie, gdy chcesz rozszerzać śledzenie. Nic nie stoi na przeszkodzie, aby zdefiniować całkowicie nową nazwę zdarzenia. Z własnego doświadczenia jednak wiem, że zdecydowanie lepiej podejść do tego “z głową”. Tak, aby szerokie możliwości i spora dowolność nie okazały się Twoim największym wrogiem.

P.S. Pamiętaj o limicie 500 unikalnych nazw zdarzeń dla aplikacji. Początkowo ten limit dotyczył również stron webowych, ale na szczęście został zniesiony.

Jak zaimplementować zdarzenia w Google Analytics 4?

Jeśli po dotarciu do tej części artykułu w Twojej głowie zrodził się pomysł: “Chcę zostać bohaterem w Google Analytics i zaimplementować go własnoręcznie” – poniżej czeka na Ciebie gotowa instrukcja.
Jednym z najwygodniejszych i najszybszych sposobów jest… powierzenie tego zadania specjalistom od Conversion. Wówczas wystarczy, że skontaktujesz się z nami, przekażesz niezbędne informacje, a my zajmiemy się całą resztą. Nieskromnie dodam, że akurat to rozwiązanie jest unikalne i z pewnością nie znajdziesz go w specyfikacji. Właśnie dlatego postanowiłem od niego zacząć!

A teraz żarty na bok… (chociaż moje zaproszenie do współpracy z Conversion jest jak najbardziej na serio!). W końcu jesteśmy pierwszą w Polsce firmą – specjalizującą się w analityce internetowej oraz optymalizacji konwersji. Więc jeśli korzystać z usług, to z najlepszych!

Jak jeszcze możesz przeprowadzić proces implementacji zdarzeń w GA4?

Musisz wiedzieć, że możliwości implementowania takich zdarzeń jest co najmniej kilka. Najważniejsze z nich zawarłem w poniższych punktach.

#1 Google Tag Manager

Ulubionym (dla każdego analityka internetowego) jest wdrażanie zdarzeń przy użyciu GTM-a. W jego interfejsie znajdziesz gotowy template pod tag zdarzenia, w którym możesz m.in. wpisać wybraną nazwę zdarzenia, ustawić parametry oraz podpiąć regułę wywołującą dane zdarzenie. W tym wszystkim nie zapomnij, aby odnieść się do tagu konfiguracyjnego.

Oczywiście, każde zdarzenie rządzi się swoimi prawami i wymaga odpowiedniego podejścia. Jednak temat konfigurowania zdarzeń to materiał na dedykowany wpis, a nawet cały tutorial. Dlatego w tym miejscu jedynie o nim wspomniałem.

#2 Kod strony

Możesz również wykorzystać do tego celu tag Google (gtag.js), który umieścisz bezpośrednio w kodzie strony. W tym przypadku należy przygotować dedykowane kody zdarzeń (zgodnie ze specyfikacją), a następnie dodać je od razu na stronie.

W większości przypadków (jeśli nie korzystasz z popularnych CMSów typu WordPress), proces ten będzie wymagał wsparcia specjalistów od IT. No, chyba że znasz się na rzeczy i masz odpowiednie dostępy do strony.

Jeżeli nie, a Twoi deweloperzy są dość mocno obłożeni – takie rozwiązanie może okazać się dość problematyczne. Zwłaszcza jeśli weźmiesz pod uwagę ewentualne zmiany i konieczność aktualizowania kodu w przyszłości, chociażby po to, aby wzbogacać śledzenie).

#3 Measurement Protocol

To z kolei nieco alternatywne rozwiązanie, które nie wymaga implementacji GA4 w środowisku, z którego pochodzą dane. Polega na przesyłaniu tzw. requestów HTTP o ustalonej strukturze (oto przykład jak zbudować potencjalny request).

Tego rodzaju podejście stosuje się zazwyczaj w specyficznych scenariuszach, do których możemy zaliczyć: przesyłanie konwersji ze sklepu offline oraz interakcje server-to-server. Stanowi również “jakieś” wyjście w przypadku ograniczeń technicznych przy osadzaniu kodów śledzących.

Oprócz wspomnianych powyżej rozwiązań, w przypadku aplikacji warto korzystać z Analytics SDK dla Firebase.

Gdzie w GA4 znaleźć już skonfigurowane zdarzenia?

Nie samą konfiguracją człowiek żyje. Gdy już uda Ci się przebrnąć przez cały proces konfiguracji – wreszcie przyjdzie wyczekiwany moment, w którym zobaczysz owoce swojej ciężkiej pracy. W tym miejscu małe wtrącenie:

• Jeżeli korzystasz z GTM-a – zanim opublikujesz śledzenie zdarzeń rozważ włączenie opcji Preview Mode oraz zweryfikuj, jak te zdarzenia spływają do GA4 przy użyciu DebugView (znajdziesz to w sekcji Administracja).
• Jeżeli korzystasz z innego rozwiązania wdrożeniowego – również możesz wyodrębnić swój ruch np. poprzez włączenie wtyczki Google Analytics Debugger podczas chodzenia po stronie. Po jej włączeniu zobaczysz swoje interakcje we wspomnianym już DebugView.

Oczywiście, do dyspozycji masz również znane i lubiane – raporty w czasie rzeczywistym. Jednak na potrzeby testowania, DebugView jest zdecydowanie lepszym miejscem.

Testy wykonane i co dalej?

Gdy stwierdzisz, że Twoje śledzenia działa zgodnie z planem, to z pewnością zechcesz zobaczyć inne raporty związane ze zdarzeniami. Domyślny raport znajdziesz w sekcji Raporty -> Zaangażowanie -> Zdarzenia.

Do dyspozycji masz również Eksploracje, w których możesz przygotować raporty “szyte na miarę” – odwzorować standardowy raport lub stworzyć zupełnie nowy.

Event tracking w Google Analytics 4 – podsumowanie i zakończenie

Jeżeli udało Ci się dotrwać do końca tego artykułu – nie mam innego wyjścia, jak tylko Ci pogratulować oraz… wręczyć nagrodę! Na zakończenie mojego długiego i merytorycznego (mam nadzieję!) wywodu o event trackingu w GA4 przygotowałem kilka prawdziwych PRO TIPÓW, które znacznie ułatwią Ci korzystanie ze zdarzeń w GA4. Zapoznaj się z nimi i korzystaj do woli!

• Nie zapominaj o dodaniu parametru “currency”, jeśli definiujesz parametr “value”

Jeżeli tego nie zrobisz, to przychody (np. w raportach “Generowanie przychodu”) będą wyzerowane. Łatwo się na to naciąć, jeśli wykorzystujesz warstwy danych pod standard Universal Analytics.

• Zdarzenia w GA4 są batchowane oraz mogą spływać nawet do 72 godzin od wystąpienia zdarzenia

Takie opóźnienie może wystąpić na przykład w przypadku przerwania połączenia z Internetem. Batchowanie oznacza, że zdarzenia są grupowane i wysyłane paczkami do GA4. Jednak mamy kilka wyjątków np. nie dotyczy konwersji, które są wysyłane natychmiast po wystąpieniu.

• Konfigurujesz zdarzenie, które będzie wywoływane z ograniczoną częstotliwością lub Twoja strona opiera się na małej ilości ruchu? Istnieje spore ryzyko, że nie zobaczysz takich zdarzeń w raportach zawierających metryki z liczbą użytkowników.

Wynika to z progowania (“thresholding”), które pojawia się w przypadku włączonej identyfikacji użytkowników opartej o Google Signals. Domyślnie ustawiona “Tożsamość na potrzeby raportowania” to “Mieszana”, w której skład wchodzi również identyfikacja na podstawie Google Signals.

Jeżeli jest to w Twoim przypadku problematyczne, a dodatkowo nie dostrzegasz wartości dodanej w takim trybie identyfikacji – możesz rozważyć przełączenie się na (dobrze Ci znaną z Universal Analytics), identyfikację opartą na urządzeniu (client_id).

Aby to zrobić, należy wejść do sekcji Administracja -> Tożsamość na potrzeby raportowania i wybrać opcję Zależne od urządzenia. Zmiana jest retroaktywna i w każdej chwili możesz powrócić do wcześniejszych ustawień – bez trwałego oddziaływania na dane.

• Problem z kardynalnością (mocą zbioru) jest dość powszechny w GA4

Zwłaszcza jeżeli przesyłasz wymiary cechujące się dużą unikalnością wartości. Według Google za takie wymiary należy uznać parametry, które przekazują powyżej 500 niepowtarzalnych wartości na dzień.

Pewnie zastanawiasz się, w jaki sposób możesz zidentyfikować ten problem? Jeżeli w raporcie na poziomie wymiaru zauważysz (other) to wiedz, że “coś się dzieje”. Nie będę wchodzić w dalsze szczegóły, ponieważ jest to dość rozbudowany temat. Jednak zachęcam, aby o tym pamiętać i zanim coś zdefiniujesz jako parametr – zastanów się, czy nam jest potrzebny lub czy nie warto pogrupować jego wartości.

• Przesyłasz dodatkowe parametry i chcesz mieć do nich swobodny dostęp z poziomu raportów, eksploracji, czy w Looker Studio? Zdefiniuj je jako wymiar niestandardowy.

Co ciekawe, warto to zrobić również w przypadku parametrów przesyłanych w ramach zdarzeń Enhanced Measurement (np. search_term). Bez tego działania nie otrzymasz do niego dostępu z poziomu Looker Studio (domyślny connector) oraz np. w podsumowaniu raportu standardowego (w sekcji “Eksploracje” ta grupa parametrów jest dostępna bez dodatkowych modyfikacji).

A jeśli szukasz więcej sprawdzonych porad z zakresu Google Analytics i zastanawiasz się jak wykorzystać śledzenie zdarzeń w GA w Twojej organizacji by wznieść analitykę na jeszcze wyższy poziom to pogadajmy.

Jeżeli po zapoznaniu się z tytułem tego wpisu w Twojej głowie pojawiło się pytanie “Ale o co w ogóle chodzi?!” – uspokajam, z pewnością nie jesteś jedyną taką osobą. Sam muszę przyznać, że w pewnym momencie nawet ja miałem problemy z poruszaniem się w gąszczu przepisów, ustaleń i komunikatów, które w wielu miejsca potrafiły się wykluczać czy po prostu sobie zaprzeczać. Właśnie dlatego, z myślą o osobach takich, jak Ty (a po części takich, jak ja), postanowiłem napisać artykuł, który to wszystko objaśni.

Chcesz poznać definicję, specyfikę, początki oraz przyszłość tzw. DPF? W tym artykule znajdziesz wszystko, co potrzebne, aby rozeznać się w tym temacie oraz dowiedzieć się, do czego służy zawiązane pomiędzy Unią Europejską i Stanami Zjednoczonymi – porozumienie Data Privacy Framework.

Co znajdziesz w tym artykule?

Co to jest Data Privacy Framework?
Jaka jest geneza Data Privacy Framework?
Decyzja o adekwatności – co to takiego?
Jak wyglądała przeszłość poprzednika Data Privacy Framework?
Jak kwestia DPF prezentowała się w 2022 roku?
Przyszłość Data Privacy Framework. Czego możemy spodziewać się w 2023 roku?
Założenia DPF, czyli co tak naprawdę oznacza wdrożenie tych zapisów?
EU-US Data Privacy Framework – podsumowanie
Jaki jest znaczenie DPF dla Twojego biznesu?

Co to jest Data Privacy Framework?

Data Privacy Framework (w skrócie DPF) dotyczy swego rodzaju porozumienia pomiędzy USA i UE, które ma na celu określenie zasad związanych z przekazywaniem oraz przetwarzaniem danych osobowych obywateli Unii Europejskiej. Można powiedzieć, że stanowi odpowiedź na dwa poprzednie programy – “Safe Harbour” oraz “Privacy Shield”, które decyzją TSUE, zostały uznane za nieważne.

Jaka jest geneza Data Privacy Framework?

W dużym skrócie można powiedzieć, że stanowi on bezpośrednią kontynuację innego, pochodzącego z marca 2022 roku, porozumienia tzw. Trans – Atlantic Data Privacy Framework, które zostało zawarte na linii Stany Zjednoczone – Unia Europejska.

Jak łatwo się domyślić – jego treść dotyczyła ochrony prywatności. A mówiąc konkretniej – władze USA zobowiązały się do ustrukturyzowania pracy swoich służ wywiadowczych (dotyczącej dostępu, przetwarzania oraz wykorzystywania danych na temat obywateli UE).

Następstwem takiego porozumienia było, wydane przez prezydenta USA – Joe Bidena, specjalne polecenie (tzw. Executive Order) mające na celu wdrożenie odpowiednich zmian w amerykańskim prawie. Takie kroki prawne ze strony USA pozwoliły również na podjęcie odpowiednich kroków w UE, a dokładniej tzw. decyzji o adekwatności.

Decyzja o adekwatności – co to takiego?

Wspomniana już decyzja o adekwatności to nic innego, jak pewnego rodzaju “pozwolenie”, dzięki któremu państwo nienależące do Unii Europejskiej, może przetwarzać dane osobowe jej obywateli. Praktycznie tak, jakby samo również było jej członkiem.

Warunek stanowi przestrzeganie surowych standardów, których doskonały przykład stanowi, chociażby RODO. Oczywiście, w przypadku podmiotów z USA (Facebooka, Google’a i kilku innych) – nie muszą być one do końca identyczne. Ważne, aby w zbliżony sposób chroniły wszelkich kluczowych i wrażliwych informacji.

Taki zabieg sprawia, że wybrane amerykańskie podmioty* mogą swobodnie zbierać, przetwarzać, a nawet przesyłać dane. I to bez konieczności przeprowadzania badań czy dodatkowych procedur sprawdzających.

* Warto wspomnieć, że treść porozumienia uwzględnia wyłącznie firmy, które wchodzą w skład dedykowanego programu.

Jak wyglądała przeszłość poprzednika Data Privacy Framework?

W tym miejscu muszę zaznaczyć, że pierwsze poważne postanowienia w tej materii miały miejsce jeszcze w 2016 roku. Początkowo takim dokumentem była wspomniana wyżej tarcza “Privacy Shield”, której zapisy przyjęto dokładnie 12 lipca 2016 r. Blisko 4 lata później, bo w 16 lipca 2020 roku Trybunał Sprawiedliwości Unii Europejskiej postanowił, że uchwalone wcześniej przepisy nie zapewniają właściwego poziomu ochrony danych mieszkańców UE. Co za tym idzie – zdecydował o uchyleniu wcześniejszej decyzji, a kwestia przesyłu i przetwarzania danych pomiędzy UE i USA ponownie nie była objęta żadnym mechanizmem.

Treść tzw. Tarczy Prywatności unieważniono z dwóch zasadniczych powodów.

• Po pierwsze – w USA brakowało przepisów, które umożliwiałyby obywatelom UE realne dochodzenie swoich roszczeń z tytułu naruszenia ich prywatności.
• Po drugie – zdaniem przedstawicieli Unii Europejskiej, amerykańskie służby posiadały zbyt szerokie uprawnienia, które umożliwiały im “obchodzenie” zapisów tarczy.

Jak kwestia DPF prezentowała się w 2022 roku?

W kwestii negocjacji regulacji prawnych dotyczących Data Privacy Framework, do jakich doszło pomiędzy przedstawicielami Unii Europejskiej oraz władzami Stanów Zjednoczonych, to właśnie rok 2022 był prawdziwym “game-changerem”.

