Raporty Google Analytics (GA4) vs inne systemy analityczne

Data aktualizacji: 20.03.2024

Rozbieżności w zbieraniu danych przez Google Analytics 4 (GA4) i afiliacyjne systemy trackowania budzą zdziwienie wśród reklamodawców, wydawców i sieci afiliacyjnych. Nowy system atrybucji GA4, oparty na analizie danych (DDA), może preferować kanały należące do Google, tym samym zagrażać obiektywnej ocenie efektywności kampanii afiliacyjnych.

SPRAWDŹ, JAK POPRAWNIE WERYFIKOWAĆ PROWIZJE

W poniższym artykule analizujemy rozbieżności danych i dokładne przyczyny braku kanału afiliacyjnego w raportach GA4 na ścieżce zakupowej klienta (Customer Journey). Zacznijmy od najważniejszego, czyli co wiemy o atrybucji i jej znaczeniu w marketingu.

Atrybucja – co to jest i jakie ma znaczenie w marketingu online

Atrybucja w marketingu to proces oceny i wartościowania działań marketingowych w celu zrozumienia ich wpływu na reakcję potencjalnego klienta.

Atrybucja odgrywa kluczową rolę w marketingu, zwłaszcza w erze nowoczesnych technologii i rozwijającej się sztucznej inteligencji. Zaawansowane algorytmy są w stanie przetwarzać ogromną ilość danych, identyfikować wzorce i przypisywać udział w wartości konwersji do poszczególnych źródeł w sposób jeszcze bardziej precyzyjny.

Świadomość różnych modeli atrybucji i wiedza, w jaki sposób te modele są stosowane przez różne systemy marketingowe, jest kluczowym elementem w budowaniu strategii marketingowej. Proces modelowania atrybucji jest bardzo skomplikowany, stąd powstało bardzo wiele modeli atrybucji, które pomagają zrozumieć, w jaki sposób użytkownicy wchodzą w interakcje z witryną internetową sprzedawcy.

Podstawowe modele atrybucji

1. Atrybucja pierwszego kliknięcia (First-Click Attribution): Przypisuje całą wartość konwersji do pierwszego spotkania klienta z marką w ramach prowadzonych kampanii i działań promocyjnych. First click koncentruje się na pierwszej interakcji użytkownika z reklamą lub treścią marketingową jako punkcie kluczowym w procesie konwersji. Jest to prosta metoda, która pomaga zrozumieć, jakie kanały inicjują ścieżkę klienta.

Model first click jest stosowany w przypadku, gdy chcemy skoncentrować się na roli pierwszej interakcji w przyciągnięciu uwagi użytkownika i zainicjowaniu procesu konwersji. Jest to szczególnie przydatne w sytuacjach, gdy istnieje wiele kanałów marketingowych, a marketerzy chcą zrozumieć, który z nich przyciąga uwagę użytkowników jako pierwszy punkt kontaktowy w ich podróży zakupowej (customer journey)

2. Atrybucja ostatniego kliknięcia (Last-Click Attribution): Przyznaje całą wartość konwersji ostatniemu punktowi zetknięcia z marką przed ostateczną konwersją. Model jest powszechnie używany, jednak często pomija znaczenie wcześniejszych punktów styku z marką na ścieżce zakupowej.

W modelu last click cała wartość konwersji jest przypisywana ostatniej interakcji użytkownika przed dokonaniem konwersji. Oznacza to, że przykładowo jeśli użytkownik kliknął w reklamę w Google, później odwiedził stronę internetową z linku w mediach społecznościowych, ale ostatecznie dokonał zakupu po kliknięciu w reklamę w wyszukiwarce Google, to cała wartość konwersji zostanie przypisana temu ostatniemu kliknięciu w reklamę w wyszukiwarce. W praktyce stosowanie modelu last click może prowadzić do mocnego niedoszacowania roli innych kanałów marketingowych takich jak sieci afiliacyjne.

3. Atrybucja liniowa (Linear Attribution): Rozdziela wartość konwersji równomiernie między wszystkie punkty styku na ścieżce klienta.

4. Atrybucja zanikająca (Time-Decay Attribution): Przyznaje większą wartość konwersji punktom styku, które wystąpiły bliżej momentu zakupu, stopniowo zmniejszając wartość przyznawaną wcześniejszym interakcjom.

