Shopify vs GA4: dlaczego przychody się nie zgadzają (i jak to naprawić)

rawie każdy merchant Shopify, z którym pracujemy, prędzej czy później zadaje to samo pytanie: „Dlaczego Google Analytics pokazuje inny przychód niż Shopify?"

Zaczyna się niewinnie. Ktoś porównuje przychód z zeszłego miesiąca w GA4 z panelem Shopify i znajduje lukę rzędu 15–30%. Sesje też się nie zgadzają. Połowa zakupów w GA4 wisi pod direct / (none) — co w języku analityki znaczy „nie mamy pojęcia, skąd przyszedł ten klient". A płatne kanały, które realnie napędzają wzrost, wyglądają w raportach podejrzanie słabo w porównaniu z tym, co twierdzą panele reklamowe.

Te pytania wracały do nas od klientów regularnie — i przez pewien czas nie mieliśmy odpowiedzi, które by nas w pełni satysfakcjonowały. Więc zaczęliśmy drążyć: jak naprawdę raportuje dane checkout Shopify, co dokładnie psuje się między przeglądarką a GA4 i co właściwie robi Littledata — narzędzie, które dziś aktywnie polecamy. Ten artykuł to efekt tamtego drążenia: na czym naprawdę polega problem, jak rozwiązuje go Littledata i — co najważniejsze — co konkretnie można zrobić z naprawionymi danymi w Klaviyo, Google Ads, Meta i samym GA4.

‍

Dlaczego Shopify i GA4 nigdy same się nie dogadają

Rozjazd między Shopify Analytics a GA4 nie jest błędem konfiguracji, który da się wyklikać. Jest strukturalny. Kilka najważniejszych powodów:

Checkout znika z radaru. Typowa sesja zaczyna się w przeglądarce: odsłony, widoki produktów, dodania do koszyka — wszystko odpala się client-side i dociera do GA4. Ale w momencie, gdy klient wchodzi w checkout Shopify, wszystko przenosi się na stronę serwera. Ze względów prywatności serwer Shopify blokuje przeglądarce wysyłanie danych do narzędzi zewnętrznych — GA4 włącznie. Najcenniejszy fragment lejka to dokładnie ten, w którym standardowy tracking traci klienta z oczu. Co gorsza, te serwerowe zdarzenia trafiają do GA4 często jako nowe sesje bez źródła — i dlatego tyle przychodu z checkoutu ląduje w direct / (none) albo (not set).

Przeglądarki i ad blockery zjadają Twoje tagi. Intelligent Tracking Prevention w Safari skraca życie cookies do 7 dni, Brave blokuje trackery z definicji, a ad blockery po prostu nie pozwalają tagom GA4 i Google Ads się odpalić. Nawet na jednym urządzeniu wiele sklepów raportuje przez tagi client-side tylko około 60–70% rzeczywistych konwersji.

Podróże między urządzeniami zrywają wątek. Klientka klika reklamę na Instagramie na telefonie, a kupuje wieczorem na laptopie. Dla trackingu client-side to dwie niepowiązane osoby. Badanie Google z Boston Consulting Group wykazało, że bez rozszerzonych metod pomiaru około 70% konwersji cross-device pozostaje niezmierzonych.

Zgody dokładają lukę prawną. W ramach RODO tracking może ruszyć dopiero po zgodzie użytkownika. Ci, którzy jej nie wyrażą, są dla GA4 niewidzialni — i tej luki żadne narzędzie nie zamknie (ani nie powinno).

A nawet sesje liczone są inaczej. Shopify nie „sesjonizuje" zdarzeń serwerowych tak, jak oczekuje tego GA4 — aktywność od dodania do koszyka wzwyż potrafi sztucznie pompować liczbę sesji w Shopify, podczas gdy GA4 zaniża konwersje. Kończysz z dwoma dashboardami, dwiema wersjami rzeczywistości i zespołem, który nie ufa żadnej z nich.