Trwające ponad rok negocjacje na linii przewodnicząca UE Ursula von der Leyen oraz prezydent USA Joe Biden, zaowocowały następnymi krokami:

• 25 marca 2022 roku – przedstawiciele obu stron wspólnie ogłosili osiągniecie zasadniczego porozumienia dotyczącego ram nowej umowy między UE i USA. Następnie dedykowane zespoły z Ameryki oraz Europy przez długie miesiące pracowały nad szczegółami wszystkich zapisów, a także adaptowały je do konkretnych przepisów oraz warunków prawnych.
• 7 października 2022 roku – prezydent Stanów Zjednoczonych Ameryki Północnej złożył swój podpis na tzw. dekrecie wykonawczym. W szerszej perspektywie miał na celu ograniczenie uprawnień służb, usprawnienie ochrony czy sposobu dochodzenia praw, a co za tym idzie – dostosowanie się do wymagań stawianych przez TSUE.
• 12 grudnia 2022 roku – Komisja Europejska przystąpiła do procesu, którego celem było potwierdzenie należytego poziomu ochrony danych osobowych, które są przetwarzane na linii UE – USA. Ten krok w dalszej perspektywie pozwolił na ponowne działanie (zbieranie, wysyłanie i agregowanie przez nich danych) amerykańskich podmiotów – biorących udział w specjalnym programie.

* Bądź jak kto woli – „delikatnego” nieporozumienia.

Przyszłość Data Privacy Framework. Czego możemy spodziewać się w 2023 roku?

Oczywiście, potwierdzenie właściwego stopnia ochrony wcale nie jest równoznaczne z podjęciem odpowiednich kroków prawnych. Kolejnymi niezbędnymi działaniami, które zostaną podjęte prawdopodobnie w 2023 roku, będą: projekt decyzji stwierdzającej odpowiedni stopień ochrony, a tuż po niej – rozpoczęcie samej procedury jej przyjęcia.

Ta ostatnia wiąże się z koniecznością przeprowadzenia dodatkowych etapów, w tym:

• Wypracowania opinii Europejskiej Rady Ochrony Danych (EROD).
• Uzyskania zgody od komitetu złożonego z przedstawicieli państw członkowskich.
• Kontroli decyzji – przeprowadzonej przez Parlament Europejski.

Po wykonaniu tych działań Komisja Europejska będzie mogła podjąć finalną decyzję.

Założenia DPF, czyli co tak naprawdę oznacza wdrożenie tych zapisów?

Kluczowe wnioski płynące z tego rodzaju porozumienia możemy podzielić na dwie zasadnicze grupy.

Nr 1 to kwestia odpowiedzialności poszczególnych stron

Możliwości przetwarzania danych dotyczą wyłącznie certyfikowanych podmiotów, które należą do specjalnego programu. Podobnie, jak w przypadku europejskich standardów – będą musiały one informować o fakcie przetwarzania tego typu danych.

Amerykańskie podmioty uprawnione do przetwarzania danych są zobowiązane do przestrzegania zasad opisywanych przez RODO. Dotyczy to zarówno administratorów, jak również jednostek działających na terenie Stanów Zjednoczonych.

Decyzja przyjęcia do programu Date Privacy Framework będzie poprzedzona procesem certyfikacji, za który odpowiada Departamentu Handlu USA. Certyfikat ma rok ważności, po którym można ubiegać się o jego przedłużenie.

Nr 2 to kwestia skarg i dochodzenia swoich praw

W myśl przepisów zmianie ulegnie również podejście do osób oraz podmiotów, których dotyczy przetwarzanie danych. DPF umożliwi im składanie skarg, które mogą kierować zarówno do jednostek przetwarzających dane, jak i instytucji związanych administracji państwa (bezpośrednio w USA). Dodatkowo tego rodzaju roszczenia bądź skargi będą mogły być kierowane również do podmiotów Unii Europejskiej.

EU-US Data Privacy Framework – podsumowanie

Mogę śmiało stwierdzić, że wdrożenie Data Privacy Framework należy rozpatrywać jako pozytywny krok w stronę usystematyzowania przepisów, a co za tym idzie – przede wszystkim wyjście z “prawnego klinczu”, w jakim do tej pory znajdowało się wiele jednostek.

DPF w jasny sposób określa granice “kto” i “co” może robić z danymi należącymi do obywateli Unii Europejskiej. Jednocześnie dbając o transparentność ich przetwarzania, jak znacząco podnoszą poziom ochrony.

Jaki jest znaczenie DPF dla Twojego biznesu?

Jeśli jeszcze nie do końca udało Ci się zrozumieć ideę oraz złożoność tych wszystkich procesów, a mimo wszystko chcesz wiedzieć “czy” oraz w jaki sposób mogą one wpływać na Twoją firmę (zwłaszcza na dane, które pozyskujesz i przetwarzasz, chociażby za pomocą narzędzi należących do Google bądź Facebooka) – mamy dla Ciebie gotowe rozwiązanie.

Skorzystaj ze wsparcia fachowców Conversion, którzy – nie bójmy się tych słów – praktycznie “zjedli zęby” na tego typu tematyce. Jeżeli chcesz uzyskać fachową pomoc – pogadajmy.

Więcej artykułów w tematyce prywatności już niebawem!

*** WAŻNE: Treść niniejszej publikacji nie stanowi porady lub informacji prawnej, lecz ma na celu wyłącznie opisanie istniejącej obecnie sytuacji oraz możliwych sposobów działania. W związku z tym publikacja nie powinna być podstawą do podejmowania jakichkolwiek decyzji związanych z obowiązującymi przepisami prawa.

Należy pamiętać, że prawo ulega ciągłym zmianom, w związku z czym treść publikacji mogła się zdezaktualizować. Ponadto artykuł nie uwzględnia indywidualnych okoliczności, które w danym przypadku mogą być bardzo istotne, lecz stanowi jedynie opis ogólnej sytuacji związanej ze stosowaniem Google Analytics. ***

Przebudowa polityki prywatności, przymus zbierania i przetwarzania mnóstwa skomplikowanych zgód, a do tego konieczność tworzenia regulaminów lub w skrajnych przypadkach – powoływania oddzielnych stanowisk, chociażby ds. ochrony danych osobowych.

Jeżeli jeszcze kilka miesięcy temu miałbym omówić przepisy RODO w jednym zdaniu, to właśnie wyglądałoby to tak, jak powyżej… Niestety, rzeczywistość okazała się jeszcze bardziej wymagająca niż każdy z nas mógłby przypuszczać. A wszystko przez szczególną “troskę” o bezpieczeństwo danych osobowych – dla państw oraz ludzi z Unii Europejskiej.

Co zrobić, aby działania Analyticsa było zgodne z aktualnymi przepisami, a co za tym idzie – w ten sposób pozwoliło uniknąć widma konsekwencji prawnych oraz finansowych? Właśnie temu obszarowi poświęciłem cały artykuł. Zapraszam do lektury!

Co znajdziesz w tym artykule?

Przepisy RODO kontra funkcjonalności Google Analytics – wprowadzenie
Czy Google Analytics jest legalny? A jeśli nie, to co zrobić, aby taki się stał?
#1 Zrezygnuj z Universal Analytics i skup się na rozwoju Google Analytics 4
Jakie funkcjonalności w Google Analytics 4 pozwalają zmaksymalizować zgodność z RODO?
#2 Oceń potencjalne ryzyko braku zgodności związanej z włączeniem Google Signals
#3 Upewnij się, że Twoja organizacja ma aktualny Data Processing Amendment dla Google Analytics 4
#4 Zależy Ci na jeszcze wyższym poziomie zgodności i bezpieczeństwa?
Zgodność Google Analytics 4 z RODO – podsumowanie

Przepisy RODO kontra funkcjonalności Google Analytics – wprowadzenie

Wcale nie przesadzę, jeśli powiem, że (z perspektywy analityków internetowych oraz wielu innych specjalistów) praktycznie cały 2022 rok stał pod wielkim znakiem zapytania pt.: jak zakończą się rozmowy dwóch stron na temat Transatlantyckich Ram Ochrony Danych (“EU-US Privacy Framework”)?

Patrząc na konkretne deklaracje ze strony prezydenta USA (Joe Bidena) oraz prezydentki UE – Von Der Leien, finał wydaje się naprawdę bliski.

Mam tu na myśli przede wszystkim:

• Ogłoszenie porozumienia w sprawie nowych Transatlantyckich Ram Ochrony Danych pomiędzy UE oraz USA. – (25 Marca 2022 r.).
• Podpisanie rozporządzenia wykonawczego (Executive Order), które zawiera merytoryczne ograniczenia dostępu do danych przez amerykańskie krajowe organy bezpieczeństwa, jak i ustanowiony nowy mechanizmu odwoławczego – dotyczących zarówno merytorycznego ograniczenia dostępu amerykańskich krajowych organów bezpieczeństwa do danych, jak i ustanowienia nowego mechanizmu odwoławczego. (8 Października 2022 r.).

Jeżeli chcesz dowiedzieć się, jakie kolejne kroki będą podejmowane w obszarze bezpieczeństwa danych w UE – zapraszam Cię do lektury tego wpisu. Zawarłem w nim wiele informacji o tym, co wydarzyło się w 2022 rok, a także, co czeka nas w roku 2023. Naturalnie, z perspektywy EU-US Privacy Framework.

Czy Google Analytics jest legalny? A jeśli nie, to co zrobić, aby taki się stał?

Zdania w tej materii są i będą podzielone – przynajmniej do czasu oficjalnego wejścia w życie, wspomnianego już – EU-US Privacy Framework. Jednak tym, czego możemy być pewni na 100 procent, jest fakt, że każda organizacja, która korzysta z GA – powinna jak najszybciej zadbać o bezpieczeństwo danych osobowych swoich klientów. Oczywiście, mając również na szczególnej uwadze postanowienia zawarte w RODO. Jak to zrobić? Dokładne informacje na ten temat czekają na Ciebie w kolejnych akapitach.

#1 Zrezygnuj z Universal Analytics i skup się na rozwoju Google Analytics 4

Na początku warto podkreślić, że wszystkie dotychczasowe wyroki w UE przeciwko Google Analytics odnosiły się do starszej wersji tego narzędzia. Głównym powodem takiego stanu rzeczy był fakt, iż Universal Analytics (UA), według decyzji uprawnionych organów, po prostu nie spełnia już wymagań zawartych w Schrems II.

Mówiąc wprost – Universal Analytics nie posiada wystarczających ustawień, które pozwalałyby w pełni wykluczyć dane personalnie identyfikowalne (tzw. PII). Dodatkowo umożliwia przetwarzanie danych osobowych przez Google LLC w Stanach Zjednoczonych, co jest jednym z filarów obecnego sporu w zakresie wspomnianych Transatlantyckich Ram Ochrony Danych.

W czasie, gdy to UA stanowi główne ryzyko dalszych niezgodności w otoczeniu prawnym, Google postanowiło skupić się w pełni na rozwoju nowej wersji – GA4, która posiada zabezpieczenia oraz ustawienia stworzone z myślą o prywatności użytkowników.

Nowa odsłona najpopularniejszego narzędzia do analityki internetowej ma zapewnić maksymalną możliwą zgodność z RODO – do momentu wejścia w życie Transatlantyckich Ram Ochrony Danych.

Jakie funkcjonalności w Google Analytics 4 pozwalają zmaksymalizować zgodność z RODO?

Jak widzisz – w 2022 roku w obszarze danych i zmiany standardu ich mierzenia działo się naprawdę sporo. Firma Google także nie próżnowała, co zaowocowało wprowadzeniem funkcjonalności pozwalających na znaczne podniesienie zgodności z RODO. Możemy do nich zaliczyć m.in.:

Dane z UE zbierane i przetwarzane na serwerach zlokalizowanych na terenie Unii Europejskiej

Jedną z kluczowych kości niezgody stało się miejsce przechowywania danych użytkowników z Europy, które dotychczas znajdowało się w Stanach Zjednoczonych. Przeniesienie tych procesów na teren europejski może oznaczać finalne rozwiązanie przynajmniej części problemu transferów danych pomiędzy USA i UE, na których skupiały się wszystkie dotychczasowe decyzje organów ochrony danych o niezgodności z prawem.

Aktualnym pozostaje jednak pytanie, czy tak pozostanie. W końcu do tej pory nie ogłoszono ani tym bardziej nie rozpatrywano żadnych spraw po wprowadzeniu tej funkcjonalności. Dlatego z wysuwaniem dalszych wniosków radzę poczekać, aż do ostatecznego wejścia w życie “EU-US Privacy Framework”.

Google Analytics 4 nie rejestruje adresów IP

Na początku Google ograniczył tę aktywność do zwykłej anonimizacji adresów IP (tzw. IP Anonymization). Sytuacja zmieniła się, gdy Garante (włoskie UODO), uznało tę funkcjonalność za niewystarczającą. Gigantowi z USA nie pomógł skrócony adres IP, który wg. decyzji organów, dalej pozwalał gromadzić dane osobowe o urządzeniu oraz przeglądarce. Z tego powodu podjęto decyzję o całkowitym zaniechaniu rejestrowania adresów IP przez GA4.

Pełna treść tej decyzji znajduje się tutaj: https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/9782874

Nadal chcesz korzystać z takiej opcji? Pamiętaj, że adres IP w GA4 powinien być używany wyłącznie do standardowej komunikacji oraz do wysokopoziomowej informacji o lokalizacji, a następnie – odrzucany.

Regionalne kontrole dla Google Signals

Funkcjonalność Google Signals stwarza ryzyko pojawienia się niezgodności z RODO w niektórych krajach, takich jak: Austria, Francja czy Włochy.

Warto pamiętać, że Google Analytics daje możliwość włączenia lub wyłączenia Google Signals dla określonych regionów. A to z kolei umożliwia dopasowanie konkretnych opcji do równie konkretnych obszarów: włączając na rynkach o niższym ryzyku zgodności lub wyłączając w regionach, w których może stanowić istotny problem.

Dodatkowa kontrola gromadzenia granularnych danych dotyczących lokalizacji i urządzeń

Dotychczas (czyli w poprzednich wersjach GA), dane o urządzeniach i lokalizacjach były gromadzone w sposób automatyczny. GA4 daje możliwość zaprzestania zbierania tych granularnych danych – już na poziomie danego kraju.

Rezygnując z agregowania takich informacji, łatwo wyeliminujesz wiele punktów styku, które przez regulacje prawne tj. RODO, zostały określone jako personalnie identyfikowalne tzw. PII.

Musisz jednak mieć na uwadze, że wyłączenie takich funkcjonalności będzie miało znaczący wpływ na ilość oraz jakość gromadzonych danych. A to, jak pewnie się domyślasz, będzie wiązało się z poważnymi konsekwencjami z zakresu raportowania – usuwając możliwość wykonywania jakichkolwiek analiz lokalizacji czy urządzeń.

Wdrożenie polityki zarządzania zgodami z wykorzystaniem Consent Mode

Na wstępie musisz mieć pewność, że użytkownicy Twojej strony internetowej mają wgląd do aktualnej polityki prywatności, która jest zgodna z zaleceniami zespołu ds. ochrony prywatności. Zapisy polityki Twojej firmy muszą informować o tym, jakie dane osobowe są gromadzone, w jaki sposób są wykorzystywane, a także, czy dochodzi do ich przetwarzania poza Unią Europejską (i/lub przez organizacje międzynarodowe).