5. Atrybucja oparta na modelowaniu (Algorithmic lub Data-Driven Attribution): Używa zaawansowanych algorytmów do przypisania wartości każdemu punktowi styku, na podstawie analizy jego rzeczywistego wpływu na konwersję. Jest to zaawansowana metoda, która dostosowuje się do unikalnych ścieżek zakupowych i zachowań konsumentów. Obecnie to domyślny model atrybucji w GA4. Zmiany na inny model atrybucji można dokonać poprzez samodzielną zmianę ustawień.

W modelu data driven system analizuje zbiór danych obejmujący wszystkie interakcje użytkownika z reklamami, stronami internetowymi i innymi punktami kontaktowymi, aby zidentyfikować wzorce i czynniki, które mają istotny wpływ na konwersje. Następnie, na podstawie tych danych, system automatycznie przydziela wartość konwersji do poszczególnych punktów kontaktowych, uwzględniając ich rzeczywisty wpływ na decyzję zakupową użytkownika. Jest to obecnie najbardziej precyzyjny model atrybucji, jednakże nie zawsze jest on możliwy do zaimplementowania, ponieważ aby korzystać z modelu Data Driven system analityczny musi dysponować odpowiednią liczbą danych.

Google Analytics – udział kanałów reklamowych w konwersji i prezentacja danych

GA4 to darmowe narzędzia dla marketerów i analityków, pomocne w optymalizacji kosztów płatnych kampanii marketingowych i działań SEO. Wykorzystuje zaawansowane algorytmy i sztuczną inteligencję do śledzenia użytkowników w sieci.

Dzięki nowemu modelowi atrybucji GA4 ocenia udział procentowy i wartościowy poszczególnych kanałów w finalnej konwersji. Należy jednak pamiętać, iż Google Analytics 4 jest systemem należącym do Google. Z tego powodu, system może promować swoje kanały i przypisywać im największy udział w konwersji, pomijając bardzo często inne źródła wejść na stronę i punkty styku klienta z marką.

Customer Journey – punkty styku z marką na ścieżce zakupowej użytkownika

Ścieżka zakupowa, nazywana również Lejkiem sprzedaży (lub lejkiem konwersji) opisuje drogę, jaką potencjalny klient przechodzi od pierwszego zetknięcia się z produktem lub usługą do dokonania zakupu.

• Pierwszym etap – zdobycie uwagi potencjalnych klientów. W tym etapie celem jest dotarcie do jak najszerszego grona osób zainteresowanych daną tematyką. Kiedy potencjalni klienci stają się świadomi produktu lub usługi, następuje etap drugi – czyli zainteresowania.
• Drugi etap – dostarczenie wartościowej treści, która rozbudzi zainteresowanie i zachęci do dalszego zaangażowania.
• Trzeci etap – potencjalni klienci zaczynają dokonywać oceny i weryfikacji dostępnych opcji.  W tym etapie klient jest gotów dokonać zakupu. Kluczowe jest zapewnienie mu dodatkowych zachęt do podjęcia decyzji.
• Czwarty etap – finalizacja zamówienia. Jednak działanie to nie kończy się na samej transakcji. Ważne jest utrzymanie relacji z klientem poprzez dostarczanie łatwości dokonania transakcji, wysokiej jakości obsługi klienta, oferowanie wsparcia posprzedażowego oraz zachęcanie do powtarzających się zakupów.

Ze względu na bogatą ofertę sklepów i różnorodne możliwości prezentacji oferty w sieci, przeciętna ścieżka zakupowa klienta uległa znacznemu wydłużeniu. Na czas potrzebny do podjęcia decyzji mają wpływ również takie czynniki jak:

• cena produktu
• dostępność produktu
• czas realizacji zamówienia
• rodzaj płatności
• możliwość płatności ratalnych

Przeanalizujmy drogę do zakupu obuwia na zimę, przez kobietę w wieku 20-30 lat. Według badania zespołu Shopalike Polacy potrzebują przeciętnie około 7 dni, by dokonać zakupu online. Czas ten spędzają na przeglądaniu internetu w poszukiwaniu informacji o najnowszych trendach, sprawdzaniu cen, opinii i analizie najkorzystniejszych opcje.

Typowa ścieżka może wyglądać tak, jak poniżej. Pogrubione zostały punkty styku z marką, gdzie można natknąć się na link afiliacyjny:

1. Na samym początku użytkownik analizuje trendy modowe. Wpisuje frazy związane z obuwiem zimowym. Klika w płatne i bezpłatne wyniki organiczne, przechodząc na strony, gdzie znajdują się recenzje butów lub bezpośrednio do sklepów, sprawdzając cenę wybranych modeli.

