Co GA4 rozumie przez atrybucję

Warto zacząć od trzech pojęć, które w rozmowach zlewają się w jedno.

Pierwsze to zasięg czasowy, czyli okres, w którym punkt styku może jeszcze zostać uznany za powiązany z konwersją. Ustawia się go osobno dla akcji zakupowych i dla pozyskiwania. Domyślne wartości nie pasują do każdego biznesu — przy sprzedaży, gdzie decyzja trwa kilka tygodni, zbyt krótkie okno systematycznie przypisuje sprzedaż wejściom bezpośrednim.

Drugie to zakres kanałów branych pod uwagę. GA4 rozróżnia sytuację, w której liczą się wszystkie źródła ruchu, od tej, w której liczą się tylko kanały płatne. To rozróżnienie zmienia wynik raportu drastycznie, a bywa pomijane w interpretacji.

Trzecie to sam model, czyli reguła podziału. Po uporządkowaniu, jakie Google przeprowadziło w GA4, praktycznie zostały dwa: oparty na danych oraz ostatnie kliknięcie. Modele mechaniczne — pierwsze kliknięcie, liniowy, z rozkładem czasowym, pozycyjny — zostały z raportów usunięte i nie ma sensu budować procesu, który by na nich polegał.

Model oparty na danych rozdziela udział między punkty styku na podstawie tego, jak zachowywały się ścieżki, które doprowadziły do konwersji, i te, które nie doprowadziły. Ma to jedną konsekwencję, o której warto pamiętać: przy małej liczbie konwersji jego wynik jest niestabilny i nie warto go interpretować co tydzień.

Warunki, bez których atrybucja jest fikcją

Zanim spojrzę w jakikolwiek raport, sprawdzam cztery rzeczy. Bez nich cała analiza opisuje szum.

• Identyfikacja użytkownika. Ustawienie sposobu rozpoznawania — czy tylko po urządzeniu, czy także po identyfikatorze zalogowanego użytkownika, jeśli serwis ma konta. Bez identyfikatora własnego każda zmiana urządzenia rozcina ścieżkę na dwie osobne.

• Zgody i ich sygnalizowanie. Bez poprawnie wdrożonego trybu uzyskiwania zgody część zachowań w ogóle nie trafia do zbioru, a modelowanie luk nie ma na czym się oprzeć. Widzę to na wielu kontach: zgody zbierane są prawidłowo, ale ich stan nie jest przekazywany do tagów.

• Powiązanie z Google Ads i włączone automatyczne tagowanie. Bez tego kampanie lądują w raportach jako zwykły ruch płatny bez rozbicia i nie da się zejść do poziomu kampanii ani grupy.

• Jeden schemat parametrów dla wszystkiego, co nie jest Google Ads. Mailingi, kampanie w serwisach społecznościowych, współprace, kody QR z materiałów drukowanych. Dwa warianty pisowni nazwy tej samej kampanii to dwa wiersze w raporcie i wniosek nie do obrony.

Czwarty punkt wygląda najbanalniej i psuje najwięcej. Zapisany schemat nazewnictwa, stosowany też przez osoby spoza zespołu reklamowego, jest w moim doświadczeniu warunkiem, od którego zależy, czy w ogóle da się o wielokanałowości rozmawiać liczbami.

Raporty, z których faktycznie korzystam

Nie przeglądam wszystkiego, co GA4 oferuje. W praktyce wracam do trzech miejsc.

Pierwsze to porównanie modeli. Interesuje mnie w nim jedna rzecz: które kanały tracą przy przejściu z ostatniego kliknięcia na model oparty na danych, a które zyskują. Kanały budujące świadomość — wideo, treści, kampanie zasięgowe — przy ostatnim kliknięciu wypadają blado i tam widać różnicę najmocniej. To nie dowód ich skuteczności, ale przesłanka, żeby nie wyłączać ich odruchowo.

Drugie to ścieżki konwersji. Patrzę na długość ścieżki i na to, jakie kanały pojawiają się na początku, w środku i na końcu. Jeśli ścieżki są w przewadze jednopunktowe, cała rozmowa o atrybucji wielokanałowej jest przedwczesna i lepiej zająć się czymś innym.

Trzecie to raport pozyskiwania ruchu na poziomie sesji, zestawiony z pozyskiwaniem użytkowników. Rozjazd między tymi dwoma perspektywami pokazuje, które kanały sprowadzają nowe osoby, a które obsługują powroty. Kampania brandowa, która w raporcie sesji wygląda świetnie, w perspektywie pierwszego kontaktu bywa niemal niewidoczna — i o tym warto wiedzieć przed decyzją budżetową.