Ten poziom przejrzystości oraz gromadzenia danych musi stać się częścią procesu wyrażania zgody przez każdego użytkownika, który odwiedza Twoją stronę.

#2 Oceń potencjalne ryzyko braku zgodności związanej z włączeniem Google Signals

Bez wątpienia funkcja Google Signals niesie za sobą wiele biznesowych korzyści. Łatwo dostrzec je zwłaszcza w działaniach remarketingowych, które dają Ci możliwość tworzenia sprofilowanych list odbiorców, czy zaawansowanej analizy użytkowników. Jest jednak jedno małe “ale” – pod warunkiem, że masz pewność, że w ogóle możesz z niej korzystać.

Kluczowe dla problemu zgodności Google Signals z RODO jest zbieranie dodatkowego identyfikatora użytkownika, gdy jest on zalogowany do usługi Google (np. poczty Gmail, przeglądarki Chrome, itp.) – w tej samej przeglądarce, z której wchodzi na stronę internetową.

Głównym powodem zagrożenia jest wspomniany identyfikator (tzw. Google ID) oraz powiązanie go z identyfikatorem pierwszej strony (tzw. Client ID). Nadal nie jest bowiem do końca jasne czy dodatkowa czynność przetwarzania, którą podejmuje Google, jest objęta nowszymi zmianami architektonicznymi w celu zapewnienia większej ochrony prywatności z GA4.

Aby mieć pewność, że ten obszar działalności Twojej organizacji jest zgodny z aktualnymi przepisami – zalecam skonsultowanie się z zespołem ds. danych osobowych.

#3 Upewnij się, że Twoja organizacja ma aktualny Data Processing Amendment dla Google Analytics 4

Nawet jeśli wydaje Ci się, że wykonano wszystkie niezbędne czynności, to musisz wziąć pod uwagę, że zawsze coś może pójść nie do końca zgodnie z założeniami. Właśnie dlatego tak istotne jest, aby wykorzystanie GA4 (a co za tym idzie – jego zgodność z RODO), zostało dokładnie zweryfikowane przez zespoły ds. ochrony prywatności.

Proces ten musi obejmować ocenę środków technicznych i operacyjnych stosowanych w celu ochrony danych, zarówno przez organizację, jak i Google. W przypadku złożenia skargi przeciwko Twojej organizacji, posiadanie dokumentacji z tych ocen będzie miało kluczowe znaczenie dla wykazania zgodności. Dokumentacja ta powinna zawierać szczegółowe informacje na temat gromadzonych i przetwarzanych danych, rodzajów danych osobowych, sposobu wykorzystania danych, oceny wszelkich zagrożeń dla użytkowników oraz zabezpieczeń wdrożonych w celu zmniejszenia zagrożeń.

#4 Zależy Ci na jeszcze wyższym poziomie zgodności i bezpieczeństwa?

W takim razie koniecznie rozważ zastosowanie tzw. Server-Side GTM. Jest to rozwiązanie, które pozwala łączyć dane pochodzące z wielu narzędzi (m.in. Analytics, Google Ads, czy Meta), a następnie – przetwarzać je bezpośrednio po stronie serwera należącego do Twojej organizacji. Ponadto, tzw. ssGTM daje opcję strumieniowego przesyłania danych First Party do własnych hurtowni, które mają ten sam format oraz strukturę, co sam Google Analytics 4. Poza lepszą ochroną danych, pozwala również na automatyzację procesów raportowania. Wspiera, chociażby analizę zachowań użytkowników, a także jest pomocnym narzędziem zarówno przy wyznaczaniu, jak i mierzeniu wybranych KPI.

Oczywiście tematyka Server-Side GTM jest bardziej złożona. Jeżeli chcesz się w nią zagłębić – więcej wartościowych informacji czeka na Ciebie w tym artykule: Server side tagging – czym jest i jak działa?

Zgodność Google Analytics 4 z RODO – podsumowanie

Jak widzisz – wiele niejasności, wysoki poziom skomplikowania samych przepisów, jak i różne podejście do ich interpretacji (np. w zależności od regionu) sprawiają, że zgodność GA4 z RODO nie zawsze da się określić za pomocą kilku prostych zabiegów.
Jeżeli zależy Ci na tym, aby działania Twojej firmy były w pełni legalne – pamiętaj, aby podejść do tego procesu z dużą ostrożnością, a co najważniejsze – zaangażować specjalistów reprezentujących różne dziedziny (od analityków, programistów, aż po ekspertów z zakresu ochrony danych).

A jeśli uważasz, że Twojej firmie przyda się wsparcie profesjonalnych konsultantów “z zewnątrz” – skorzystaj z pomocy Conversion. Z przyjemnością podzielimy się swoją wiedzą i doświadczeniami, aby ułatwić Ci dostosowania się do nowych przepisów.

*** WAŻNE: Treść niniejszej publikacji nie stanowi porady lub informacji prawnej, lecz ma na celu wyłącznie opisanie istniejącej obecnie sytuacji oraz możliwych sposobów działania. W związku z tym publikacja nie powinna być podstawą do podejmowania jakichkolwiek decyzji związanych z obowiązującymi przepisami prawa.

Należy pamiętać, że prawo ulega ciągłym zmianom, w związku z czym treść publikacji mogła się zdezaktualizować. Ponadto artykuł nie uwzględnia indywidualnych okoliczności, które w danym przypadku mogą być bardzo istotne, lecz stanowi jedynie opis ogólnej sytuacji związanej ze stosowaniem Google Analytics. ***

Wizualizacja danych to prawdziwa “wisienka na torcie”, która zwieńcza długi, mozolny, a czasami wręcz wyczerpujący proces związany z pozyskiwaniem, przetwarzaniem oraz analizą informacji. To właśnie odpowiednia prezentacja, poprzez możliwość dostrzeżenia trendów czy anomalii, pozwala wyciągnąć pełną wartości z danych, a co za tym idzie – podejmować na tej podstawie trafne decyzje biznesowe.

Dlaczego tak się dzieje? Ludzki umysł nie jest ewolucyjnie przystosowany do obserwowania tabel po brzegi wypełnionych liczbami, a tym bardziej – wyciągania z nich wartościowych wniosków. Dopiero odpowiednia wizualizacja, nagromadzonych w ten sposób, informacji (w tym, chociażby właściwe wykorzystanie kolorów), pozwala na szybkie zrozumienie tego, co aktualnie dzieje się w organizacji.

Stąd tak kluczową funkcję pełnią właściwe narzędzia typu Business Intelligence, które pozwalają lepiej zrozumieć biznes i na tej podstawie – stworzyć przewagę konkurencyjną. Jakie to programy, czym się charakteryzują i w jaki sposób mogą poprawić efektywność w Twojej organizacji? Tego wszystkiego dowiesz się z dalszej części wpisu.

Co znajdziesz w tym artykule?

Jak wizualizować dane?
Jaki jest najlepszy program do wizualizacji danych? Subiektywny ranking narzędzi.
Microsoft Power BI
Looker Studio (dawniej Google Data Studio) i Looker
Tableau
Microsoft Excel
Python z bibliotekami
Jaki program do wizualizacji danych wybrać?
Ranking 5 biznesowych narzędzi służących do wizualizacji danych – podsumowanie

Jak wizualizować dane?

Na rynku funkcjonuje naprawdę całkiem spora ilość narzędzi służących do wizualizacji danych. Zdaję sobie sprawę z tego, że podjęcie ostatecznej decyzji oraz postawienie na konkretne rozwiązanie wcale nie jest takie proste. Właśnie dlatego przy ich wyborze sugeruję brać pod uwagę kilka zasadniczych czynników.

W mojej ocenie warto przeanalizować takie aspekty, jak:

• Po pierwsze – możliwości, jakie oferuje dane narzędzie. Radzę sprawdzić m.in. dostępne opcje wizualizacji danych, a także wykorzystania języka programowania do tworzenia customowych rozwiązań.
• Po drugie – powszechność jego zastosowania, czyli “czy” oraz „jaką” popularnością cieszy się wybrany soft. To szczególnie ważne, jeśli nie chcesz uczyć się ich obsługi i zamierzasz zlecać to zewnętrznym specjalistom. Podpowiedź: im ich więcej, tym zdecydowanie lepiej.
• Po trzecie – jakość i dostępność supportu. Tego chyba nie trzeba dodatkowo wyjaśniać. Każdy program ma to do siebie, że może czasami się psuć lub wymagać pewnych modyfikacji. Warto więc mieć pewność, że ewentualna pomoc przyjdzie szybko i będzie skuteczna.
• Po czwarte – opcja integracji. To zdecydowanie kluczowy czynnik, jeśli zależy Ci, chociażby na Twoich automatyzacji działań, a co za tym idzie – łączeniu wielu źródeł informacji.
• Po piąte – koszty. Nie ma co ukrywać – w każdej firmie, to finanse grają zazwyczaj “pierwsze skrzypce”. W tym obszarze warto wziąć pod uwagę zarówno wydatki, jakie należy ponieść podczas wdrożenia, jak i te, które będą niezbędne, aby w pełni korzystać z możliwości narzędzia – także “na co dzień”. Aby ocenić, czy dane narzędzie się opłaca – weź pod uwagę specyfikę oraz wielkość Twojej organizacji (czytaj: ile osób będzie obsługiwało program, a także ile będzie korzystało z “owoców” jego pracy).

Jaki jest najlepszy program do wizualizacji danych? Subiektywny ranking narzędzi.

Na to pytanie nie mogę udzielić jednoznacznej odpowiedzi. Dobra wiadomość jest natomiast taka, że z przyjemnością pokażę Ci co najmniej kilka sprawdzonych narzędzi, dzięki którym proces ten będzie nie tylko prosty, ale dodatkowo pozwoli na uzyskanie naprawdę przyjaznej i intuicyjnej struktury informacji. To co? Zaczynamy!

Poniżej znajdziesz mój ranking TOP5 narzędzi służących do wizualizacji danych, których odpowiednie wykorzystanie z pewnością wniesie wartość do organizacji. Uprzedzając Twoje ewentualne wątpliwości – uważam, że wszystkie są świetne i robią kawał dobrej roboty. Dlatego kolejność ich omówienia jest całkowicie losowa.

Microsoft Power BI

Stworzone przez giganta – firmę Microsoft – narzędzie jest jednym ze zdecydowanych liderów rozwiązań w zakresie wizualizacji danych. Tytuł TOPowego potwierdza zarówno jego powszechne wykorzystanie, jak i ogromna ilość pozytywnych opinii samych użytkowników. Wyobraź sobie, że obecnie korzysta z niego grubo ponad 200 000 organizacji z całego świata!

Microsoft Power BI zapewnia świetne możliwości integracji z ogromną liczbą narzędzi. Dużym atutem jest również łatwość, z jaką raporty mogą być udostępniane użytkownikom końcowym – i to bez potrzeby dawania im dostępu do surowych danych.

Obok powyższych atutów warto również wspomnieć o kosztach. Otóż, narzędzie jest bezpłatne na poziomie desktopu, a ewentualne koszty pojawią się dopiero wówczas, gdy zechcesz „przesiąść się” na rozwiązanie chmurowe. Power BI jest też bardzo dobrze zintegrowany z Excelem, co zdecydowanie obniża próg wejścia dla tego narzędzia.

Oczywiście, jak każde oprogramowanie, także to nie jest całkowicie pozbawione wad. Mianowicie, Power BI ma problemy z przetwarzaniem dużych zbiorów danych, a także kiepsko sobie radzi z bardziej skomplikowanymi relacjami pomiędzy tabelami. Zastosowany w nim język DAX, który pozwala na tworzenie zaawansowanych analiz, nie należy do najłatwiejszych.

Looker Studio (dawniej Google Data Studio) i Looker

Kolejnym powszechnie znanym na rynku rozwiązaniem jest Looker Studio. Pomimo niedawnej zmiany (rebrandingu) – nadal popularniejsza jest jego stara nazwa, czyli Google Data Studio.

Jak łatwo zauważyć, jest to narzędzie wywodzące się ze stajni Google. Dzięki temu zawdzięcza dużą łatwość korzystania z danych pochodzących z innych usług tego technologicznego giganta (należą do nich między innymi: Google Analytics, Google Cloud Platform, Search Console, AdWords, YouTube i inne). Jeśli Twoja organizacja w dużym stopniu wykorzystuje właśnie te Google’owskie narzędzia – z pewnością należy rozważyć Looker Studio, chociażby ze względu na łatwą integrację.

Omawiane narzędzie ma jednak zdecydowanie wiele innych zalet. Wśród nich warto wymienić korzystną dla użytkowników formę rozliczania, która jest oparta jedynie na przechowywaniu i procesowaniu danych. Ponadto, Looker Studio zapewnia również spore możliwości customizacji raportów – zwłaszcza, jeśli porównamy go do innych narzędzi dostępnych na rynku. Dużym plusem jest także fakt, że wszystkie opcje są dostępne bezpośrednio w chmurze.

Jeszcze bardziej zaawansowanym narzędziem proponowanym przez Google jest Looker. Oferuje zbliżone funkcjonalności do Power BI czy Tableau, a dodatkowo zapewnia wszystkie wymagane opcje, które są podstawowe dla tego typu rozwiązań. Umożliwia również na korzystanie ze wszystkich swoich możliwości bezpośrednio w chmurze.

P.S. Konkretna wzmianka o tym rozwiązaniu pojawiła się już na blogu Conversion, gdy pisaliśmy o tworzeniu dashboardów za Google Analytics 4. Jeśli interesuje Cię ta tematyka – koniecznie zajrzyj do tego wpisu.

Tableau

Stawiane zwykle na drugim miejscu pod względem popularności za Microsoft Power BI, Tableau jest produktem należącym do marki Salesforce.

Zapewnia ogromne możliwości integracji z wieloma źródłami danych, a także oferuje wiele przydatnych funkcji dotyczących wizualizacji geograficznej. Użytkownicy Tableau zwracają uwagę przede wszystkim na łatwość oraz intuicyjność, z jakimi można tworzyć użyteczne dashboardy.

To narzędzie wykorzystywane do wizualizacji danych jest dostępne w dwóch wersjach:

• Bezpłatnej – Tableau Public, która pozwala wstępnie przetestować jego możliwości.
• Płatnej, która daje dostęp do wszystkich oferowanych funkcjonalności.

“Haczyk” polega na tym, że wszystkie raporty, które stworzysz za pomocą darmowej wersji, automatycznie staną się publicznie. Moja rada: nie używaj jej do pracy z wrażliwymi informacjami.

Problem z udostępnianiem danych szerokiej publiczności rozwiązuje oczywiście narzędzie w wersji płatnej. Niestety, za stosunkowo dużą wadę tej opcji należy uznać wysokie koszty ponoszone za każdego dodatkowego użytkownika Tableu.

Aktualne trendy zarządzania efektywnością działań organizacji (polegające m.in. na podejmowaniu decyzji w oparciu o dane) wymagają tego, aby prawie każdy pracownik organizacji miał dostęp do przynajmniej tych KPI, za które jest on odpowiedzialny. Warto wziąć to pod uwagę podczas rozważania wprowadzenia tego narzędzia do swojej firmy.

Microsoft Excel

Jeżeli pierwszą Twoją myślą po przeczytaniu tego nagłówka było “Ale jak to? Zwykły excel nadaje się do wizualizacji danych?” – już śpieszę z wyjaśnieniem.