2. W drodze do pracy przegląda na telefonie Instagram, szukając inspiracji influencerek z konkretnymi modelami.

3. Wieczorem w domu, już na laptopie, sprawdza cenę wybranych modeli, wpisując konkretne nazwy w wyszukiwarkę i klikając w płatne i bezpłatne wyniki produktowe Google.

4. Wciąż analizuje ceny i dostępność produktów, zawęża swój wybór do 2-3 modeli – szuka opinii o produktach na serwisach w sieci.

5. Sprawdza cenę wybranych modeli w Google Shopping, na Allegro i Ceneo.pl.

6. Czeka kilka dni do wypłaty, przeglądając stylizacje na Instagramie i Pintereście.

7. Remarketing został aktywowany, więc użytkownika śledzą płatne reklamy butów, które przeglądał. W międzyczasie klika na sugestie, sprawdzając ceny. Ma już wybrany model w sklepie, który oferuje najlepszą cenę.

8. Po otrzymaniu wypłaty, użytkownik odwiedza do zapamiętany sklep, który oferuje moje buty w najniższej cenie, wpisując bezpośrednio nazwę sklepu w wyszukiwarkę na komputerze w pracy.

9. Ostatecznie sprawdza cenę produktu w sieci, wpisując nazwę modelu, na który jest zdecydowany. Bywa, że wyszukiwarka wyświetli produkt w reklamie PLA w lepszej cenie, w innym sklepie, więc bez zastanowienia wybiera tańszą opcję.

10. Gdy użytkownik już ma produkt w koszyku, widzę miejsce na kod rabatowy, więc wychodzi jeszcze na chwilę ze sklepu, w poszukiwaniu kodu rabatowego w sieci… Przypomina mu się, że Instagramerka, którą obserwuję, często udostępnia kody do wybranych sklepów – zagląda na Instagrama (na telefonie), aby sprawdzić, czy oferuje jakieś kody.

11. Wraca do sklepu z rabatem (lub bez).

12. Wreszcie klika „Kup” i opłaca zakup.

Ścieżka wydaje się bardzo długa, ale nie jest dłuższa niż przeciętna. Mamy w niej aż 10 momentów, gdzie mógł pojawić się link afiliacyjny. W zależności od preferencji i nawyków internetowych potencjalnego klienta, jego płci, wieku, a także zasobności portfela i świadomości działania różnorodnych serwisów online, każdy użytkownik będzie miał swoją indywidualną podróż do finalnego zakupu.

Niezależnie od długości Customer Journey, Google Analytics 4 wyceni wartość udziału każdego kanału styku w konwersji według swoich algorytmów i danych. My natomiast skupmy się na analizie, w jakich przypadkach wydawcy afiliacyjni, którzy pojawili się na tych ścieżkach, nie zostaną uwzględnieni w raportach GA4.

Google Analytics – powody braku kanału afiliacyjnego w raportach GA4

Dlaczego w raporcie atrybucji w GA4 opisanej powyżej ścieżki zakupowej klienta, nie pojawiają się wydawcy afiliacyjni, którzy brali udział w konwersji na różnych etapach lejka zakupowego? Powodów jest kilka.

1. Zmieniona definicja sesji w Google Analytics 4 – domyślnie jedna sesja trwa 30 minut

W GA4, jeśli użytkownik odwiedzi stronę z różnych źródeł w ciągu jednej sesji, czyli domyślnie w ciągu 30-minutowego okna czasowego, to wszystkie te wizyty będą traktowane jako jedno wejście na stronę. Oznacza to, że jeśli użytkownik zainicjuje sesję wejściem do sklepu z wyników Google, to przez (domyślne) 30 minut, żadne inne wejście nie będzie odnotowane na ścieżce Google.

Jeśli klient trafi do sklepu z płatnych lub bezpłatnych wyników Google, ale przed finalizacją transakcji wyjdzie ze sklepu, w celu znalezienia kodu rabatowego na Instagramie lub serwisie rabatowym, następnie wróci do sklepu z innej strony – i wydarzy się to wszystko w ciągu jednej sesji (domyślnie 30 minut) – GA4 zarejestruje to jako jedną sesję, a ruch przypisze do źródła, które tę sesję rozpoczęło.

Podobnie będzie, jeśli przed zapłatą za produkt w sklepie, w którym użytkownik robi zakupy pierwszy raz, będzie chciał sprawdzić opinie na temat sklepu. Jego ponowne wejście do sklepu przez inny link, nie zostanie odnotowane przez GA4 jako kolejne źródło. W poprzedniej wersji – Universal Analytics, w raporcie zobaczylibyśmy oddzielne sesje ze wszystkich źródeł.

