Ile czasu naprawdę zostało

Data 1 lipca 2023 jest w obiegu od marca 2022 i mimo tego wciąż spotykam konta, na których GA4 albo nie istnieje, albo stoi obok Universal Analytics jako pusta atrapa: usługa jest, tag się wysyła, ale nikt do niej nie zagląda i nikt jej nie skonfigurował.

Google właśnie zaczął to wymuszać. Trwa wdrożenie mechanizmu, w którym usługi Universal Analytics bez własnej konfiguracji GA4 dostają usługę GA4 utworzoną automatycznie, z ustawieniami przeniesionymi z UA — o ile właściciel wcześniej z tego automatu nie zrezygnował. Nie traktuję tego jako migracji. To awaryjne zabezpieczenie, żeby po lipcu w koncie w ogóle coś się zbierało, a nie gotowa konfiguracja pomiarowa.

Realny problem jest inny i dotyczy kalendarza. Jeśli GA4 zbiera dane od dwóch miesięcy, to po wyłączeniu UA nie będziesz mieć czym porównać roku do roku. Dlatego im wcześniej oba systemy zbierają równolegle, tym łatwiej później — i dlatego różnice w liczbach warto zrozumieć teraz, kiedy masz jeszcze obok siebie dwa źródła i możesz sprawdzić, jak duży jest rozjazd na Twoim ruchu.

Ostatnia rzecz z tego kalendarza: Google zapowiedział, że dane historyczne w usługach Universal Analytics będą dostępne jeszcze przez pewien czas po wyłączeniu, ale nie jest to obietnica wieczystego archiwum. Eksport tego, co naprawdę chcesz zachować, planuję z klientami na wiosnę, nie na czerwiec.

Użytkownik w UA i użytkownik w GA4 to dwa różne pojęcia

To najczęstsza przyczyna różnicy, którą widzę na kontach, i zwykle wystarcza do wyjaśnienia większości rozjazdu.

W raportach Universal Analytics metryka użytkowników to wszyscy użytkownicy, czyli każdy, kto rozpoczął choć jedną sesję w wybranym okresie. Wystarczyło wejście i natychmiastowe wyjście — taka osoba i tak trafiała do liczby.

W GA4 domyślną metryką w raportach standardowych są aktywni użytkownicy, a to węższy zbiór. Do niego wchodzi ten, kto miał zaangażowaną sesję: trwającą dłużej niż ustawiony próg, z co najmniej dwiema odsłonami albo ze zdarzeniem konwersji. Kto wszedł i po dwóch sekundach zamknął kartę, do tej liczby nie wejdzie.

Wniosek jest prosty: porównujesz zbiór szerszy ze zbiorem węższym i pytasz, dlaczego drugi jest mniejszy. Metryka „wszyscy użytkownicy” w GA4 istnieje, ale nie w domyślnych raportach — trzeba po nią sięgnąć do eksploracji albo dodać ją do raportu własnego. Jeśli w ogóle chcesz robić porównanie liczbowe, rób je na tej metryce, nie na domyślnej.

Podobnie rozjeżdża się podział na nowych i powracających. UA opierał go na tym, czy w przeglądarce był już identyfikator, GA4 na zdarzeniu pierwszej wizyty. Przy ruchu z przeglądarek, które skracają życie plików cookie, ta sama osoba potrafi być „nowa” w obu systemach, ale w różnych momentach i z różną częstotliwością.

Sesja: tu rozjazd zaczyna się na dobre

Universal Analytics był narzędziem zbudowanym wokół sesji i miał kilka reguł, które sesje sztucznie mnożyły.

• Sesja kończyła się o północy według strefy czasowej usługi — jedna wizyta rozłożona na 23:50 i 00:10 dawała dwie sesje.

• Zmiana źródła w trakcie wizyty także rozpoczynała nową sesję — powrót na stronę przez inny link kampanijny liczył się od nowa.

• Sesja wygasała po 30 minutach bezczynności, z konfigurowalnym limitem czasu.

GA4 nie robi ani pierwszego, ani drugiego. Sesja jest tam zwykłym zdarzeniem rozpoczęcia sesji i nie restartuje się o północy ani po zmianie kampanii. Efekt praktyczny: w GA4 sesji jest zazwyczaj mniej niż w UA na tym samym ruchu, a suma sesji rozbita po źródłach nie zgadza się z UA nawet wtedy, gdy liczba użytkowników byłaby zbliżona.

To ma bezpośrednie konsekwencje w raportowaniu kampanii. Skoro w UA każde nowe źródło startowało nową sesję, koszty i wejścia rozkładały się inaczej między kanały niż w GA4, gdzie ta sama wizyta zostaje przy źródle, z którego się zaczęła. Zestawianie kanał do kanału między tymi dwoma systemami jest więc jeszcze mniej wiarygodne niż zestawianie sum ogólnych.

Po czym każdy system rozpoznaje tę samą osobę

Universal Analytics w praktyce widział przeglądarkę, nie człowieka. Identyfikator klienta zapisany w pliku cookie własnej domeny — jedno urządzenie i jedna przeglądarka to jeden użytkownik. Ta sama osoba na telefonie i na laptopie to były dwa rekordy, chyba że wdrożono User-ID, co robiło niewiele kont.

GA4 układa identyfikację warstwowo. Najpierw sięga po User-ID, jeżeli przekazujesz je z systemu logowania. Potem po sygnały Google, jeżeli je włączyłeś i użytkownik ma na to zgodę w swoim koncie Google. Na końcu zostaje identyfikator urządzenia. To ustawienie masz w administracji usługi i ono samo w sobie zmienia liczbę użytkowników w raportach, bez żadnej zmiany w ruchu.

