Dlaczego GA4 jest wszędzie zainstalowane, ale rzadko używane

GA4 jest obecne na niemal każdej stronie e-commerce. Jednocześnie w praktyce większość sklepów ogranicza korzystanie z niego do patrzenia na liczbę użytkowników i ogólny przychód — i tyle. Reszta danych leży nieruszona.

Nie wynika to z braku chęci. Wynika z dwóch rzeczy: GA4 jest skonfigurowne niepoprawnie (przez co dane są niewiarygodne), i nikt w organizacji nie wie, od czego zacząć analizę. Efekt jest taki jak z zafoliowanymi kanapami w amerykańskich filmach — sprzęt jest, ale nie do użytku.

Tymczasem koszty zaniechania są realne. Niepoprawnie skonfigurowane GA4 to słabiej nauczone algorytmy reklamowe, bo Google i Meta dostają mniej sygnałów o konwersjach. Jeśli twoja konkurencja dostarcza 20% więcej danych o zakupach do systemów reklamowych, ma o 20% lepiej nauczone algorytmy. Każda złotówka budżetu pracuje wtedy mniej efektywnie.

Co to znaczy poprawna konfiguracja GA4

Poprawna konfiguracja to nie to samo co zainstalowanie skryptu. To jest kilka warstw, każda z osobnymi pułapkami.

Banner zgody na ciasteczka. Najczęstszy błąd: GA4 uruchamia się zanim użytkownik zdąży kliknąć baner. To naruszenie RODO — kary są uzależnione od przychodu, nie zysku, i mogą być bardzo dotkliwe. Poprawna konfiguracja oznacza, że skrypt GA4 odpala się dopiero po kliknięciu „akceptuję" lub „odrzucam". Gdy użytkownik odmawia zgody, GA4 może działać w trybie anonimowym — przesyła dane, ale bez identyfikatorów użytkownika. Te dane są potem modelowane przez Google, co częściowo uzupełnia braki.

Typowy efekt złej konfiguracji bannera: użytkownik wchodzi na stronę, klika zgodę, nic się nie dzieje (bo skrypt odpalił się już wcześniej bez zgody albo się nie odpalił wcale), przechodzi na kolejną podstronę i dopiero tam GA4 się inicjuje. Efekt: zaburzone dane o źródle wejścia i ścieżce użytkownika.

UTMy — konwencja i konsekwencja. Każdy link prowadzący ruch na stronę — z newslettera, kampanii płatnej, profilu LinkedIn, QR kodu w reklamie offline — powinien być oznaczony parametrami UTM: medium, źródło, kampania. Dzięki temu widzimy nie tylko, ile osób kliknęło w link, ale ile z nich faktycznie kupiło.

Kluczowy szczegół: w UTMach wielkość liter ma znaczenie. „Newsletter" i „newsletter" to dwa różne źródła w GA4. Jeśli kilka osób w firmie tworzy linki bez ustalonego standardu, analityka się sypie. Rozwiązanie jest proste: jeden wspólny plik Excel lub generator UTMów z ustaloną konwencją dla każdego kanału.

Warstwa danych i Google Tag Manager. GTM nie jest obowiązkowy technicznie — są wtyczki, które działają. Ale GTM daje kontrolę. Przy wdrożeniu przez GTM można precyzyjnie określić, kiedy i jakie zdarzenia są wysyłane, jakie parametry im towarzyszą, i rozsyłać te same dane jednocześnie do GA4, Google Ads i Mety. To szczególnie ważne przy formularzach — automatyczne zbieranie danych o formularzach w GA4 bez warstwy danych praktycznie nigdy nie działa poprawnie.

Czy GA4 może pokazywać 100% danych?

Nie. I nie o to chodzi. Kilka powodów, dla których zawsze będzie rozbieżność między danymi w GA4 a danymi w sklepie:

Nie wszyscy użytkownicy akceptują ciasteczka. Adblocki blokują skrypty analityczne. Skrypty w przeglądarce czasem nie odpalają się poprawnie. Użytkownicy, którzy kupili w bramce płatniczej i zamknęli przeglądarkę zanim wrócili na stronę z potwierdzeniem, nie zostaną zliczeni — o ile nie ma wdrożonego śledzenia po stronie serwera.