Być może ten program od Microsoftu nie do końca kojarzy Ci się z taką formą prezentacji informacji. Musisz jednak wiedzieć, że w tej materii może pochwalić się naprawdę sporymi atutami.

Z jednej strony argumentem “za” jest jego powszechność, a także to, że jest znany, akceptowany, lubiany oraz wszechstronny. Przy zastosowaniu języka VBA, Power Pivot czy Power Querry – może okazać się wystarczającym w bardzo wielu przypadkach.

Oczywiście, nie można go traktować jako receptę na wszystko. Excel nie sprawdzi się bowiem w przypadku, gdy masz do czynienia z większymi setami danych. Wraz z rozbudową ich źródeł, będzie bowiem coraz wolniejszy i trudniejszy w obsłudze. Tak więc podczas szybkiego rozwoju Twojej organizacji – warto zastanowić się nad wprowadzeniem narzędzia stricte przeznaczonego do wizualizacji danych.

Python z bibliotekami

Jeśli ta nazwa jest dla Ciebie całkowicie obca – już przechodzę do objaśnienia. Python jest językiem programowania, który cieszący się ogromnym zainteresowaniem wśród analityków czy data scientistów.

Używanie go wraz z bibliotekami pozwalającymi na przetwarzanie danych (np. Pandas czy NumPy) i ich wizualizację (np. Matplotlib czy Seaborn), pozwala uczynić z niego uniwersalne, a czasami wręcz potężne narzędzie do wizualizacji danych.

Stanowi bardzo ciekawe rozwiązanie dla organizacji, w których wymaga się bardziej statystycznego podejścia do analizowania danych. Ponadto, daje też praktycznie nieograniczone możliwości wizualizacji i korzystania z rozwiązań bardzo licznej społeczności.

Jest jednak jedno małe “ale”. Niestety, dostępność osób specjalizujących się w tej dziedzinie jest wciąż niewielka. A to naturalnie rodzi poważne przeszkody dla budowy zespołów, które zajmują się wizualizacją danych właśnie w oparciu o Pythona.

Jaki program do wizualizacji danych wybrać?

Hmm… udzielenie jednoznacznej odpowiedzi na tak postawione pytanie jest bardzo trudne. Na tyle trudne, że musisz mi wybaczyć, ale nie dam rady tego zrobić. Zamiast tego – wskażę kilka konkretnych obszarów, które warto wziąć pod uwagę.

Postawienie na konkretny soft powinno być podyktowane takimi względami, jak: wielkość organizacji i przetwarzanych przez nią informacji, rozmiar zespołu pracującego nad ich agregacją i obróbką, aż wreszcie – budżet, którym dysponujesz.

Ranking 5 biznesowych narzędzi służących do wizualizacji danych – podsumowanie

Niezależnie od tego, na które narzędzie służące wizualizowaniu informacji postawisz – musisz pamiętać, że w analizie najważniejsi są ludzie. To oni odpowiadają za ostateczny kształt prezentowanych danych, a przede wszystkim – to na ich barkach spoczywają obowiązki związane z wyciąganiem informacji, które mogą być przydatne podczas podejmowania ważnych decyzji biznesowych.

Brak zaangażowania czynnika ludzkiego (wyrażanego doświadczeniem, umiejętnościami oraz intuicją), takie rozwiązania pozostaną jedynie bezużytecznymi narzędziami. I to bez względu na ilość środków finansowych, jakie przeznaczy się na ich zakup, utrzymanie oraz rozwój.

Potrzebujesz takiego softu, ale nie wiesz, na który z wymienionych się zdecydować?

A być może chcesz, aby opiekę nad Twoimi danymi (także ich prezentacją) przejęli doświadczeni eksperci od analityki? W jednym, jak i drugim przypadku możesz sięgnąć po wsparcie specjalistów Conversion.

Jeżeli zastanawiasz się jak wykorzystać te narzędzia w Twojej organizacji i wznieść analitykę na jeszcze wyższy poziom to pogadajmy.

A jeśli zainteresował Cię temat wizualizacji danych, to koniecznie sprawdź wpis na naszym blogu mówiący o 16 sygnałach, które sugerują, że zbierasz niepoprawne dane!

Jeżeli do tej pory zdarzyło Ci się żyć w przeświadczeniu, że pojawienie się nowej wersji Google Analytics (4) to tylko kolejny, mały i prawdopodobnie nic nieznaczący update tego narzędzia – możesz się “lekko” zdziwić. Otóż, musisz zdawać sobie sprawę, że przesiadka na tę platformę nie ograniczy się jedynie do wizualnej oraz kosmetycznej zmiany interfejsu czy też dołożenia kilku dodatkowych funkcji, które ucieszyłyby tylko zapalonych analitycznych freak’ów.
Wraz z nadejściem ery GA4 zmienił się tak naprawdę cały fundament, na którym opierało się dotychczasowe podejście do agregowania i przetwarzania danych, czy chociażby to, w jaki sposób odbywa się identyfikacja samych użytkowników. I co najlepsze – te zmiany nie są jedynymi. Warto bowiem zauważyć również fakt, iż dane do tej pory zebrane przez UA nie są (i nie będą!) przenoszone do nowszej wersji Analyticsa.

Co jeszcze się zmieni i jak warto się przygotować do tej rewolucji, zanim Google całkowicie odetnie Cię od możliwości korzystania ze starego narzędzia? Poniżej znajdziesz listę aż 7 rzeczy, o których należy pamiętać jeszcze przed podjęciem pierwszych kroków związanych z migracją do GA4.

Co znajdziesz w tym artykule?

#1 Kompletnie odmieniony sposób zbierania danych
#2 Zmiana dataLayerów oraz sposobu implementacji przez GTM
#3 Zmiany w wymiarach i danych niestandardowych
#4 Zmiana z “ręcznego” na automatyczne śledzenie zdarzeń
#5 Zmiana sposobu śledzenia celów X
#6 Zmiana podejścia do kwestii privacy
#7 Zmiana widoków
O czym pamiętać, przed przejściem na Google Analytics 4? Podsumowanie.

#1 Kompletnie odmieniony sposób zbierania danych

U podstaw braku kompatybilności danych pomiędzy obiema wersjami Analyticsa leży fakt, że te narzędzia stosują zupełnie odmienne podejścia do agregowania danych.

W przypadku Universal Analytics całość opierała się na tzw. sesjach, co sprawdzało się w przypadku śledzenia użytkowników webowych. Problem pojawiał się natomiast wówczas, gdy próbowaliśmy porównać dane pochodzące z aplikacji (które to bazowały przede wszystkim na pomiarach zdarzenia) – z danymi webowymi. Biorąc pod uwagę coraz częściej występujące zjawisko cross-device (czyli wykorzystywanie wielu różnych urządzeń na drodze do zakupu), poprzedni GA nie pozwalał więc na całościowe śledzenie drogi, jaką pokonywał dany użytkownik.

W nowej wersji postanowiono oprzeć pomiary nie o sesje, a właśnie o zdarzenia, co było już wcześniej znane, chociażby w Google Analytics dla Firebase. Takie rozwiązanie umożliwia analizę danych pochodzących zarówno z aplikacji, jak i webów, a co za tym idzie – może okazać się kluczowe do wytyczenia wąskich gardeł w biznesie oraz do skutecznego tworzenia kampanii remarketingowych.

Jednak sprawne integrowanie informacji z różnych urządzeń to niejedyna zmiana, jaką przygotował gigant z USA

Otóż, w UA zdarzenia otrzymywały takie oznaczenia, jak: kategoria, działanie, etykieta i wartość. Natomiast przy okazji wdrożenia GA4 postanowiono od tego odejść, a na ich miejsce wybrano tzw. parametry, które mogą być inne dla każdego zdarzenia.

Dla przykładu: Google Analytivs 4 będzie traktował odsłony jako zdarzenie page_view z odpowiednimi parametrami np. page_title, page_location.

Zmianie uległo także podejście do samych sesji, dla których w UA czas był liczony jako różnica pomiędzy pierwszym oraz ostatnim działaniem w sesji. Natomiast w GA4 czas trwania sesji będzie się opierał na zdarzeniach. Za początek sesji uznając zdarzenie session_start, zaś za koniec sesji – moment wystąpienia ostatniego zdarzenia w sesji. Muszę zaznaczyć, że ten czynnik może powodować bardzo znaczne różnice pomiędzy danymi pochodzącymi z UA, a tymi widocznymi bezpośrednio w GA4.

Dużą różnicą w kwestii podejścia do sesji jest to, że gdy użytkownik powrócił na stronę z innego źródła kampanii, sesja w UA wygasała, a następnie rozpoczynała się od nowa. W GA4 taka sytuacja jest z kolei rejestrowana jako jedna sesja, co ponownie może powodować spore rozbieżności pomiędzy tymi narzędziami. Należy również pamiętać, że sesja w GA4 nie wygasa automatycznie po północy, jak to miało miejsce w UA, choć może być liczona 2 razy dla każdego dnia jako osobne sesje.

A czy są jakieś podobieństwa? Jasne! Jednym z nich jest, chociażby czas wygasania sesji – po 30 min od momentu wysłania zdarzenia / działania.

#2 Zmiana dataLayerów oraz sposobu implementacji przez GTM

Przy okazji projektowania GA4, firma Google postanowiła również odświeżyć dotychczasową wersję warstwy danych, która istotnie odróżnia się od tej, którą znaliśmy do tej pory z UA. Zmianie w tej materii uległa zarówno struktura obiektu dataLayer, nazewnictwo poszczególnych parametrów, jak i domyślnie wysyłane parametry dla zdarzeń e-commerce.

Aby ułatwić “przesiadkę” na nowszą wersję, Google udostępniło szczegółowe wytyczne ułatwiające dostosowanie warstw danych dla swojego biznesu.

Jeżeli w tym momencie zasoby firmy nie pozwalają na wdrożenie dataLayerów, które będą w 100 procentach zgodne z nowymi wymaganiami – pamiętaj, że zawsze możesz wykorzystać szablon stworzony przez Simo Ahavę – “EEC Products -> GA4 items”. Jest on dostępny w Google Tag Managerze. Z jego pomocą łatwo uda Ci się zmapować tablicę produktów stworzoną pod UA do wersji GA4, a następnie rozpocząć śledzenie – bez konieczności modyfikacji dataLayer pod GA4.

#3 Zmiany w wymiarach i danych niestandardowych

Dotychczas w Universal Analytics, aby stworzyć wymiar niestandardowy, należało wybrać poziom zakresu danych: użytkownik, sesja, hit, produkt. W przypadku “czwórki” nie będzie już takiej konieczności, albowiem wybór poziomu zakresu będzie się odbywał pomiędzy takimi obszarami, jak: właściwości użytkownika, niestandardowe wymiary i metryki oraz parametry zakupów.

Niestandardowe wymiary i metryki w Google Analytics 4 dodaje się w obrębie zdarzenia – jako parametr. Przy czym trzeba wziąć pod uwagę, że wymiary będące opisem użytkownika należy dodać w obrębie zdarzenia jako właściwość użytkownika (np. zawód).

A co z parametrami niestandardowymi na poziomie itemów, które będą służyły do lepszego opisu produktów w zdarzeniach e-commerce? Na nie przyjdzie nam jeszcze chwilę poczekać, ponieważ obecnie znajdują się w fazie testów.

Kolejną (i to bardzo pozytywną zmianą) jest zwiększenie limitu wymiarów oraz metryk, z dotychczasowych 20 do aż 50 – i to dla każdego z nich. Natomiast limity właściwości użytkowników dla jednego zdarzenia wynoszą 25 na pojedynczą usługę.

#4 Zmiana z “ręcznego” na automatyczne śledzenie zdarzeń

Ważna modyfikacja objęła kwestie związane ze zdarzeniami, które w Google Analytics 4 nie wymagają ręcznego wdrażania. Oczywiście wspomniana automatyzacja nie dotyczy wszystkich, a do zdarzeń, które są nią objęte, możemy zaliczyć następujące:

• wyświetlanie strony*,
• wyszukiwanie w witrynie,
• przewinięcie w dół strony,
• kliknięcia wychodzące,
• interakcja z filmem,
• pobrania pliku,
• interakcje z formularzem.

* Razem z tym zdarzeniem możesz śledzić modyfikacje na stronie na podstawie zmiany historii przeglądania.

Jest jednak jeden mały “haczyk”. Aby zdarzenia mogły być zbierane w sposób automatyczny – musisz pamiętać o uruchomieniu opcji pomiaru zaawansowanego, który znajdziesz w Strumieniu danych. Warto zauważyć, że automatyczne pomiary nie zawsze muszą działać w 100% poprawnie. Źródłami problemów mogą być na przykład niestandardowo zaimplementowane formularze, wyszukiwarki w witrynie albo potrzeba śledzenia głębokość przewijania strony co określony procent. W takich sytuacjach należy zaimplementować śledzenie przez GTM lub gtag.

Warto zastanowić się również, które pomiary mają prawdziwą wartość dla Twojego biznesu, a które są jedynie “zapychaczami”, które tylko ładnie prezentują się w tabelkach. Jest to szczególnie istotne z perspektywy jakości pozyskiwanych informacji. W końcu trzeba pamiętać, że zbieranie wszystkiego “jak popadnie” może generować dużą ilość eventów, a co za tym idzie wpływać na próbkowanie oraz powodować konieczność eksportu danych do BigQuery*.

* W przypadku korzystania z darmowej wersji GA4 mamy do czynienia z limitami eksportu danych z GA4 do Big Query, które wynosi 1 milion zdarzeń na dzień.

#5 Zmiana sposobu śledzenia celów X

Zarówno w UA, jak i GA4 ze śledzeniem celów można sobie poradzić bez konieczności stosowania GTM. To ukłon w stronę marketerów, którzy nie do końca są zaznajomieni z tym narzędziem.

W przypadku śledzenia celów w UA wystarczyło użyć Typu celu “Miejsce docelowe”, czyli adresu URL strony uznawanej jako cel (mogła to być np. strona zakupu). Jeśli chodzi o GA4, można sobie z tym poradzić przy użyciu nowego zdarzenia, w którym: event_name jest równy page_view i page_location równy adresowi URL, który chcemy śledzić.

#6 Zmiana podejścia do kwestii privacy

Nie przesadzę, jeśli stwierdzę, że Google Analytics 4 diametralnie zmienia sposób podejścia do identyfikacji użytkownika. W przypadku Universal Analytics opierała się ona o pliki cookies, co jak łatwo się domyślić – było rozwiązaniem bardzo dalekim od ideału.

W najnowszej wersji Analyticsa postanowiono oprzeć identyfikacje użytkownika na podstawie kilku elementów:

• User ID – ta metoda jest możliwa do zastosowania, gdy użytkownik jest zalogowany do strony bądź aplikacji.
• Google Signals – metoda ta wykorzystuje fakt zalogowania do profilu Google na różnych urządzeniach, co pozwala lepiej “wychwycić” użytkownika – zwłaszcza, gdy regularnie zmienia urządzenia, na których korzysta z sieci.
• Pliki cookie – metoda wykorzystuje dane z ciasteczek zapisanych na urządzeniu lub w przeglądarce.
• Modelowanie behawioralne – metoda jest stosowana, gdy użytkownicy nie wyrażą zgody na ciasteczka. Wówczas Google Analytics stosuje tzw. behavioral modeling, za sprawą którego może uzupełnić powstałą lukę w danych. Narzędzie bazuje wówczas na informacjach na temat zachowań podobnych użytkowników, którzy zaakceptowali zgodę.