W całej sieci webePartners ponad 40% transakcji jest finalizowanych w czasie mniejszym niż 30 minut od kliknięcia w ostatni link afiliacyjny.

Oznacza to, że w ponad 40% transakcji, klient ma styczność z wydawcą afiliacyjnym bezpośrednio przed finalizacją procesu zakupowego. Jednocześnie nie oznacza to, że link afiliacyjny pojawił się wyłącznie na końcu lejka zakupowego, przed konwersją. webePartners zaraportuje w swoich statystykach wyłącznie to ostatnie kliknięcie, gdyż obecną atrybucją jest Last Click Wins. Dlatego reklamodawca w raportach akcji nie widzi wcześniejszego udziału innych wydawców. Natomiast ten udział pojawi się na ścieżce zakupowej się w Google Analytics, jeśli rozpocznie jedną z sesji.

Część użytkowników może blokować pliki cookie, jak również może mieć ustawione oprogramowanie blokujące skrypty JavaScript, co uniemożliwia dokładne śledzenie ich aktywności na stronie. W rezultacie ruch z sieci afiliacyjnych może być niedoszacowany. Proces ten będzie coraz bardziej widoczny w obliczu zaostrzających się przepisów dotyczących prywatności danych w całej Unii Europejskiej.

2. Brak kanału afiliacyjnego na ścieżce konwersji w przypadku prowadzenia przez wydawców płatnych kampanii produktowych Google

Jedną z wielu grup wydawców w sieci afiliacyjnej są certyfikowani Partnerzy Google, którzy realizują płatne kampanie Google Shopping, biorąc na siebie ryzyko kosztów tych działań, zachowując swoje wynagrodzenie za udział w programie w postaci prowizji od wygenerowanej sprzedaży.

Google Zakupy (Google Shopping) to wyszukiwarka ofert sklepów online, stworzona przez Google. Sprzedawcy mogą promować swoje produkty w wyszukiwarce Google Shopping oraz w innych miejscach na platformach Google, takich jak Google Ads, oraz Google Display Network.

Reklama produktowa w Google to obecnie jedna z najefektywniejszych form promocji dla branży e-commerce. Główną cechą tych reklam jest wyświetlanie informacji o produkcie, takich jak obraz produktu, cena, nazwa sklepu i nazwa produktu, bezpośrednio w wynikach wyszukiwania Google lub na stronach z reklamami. Użytkownicy mogą przeglądać te reklamy, porównywać produkty i kliknąć na nie, aby uzyskać więcej informacji lub dokonać zakupu.

W przypadku braku umiejętności i kwalifikacji w planowaniu płatnych kampanii Google, sieć afiliacyjna umożliwia takie działania promocyjne za pośrednictwem Google CSS Partner – wydawców CSS.

Użytkownik, klikając w reklamę produktową Google, emitowaną przez wydawcę afiliacyjnego, klika w link afiliacyjny i przechodzi najpierw przez serwer Google (rozpoczyna sesję), następnie przez system trackujący sieci afiliacyjnej i w końcu przez serwer reklamodawcy. Google odnotowuje to jako płatne wejście z Google (Paid Traffic), przypisując sobie zasługę przekierowania do sklepu.

O ile zgodne z prawdą jest to, że to przekierowanie do sklepu nastąpiło przy użyciu marketingowej platformy Google, to wykluczenie linku afiliacyjnego ze ścieżki powoduje, że dane nie odzwierciedlają prawdy i udziału wydawcy afiliacyjnego w konwersji.

3. Brak raportów GA4 do konkretnych transakcji

W Google Analytics 4, jak i we wcześniejszej wersji GA, reklamodawcy nie mają możliwości wygenerowania raportów, które jednoznacznie wskazują numery transakcji przypisanych do ścieżek zakupowych, na których pojawia się wybrane źródło ruchu. Raporty GA4 wskazują wyłącznie liczbę transakcji, w których pojawia się wybrane źródło. Nie wskazują wartości tych transakcji, jak i ID transakcji, po których można przypisać i zweryfikować je w systemie afiliacyjnym.

GA4 jak każdy inny system analityczny ma wiele ograniczeń w zakresie gromadzenia i przetwarzania danych z tego powodu dane w raportach często nie odzwierciedlają realnego wpływu poszczególnych źródeł ruchu w tym sieci afiliacyjnych na realną sprzedaż.