Praktyczna zasada: rozbieżność do 10% to doskonały wynik. 20% to norma do zaakceptowania. 25% i więcej — czas szukać przyczyny. Ważne jest też to, że zakładając, że ubytek jest proporcjonalny w każdym kanale, porównania między kanałami i kampaniami pozostają wiarygodne. Analizujemy trendy, nie absolutne liczby.

W przypadku Shopify rozbieżności bywają większe niż w innych platformach — to zamknięte środowisko z ograniczonymi możliwościami. Aplikacje takie jak Little Data pomagają lepiej synchronizować dane GA4 z danymi sklepu.

Co mierzyć: zdarzenia, które mają znaczenie

GA4 zbiera automatycznie kilka zdarzeń zaraz po instalacji skryptu: sesje, wyświetlenia stron, interakcje z filmami YouTube, wyszukiwanie wewnętrzne. To ostatnie jest rzadko wykorzystywane — gotowego raportu nie ma, trzeba go zbudować w Eksploracji. Warto to zrobić. Wyszukiwanie wewnętrzne pokazuje, czego szukają użytkownicy na stronie: czego im brakuje w ofercie, jakich kolorów i rozmiarów potrzebują, jakich producentów nie masz w asortymencie.

Poza zdarzeniami automatycznymi warto skonfigurować zdarzenia e-commerce: wyświetlenie produktu, dodanie do koszyka, przejście do checkoutu, zakup. Do każdego zdarzenia powinny być dołączone parametry — kolor, rozmiar, forma płatności — wszystko, co użytkownik wybrał. Sklep odzieżowy może wtedy zobaczyć, że zielona wersja kurtki jest klikana pięć razy częściej niż czarna, i użyć tego koloru w kreacjach reklamowych. Tę samą informację można wykorzystać przy planowaniu zamówień — proporcje rozmiarów i kolorów w nowej kolekcji oparte na realnym popycie, nie na intuicji.

Jedno ważne zastrzeżenie: nie mierz wszystkiego. Spotkaliśmy przypadki, gdzie ktoś chciał śledzić kliknięcie każdego przycisku na stronie. Efekt: morze danych, z którego nikt nic nie wyciąga. Dodawaj zdarzenie, kiedy wiesz, po co.

Dwa raporty, których różnicę warto zrozumieć

GA4 ma dwa raporty o podobnych nazwach, które mierzą dwie zupełnie różne rzeczy.

Pozyskiwanie ruchu pokazuje źródło każdej sesji. Jeśli ten sam użytkownik odwiedził stronę osiem razy — z SEO, z Google Ads, z Mety — każda wizyta będzie przypisana do swojego źródła.

Pozyskiwanie użytkowników pokazuje, skąd dany użytkownik przyszedł po raz pierwszy. Jeśli wszedł po raz pierwszy z reklamy na Facebooku, a zakupu dokonał podczas ósmej wizyty z Google — ten zakup będzie przypisany do Facebooka.

Raport pozyskiwania użytkowników jest kluczowy do rozumienia, które kanały faktycznie wprowadzają nowych klientów do lejka. Raport pozyskiwania ruchu mówi, co działa na końcu lejka. Oba są potrzebne — ale mylenie ich prowadzi do błędnych decyzji budżetowych.

Segmentacja: dlaczego łączne dane kłamią

Największy błąd przy analizie GA4: patrzenie na zagregowane liczby bez segmentacji. Całkowita liczba konwersji i całkowity przychód nie mówią, czy pozyskujesz właściwych klientów.

Przykład: sklep ma średnią wartość koszyka 250 zł. Warto stworzyć dwa segmenty: klienci kupujący powyżej 250 zł i poniżej. Albo klienci, którzy kupili trzy razy lub więcej, i ci, którzy kupili raz. Przy takiej segmentacji może się okazać, że kampania, która generuje największą liczbę transakcji, pozyskuje głównie jednorazowych kupujących niskiej wartości. Inna kampania, z mniejszym budżetem i mniejszą liczbą konwersji, pozyskuje klientów wracających regularnie z wysokimi koszykami. Bez segmentacji tę drugą kampanię łatwo zepchnąć na margines albo wyłączyć.