Warto zaznaczyć, że Google Analytics wspiera consent mode. To oznacza, że może działać zarówno w przypadku, gdy użytkownik wyrazi zgodę na ciasteczka, jak i bez niej – poprzez wykorzystanie mieszanych danych do zbierania informacji o użytkowniku. To pomaga uzupełniać luki w profilowaniu, urealnia dane, a także przyczynia się to do lepszego zrozumienia dróg użytkowników i celniejszego stosowania remarketingu (np. przy przechodzeniu między aplikacją a desktopem).

Jeśli chcesz dowiedzieć się więcej o kwestiach privacy w GA, to koniecznie zapoznaj się z artykułem mówiącym o tym jak w Google Analytics uzyskać maksymalną zgodność z RODO.

#7 Zmiana widoków

Dotychczas w UA zalecane było stworzenie 3 widoków: dane surowe, filtrowane dane oraz widok testowy. Na widoku testowym weryfikowało się filtry widoku, co działało jako bufor bezpieczeństwa – chroniącym przed ewentualną utratą danych po nałożeniu filtra.

W GA4 istnieje z kolei tylko jeden widok raportowania, w którym stosuje się filtry danych. Rozwiązanie nie posiada widoku testowego, przez co należy obchodzić się z nim bardzo ostrożnie. Bowiem wszystkie zmiany w obrębie filtrów mogą dostarczyć nam błędnych danych za okres z błędnie nałożonymi filtrami.

W Google Analytics 4 możemy wyróżnić 3 typy filtrów danych:

• Ruch wewnętrzny, który odfiltrowuje adresy IP. Gdy taki filtr zostanie stworzony – parametr traffic_type jest automatycznie dodawany do zdarzeń.
• Ruch deweloperski, który odfiltrowuje ruch deweloperów z aplikacji (pod warunkiem że pracują na urządzeniach deweloperskich). Identyfikuje się go za pomocą parametrów debug_mode lub debug_event.
• Filtry z subproperties – Google Analytics 360 udostępnia możliwość stworzenia podzbioru danych (nazywanych subproperties). Podczas tworzenia tej usługi odfiltrowuje się zdarzenia na podstawie ich parametrów takich, jak np. Kraj.

O czym pamiętać, przed przejściem na Google Analytics 4? Podsumowanie.

Jak widzisz, migracja z UA na GA4 wymaga odpowiedniego przygotowania, a także bacznego zwrócenia uwagi na aspekty, które odróżniają oba te narzędzia. Do kluczowych zmian, którym po prostu trzeba się przyjrzeć, zaliczamy modyfikacje dotyczące:

1. sposobu zbierania danych
2. dataLayerów oraz sposobu implementacji przez GTM
3. zmian w wymiarach i danych niestandardowych
4. automatycznego śledzenia zdarzeń
5. sposobu śledzenia celów X
6. podejścia do kwestii privacy
7. widoków

Potrzebujesz wsparcia ekspertów, którzy ocenią poprawność Twojego wdrożenia Google Analytics 4? A może szukasz specjalistów, którzy zajmą się tym procesem za Ciebie?

Choć przejście na nową wersję Analyticsa może wydawać się trudne i skomplikowane – musisz pamiętać o tym, że to narzędzie zostało stworzone po to, aby jeszcze lepiej odpowiadać na potrzeby nowoczesnego biznesu. Mówiąc wprost – po prostu to Ci się opłaca.

Z drugiej strony – Google nie pozostawia nam zbyt dużego wyboru. Firma już dawno ogłosiła, że w lipcu 2023 roku Universal Analytics przestanie działać (czytaj: zbierać nowe dane), a przedsiębiorstwa, które do tego czasu nie zdążą przeprowadzić procesu migracji – zostaną “odcięte” od źródła danych.

A jeśli zaciekawił Cię temat migracja na Google Analytics 4, a wiedzę zawartą w tym artykule uważasz za wartościową to koniecznie sprawdź wpis na naszym blogu mówiący o tym dlaczego warto wdrożyć i używać Google Analytics 4!

Skoro czytasz ten artykuł i chcesz pogłębiać wiedzę z zakresu analityki, to pewnie wiesz, jak istotnym elementem całego analitycznego procesu są źródła, a mówiąc konkretnie – zbieranie danych, które zostaną wykorzystane w dalszych etapach pracy. Musisz również zdawać sobie sprawę z tego, że nie tylko same dane są ważnym czynnikiem całej tej układanki. Wiele również zależy bowiem od sposobów ich wyświetlania i wizualizacji, które mogą mieć kluczowy wpływ na to, czy to, co z nich wynika, będzie widoczne na “pierwszy rzut oka” oraz będzie powodowało w odbiorcy podjęcie konkretnych działań.
Sądzę, że duża część osób korzystających z dobrodziejstw analityki internetowej (i nie tylko), już nie raz zetknęła się z potrzebą wyświetlenia lub zestawienia danych pochodzących z Google Analytics w inny sposób, niż ten prezentowany bezpośrednio w standardowym interfejsie. Właśnie z taką myślą powstało Google Data Studio, które w ostatnim czasie przeszło mały rebranding. Dzięki niemu obecnie znane jest pod nazwą Looker Studio.

Jeżeli zdarzyło Ci się korzystać z tego narzędzia wcześniej (np. podczas używania GA3), a obecnie zastanawiasz się, czy możesz już zacząć proces przenoszenia swoich danych, które agregujesz w nowym Google Analytics 4 – prawdopodobnie wszystkie odpowiedzi znajdziesz w poniższej treści. Większy rozmiar hita, dane surowe w Big Query dostępne dla wszystkich (nie tylko użytkowników wersji płatnej), lepsze łączenie userów za pomocą Google Signals, czy wreszcie – modelowanie danych (w przypadku Consent Mode). To wszystko z pewnością brzmi ciekawie i zdaje się bardzo atrakcyjne – zarówno z perspektywy analityki, jak i całego biznesu. Musisz jednak pamiętać, że jak to z nowościami bywa – rozwój takiego rozwiązania musi zająć trochę czasu, mogą pojawić się pewne niedociągnięcia, a na nadejście niektórych funkcji trzeba “uzbroić” się w cierpliwość.

Co możemy już z powodzeniem wizualizować w Looker Studio, a na co przyjdzie nam jeszcze chwile poczekać. Te oraz wiele więcej informacji znajdziesz w właśnie w tym wpisie! Jednak zanim przejdę do tego – pozwól, że zacznę od podstaw, czyli przytoczenia krótkiej definicji tego, o czym będziemy dzisiaj rozmawiać (pisać ).

Co znajdziesz w tym artykule?

Czym jest Looker Studio (dawniej Google Data Studio)?
Jakimi danymi dysponuje connector GA4 do Looker Studio?
Źródła informacji w Looker Studio. Skąd pochodzą takie dane?
Na jakie elementy należy uważać podczas tworzenia dashboardów w Looker Studio?
Czy warto przenosić dane GA4 do Looker Studio? Podsumowanie.

Czym jest Looker Studio (dawniej Google Data Studio)?

Looker Studio to stosunkowo nowe narzędzie wykorzystywane do analityki biznesowej, które umożliwia przystępną eksplorację danych pochodzących z różnych źródeł (między innymi oczywiście z Google Analytics 4). Rozwiązanie stanowi część platformy Looker, czyli technologii korzystającej ze sztucznej inteligencji, uczenia maszynowego, modelowania oraz wielu innych obszarów – w celu zaopatrywania biznesu w wartościowe dane.

Sam Looker występuje w dwóch wersjach: bezpłatnej (z pewnymi ograniczeniami w funkcjonalnościach) oraz oczywiście płatnej (Looker Studio Pro), która zapewnia jeszcze bardziej rozbudowane wsparcie dla firm i analityków.

Skoro nieco dłuższy wstęp mamy już za sobą – najwyższa pora przejść do właściwego tematu i omówić sobie proces tworzenia dashboardów Google Analytics 4 za pomocą Looker Studio, a dokładniej – na co uważać podczas tych czynności.

Jakimi danymi dysponuje connector GA4 do Looker Studio?

Dane, które są wyświetlane w Loker Studio, mogą zostać zaprezentowane w wybranych konfiguracjach, dzięki zastosowaniu tzw. connectorów. To one umożliwiają podłączenie narzędzia służącego do wizualizacji, z bazą danych. Warto jednak pamiętać, że tak, jak całe Google Analytics 4, ta opcja też znajduje się nadal w fazie intensywnego rozwoju (czytaj: jeszcze nie wszystko działa tak, jak powinno ).

Źródła informacji w Looker Studio. Skąd pochodzą takie dane?

Przy użyciu Looker Studio można wizualizować pola, które są dostępne w Google Analytics Data API (GA4). Zaliczamy do nich między innymi: różne identyfikatory, formaty, źródła oraz jednostki reklamowe, dane na temat kampanii, przeglądarek, lokalizacji i wielu, naprawdę wielu innych. Pełną listę danych, które można wykorzystać do takiej wizualizacji, znajdziesz pod tym adresem.

Jak pewnie udało Ci się zauważyć – niestety, na ten moment nie wszystkie wskazane standardowe wymiary są dostępne w GDS (o czym więcej napiszę poniżej).

Kolejne istotne kwestie, które należy brać pod uwagę, są związane stricte z konfiguracją interfejsu. Otóż, dane GA4, które możesz zaprezentować w Google Data Studio, to informacje, które są dostępne w standardowych raportach interfejsu. To oznacza, że jeżeli:

• Nie dodasz w zakładce Konfiguracja dodatkowych wymiarów, nie będziesz w stanie ich wyświetlić, aby w ten sposób różnicować np. skuteczność poszczególnych opcji zdarzeń.

Warto o tym pamiętać, ponieważ Universal Analytics przyzwyczaiło nas do tego, że mamy aż 3 “szufladki” na dane: Kategoria, Akcja, Etykieta. Te 3 wymiary są zawsze widoczne w interfejsie, a dopiero wymiary lub metryki dodatkowe (custom dimensions / metrics) należy skonfigurować w interfejsie. Różnica wynika więc z nowego modelu danych, gdzie wszystko jest zdarzeniem definiowanym przez konkretne parametry. Dlatego też bez dodatkowych zmian na poziomie usługi, zobaczysz tylko nazwę zdarzenia.

• Niektóre z Twoich parametrów “wpadły” pod kardynalność danych. Mogło Ci przyjść do głowy, że może da się to jakoś “obejść” i po połączeniu GA4 do GDS problem (other) po prostu zniknie. Niestety – nic z tych rzeczy. Nie dasz rady ominąć go przy wykorzystaniu danych przetworzonych w interfejsie.

Jeśli temat (other) oraz kardynalizacji jest dla Ciebie interesujący i chcesz dowiedzieć się więcej – koniecznie zapoznaj się z wpisem Michała. Znajdziesz go w tym miejscu.

Podsumowując: jeśli chcesz “wycisnąć” z nich więcej – musisz zaprzyjaźnić się z BigQuery, które daje ogromne możliwości w kontekście analiz. Jeden z przykładów jego wykorzystania, a co za tym idzie – “ominięcia” aktualnych ograniczeń connectora GDS w Google Analytics 4 – znajdziesz na końcu tego artykułu.

Na jakie elementy należy uważać podczas tworzenia dashboardów w Looker Studio?

W tym obszarze możemy wyróżnić cztery zasadnicze czynniki, które dokładnie omówiłam i scharakteryzowałam w poniższych punktach. Do tego rodzaju aspektów, które warto wziąć pod uwagę, zaliczamy zatem:

Po pierwsze: segmenty

To właśnie one są jedną z kluczowych rzeczy, która nie jest jeszcze skonfigurowania analogicznie do poprzedniej wersji Analyticsa. Segmenty na danych z Universal Analytics mogliśmy ustawić na poziomie ustawień danych wykresu – tak, jak na poniższej grafice.

Segmenty w Looker Studio.

Natomiast, jeśli mowa o danych z “czwórki” (czytaj: Google Analytics w wersji 4), do dyspozycji pozostaje nam jedynie obszar Audiences, czyli po prostu – grupy Odbiorców.

Pomimo faktu, że zarówno jedna, jak i druga funkcjonalność korzysta z dobrodziejstw segmentacji – to występują pomiędzy nimi spore różnice. W przypadku naszych raportów istotne będzie to, że Odbiorcy nie działają “wstecz”, co oznacza, że gromadzenie danych jest możliwe dopiero po ich utworzeniu. Dobrą praktyką jest zatem jak najszybsze utworzenie – jak największej liczby grup odbiorców. Jaka wartość będzie właściwa? Najlepiej taka, którą uznasz za przydatną w swoich analizach.

Wspomniane grupy odbiorców łatwo ustawisz w tej samej sekcji, co definicje niestandardowe, czyli w Konfiguracji. Jeżeli nie dodasz tam nic “od siebie” – z poziomu wymiarów w Data Studio otrzymasz dostęp tylko do wszystkich użytkowników oraz kupujących (jeżeli Twoja usługa to e-commerce).

Po drugie: raportowanie pozyskania ruchu

Raportowanie wyników pozyskania ruchu za pomocą Google Analytics 4 przeszło na zupełnie inny i całkiem nowy poziom. Oprócz wymiarów prezentowanych poprzez sesje (które w “czwórce” liczone są nieco inaczej, niż miało to miejsce w przypadku Universal Analytics*), mamy dostęp do danych pozyskania zarówno na poziomie użytkownika, sesji jak i konwersji.
* W GA4 nie dochodzi do “sztucznego” tworzenia się nowych sesji, które wynikają np. ze zmiany parametrów źródła ruchu. Klasycznym tego przykładem może być, chociażby powrót z bramki płatności w e-commerce.

Przyjrzyjmy się zatem wymiarowi campaign oraz dostępnym jego konfiguracjom, które obecnie możemy użyć w Data Studio:

• Session campaign to nazwa kampanii marketingowej danej sesji. Obejmuje kampanie Google Ads, kampanie ręczne oraz inne.
• User campaign to w dokumentacji First – Nazwa kampanii marketingowej, dzięki której udało się pozyskać użytkownika. Również dotyczy kampanii Google Ads, ręcznych, jak i innych.

Jak widać, dzięki takiemu rozróżnieniu działania marketingowe mogą być analizowane oraz oceniane na znacznie bardziej szczegółowym poziomie, niż miało to miejsce, chociażby w Universal Analytics.

Warto pamiętać, że do naszej dyspozycji pozostaje również ogólny wymiar Kampania, który możemy podzielić na:

• Campaign (Kampania), czyli nazwa kampanii marketingowej, która jest widoczna tylko w przypadku zdarzeń konwersji. Obejmuje kampanie Google Ads, ręczne i inne.
• Campaign ID, czyli identyfikator kampanii marketingowej, który także jest widoczna wyłącznie wówczas, gdy pojawią się zdarzenia konwersji i również obejmuje kampanie Google Ads, ręczne oraz pozostałe.

A jak to wygląda w praktyce? Najlepszej odpowiedzi na to pytanie udzielą Ci dwie poniższe tabele. Jedna zawierająca wymiar Session campaign, natomiast druga – prezentująca samo Campaign.

Tabele pokazujące wymiar Session campaign oraz Campaign.

