Co dokładnie się kończy i kiedy

Warto mieć te daty w głowie, bo w rozmowach mieszają się ze sobą.

• 1 lipca 2023 — standardowe, czyli darmowe usługi Universal Analytics przestają przetwarzać nowe dane. Tag nadal będzie wisiał na stronie, ale w raportach nie pojawi się nic nowego.

• 1 października 2023 — ta sama zmiana dla usług Universal Analytics w ramach Analytics 360.

• Po wyłączeniu — Google zadeklarowało dostęp do wcześniej przetworzonych danych przez co najmniej sześć miesięcy. „Co najmniej” i bez twardej daty końcowej, więc nie planuję niczego w oparciu o ten dostęp.

Najważniejsza konsekwencja: danych historycznych z Universal Analytics nie da się przenieść do GA4. To nie ograniczenie, które Google kiedyś zniesie — to inny model danych. Rok do roku porównasz więc tylko wtedy, gdy GA4 zbiera dane od co najmniej roku.

Zacznij od inwentaryzacji, nie od klikania

Pierwsze zadanie nie polega na zakładaniu niczego nowego, tylko na spisaniu, co masz.

Sprawdzam po kolei: które usługi Universal Analytics faktycznie żyją, ile widoków ma każda i czym się różnią, jakie cele są zdefiniowane i które ktokolwiek ogląda, jakie wymiary niestandardowe są w użyciu oraz jakie integracje wiszą na koncie — Google Ads, Search Console, Looker Studio, narzędzia pobierające dane przez API.

Osobno spisuję, kto korzysta z jakich raportów. To najczęściej pomijany element, a bez niego migracja kończy się awanturą w lipcu, kiedy ktoś nie znajduje swojego cotygodniowego zestawienia. Prawie zawsze wychodzi przy tym, że połowa celów jest martwa, a raport, na który wszyscy patrzą, opiera się na trzech wskaźnikach — widzę to na większości kont, które przejmuję.

Zapada tu też decyzja, której nie da się uniknąć: widoków w GA4 nie ma. Jeżeli Twoja struktura opierała się na widokach z filtrami, trzeba to odtworzyć inaczej — filtrami danych na poziomie usługi, strumieniami, wymiarami niestandardowymi albo porzucić i filtrować w raportach.

Równoległy pomiar to minimum, nie koniec pracy

Jeśli nie masz jeszcze działającej usługi GA4, to zadanie na styczeń. Nie na marzec. GA4 nie ma danych sprzed dnia wdrożenia, więc każdy tydzień zwłoki to tydzień, którego nie odzyskasz.

Samo wpięcie tagu to jednak minimum. Domyślny pomiar zbierze odsłony, przewijanie, kliknięcia wychodzące, wyszukiwanie w witrynie i pobrania plików — i nic ponad to. Wszystko, co jest specyfiką Twojego biznesu, trzeba zdefiniować samodzielnie jako zdarzenia z parametrami. Kolejność, którą stosuję: pomiar podstawowy na wszystkich domenach, wykluczenie ruchu wewnętrznego, zdarzenia biznesowe, oznaczenie części z nich jako konwersji, na końcu odbiorcy i integracje.

Dwie rzeczy warto ustawić w pierwszym dniu, bo działają tylko w przód. Okres przechowywania danych na poziomie zdarzeń — domyślnie dwa miesiące, w standardowej usłudze można ustawić czternaście; przy domyślnej wartości przy pierwszej poważniejszej analizie zabraknie Ci historii. Oraz eksport do BigQuery, dostępny w GA4 bez opłaty za samo Analytics i przenoszący dane surowe, nieobjęte tym limitem.

Konwersje i połączenie z Google Ads

To część, która najbardziej boli w mojej pracy, bo dotyka pieniędzy w kampaniach.

Cele z Universal Analytics nie przeniosą się same. W GA4 nie ma czegoś takiego jak cel — jest zdarzenie oznaczone jako konwersja. Odwzorowanie „cel po celu” bywa zresztą złym pomysłem: cele w rodzaju czasu na stronie w nowym modelu danych albo nie mają sensu, albo dają się opisać lepiej.

Praktyczna rada: nie przełączaj kampanii Google Ads na konwersje z GA4 tylko dlatego, że migrujesz Analytics. Jeśli dziś kampanie optymalizują się na konwersje mierzone tagiem Google Ads, to najbezpieczniejsze rozwiązanie na te sześć miesięcy. Zestaw konwersji, na których uczy się Smart Bidding, to ostatnia rzecz do eksperymentów w środku migracji analityki.

