Witold Wrodarczyk – wywiad po semKRK#22 BIG

Zazwyczaj dane w atrybucji data-driven różnią się od last click. Przyznam, że częściej obserwowaliśmy jej bardzo duże podobieństwo do modelu liniowego, którego już niestety w GA4 nie ma.

Zanim zaczniemy się zastanawiać, co może nam dać modelowanie atrybucji różnymi modelami, warto przyjrzeć się ścieżkom atrybucji i zobaczyć, czy w ogóle jest co analizować. Raport ścieżek warto pobrać do Excela i scalić powtórzenia, czyli potraktować Google Ads > Google Ads > Google Ads jako ścieżkę tożsamą z pojedynczym Google Ads (może w tym pomóc ChatGPT). Następnie należy zsumować dane dla ścieżek, które stały się identyczne po scaleniu – wykorzystując tabelę przestawną.

Gdy wykonamy taki raport, może się okazać, że u danego reklamodawcy 90% konwersji pochodzi ze ścieżek jednokanałowych (w których bierze udział tylko jeden kanał). W takiej sytuacji nic dziwnego, że modelowanie atrybucji niewiele zmienia – po prostu nie ma czego modelować.

Polecam też artykuł, w którym m.in. pokazuję, dlaczego możemy obserwować te same wyniki dla różnych modeli atrybucji.

Może nie jestem obiektywny, ale brakuje mi możliwości tworzenia własnych modeli atrybucji, a przynajmniej wyłączania niektórych interakcji z przypisania konwersji (czyli traktowanie na równi z direct).

Zazwyczaj raporty wykonujemy w odpowiedzi na problem, więc trudno mówić o jakimś ulubionym. Niemniej, jest jeden, którym podzieliłem się w prezentacji. Jeśli komuś umknęło, odsyłam do tego posta na LinkedIn.

W przypadku braku User ID Google korzysta przede wszystkim z danych na podstawie 1st party cookies (identyfikator pliku cookie Analytics). Takie dane są rzecz jasna fragmentaryczne. Użytkownicy korzystają z różnych przeglądarek i urządzeń, używają dodatków kasujących cookie czy trybu incognito, a w przypadku urządzeń Apple i przeglądarek korzystających z podobnych technologii – cookie Analytics są kasowane lub mają mocno skrócony czas życia.

W związku z wycofaniem 3rd party cookies Google odchodzi też od wykorzystywania danych Signals w raportowaniu (czyli łączenia danych w Analytics z danymi posiadanymi przez Google). Teraz będzie to możliwe dzięki Danym dostarczanym przez użytkowników, czyli mechanizmowi podobnemu do konwersji rozszerzonych w Google Ads.

Pamiętajmy też, że User ID nie do końca pomoże nam w odkrywaniu nowych użytkowników. Chodzi o to, że User ID opiera się o dane użytkownika właśnie, takie jak e-mail czy telefon użyte w transakcji lub logowaniu. No i tu pojawia się problem, bo zazwyczaj tylko niewielka część użytkowników się od razu loguje (chyba że np. jesteśmy Allegro czy Facebookiem). User ID będzie więc świetny w identyfikacji nowych i powracających klientów i łączeniu ze sobą danych użytkowników, którzy skonwertowali (czytaj: wprowadzili przy zakupie/formularzu/zapisie swoje dane). Natomiast w przypadku użytkowników, których 1st party data nie mamy – zostaje nam identyfikacja na bazie ciasteczek i ewentualne modelowanie faktycznych danych.

W przypadku użytkowników, którzy skonwertowali (a dokładnie: wywołali kluczowe zdarzenie), liczbę wizyt z danego źródła zobaczymy w raporcie ścieżek atrybucji.

W przypadku po prostu wejść użytkowników możemy tworzyć raporty w eksploracjach, wykorzystując segmenty użytkowników, którzy w danym okresie odwiedzili stronę z danego źródła ileś razy.

Przyznam, że nie przychodzi mi do głowy raport, w którym wprost można byłoby zrobić taką tabelę. Natomiast ci, którzy eksportują do BigQuery i mają odpowiednią wiedzę z SQL (tu ChatGPT może nieco pomóc) i przede wszystkim – rozumieją strukturę danych GA4 – mogą sobie takie raporty stworzyć samodzielnie.

Tak więc w GA4 znajdują się wszystkie potrzebne dane, czasem trzeba trochę pokombinować, by je wydobyć. Jeśli nie jest to takie proste, to warto też się upewnić, czy na pewno są nam te dane potrzebne :).

Celem konfiguracji cross-domain jest właśnie to, by prawidłowo przypisywać źródła, czyli aby źródło wejścia z jednej domeny było widoczne również dla Analytics w drugiej domenie. Jest to możliwe dzięki przekazywaniu identyfikatora użytkownika za pomocą dekoracji linku przy przejściu (przeklikaniu się) z jednej domeny do drugiej.