Jak łatwo dostrzec – na pierwszej z nich zobaczysz tylko sesje, w których pojawiła się konwersja. Natomiast w drugim znajdziesz wszystkie sesje z danym parametrem campaign.

Zastanawiasz się, dlaczego pomiędzy metrykami występują pewne różnice w konwersji? Już odpowiadam! Odpowiedź jest prosta i wynika bezpośrednio z atrybucji. Mianowicie, Google Analytics 4 stosuje domyślny model atrybucji w formie cross channel data driven attribution. To dzięki takiemu podejściu liczba konwersji dla danego źródła nie będzie taka sama w obu tabelach.

Oczywiście, liczba konwersji pozostaje taka sama (bo jest to zdarzenie, które wykonał użytkownik), jednak zmienia się sposób, w jaki są one przypisywane do konkretnych kampanii.

A co z pozostałymi parametrami, które można wykorzystać do wizualizacji w Looker Studio?

Jeszcze do niedawna (dokładnie do lipca 2022 roku), parametry utm_term i utm_content nie były dostępne z poziomu interfejsu Google Analytics 4. Niestety, pomimo obecności tych wymiarów na wcześniej wspomnianej liście, na ten moment nie znajdziemy ich jeszcze w wymiarach oferowanych przez Looker Studio.

Po trzecie: frazy użyte w wyszukiwarce

W obecnej formie Google Analytics 4 – na próżno szukać rozbudowanych i wszechstronnych raportów uwzględniających zapytania pochodzące z wyszukiwarki. Oczywiście, w zależności od rodzaju oraz rozmiaru biznesu – dostępne rozwiązania mogą prezentować mniejszą lub większą wartość.

Raporty uwzględniające zapytania pochodzące z wyszukiwarki.

Mogłoby się zatem wydawać, że konfiguracja fraz w ustawieniach usługi załatwiają sprawę, zgadza się? No nie do końca. Jeżeli chcesz wizualizować je za pomocą Looker Studio, to dodatkowo musisz udać się do zakładki Konfiguracja, a następnie w niej dodać wybraną frazę kluczową (jako nowy wymiar).

Dlaczego może być warto? Na poziomie interfejsu funkcje filtrowania i agregowania danych są ograniczone. Jeżeli chcesz mieć możliwość tworzenia bardziej spersonalizowanych wykresów oraz tabel dotyczących wyszukiwarki (np. wyszukiwane hasła chciałbyś podzielić na grupy, np. grupa 1 – frazy produktowe, grupa 2 – frazy związane z FAQ, itp) to najpierw musisz mieć do nich dostęp na poziomie narzędzia do wizualizacji.

Po czwarte: strona lądowania

Chociaż model danych GA4 kieruje nas w stronę użytkownika oraz zdarzeń, często w prowadzonych analizach nadal korzystamy z konceptu samej wizyty i chcemy brać pod uwagę m.in. stronę, od której użytkownik zaczął przygodę z naszym serwisem.

Z perspektywy domyślnych raportów, z którymi możemy się spotkać bez konieczności przeprowadzania dodatkowej konfiguracji w interfejsie usługi Google Analytics, na próżno szukać raportu zawierającego strony startowe (bo takowego po prostu nie ma). Oczywiście, można go zorganizować własnoręcznie – za pomocą stworzenia nowej kolekcji. Więcej na ten temat znajdziesz w materiałach od Google.

A jak ta sprawa przedstawia się w Looker Studio?

Skoro na próżno szukać wymiaru Landing Page w Looker Studio, to czy w ogóle jesteśmy w stanie wyświetlić te dane w jakiś inny sposób? Odpowiedź brzmi: tak! Wystarczy, że usługa Google Analytics 4 zostanie podłączona do BigQuery.

Pewnie teraz w Twojej głowie rodzi się pytanie dotyczące zasadności takiego podejścia. W końcu korzystanie z BigQuery jest nie tylko dodatkowo płatne, ale przede wszystkim wymaga posiadania wiedzy oraz umiejętności związanych z SQL. Odpowiedź nie może być inna niż – “to zależy”.

Jeżeli masz w planach bardziej zaawansowane analizy z danych pochodzących z GA4, a nawet ich ewentualne łączenie z innymi danymi (np. z CRM), a także chcesz posiadać dostęp do “surowych” informacji – jako analityk prędzej czy później zetkniesz się z koniecznością stworzenia odpowiedniego zapytania.

Jeżeli temat BigQuery zainteresował Cię na tyle, że chcesz go dalej eksplorować – gorąco zachęcam Cię do zapoznania się z artykułem Mariusza, który również czeka na Ciebie na naszym blogu, o tutaj: BigQuery i Google Analytics 4 – jak wykorzystać ich potencjał?

Czy warto przenosić dane GA4 do Looker Studio? Podsumowanie.

Odpowiadając krótko i zwięźle na pytanie zawarte w powyższym śródtytule – tak, ale z rozwagą.

Dane z usług Universal Analytics przestaną być zbierane już za mniej niż rok, więc jeżeli aktualnie posiadasz rozbudowane raporty to nie zostawiaj tego na ostatnią chwilę! Cały proces przenoszenia danych zajmie trochę czasu, do tego warto go poprzedzić odpowiednimi przygotowaniami. Planując, w jaki sposób chcesz wyświetlać dane z Twojej nowej usługi, możesz poszerzyć swoją wiedzę na temat samego narzędzia, a także być świadomym zmian czy aktualnych ograniczeń.

Uważasz, że to zbyt skomplikowane lub zwyczajnie nie masz na to czasu? Postaw na wsparcie, które wyręczy Cię w tworzeniu dashboardów GA4 w Looker Studio!

Mam nadzieje, że dzięki temu artykułowi część migracyjnych zagwozdek będziesz mieć już za sobą. Jeżeli zastanawiasz się jak wykorzystać te narzędzia w Twojej organizacji i wznieść analitykę na jeszcze wyższy poziom to pogadajmy!

Jeśli wolisz zrobić to osobiście – koniecznie sprawdź wpis na naszym blogu mówiący o tym jakich błędów unikać w Google Analytics.

Copywriting, content lub po prostu… treści. Jedni traktują je jako “zapychacze”, które po prostu trzeba umieścić na stronie internetowej lub w e-sklepie. Inna grupa podchodzi do nich “po macoszemu” – dbając o stylistykę, brak błędów, a także odpowiedni dobór słów, ale niezbyt przejmując się ich rolą. Z kolei jeszcze inni robią to całkiem “na serio” – wykorzystując copywriting po to, aby pozwalał realizować konkretne cele biznesowe.

Prawda jest jednak taka, że odpowiednio przygotowanie oraz zaprezentowane treści mogą stanowić prawdziwy game-changer praktycznie każdego biznesu działającego online. Poprawiający wyniki pozycjonowania, budujący zaangażowanie i lojalność odbiorców. Aż wreszcie – doprowadzający do konwersji, które w zależności od specyfiki, jak i potrzeb konkretnych firm, mogą przyjmować najróżniejsze formy (generowanie lead’ów i zapytań, pobrania plików, sprzedaż itp.).
Jednak, aby tak mogło się stać – copywriting trzeba traktować poważne – skupiając się nie tylko na odpowiednim doborze słów, tonu czy sposobów komunikacji, ale przede wszystkim – właściwym mierzeniu efektów.

Czy z pozoru tak techniczna i matematyczna dziedzina analityki oraz (równie pozornie) humanistyczny copywriting, mogą iść ze sobą w parze? Tym artykułem udowodnię Ci, że tak ! Czytaj do końca, aby dowiedzieć się, co oraz w jaki sposób warto mierzyć, aby dowiedzieć się, czy teksty, które umieszczasz na swojej stronie www lub platformie e-commerce, aby na pewno w pełni realizują swoje zadania.

Co znajdziesz w tym artykule?

Analityczne podejście do copywritingu. Jakie parametry warto brać pod uwagę podczas badania jego efektywności?
Sprawdź, jak teksty przekładają się na ruch na Twojej stronie
Dowiedz się, “czy” i w jaki sposób angażują Twoich użytkowników
Upewnij się, że robią to, co najważniejsze – zarabiają
Analiza copywritingu – podsumowanie

Analityczne podejście do copywritingu. Jakie parametry warto brać pod uwagę podczas badania jego efektywności?

Praca analityków internetowych (i nie tylko), ma to do siebie, że z pewnością są oni w stanie mierzyć wszystko i to na wiele różnych sposobów. Z uwagi, że to artykuł blogowy, a nie obszerny i wielostronicowy e-book – pozwól, że w dalszej części skupię się na 3 podstawowych obszarach: ruchu, zaangażowaniu oraz konwersji. Dowiedz się, na co może wpływać copywriting oraz w jaki sposób możesz to mierzyć.

Sprawdź, jak teksty przekładają się na ruch na Twojej stronie

Jeżeli choć trochę zajmujesz się dziedziną związaną z pozycjonowaniem serwisów www, to z pewnością zdajesz sobie sprawę z jednej ważnej rzeczy. Tego, że z każdą kolejną aktualizacją swoich algorytmów, Google coraz bardziej docenia nie prowadzące do stron odnośniki (tzw. linkbuilding), a właśnie znajdującą się na nich treść. W przypadku branży e-commerce możemy zatem mówić o opisach produktów, kategorii, a nawet wpisach na blogu, zaś w przypadku stron – treściach konkretnych zakładek, jak również artykułach blogowych.

Wnioski? Profesjonalny copywriting pozwala tworzyć teksty, które budują widoczność serwisu, a co najważniejsze – sprowadzają do niego wartościowy ruch z wyszukiwarki.

Jak to mierzyć?

Do tego obszaru możesz podejść na dwa sposoby.

• Po pierwsze – analizować zmiany pozycji poszczególnych słów kluczowych, na których szczególnie Ci zależy. Jeżeli kilka dni, tygodni lub miesięcy po wprowadzeniu tekstów zaczęły rosnąć – może to oznaczać, że copywriting spełnił swoje zadanie (albo w tym czasie nastąpiła kolejna zmiana algorytmu ).
• Po drugie – brać pod uwagę szersze spektrum, czyli wzrost widoczności serwisu internetowego na nowe frazy kluczowe. Jeśli po wdrożeniu treści Twoja strona zaczęła pojawiać się w Google na większą ilość zapytań – to prawdopodobnie znak, że content zadziałał.

Dowiedz się, “czy” i w jaki sposób angażują Twoich użytkowników

Załóżmy, że wdrożone na stronę (lub e-sklep) teksty spełniły swoją funkcję. “Podbiły” Twoje pozycje w wyszukiwarce, co następnie poskutkowało znacznym wzrostem ruchu organicznego. Czy to już wszystko, co możesz analizować w copywritingu? Skoro zadałem takie pytanie, to z pewnością domyślasz się, że nie do końca. I wiesz co? Masz w tym 100-procentową rację .
Mianowicie, gdy tekst wypełnią swoją misję i przyczynią się do wygenerowania traffic’u – warto rzucić okiem na to, w jaki sposób są konsumowane przed odbiorców.

Jak to zrobić?

Do niedawna był to – znany z odchodzącego już Universal Analytics – współczynnik odrzuceń (z ang. bounce rate). Obecnie – wykorzystywany w Google Analytics 4 – wskaźnik zaangażowania. Jedna, jak i druga opcja mogą być podstawą do wyciągania wniosków na temat, czy taka treść jest dla użytkowników wartościowa i zachęca do dalszej eksploracji serwisu.

Teoretycznie: jeśli teksty spełniają swoją funkcję, czyli są wartościowe dla userów, a firmom pomagają realizować cele biznesowe – zaangażowanie powinno rosnąć, a bounce rate – spadać.

Upewnij się, że robią to, co najważniejsze – zarabiają

Warto pamiętać, że ostatecznie najważniejszy jest biznes, a więc nie liczba odwiedzin, czas spędzony na stronie czy ilość “przeklinanych” zakładek. W finalnym rozrachunku liczy się bowiem to, czy dane teksty pozwoliły Ci realizować konkretne cele (KPI) – określane wygenerowanymi lead’ami, liczbą pobrań, wykupionymi subskrypcjami, czy wreszcie – sprzedażą Twoich produktów lub usług.

Jak do tego podejść?

Tu sprawa jest nadzwyczaj prosta. Jeżeli po napisaniu oraz opublikowaniu treści zaczynasz zauważać, że analizowane parametry „rosną” – to może znaczyć, że copywriting spełnił swoje zadanie. Jeśli jest odwrotnie, a publikacja contentu spowodowała spadki – warto wyciągnąć wnioski i wprowadzić działania naprawcze.

No, chyba że ponownie – Twoje zmiany zbiegły się w czasie z update’em od Google’a. Wówczas całość należy przeanalizować w znacznie szerszym spektrum. Ale to już temat na osobny wpisy !

Analiza copywritingu – podsumowanie

To był wpis gościnny, który z wielką przyjemnością przygotowałem specjalnie dla Conversion. Mam nadzieję, że lektura tego artykułu dostarczyła Ci sporo przydatnych informacji, a także skłoniła do dodatkowych przemyśleń. Jeżeli chcesz poszerzać swoją wiedzę z obszaru analityki internetowej – sprawdź inne wpisy z bloga Conversion.
A jeśli zależy Ci na zdobywaniu nowych informacji z obszaru szeroko pojętego contentu – gorąco zachęcam Cię do odwiedzenia mojego bloga o copywritingu.

Jeżeli choć trochę interesujesz się analityką – doskonale zdajesz sobie sprawę z tego, że trafne decyzje biznesowe można podejmować wyłącznie w oparciu o rzetelne dane. Z kolei bazując na informacjach zawierających w sobie błędy – możesz nie tylko nie wykorzystywać w pełni możliwości rozwoju Twojej organizacji, ale przede wszystkim – doprowadzić do tego, że podejmowane działania będą kompletnie nieskuteczne i dodatkowo – narażą Twoją firmę na straty.

Dlaczego dobre dane to podstawa?

Wiarygodne dane są kluczowym i niezbędnym czynnikiem, który pozwala minimalizować ryzyko podjęcia błędnej decyzji, od której mogą zależeć losy projektu, pracownika, czy nawet całego przedsiębiorstwa.

Można mnożyć przykłady przedsięwzięć, które borykały się z różnymi problemami, których geneza miała przynajmniej jeden wspólny mianownik – złe dane. Firmy handlowe działające na rynku internetowym, które nie rejestrowały w swoich systemach 50% transakcji z wykorzystaniem zewnętrznych systemów płatności. Firmy, które podejmowały błędne decyzje inwestycyjne, tylko dlatego, że bazowały na niepoprawnych informacjach z rynku. Biznesy, które ufając niepoprawnym danym, spoczywały na laurach i nie podejmowały się optymalizacji działań, nie wykorzystując tym samym możliwości. I tak dalej, i tak dalej. Mówiąc ogólnie – organizacja podejmuje złe decyzje, gdy ma złe dane.

Z jakimi błędami możesz się spotkać przy zbieraniu danych za pomocą GA? Poznaj 16 głównych przykładów.

W poniższym artykule przedstawię Ci aż 16 oznak, że zbierane przez Ciebie dane są niepoprawne i konieczne będzie przeprowadzenie audytu instalacji oraz konfiguracji Google Analytics.