Praktyczna konsekwencja jest gorsza niż bałagan w raportach. Twoje algorytmy marketingowe uczą się na niekompletnych danych. Smart Bidding Google'a i algorytmy Mety optymalizują pod konwersje, które widzą. Jeśli 30% konwersji jest niewidocznych, algorytm systematycznie zaniża wartość kampanii, odbiorców i słów kluczowych, które je faktycznie wygenerowały — i po cichu przesuwa budżet tam, gdzie tracking akurat działa najlepiej, a nie tam, gdzie jest najlepszy wynik.

Co właściwie robi Littledata

Littledata to aplikacja Shopify, która zastępuje kruchy tracking przeglądarkowy modelem hybrydowym: lekki client-side do zachowań zakupowych na stronie plus server-side tracking do wszystkiego, co ma wagę biznesową.

Server-side tracking oznacza, że dane w ogóle nie podróżują przez przeglądarkę klienta. Gdy pada zamówienie, serwer Shopify informuje serwer Littledata, a ten przekazuje zdarzenie prosto do miejsc docelowych — GA4, Google Ads, Meta, Klaviyo, TikTok, Pinterest i innych. Ad blockery, ITP i mechanizmy prywatności przeglądarek nie mają czego blokować, bo w przeglądarce nic się nie dzieje.

Konkretnie, Littledata:

• Śledzi cały lejek checkoutu po stronie serwera — begin_checkout, add_shipping_info, add_payment_info, purchase, refund, a nawet upselle post-purchase — zdarzenia, które standardowe wdrożenia gubią w całości.
• Zszywa sesje. Sesja client-side zostaje zidentyfikowana, a wszystkie kolejne zdarzenia serwerowe są przypinane z powrotem do niej. GA4 dostaje poprawnie „zsesjonizowane" dane — zakup jest przypisany do reklamy na Facebooku, która zaczęła tę podróż, a nie do direct / (none).
• Wzbogaca każde zdarzenie o kontekst klienta: lifetime revenue, liczbę zakupów, datę ostatniej transakcji, tagi zamówienia (affiliation), Shopify Market — wysyłane jako custom dimensions, po których można segmentować.
• Poprawnie śledzi subskrypcje. Odnowienia dzieją się w całości na serwerze, bez żadnej sesji; Littledata je wychwytuje, a dzięki funkcji Attribution Boost przypisuje każde odnowienie do kanału, który pierwotnie pozyskał subskrybenta.
• Jest z założenia zgodna z RODO. Littledata integruje się z Customer Privacy API Shopify i Google Consent Mode v2, więc wybory dotyczące zgód są respektowane w całym pipelinie.

To hydraulika. Teraz ciekawsza część: co zmienia się w każdej platformie marketingowej, gdy dane są kompletne.

Klaviyo: łapiesz klientów, których Twoje flow nigdy nie widziały

Około 70% koszyków w e-commerce jest porzucanych — metaanaliza 50 badań Baymard Institute wskazuje średnio 70,22%, a wartość ta od dekady praktycznie się nie rusza. Flow porzuceń w Klaviyo to sposób, w jaki większość marek Shopify odzyskuje część tego przychodu. Jest jednak haczyk, z którego mało kto zdaje sobie sprawę: flow w Klaviyo odpali się tylko wtedy, gdy client-side tracking Klaviyo zobaczył zdarzenie-trigger i umiał je dopasować do znanego profilu. Każdy klient ukryty za ad blockerem albo mechanizmami prywatności Safari to klient, do którego Twój mail o porzuconym koszyku nigdy nie dotrze.

Littledata wysyła do Klaviyo serwerowe wersje kluczowych zdarzeń — Viewed Product – Littledata, Added to Cart – Littledata, Checkout Started – Littledata — jako zamienniki natywnych triggerów 1:1, ze zgodnym schematem danych, więc niczego nie trzeba przemapowywać w szablonach. W połączeniu z rozszerzoną identyfikacją użytkowników (łączenie anonimowych sesji z profilami, które wcześniej zapisały się na maile) Twoje flow po prostu widzą więcej ludzi. Według danych Littledata marki przechodzące na te triggery notują typowo około 40% lepszą skuteczność flow. Szczególnie mocny przypadek to checkout abandonment: Littledata potrafi rozpoznać powracającego klienta wchodzącego do checkoutu zanim ten wpisze adres e-mail — czego natywny tracking nie umie — docierając tym jednym flow nawet do 30% osób więcej.