Zrobić trzeba natomiast połączenie usługi GA4 z kontem Google Ads — po to, by zaimportować listy odbiorców i mieć w Analytics dane o kosztach. Wcześnie, bo listy potrzebują czasu na zebranie użytkowników. I jeszcze jedno: domyślnym modelem raportowania konwersji w GA4 jest ostatnie kliknięcie w kanałach pośrednich, a okna konwersji różnią się od tych z Universal Analytics. Liczby się nie zgodzą i to nie znaczy, że coś jest zepsute.

Eksport danych historycznych — zadanie z terminem

To jedyny punkt tej listy, którego nie da się odrobić po fakcie.

Zaczynam od pytania, co naprawdę będzie potrzebne, bo „wyeksportujmy wszystko” nie jest planem. W praktyce wystarczają dane miesięczne za dwa–trzy ostatnie lata w kilku przekrojach: sesje i konwersje według kanału i źródła, ruch i konwersje według strony docelowej, przychód i transakcje w podziale na miesiące, plus to, co specyficzne dla firmy.

Techniki są trzy: ręczny eksport do CSV z interfejsu, dodatek Google Analytics do arkuszy — moim zdaniem najlepszy kompromis, bo raz zbudowane zapytanie powtórzysz dla wielu okresów — albo API raportowania, jeśli danych jest dużo. Pułapka, o której trzeba wiedzieć, to próbkowanie: przy dłuższych zakresach i niestandardowych przekrojach Universal Analytics podaje dane na próbce, a eksport przepisze tę próbkę jako fakt. Dlatego eksportuję krótszymi okresami i sprawdzam oznaczenie raportu.

Termin, który sobie wyznaczam: eksport skończony do końca kwietnia. Nie na koniec czerwca, bo czerwiec zawsze zajmą rzeczy pilniejsze, a lipiec jest już po terminie.

Raportowanie i przyzwyczajenia zespołu

Migracja techniczna jest łatwiejsza od tej części.

Każdy raport w Looker Studio podłączony do Universal Analytics przestanie się aktualizować. Każde cotygodniowe zestawienie w arkuszu pobierające dane przez dodatek. Każdy pulpit, który ktoś zbudował dwa lata temu i o którym zapomniał. Warto to spisać razem z inwentaryzacją i przebudować wcześniej niż w ostatnim tygodniu — a przy przebudowie uprościć, bo raporty przez lata obrastają wskaźnikami, które nikomu nie służą do decyzji.

Osobno trzeba przygotować ludzi na to, że część wskaźników zniknęła albo znaczy coś innego. Sesje liczone są inaczej, współczynnik odrzuceń wrócił do GA4 jako odwrotność współczynnika zaangażowania i nie jest tym samym wskaźnikiem, a raporty standardowe są celowo uboższe — poważniejsze analizy robi się w eksploracjach. Jeżeli nie powiesz o tym z góry, pierwsze pytanie po lipcu będzie brzmiało „dlaczego ruch spadł”.

Harmonogram na sześć miesięcy

Tak to rozkładam na kontach, którymi się zajmuję.

• Styczeń — inwentaryzacja i uruchomienie pomiaru GA4 wszędzie, gdzie go jeszcze nie ma. Okres przechowywania danych, eksport do BigQuery, wykluczenie ruchu wewnętrznego.

• Luty — zdarzenia biznesowe i konwersje, weryfikacja w podglądzie na bieżąco i w DebugView. Połączenie z Google Ads i Search Console, budowa list odbiorców.

• Marzec — praca równolegle na obu usługach. Nie po to, żeby liczby się zgadzały, ale żeby wiedzieć, o ile i dlaczego się różnią.

• Kwiecień — eksport danych historycznych. Koniec tematu przed majem.

• Maj — przebudowa raportów na źródle GA4 i szkolenie osób, które z nich korzystają.

• Czerwiec — bufor. Zawsze coś wyjdzie: zapomniana subdomena, formularz wysyłający zdarzenie tylko na desktopie, integracja, o której nikt nie pamiętał.

Gdybym miał z tej listy wybrać jedną rzecz do zrobienia w tym tygodniu, byłoby to sprawdzenie, czy GA4 w ogóle zbiera dane i od kiedy. Wszystko inne da się dogonić. Historii, której nie zebrałeś, nie dogonisz — i to jedyny naprawdę nieodwracalny błąd w tej migracji.