1. Za mało transakcji – dużo mniej transakcji w GA niż w CRM

Zawsze warto porównać zgodność danych GA z danymi z naszego systemu CRM. Jeżeli rozbieżność wynosi maksymalnie 20% – zakładamy, że dane zbierają się prawidłowo. Skąd wynika ta różnica? Część użytkowników (około 10% w Polsce) nie jest wcale śledzona, ponieważ korzysta z programów do blokowania reklam, blokuje wywoływanie skryptów śledzących czy też korzysta z opcji opt-out. W przypadku serwisów, z których korzysta wielu zaawansowanych użytkowników (jak np. https://www.conversion.pl/blog/ ), czy stronach o grach komputerowych, programowaniu itp. – liczba użytkowników, którzy nie są śledzeni, może dochodzić nawet do 30%. A skoro użytkownik nie jest śledzony, to również jego transakcje nie zostaną zaraportowane do GA. Natomiast pojawią się one w CRM-ie. Pomimo tej różnicy ok. 85% transakcji powinno być spójnych i mieć takie same wartości zarówno w CRM, jak i w GA.

W przypadku większych rozbieżności zakładamy, że dane są niepoprawnie raportowane do Google Analytics. Aby to sprawdzić – analizujemy i porównujemy dane w segmentach: jak wygląda pokrycie transakcji za przedpłatą, a jak gdy użytkownik płaci za pobraniem.

W 20% serwisy rejestrują transakcje po jej opłaceniu na stronie podziękowania. Często użytkownicy po przeniesieniu do zewnętrznego systemu płatności nie wracają na stronę podziękowania, na której umieszczony jest kod transakcji. Wówczas takie zakupy w ogóle nie są rejestrowane.

Rozwiązaniem jest umieszczenie kodu śledzącego przed przekierowaniem do zewnętrznego serwisu płatności. Należy pamiętać, aby umieścić go na tzw. splash page, czyli stronie przejściowej, która wyświetla się przez kilka sekund. To da pewność, że dane zostaną przesłane do Google Analytics. Oczywiście, zdarza się, że użytkownicy po przejściu ostatecznie nie dokonują zakupu, jednak dotyczy to niewielkiej liczby użytkowników.

Poprawnie transakcje śledzi sklep Merlin.pl – zanim użytkownik zostanie przekierowany na stronę płatności PayPal kod transakcji może się wywołać na splash page

2. Za dużo transakcji – więcej transakcji w GA niż w CRM

Z uwagi na fakt, iż w CRM raportowane są wszystkie transakcje – sytuacja, w której mamy więcej transakcji w GA niż w CRM-ie, z pewnością świadczy o tym, że dane zbierają się niepoprawnie. Przyczyną błędu jest podwójne wywoływanie kodu transakcji na stronie podziękowania. Może to się zdarzyć w kilku przypadkach, np.: gdy użytkownik powróci na stronę podziękowania, odświeży ją albo przejdzie z linku umieszczonym w e-mailu, który otrzyma po zakończeniu transakcji.

To czy kod transakcji wywołuje się poprawnie, możemy szybko sprawdzić na naszym koncie Google Analytics.

W sekcji Konwersje – Transakcje sprawdzamy jaka jest liczba ID transakcji. W tym przypadku widzimy, że raport ma 1141 rzędów i takiej liczbie transakcji zostało nadane ID.

W sekcji Ogólem widzimy ile transakcji zliczył Google Analytics. 1146, czyli 5 transakcji zostało wywołanych podwójnie. Jako, że Google Analytics wykorzystuje te dane to wszystkich innych raportów i metryk (takich jak współczynnik konwersji), mamy nieprawdziwy obraz i zbieramy nierzetelne dane.

Jeśli Twoje kody wywołują się podwójnie, to należy wprowadzić zmiany w konfiguracji kodów e-commerce, tak aby dana transakcja raportowała się tylko jeden raz.

3. Za niski współczynnik odrzuceń

Jeżeli zauważysz, że współczynnik odrzuceń na Twojej witrynie jest wyjątkowo niski, powinieneś nabrać nieco podejrzeń. Być może Twoja witryna faktycznie tak angażuje użytkowników, że masowo przechodzą oni na kolejne strony. Jednak, gdy współczynnik odrzuceń w Twoim serwisie jest niższy niż 20% – o wiele bardziej prawdopodobne jest, że dane zbierane są niepoprawnie.

Jeżeli użytkownik wejdzie do naszego serwisu i nie przejdzie na kolejną stronę – Google Analytics zlicza to jako odrzucenie. Jednak w przypadku, gdy na stronie podjęta zostanie jakaś akcja (np. taka, która wywoła zdarzenie) – współczynnik odrzuceń nie jest zliczany.

W wielu serwisach przejście na poszczególne zakładki nie powoduje przeładowania się strony, i to, jak użytkownicy poruszają się w tym obrębie, śledzone jest za pomocą zdarzeń lub wirtualnych odsłon.

Jeżeli stroną wejścia jest karta produktu z zakładką, event o tym, że użytkownik jest w danej zakładce może zostać automatycznie wysłany do Google Analytics zaraz po wejściu na stronę. Wówczas współczynnik odrzuceń nie zlicza się, nawet jeżeli użytkownik spędził na stronie 5 sekund i natychmiast ją opuścił. W rezultacie analitycy i zarząd zachwycają się niskim współczynnikiem odrzuceń na podstawie raportów, które mają niewiele wspólnego z rzeczywistością.

Rozwiązaniem jest stosowanie eventów non-interaction. Zdarzenia non-interaction nie wpływają na zliczanie współczynnika odrzuceń. Ustawienie zdarzeń non-interaction wymaga dodania jednego parametru w kodzie zdarzenia.

Taki błąd popełnia LeroyMerlin.pl. Gdy trafiłem na serwis (stroną wejścia była karta produktu) od razu wywołał się event o nazwie Karta produktu – zakładki i etykiecie szczegóły. Mimo, że wyszłam ze strony po kilku sekundach, na koncie Google Analytics LeroyMerlin.pl moja wizyta nie została zliczona jaka odrzucenie.

4. Duży % ruchu oraz konwersji ze źródła referral

Znaczący procent ruchu oraz konwersji ze źródła referral w raportowanych danych może świadczyć o tym, że kampanie wewnętrzne są śledzone za pomocą parametrów UTM. A to z kolei oznacza, że wizyty i konwersje są przypisywane do źródła referral z medium przekazywanego w ramach parametru.

Kampanie wewnętrzne to wszelkie aktywności prowadzone w ramach naszego serwisu, które mają zachęcić użytkownika do kliknięcia w nie i przejścia do strony docelowej danej kampanii. Są to wszelkiego rodzaju heroshoty, bannery, boxy itp. Jednym słowem – wszystko to, co ma za zadanie zwrócić na siebie uwagę użytkownika i spowodować, że kliknie na dany element.

Częstym niedopatrzeniem jest wykorzystywanie do tego celu wspomnianych już parametrów. Niestety, wiele osób nie zdaje sobie sprawy z tego, że to istotny błąd, który wpływa negatywnie na rzetelność gromadzonych danych. Parametry UTM (źródło, medium, nazwa kampanii, słowo kluczowe i zawartość) służą do oznaczania tylko kampanii zewnętrznych. Dzięki nim dane zebrane w Google Analytics są łatwe do analizy i możemy skutecznie porównywać je w czasie.

Dlaczego nie powinniśmy oznaczać parametrami UTM kampanii wewnętrznych?

Załóżmy, że użytkownik trafił na stronę główną z newslettera. W momencie, kiedy kliknie w baner przenoszący go na kartę produktu, parametry UTM nadpiszą właściwie źródło, z którego użytkownik trafił do naszego serwisu. Nie mamy później możliwości śledzić go jako użytkownika z newslettera, a dodatkowo odwiedziny zostaną naliczone jako podwójne (wejście z newslettera i wejście z kampanii wewnętrznej).

Sposobów na śledzenie kampanii wewnętrznych jest wiele. Można w tym celu wykorzystać śledzenie zdarzeń lub zmienne niestandardowe czy też wyszukiwanie w witrynie.

BZWBK niepoprawnie śledzi kampanie wewnętrzne. Do serwisu trafiłam z kampanii CPC, następnie ze strony głównej przeszłam na stronę docelową Kredytu Gotówkowego. Do adresu URL dodany został parametr utm_source=bzwbk_slider. Tym samy na koncie Google Analytics nie odnotuje się moja ścieżka: CPC – Slider na stronie głównej.

5. Brak poprawnego kodu śledzącego na wszystkich stronach

Najprostszy możliwy błąd, jaki może się pojawić, czyli brak kodu śledzącego na wszystkich stronach. Istnieją narzędzia, za pomocą których da się łatwo sprawdzić, czy kod jest umieszczony na każdej podstronie (służy do tego m.in. GA Checker, który na ten moment nie współpracuje jeszcze z GA4).

GA Checker – narzędzie do sprawdzania czy kod śledzący jest na wszystkich stronach w serwisie.

6. Opieranie swoich decyzji o próbkowane dane

Jeżeli na co dzień operujesz na stosunkowo małej ilości danych – prawdopodobnie nie masz się o co martwić. Standardowa konfiguracja Google Analytics daje bowiem dostęp do niepróbkowanych danych, a co za tym idzie – zapewnia wgląd do kompletnych informacji na temat ruchu czy zachowania użytkowników.

Na czym polega różnica między ruchem próbkowanym a niepróbkowanym?

Próbkowanie danych nie polega na analizowaniu kompletnych informacji, a jedynie podzbiorów zebranych danych. To oznacza, że nie są one w 100% wiarygodne i z pewnością nie powinny być podstawą Twoich raportów.

Wspomniane próbkowanie w GA4 dotyczy następujących progów (odnoszących się do widoku w ramach konkretnego zakresu dat):

• 10 000 000 zdarzeń / zapytań dla Google Analytics 4.
• 1 000 000 000 zdarzeń / zapytań dla Google Analytics 4 360.

Z kolei dla poprzedniej wersji prezentuje się to następująco.

• 500 000 sesji dla standardowego Google Analytics.
• 100 000 000 sesji dla Google Analytics 360.

7. Brak waluty

Aspekt szczególnie istotny, jeśli Twój biznes polega na sprzedaży online (e-commerce). I o ile w poprzedniej wersji Google Analytics nie wymagał uzupełniania tego parametru, o tyle w GA4 jest już on obowiązkowy. Waluty należy oznaczać za pomocą odpowiednich kodów, które są zgodne ze standardami ISO (dla złotówek będzie to PLN, dla euro – EUR, dla dolarów – USD, dla funtów brytyjskich – GBP, franków szwajcarskich – CHF, i tak dalej).

Ważne: nawet jeśli Twój sklep internetowy operuje tylko jedną walutą – i tak warto zawrzeć taką informację w Google Tag Managerze. Brak jego konfiguracji narazi Cię na poważne problemy związane m.in. ograniczeniem dostępu do informacji na temat Twoich przychodów (m.in. ich źródeł).

8. Błędne przechowywanie danych o użytkownikach

W Google Analytics 4 możesz spotkać się z dwoma rodzajami raportów – standardowymi oraz eksploracjami. Pierwsze agregują i przechowują informacje przez cały czas. Z kolei drugie – robią to przez pewien okres, który domyślnie wynosi 2 miesiące (w ustawieniach GA4 możesz dokonać jego zmiany na 14 miesięcy). Dotyczy to danych na poziomie użytkownika. Jeżeli zależy Ci na porównywaniu danych z okresów przekraczających 14 miesięcy – New Google Analytics 360 daje możliwość ustawienia retencji danych nawet do 50 miesięcy.

W przypadku Universal Analytics możesz wybierać pomiędzy okresami: 14, 26, 38, 50 miesięcy lub zdecydować, aby dane w ogóle nie wygasały. Ten aspekt dotyczy przechowywania danych na poziomie użytkownika oraz zdarzenia.

Pamiętaj, że ustawienie przechowywania danych ma wpływ tylko na raporty Eksploracji i nie dotyczy raportów standardowych.

9. Zastosowanie zbyt dużej liczby unikalnych wartości

Kolejnym czynnikiem, który może zaburzyć lub całkowicie zepsuć Twoje dane w GA, jest ten związany z tzw. cardinality, czyli mocą zbioru. Dotyczy on bezpośrednio zastosowania wartości (np. takich, jak client ID), których zbyt duża liczebność może spowodować, że pozyskiwane przez Ciebie informacje zostaną zakwalifikowane do niechcianego “(other)”.

Aby tego uniknąć albo przynajmniej maksymalnie ograniczyć ryzyko pojawienia się takiej klasyfikacji – staraj się korzystać z raportów standardowych, a także wstępnie zdefiniowanych wymiarów. Jeżeli korzystasz z GA w wersji 360 – z tym obszarze z pomocą mogą Ci przyjść również tzw. Automatic Custom Tables, które dadzą Ci dostęp do rozszerzonych zestawów danych.

10. Pojawienie się bramek płatnościowych w kanale “referral”

Jak sama nazwa wskazuje – ten przypadek dotyczy błędnego zakwalifikowania źródeł ruchu, jakimi są tzw. payment gateways (w tym m.in. PayPal, PayU, Przelewy24 i wiele innych).

Otóż, działania użytkownika, który opuszcza Twoją stronę “na chwilę”, jedynie po to, aby opłacić swoje zamówienie – mogą zostać zakwalifikowane jako nowy ruch, który generuje właśnie dana bramka płatnicza. To z kolei może prowadzić do zaburzenia danych, które “rzekomo” mogłyby świadczyć o tym, że tego typu serwisy przynoszą Ci klientów (w trakcie, gdy tak naprawdę stanowią tylko element niezbędny do sfinalizowania transakcji).

11. Brak konfiguracji konwersji w Google Analytics 4

Popełnienie tego błędu może być fatalne w skutkach, ponieważ doprowadzi do sytuacji, w których Twoje raporty dedykowane pod konwersje staną się całkowicie bezużyteczne.

Jeżeli zależy Ci na możliwości śledzenia, analizowania oraz wyciągania wniosków na temat skuteczności Twoich działań związanych z konwersją – pamiętaj o skonfigurowaniu Twojego Google Analytics właśnie pod tym kątem. Szczegółowe informacje wraz z instrukcją dostarczam sam Google, a znajdziesz je w tym miejscu.

Warto mieć na względzie również ograniczenia związane z liczbą konwersji. Standardowa wersja GA4 pozwala na ustalenie 30, z kolei GA4 w wersji 360 – aż 50.

Źródło: Google Analytics

12. Brak konfiguracji filtrów wewnętrznego ruchu

Specyfika Twojej działalności sprawia, że Twój serwis internetowy odwiedzają nie tylko zewnętrzni, ale również wewnętrzni użytkownicy (w tym deweloperzy, agencje, a nawet “zwykli” pracownicy)?

Jeśli tak – pamiętaj, aby wdrożyć odpowiednie filtry, które pozwolą Ci oddzielić taki ruch wewnętrzny od ruchu pochodzącego z zewnątrz. W innym wypadku dane, które otrzymujesz, mogą być nie tylko bardzo zniekształcone, ale przede wszystkim – mogą doprowadzić Twoją firmę do wyciągania bardzo błędnych wniosków.

Źródło: Google Analytics

13. Zbieranie niewłaściwych danych, pozwalających na identyfikację użytkowników

Ochrona danych osobowych to jeden z najgorętszych tematów, które spędzają sen z powiek niejednej firmie opierającej swoją działalność na Internecie.