Stąd bierze się mniej intuicyjna część rozjazdu. GA4 potrafi połączyć dwie wizyty tej samej osoby z dwóch urządzeń w jednego użytkownika — UA policzyłby dwóch. Ale ta sama mechanika działa też w drugą stronę: dane z sygnałów Google podlegają progom prywatności, więc część wierszy w raportach będzie ukryta albo zaokrąglona.

Do tego dochodzi zgoda. Jeśli na stronie działa tryb uzyskiwania zgody, GA4 przy braku zgody nie zapisuje plików cookie, a lukę uzupełnia modelowaniem zachowań, jeśli usługa spełnia warunki progowe. Universal Analytics przy odrzuceniu zgody po prostu nie zbierał nic. Dwa różne mechanizmy radzenia sobie z tym samym brakiem danych — i dwie różne liczby na wyjściu.

Różnice, które sam sobie ustawiłeś

Zanim uznasz, że wszystko wyjaśniają definicje, przejrzyj konfigurację. Część rozjazdu bywa zwyczajnie do naprawienia i tę część naprawiać warto.

• Filtry widoku w UA. Widok, do którego zaglądasz od lat, może wykluczać ruch wewnętrzny, boty czy konkretne subdomeny. GA4 nie ma widoków — filtry ruchu wewnętrznego definiujesz w strumieniu danych osobno i domyślnie nie ma tam nic.

• Wykluczenia odesłań. Przy bramkach płatności i logowaniu zewnętrznym w UA i w GA4 listy trzeba ustawić niezależnie. Rozbieżność tutaj rozsypuje zarówno źródła ruchu, jak i liczbę sesji.

• Zakres wdrożenia tagu. Zdarza się, że GA4 poszedł tylko na część serwisu — na przykład nie trafił do koszyka albo do sekcji obsługiwanej przez inny system. To wygląda jak różnica metodologiczna, a jest brakiem tagu.

• Strefa czasowa i waluta usługi. Przy porównaniach dzień do dnia różnica jednej godziny przesuwa część ruchu na sąsiednią dobę.

• Okres przechowywania danych. W GA4 domyślnie są to dwa miesiące i trzeba ręcznie wydłużyć go do maksimum dostępnego w wersji standardowej. To ustawienie nie działa wstecz, więc każdy tydzień zwłoki to bezpowrotnie krótsza historia.

Jak porównywać te dwa źródła, żeby to miało sens

Przestaję uzgadniać liczby co do sztuki, bo to zadanie bez rozwiązania. Zamiast tego robię cztery rzeczy.

Po pierwsze, ustalam z klientem pasmo tolerancji i mówię o nim otwarcie na początku, a nie dopiero wtedy, gdy ktoś sam zauważy różnicę. Jeżeli oba systemy pokazują ten sam kierunek i porównywalny rząd wielkości, uznaję pomiar za działający.

Po drugie, porównuję dynamikę, nie poziomy. Zmiana tydzień do tygodnia, udział kanału w całości, kierunek trendu — te rzeczy są w obu narzędziach czytelne i odporne na różnice definicyjne. Bezwzględna liczba użytkowników nie jest.

Po trzecie, jeśli już schodzę do liczb, dobieram metryki tak, żeby były porównywalne: wszyscy użytkownicy do wszystkich użytkowników, ten sam zakres dat, ten sam poziom filtrów. Nigdy aktywni użytkownicy z GA4 do użytkowników z UA.

Po czwarte, zapisuję to na papierze. Jedna strona dla klienta: która metryka w którym narzędziu, dlaczego się różnią i którą od lipca uznajemy za obowiązującą. To dokument, który oszczędza mi później wielu rozmów, bo pytanie „dlaczego mam mniej użytkowników” wraca co miesiąc, dopóki nie ma na nie spisanej odpowiedzi.

Plan na pozostałe tygodnie

Kolejność, którą stosuję na kontach, gdzie zostało mało czasu.

Najpierw sprawdzam, czy GA4 w ogóle zbiera sensowne dane: czy tag jest na wszystkich podstronach, czy kluczowe zdarzenia są skonfigurowane i oznaczone jako konwersje, czy ruch wewnętrzny jest odfiltrowany. Dopiero potem zajmuję się raportowaniem.

Drugi krok to okres przechowywania danych ustawiony na maksimum i włączony eksport do BigQuery, jeśli klient ma tam gdzie te dane trzymać. Eksport zaczyna działać od dnia włączenia, więc każdy dzień zwłoki to dzień bez surowych zdarzeń w archiwum.

Trzeci krok to eksport z Universal Analytics tego, co faktycznie będzie potrzebne za rok: kilka raportów miesięcznych z podziałem na kanały, konwersje i strony docelowe. Nie próbuję ratować wszystkiego — wybieram to, do czego naprawdę wracam przy planowaniu budżetu.

Czwarty krok to nowa baza odniesienia. Od lipca porównania rok do roku będą prowadzone na liczbach z GA4, więc wartości z UA przestają być punktem odniesienia i stają się historycznym kontekstem. Wolę ustalić to teraz, na spokojnie, niż tłumaczyć w sierpniu, dlaczego wykres nagle spadł o kilkanaście procent bez żadnej zmiany w kampaniach.

Nie mam dobrej wiadomości o tym, że da się to zrobić bezboleśnie. Zmiana narzędzia pomiarowego zawsze oznacza zerwanie ciągłości danych. Da się natomiast zrobić tak, żeby to zerwanie było zaplanowane i opisane, a nie odkryte przez klienta w raporcie za lipiec.