Do porównań w czasie używam eksploracji z ustalonymi wymiarami zamiast raportów standardowych, bo dają powtarzalny widok, którego nikt przypadkiem nie przestawi.

Dlaczego liczby w GA4 i Google Ads się nie zgadzają

To pytanie pojawia się na każdym spotkaniu i warto mieć na nie gotową, uczciwą odpowiedź, zamiast obiecywać, że się zejdą.

Nie zejdą się, bo oba narzędzia liczą inaczej i nie ma tu błędu do naprawienia. Google Ads przypisuje konwersję do dnia kliknięcia, GA4 do dnia konwersji — przy dłuższym procesie zakupowym to samo z siebie tworzy różnicę w zestawieniach miesięcznych. Google Ads widzi też wyświetlenia i zaangażowane obejrzenia wideo, których GA4 w ogóle nie rejestruje.

Dochodzi do tego różny zakres kanałów. W GA4 model uwzględnia również ruch organiczny, bezpośredni i odesłania, więc udział kampanii płatnych w tej samej sprzedaży musi być mniejszy niż w narzędziu, które widzi wyłącznie własne kliknięcia.

Praktyczny wniosek, który staram się przeforsować w każdym projekcie: jedno narzędzie do decyzji operacyjnych, drugie do obrazu całości. Optymalizacją stawek i budżetów w kampaniach steruję na danych z Google Ads, bo to one karmią algorytm. Rozmowy o podziale budżetu między kanały prowadzę na GA4. Próba uzgodnienia obu do jednej liczby zjada tygodnie i nie kończy się niczym.

Jak podchodzę do spójności, a nie tylko skuteczności

Samo słowo „spójność” nie ma w GA4 żadnego odpowiednika, więc trzeba je przetłumaczyć na coś mierzalnego. Robię to na trzy sposoby.

Po pierwsze, sprawdzam, czy kanały mówią o tym samym. Praktycznie oznacza to zestawienie deklarowanej obietnicy kampanii z zachowaniem na stronie docelowej: udziałem sesji z zaangażowaniem, przejściem do kolejnego kroku, dotarciem do koszyka. Kanał, który przynosi ruch odbijający się od strony, zwykle nie ma problemu z kierowaniem, tylko z rozjazdem między komunikatem a treścią.

Po drugie, patrzę na strukturę pierwszych kontaktów. Jeśli działania górnej części lejka faktycznie działają, w danych rośnie liczba użytkowników, dla których pierwszym kontaktem był kanał zasięgowy, a nie zapytanie o markę. To wolno rosnący wskaźnik, ale trudno go podrobić.

Po trzecie, zestawiam wolumen zapytań o markę z okresami aktywności kampanii zasięgowych. To nie jest atrybucja i nie udaję, że nią jest — to sygnał pomocniczy, który przy braku lepszych narzędzi bywa jedynym śladem, że komunikacja dotarła.

Wszystkie trzy patrzę w oknach miesięcznych, nie tygodniowych. Przy krótszym oknie widzę wyłącznie wahania.

Czego atrybucja nie rozstrzygnie

Zamknę listą rzeczy, których nie obiecuję, bo obiecywanie ich jest w tej branży zbyt częste.

Atrybucja nie odpowie na pytanie, co by się stało, gdyby kanału nie było. Do tego potrzebny jest eksperyment: wyłączenie części ruchu, podział geograficzny, test z grupą kontrolną. Model dzieli zasługi między to, co się zdarzyło, i milczy na temat wariantów alternatywnych.

Nie obejmie też kontaktów, których nie ma w danych: rozmów telefonicznych bez pomiaru, rekomendacji, wzmianek w miejscach, z których nikt nie kliknie. Zawsze zostaje część niewidoczna i wolę powiedzieć to wprost, niż udawać, że model ją uwzględnia.

I ostatnia rzecz, o której zapominam najczęściej sam. Zmiana ustawień atrybucji nie przelicza wstecz wszystkich raportów w ten sam sposób, a zmiana okna konwersji zmienia obraz historii. Jeśli zamierzasz cokolwiek tu przestawiać, zrób to raz, zapisz datę i przez kolejne miesiące porównuj już tylko okresy po zmianie. Bez tej dyscypliny za pół roku nikt nie odtworzy, dlaczego zestawienia z wiosny nie zgadzają się z niczym.