W związku z powyższym – koniecznie upewnij się, że konfiguracja Twojego Google Analyticsa nie przewiduje śledzenia takich informacji, jak: imię, nazwisko, numer telefonu czy adres e-mail. Taka sytuacja może mieć miejsce np. wówczas, gdy Twój CMS automatycznie tworzy nowe podstrony (dotyczące płatności, szczegółów zamówienia, wysyłki itp.) – generowane, chociażby na bazie wprowadzonych przez klientów danych.

14. Brak uruchamiania odsłon dla SPA (dynamicznych stron – aplikacji jednostronicowych)

Jeżeli Twoja strona opiera się na działaniu JavaScriptu, który generuje jej treść dynamicznie (a co za tym idzie – nie powoduje konieczności przeładowywania serwisu lub przechodzenia do kolejnych podstron) – podstawowa konfiguracja Google Analytics nie zanotuje dla Ciebie odsłon.

Rozwiązaniem tego problemu może być odpowiednia konfiguracja Google Tag Managera. Szczegóły na ten temat czekają na Ciebie w tej oficjalnej dokumentacji udostępnionej przez firmę Google.

15. Brak lub problemy z raportowaniem danych w czasie rzeczywistym

Musisz wiedzieć, że sukcesywnie Google odchodzi od wspierania “starszej” wersji Analyticsa. Jeżeli zaczynasz dostrzegać, że Twoje raporty w czasie rzeczywistym agregują zbyt mało lub też zbyt dużo danych – jest to kolejna oznaka, że warto pomyśleć o jak najszybszej “przesiadce” na nowszą wersję, czyli Google Analytics 4.

16. Całkowity brak lub błędna konfiguracja Consent Mode

Błędne podejście do przyjmowania zgód, a także agregacji cookiesów może mieć nie tylko wymiar stricte analityczny, ale również narazić Twoją firmę na poważne problemy prawne i finansowe. Otóż, aby mieć pewność, że wszystkie dane na temat użytkowników są zbierane w prawidłowy sposób – musisz pamiętać o zastosowaniu tzw. Consent Mode. Więcej na ten temat przeczytasz również na naszym blogu.

16 błędów w Google Analytics, które sprawiają, że zbierasz niepoprawne dane – podsumowanie

Podstawą skutecznej analizy, na podstawie której możesz wyciągać wnioski prowadzące do wzrostu zysków, są oczywiście poprawne dane. Dla serwisów typu e-commerce dane dotyczące transakcji to zdecydowanie najistotniejsza informacja.

Natomiast poprawne śledzenie wszystkich stron w serwisie, współczynnika odrzuceń oraz źródeł ruchu jest bardzo istotne dla każdej strony internetowej.

Biorąc pod uwagę liczbę błędów, jaka pojawia się przy okazji konfiguracji śledzenia, konieczna jest weryfikacja poprawności zbieranych danych, co można prosto sprawdzić, zwracając uwagę na 16 oznak, które szerzej omówiłem w powyższych akapitach. Dla przypomnienia oraz lepszego utrwalenia Twojej wiedzy – pamiętaj, że sygnałami świadczącymi o tym, że z Twoimi danymi z GA może być coś “nie tak”, są:

1. Zbyt mała liczba transakcji w GA względem systemu CRM
2. Zbyt duża liczba transakcji w GA w odniesieniu do CRM
3. Zbyt niski współczynnik odrzuceń
4. Zbyt duży udział ruchu oraz konwersji pochodzących ze źródła referral
5. Brak wdrożenia poprawnego kodu śledzącego na wszystkich stronach
6. Podejmowanie decyzji na podstawie próbkowanych danych
7. Brak ustawionej waluty transakcji
8. Niewłaściwe przechowywanie danych na temat użytkowników
9. Zbyt duża liczba unikalnych wartości w raportach
10. Występowanie bramek płatnościowych w kanale “referral”
11. Brak konfiguracji konwersji w GA4
12. Brak konfiguracji filtrów wewnętrznego ruchu
13. Zbieranie niewłaściwych danych, pozwalających na identyfikację użytkowników
14. Brak uruchamiania odsłon dla SPA
15. Całkowity brak lub istotne problemy z raportowaniem danych typu real-time
16. Brak lub błędna konfiguracja Consent Mode
16 błędów w Google Analytics, które sprawiają, że zbierasz niepoprawne dane – podsumowanie

Chcesz, upewnić się, że Twój Google Analytics jest prawidłowo skonfigurowany, a dane, które otrzymujesz – są maksymalnie zbliżone do rzeczywistych?

Skorzystaj ze wsparcia doświadczonych ekspertów do analityki internetowej Conversion. Gruntownie przeanalizujemy bieżącą konfigurację Twojego narzędzia, zapoznamy się ze specyfiką Twojego biznesu oraz Twoimi potrzebami, aby na końcu udzielić Ci fachowej informacji zwrotnej.

Zaciekawił Cię temat zbierania niepoprawnych danych w GA, a wiedzę zawartą w tym artykule uważasz za wartościową? Jeśli tak to koniecznie sprawdź wpis na naszym blogu mówiący o 7 rzeczach, które musisz sprawdzić po migracji na Google Analytics 4.

Pomimo faktu, że termin finalnego pożegnania się z Google Analytics 3, a co za tym idzie – ostatecznego przejścia na Google Analytics 4 został przesunięty o kolejne 9 miesięcy (w przypadku płatnej wersji tym razem jest to 1 lipca 2024 r. – bezpłatna wersja GA nie uległa zmianom), plany giganta z USA pozostają w tej materii niezmienne. Otóż, prędzej (a tym przypadku – raczej nieco później ), każdy biznes działający w sieci będzie musiał zmierzyć się z wyzwaniem transformacji swojego narzędzia do analityki. Jak do tego podejść, aby taka operacja była stosunkowo “bezbolesna” i pozwoliła na sprawne przełączenie się pomiędzy dwoma odmiennymi rozwiązaniami?

Sprawdź skondensowany poradnik, w którym znajdziesz opis migracji krok po kroku, a dodatkowo – otrzymasz mnóstwo wskazówek, które pozwolą Ci na jeszcze lepszego przygotowanie się do całego procesu zmiany.

Co znajdziesz w tym artykule?

Jak przygotować swój biznes do migracji na GA4?
Migracja na Google Analytics – krok po kroku. Jak ją przeprowadzić?
O czym warto pamiętać podczas transformacji z GA3 na GA4?
Czym jest i jak działa plan tagowania?
A co ze spójnością danych pochodzących z różnych stron lub aplikacji?
Jak skutecznie przejść na nową wersję Google Analytics?

Jak przygotować swój biznes do migracji na GA4?

Jednak zanim przejdę do szczegółowego omówienia konkretnych kroków niezbędnych podczas migracji – pora na małe wtrącenie, a zarazem wskazówkę.

Migruj “z głową” – na początek wprowadzając podwójne tagowanie danych

Moja rada: nie rzucaj się od razu na głęboką wodę. Zamiast całkowitej rezygnacji z poprzedniej (choć nadal aktualnej) wersji Analyticsa, wybierz opcję podwójnego tagowania, czyli jednoczesnego korzystania zarówno z Universal, jak i Google Analytics 4. Taki zabieg zapewni Ci większą kontrolę nad danymi, a co najważniejsze – da możliwość kontroli stanu GA3 i sprawdzania najważniejszych rzeczy (takich, jak: struktura i ustawienia widoków, filtry i konfiguracja celów).

Przejście na nową wersję Analytics będzie również doskonałą okazją do tego, aby bacznie przyjrzeć się obecnemu śledzeniu w Universal Analytics. Z mojego doświadczenia wynika, że większość firm nie przykłada wystarczającej uwagi do jakości danych. Niektórzy robią to okazjonalnie – od audytu do audytu. Z kolei inni kompletnie “odpuszczają” sobie takie działania. Natomiast z mojej perspektywy – powinien to być proces ciągły.

Dopiero gdy uznasz, że migracja przebiegła tak, jak trzeba, a wszystkie dane „zbierają” się zgodnie z założeniami – możesz zrezygnować z podwójnego tagowania.

Migracja na Google Analytics – krok po kroku. Jak ją przeprowadzić?

Aby przekazać Ci jak najwięcej praktycznej wiedzy – poniżej prezentuję, jak wyglądają modelowe wdrożenia GA4, które przeprowadzamy dla klientów Conversion.

Krok pierwszy: organizacja warsztatów

Na początku spotykamy się ze wszystkimi właścicielami firm lub osobami decyzyjnymi, które interesują się danymi online. W tym etapie przeprowadzamy proces mapowania ich potrzeb m.in. pod kątem zachowania samych użytkowników strony, sklepu, aplikacji itp.

Krok drugi: określenie potrzeb biznesowych

Następnie pomagamy klientom wskazać ich konkretne preferencje dotyczące biznesu. Ustalamy między innymi, które działania użytkowników powinny być śledzone, a także bierzemy pod uwagę dotychczasową konfigurację zastosowaną w Universal Analytics.

Krok trzeci: przygotowanie planu tagowania

Wykonanie dwóch poprzednich kroków, czyli odkrycia potrzeb, a następnie wyprowadzenia elementów działania, prowadzi nas do finalnego etapu, czyli opracowania ostatecznego planu tagowania dla konfiguracji GA4 – wraz z listą elementów, które należy naprawić także w GA3.

Nieco więcej o samym planie tagowania opowiem Ci w kolejnych akapitach.

O czym warto pamiętać podczas transformacji z GA3 na GA4?

Checklista, którą warto się posiłkować podczas tego typu działań:

• Zacznij od małych kroków i nie rób wszystkiego na raz.
• Skup się na śledzeniu kluczowych danych (interakcji), w tym: odsłon, logowań, rejestracji i oczywiście zakupów.
• Działaj powoli, ale konsekwentnie. Ogromne plany tagowania są zwykle wdrażane w ciągu kilku miesięcy. Na początku wdrażaj te, które są dla Ciebie najważniejsze.

Czym jest i jak działa plan tagowania?

Na początku może wydawać się to odrobinę trudne. Jednak sam plan tagowania to swego rodzaju mapa tego, jak będzie wyglądać Twoja implementacja analityki cyfrowej. Osobiście do narysowania takiej mapy używam arkuszy kalkulacyjnych Google.

Załóżmy, że wszystko, co udało Ci się śledzić w Universal Analytics, chcesz teraz skonfigurować bezpośrednio w Google Analytics 4. Jak do tego podejść? Przede wszystkim pamiętaj, że w GA4 model danych jest nieco inny niż w Universal Analytics. W Universal Analytics mamy tzw. hity – dwa najpopularniejsze z nich to odsłony oraz zdarzenia. Musisz je przełożyć na model danych Google Analytics 4.

Każda interakcja będzie śledzona za pomocą zdarzenia, w którym określisz jego nazwę oraz dodatkowe parametry. Do zdarzenia możesz dodać maksymalnie 25 parametrów niestandardowych – określając własne parametry.

Do tego zabiegu możesz zastosować dwa różne podejścia:

• Opcja numer 1: nazwać parametry w GA4 – używając do tego tych, które są domyślne w GA3 (w ten sposób parametry w GA4 zostaną nazwane odpowiednio: kategoria zdarzenia, akcja, etykieta itp.).
• Opcja numer 2: stworzyć spersonalizowane nazwy dla parametrów (pamiętaj, aby jak najdokładniej opisywały, o co chodzi w danym parametrze).

Przykład? W GA3 mamy etykietę wydarzenia, która pokazuje rozmiar odzieży dodanej do koszyka. Załóżmy zatem, że: kategoria zdarzenia = koszyk produktu, akcja zdarzenia = dodaj do koszyka, natomiast etykieta zdarzenia pokazuje dokładny rozmiar (na przykład XL). Na tej podstawie, zamiast nazywać parametry w GA4 etykietą_zdarzenia, nazwalibyśmy to rozmiarem, a dokładna interakcja miałaby następujące parametry:

nazwa_zdarzenia=add_do_koszyka, rozmiar=XL

Oczywiście drugie podejście może zająć trochę więcej czasu, ale im więcej pracy włożysz w przygotowanie i szczegółową konfigurację na początku, tym płynniejsze będzie samo przejście.

A co ze spójnością danych pochodzących z różnych stron lub aplikacji?

Musisz pamiętać, że Google Analytics 4 został stworzony między innymi właśnie po to, aby jak najbardziej uprościć dane na temat zachowania użytkowników sieci. Narzędzie wykonuje swoją pracę pod względem metryk i domyślnych wymiarów.

Mając to na względzie, warto pamiętać, aby wszystkie dodawane przez nas zdarzenia i parametry posiadały odpowiednie nazwy dla wszystkich śledzonych przez nas produktów: stron internetowych, aplikacji mobilnych, aplikacji smart tv, aplikacji punktów sprzedaży itp.

Podsumowując: gdy to samo działanie można wykonać w zarówno aplikacji, jak i na stronie – upewnij się, że posiada ono takie same parametry oraz wartości! Jeśli tego nie zrobisz – z całą pewnością nie będziesz w stanie w pełni korzystać z tego narzędzia.

Jak skutecznie przejść na nową wersję Google Analytics?

Na koniec artykułu, który powstał na podstawie tego podcastu – pozwól, że udzielę kilku rad, które z pewnością ułatwią Ci rozstanie się z GA3, a co za tym idzie – umożliwią płynne i być może bezproblemowe zaprzyjaźnienie się z Google Analytics 4 . Na początek rozpocznij mapowanie swoich potrzeb. Przejrzyj obecną konfigurację Twojego Universal Analytics i zastosuj elastyczne podejście do implementacji.

W ludzkiej naturze jest preferowanie znanego systemu od tego nowego. Dlatego cały proces będzie wymagał on Ciebie trochę dyscypliny. Jednak pamiętaj, że Universal Analytics i tak zostanie w końcu wycofany. A takie jak najwcześniejsze “zmuszanie się” do celowego wybierania interfejsu GA4 częściej niż GA3 pod względem analizy danych – przyniesie Ci spore korzyści, gdy już nadejdzie czas ostatecznego pożegnania ze starym narzędziem.

Osobiście znam co najmniej kilka osób, które całkowicie usunęły śledzenie Universal Analytics, aby po prostu nie pozostawić sobie żadnego wyboru. Nie uważam tego za mądre podejście, ale każdy ma na to swój własny sposób. Jeśli uważasz, że mogłoby się to sprawdzić w Twoim przypadku – droga wolna !

Bez względu na to, jak zdecydujesz się zacząć, zachowaj spokój i dbaj o swoje dane Google Analytics. Jeśli masz dodatkowe pytania – skontaktuj się ze mną na LinkedIn. Bardzo chętnie Ci pomogę. A jeżeli…

Chcesz, aby ktoś inny odpowiedział za cały proces przejścia z Universal Analytics na Google Analytics 4 – powierz to w ręce ekspertów z Conversion.

Z przyjemnością zajmiemy się gruntownym przygotowaniem, jak i kompleksowym wykonaniem wszystkich prac, dzięki którym zyskasz dostęp do w pełni skonfigurowanego źródła wartościowych danych. Kliknij w to miejsce, aby już teraz skontaktować się z naszymi przedstawicielami i porozmawiać o możliwościach współpracy.

A jeśli Twoim celem jest poszerzanie horyzontów z zakresu analityki internetowej i nie tylko – nie zapomnij o regularnych odwiedzinach naszego analitycznego bloga. Jestem przekonany, że zainteresuje Cię wpis o tym dlaczego warto wdrożyć i używać Google Analytics 4!