Znaczy to też, że użytkownik, który odwiedzi jedną domenę, a potem niezależnie wejdzie na drugą, będzie wciąż traktowany jako dwóch oddzielnych użytkowników. Tu niestety cross-domain tracking nic nie pomoże. Dopiero gdy nastąpi wejście przez link z jednej domeny prowadzący do drugiej domeny (kliknięcie takiego linku), takie połączenie danych będzie możliwe.

Ważna jest prawidłowa konfiguracja w ustawieniach Analytics. Jeśli mimo prawidłowej konfiguracji wciąż to nie działa – trzeba wykonać diagnostykę i sprawdzić, dlaczego dane się nie przekazują. Zdarza się też, że niektóre konfiguracje linków na stronie powodują, że identyfikator się nie przekazuje.

Generalnie – to powinno działać :). W przeciwnym wypadku trzeba poszukać przyczyn nieprawidłowości już na konkretnym przykładzie.

Firmy, które operują na kilku różnych domenach głównych, powinny też przyjrzeć się funkcji zestawów powiązanych witryn w ramach Privacy Sandbox dla przeglądarki Chrome.

Podstawowa różnica przychodów raportowanych przez Google Ads i Analytics nie musi wynikać z samego modelu atrybucji – oba systemy mogą wykorzystywać np. model data driven, ale przede wszystkim z tego, że w przypadku Google Ads wszystkie konwersje przypisane są w całości do reklam, jeśli te wystąpiły na ścieżce, a Analytics uwzględnia także inne źródła.

Przykładowo, jeśli konwersja zaszła po kliknięciu Google Ads, reklamy na Instagramie i wyników organicznych Google, to Google Ads przypisze konwersję w całości sobie, podczas gdy Analytics podzieli ją pomiędzy te trzy źródła, więc siłą rzeczy do Google Ads zostanie przypisane mniej.

Aby zobaczyć w Analytics wyniki kampanii najbardziej zbliżone do Google Ads, należy wybrać model z grupy „płatne kanały Google” (obecnie tylko last click), który w takiej sytuacji przypisze wszystko do Google Ads.

Warto też pamiętać, że podstawowym sposobem raportowania w Google Ads jest przypisanie konwersji do czasu kliknięcia reklamy, a w Analytics – do czasu zajścia konwersji. To też może powodować rozbieżności w raportach za dany okres. Obecnie w obu systemach mamy możliwość – przynajmniej do pewnego stopnia – korzystania z obu tych metodologii (zob. też sekcja “Czas raportowania” w artykule).

Wreszcie, Google Ads może wykorzystywać więcej danych 1st party po stronie Google niż Analytics i lepiej identyfikować użytkowników między urządzeniami.

Wreszcie, pamiętajmy, że niektóre konwersje w Google Ads raportowane są po obejrzeniu reklamy, co może nie zostać odnotowane w Analytics.

Direct oznacza, że GA4 nie wie, skąd przyszedł użytkownik, bo nie ma ani parametrów utm, ani gclid, ani referrala (adresu strony odsyłającej). Jeśli podejrzewamy, że Analytics błędnie widzi pewne źródła jako direct, trzeba spróbować zdebugować ruch i zobaczyć, co może być tego przyczyną. Czasami mogą to być przekierowania po wejściu na stronę, np. użytkownik wchodzi na https://strona.pl, która przekierowuje go na https://www.strona.pl, przy czym ucinane są wszystkie parametry i referral. Ale tak naprawdę analityka może się popsuć na wiele sposobów…

To nie kwestia opinii, po prostu tak jest.

Oczywiście, przeglądarka aplikacji rozpozna źródło wizyty, ale jeśli użytkownik kliknie „otwórz w przeglądarce systemowej” na kolejnej stronie (gdzie nie będzie już parametrów utm w linku) lub po prostu użytkownik później skonwertuje w innej przeglądarce – Analytics będzie miał problemy z połączeniem tych ścieżek użytkownika i uzna, że źródło takiej transakcji jest bezpośrednie lub jest nią wyszukiwarka Google (organic), gdzie użytkownik szukał adresu naszej strony.

Z kolei Facebook może już to widzieć – jeśli ma swoje cookie powiązane z identyfikatorem użytkownika w przeglądarce, z której korzystamy, lub zastosujemy advanced data matching (odpowiednik konwersji rozszerzonych dla FB).

Pamiętajmy też, że Facebook również przypisuje konwersje do wyświetleń reklamy, a także kliknięć takich jak „like” – podczas gdy Analytics bierze pod uwagę wyłącznie kliknięcia reklam, które doprowadziły do wizyty na stronie.