Najczęstsze pytania o GA4 w e-commerce

Dlaczego ROAS w Mecie jest kilkanaście razy wyższy niż w GA4? Bo mierzą coś innego. Meta liczy każdą interakcję z reklamą jako punkt kontaktu — w tym samo polubienie posta. GA4 przypisuje konwersję do źródła ostatniego kliknięcia (lub w modelu opartym na danych — do wszystkich kanałów proporcjonalnie). Oba są prawdziwe. Żadnego nie należy traktować jako jedynej miary skuteczności.

Czy warto prowadzić kampanie brandowe? Tak. Jeśli nie będziesz ich prowadzić, konkurencja może przejmować ruch od użytkowników, którzy są już tuż przed decyzją zakupową i wpisują nazwę twojej marki. 10–15% budżetu na kampanie brandowe to uzasadniony koszt ochrony.

Jak często zaglądać do GA4? Zależy od roli. Codziennie warto mieć prosty raport z porównaniem tydzień do tygodnia — żeby szybko wychwycić drop w SEO albo zatrzymane kampanie. Marketing manager powinien raz w tygodniu rezerwować godzinę na analizę. Właściciel e-commerce — przynajmniej raz w miesiącu, a im bardziej operacyjnie zaangażowany, tym częściej.

Co zrobić, gdy spada współczynnik dodań do koszyka? GA4 pokaże ci, że problem istnieje i na którym etapie. Nie pokaże przyczyny. Do tego potrzebne jest narzędzie do nagrywania sesji i map ciepła — na przykład bezpłatna Clarity od Microsoftu, którą można połączyć z GA4. Możesz wtedy zobaczyć nagrania sesji dla segmentu użytkowników, którzy dodali produkt do koszyka, ale nie kupili, i zobaczyć, gdzie utykają.

AI w analityce: gdzie pomaga, gdzie nie zastąpi człowieka

Narzędzia AI, które można podpiąć do konta GA4 i rozmawiać z danymi, realnie przyspieszają analizę. Narzędzie takie jak Go Marble pozwala zadawać pytania bezpośrednio do danych reklamowych i analytics bez pisania raportów od zera. Dla osób, które nie wiedzą od czego zacząć, taki system może podpowiedzieć nawet to, jakie pytania zadać.

Ale AI wyciąga wnioski z danych tylko tak dobrze, jak dobrze je nakarmisz kontekstem. Bez informacji o firmie, celach, budżetach, hipotezach i działaniach odpowiedzi będą ogólnikowe: „Popraw konwersję na stronie, zoptymalizuj kampanie." To samo można przeczytać w każdym artykule o e-commerce. Im więcej kontekstu, tym bardziej precyzyjne rekomendacje.

AI nie zastąpi analityka w rozumieniu przyczyn, interpretowaniu anomalii ani w pytaniu o rzeczy, których jeszcze nie wiesz, że warto zapytać.

Podsumowanie: trzy pytania, na które GA4 powinno odpowiadać w twoim sklepie

Gdzie inwestować budżet reklamowy — GA4 pokazuje, które kanały rzeczywiście pozyskują wartościowych klientów, nie tylko generują ruch i pozorne konwersje. Na którym etapie lejka tracisz użytkowników — raporty e-commerce z podziałem na urządzenia, kanały i kampanie wskazują dokładnie, gdzie odpada największa część potencjalnych kupujących. Gdzie masz potencjał do wzrostu — wyszukiwania wewnętrzne, segmentacja klientów i analiza kohort pokażą, czego szukają twoi użytkownicy i jakich klientów jeszcze nie docierasz.

Każdy punkt procentowy poprawy konwersji na każdym etapie lejka, pomnożony przez skalę sklepu i długość roku, daje realną kwotę utraconego lub zyskanego przychodu. GA4 to narzędzie, które pozwala te punkty procentowe znaleźć i z nimi coś zrobić. Warunek jest jeden: musi być poprawnie skonfigurowane i regularnie używane.

‍