4. Brak zgody na ciasteczka ogranicza śledzenie

Sprzeciw użytkowników na ich śledzenie w sieci, może być obecnie wyrażany brakiem zgody na śledzenie również przez Google Analytics. W momencie, gdy użytkownik, wchodząc na stronę internetową reklamodawcy, nie potwierdzi zgody śledzenia za pomocą ciasteczek, GA4 nie zbiera pełnych danych o źródle ruchu. W takim przypadku GA4 klasyfikuje źródło ruchu jako direct/(none), co może prowadzić do niedokładności w identyfikacji, z jakiego dokładnie źródła pochodzą odwiedzający i kupujący.

5. Adblockery mogą skutecznie blokować Google Analytics

Popularne adblockery mogą także blokować skrypty Google Analytics, co wskazuje na kolejną lukę pomiarową tego systemu śledzącego.

6. Okno czasowe w GA4 – tylko 30-dniowy okres śledzenia

Domyślnym okresem śledzenia ścieżki użytkownika (Customer Journey) w Google Analytics jest 30 dni. Oznacza to, że Google Analytics raportuje tylko 30-dniową podróż kupującego przed momentem ostatecznej konwersji. Jeśli w programie partnerskim reklamodawca ustalił dłuższy okres żywotności dla ciasteczek, na przykład 45 dni, to w GA4 nie znajdziemy uwzględnionych wydawców, którzy brali udział w konwersji na wcześniejszym etapie.

GA4 wsparcie w analizie – ale nie podstawa do walidacji transakcji w systemach afiliacyjnych

Wymieniliśmy 6 najbardziej oczywistych przyczyn rozbieżności między danymi raportowanymi przez Google Analytics A4 i danymi w statystykach sieci afiliacyjnych. Biorąc pod uwagę wymienione czynniki, statystyki z różnych systemów analitycznych będą zawsze dostarczały innych danych. 

Google wymaga, by firmy korzystające z GA4 wdrożyły tzw. Consent Mode, który wstrzyma ładowanie na stronie kodów Google Analytics użytkownikom, którzy nie wyrażą zgody na śledzenie za pomocą cookies. Spowoduje to jeszcze większe rozbieżności w raportowaniu danych pomiędzy GA4 a innymi platformami marketingowymi.

Atrybucja wielokanałowa – analiza jako podstawa do prawidłowej oceny udziału kampanii w konwersji

Atrybucja wielokanałowa pozwala na analizę efektywności poszczególnych kanałów, co jest kluczowe dla optymalizacji strategii marketingowej. Jednak aby uzyskać dokładne wyniki atrybucji, konieczne jest integracja różnych narzędzi marketingowych i analitycznych. Integracja pozwala na zbieranie i analizowanie danych z różnych źródeł. Naniesienie ich na siebie jest kluczowe dla zrozumienia wpływu poszczególnych działań marketingowych na konwersje.

Wyzwania w atrybucji marketingowej

• Złożoność ścieżek zakupowych

W erze wielokanałowej ścieżki zakupowe są często złożone i obejmują wiele punktów kontaktu. To znacznie utrudnia dokładne określenie kanałów, które mają najistotniejszy wpływ na konwersję. Kolejnym wyzwaniem jest analiza, czy usunięcie ze ścieżki działań, które mają mały lub tylko pośredni wpływ na konwersję, nie zwiększy znacznie kosztów tych wpływających na konwersję bezpośrednio.

• Zmieniające się zachowania konsumentów

Zachowania zakupowe konsumentów ewoluują, co wymaga ciągłego analizowania modeli atrybucji i ich dostosowywania do prowadzonych kampanii.

• Integracja danych

Zebranie i integracja danych z różnych źródeł i platform stanowi wyzwanie. Jednak jest to kluczowe dla poprawnej analizy atrybucji i wartościowego udziału kanałów w konwersji.

• Prywatność danych

Wprowadzenie regulacji dotyczących prywatności, takich jak RODO czy inne przepisy ochrony danych, może ograniczać dostęp do niektórych danych, co utrudnia analizę atrybucji. 

• Modelowanie atrybucji

Istnieje wiele różnych modeli atrybucji, które można zastosować do analizy danych. Wybór odpowiedniego modelu może być trudny i może mieć duży wpływ na wyniki analizy.

• Ograniczenia technologiczne

Niektóre kanały marketingowe mogą mieć ograniczone możliwości śledzenia interakcji użytkownika, co może uniemożliwiać dokładne określenie wpływu tych kanałów na konwersję.