‍

Najlepsze: tę obietnicę można przetestować A/B

Case studies Littledata pokazują wzrosty przychodu z flow porzuceń od +27% do +128% (One Bone +128%, UCAN +110%, Smith Teamaker +95%). Zdrowy sceptycyzm wobec case studies vendora jest uzasadniony — i właśnie dlatego warto skopiować procedurę walidacji, którą Littledata sama rekomenduje:

1. Sklonuj istniejący flow (browse, cart lub checkout abandonment) i ustaw zdarzenie Littledata jako trigger klona.
2. Daj priorytet oryginalnemu flow, dodając w klonie filtry profili: np. dla checkout abandonment do klona wchodzą tylko profile, dla których natywny Checkout Started odpalił się zero razy w ciągu ostatniej godziny, a Placed Order zero razy od wejścia do flow.
3. Puść oba równolegle. Oryginalny flow łapie wszystkich, których łapał zawsze. Klon z triggerem Littledata łapie wyłącznie tych, których natywny tracking przegapił.

Każdy mail wysłany — i każda złotówka zarobiona — przez sklonowany flow to czysty, inkrementalny wzrost, zmierzony na Twoim sklepie i Twoim ruchu. Zero wiary w benchmarki vendora. Gdy zobaczysz liczby, pauzujesz oryginalny flow i oddajesz stery triggerom Littledata.

Jeszcze jedna praktyczna perełka: Littledata dokleja do zdarzenia Added to Cart permalink checkout_url. Twoje maile o porzuconym koszyku mogą linkować prosto do wypełnionego checkoutu — {{ event.extra.checkout_url }}?payment=shop_pay&discount=15off otwiera go od razu w Shop Pay z naliczonym rabatem — i działa między przeglądarkami i urządzeniami, tam gdzie natywny link Klaviyo często się wysypuje.

Google Ads: karmisz algorytm pełnym obrazem

Są dwa klasyczne sposoby wpięcia konwersji Shopify do Google Ads: aplikacja kanału Google & YouTube (tag client-side) albo import kluczowych zdarzeń z GA4. Oba kiedyś działały świetnie. Oba dziś przeciekają — z powodów opisanych wyżej: ad blockery, ITP, zgody, podróże cross-device.

Szkoda kumuluje się w sposób łatwy do przeoczenia. Klient klika reklamę, wchodzi na stronę, kupuje — ale konwersja nigdy nie wraca do Google. Smart Bidding, który uczeniem maszynowym ustawia Twoje stawki w każdej pojedynczej aukcji, uznaje ten klik za bezwartościowy. Pomnóż to przez tysiące kliknięć i algorytm trenuje się na systematycznie błędnych danych.

Pułapka niewidzialnego ROAS-u

Scenariusz, który nas przekonał, że to naprawdę boli — w okrągłych liczbach:

‍

Ta sama kampania, ci sami klienci, te same pieniądze na koncie. Ale przy raportowanym 3,5x niejeden marketing manager utnie budżet — albo ubije kampanię. To ukryty koszt złej atrybucji: nie tylko nieoptymalne stawki, ale pewne siebie ludzkie decyzje podejmowane na błędnych liczbach.

Co Littledata robi inaczej

Littledata wysyła konwersje bezpośrednio z serwera Shopify do Google Ads przez conversions API, wzbogacone o zahashowane dane first-party pod dopasowanie Enhanced Conversions. Nic nie przechodzi przez przeglądarkę. Na koncie pojawiają się cztery nowe akcje konwersji:

• Purchase – Littledata
• New customer purchase – Littledata
• Returning customer purchase – Littledata
• View item – Littledata

‍

Jeden krok konfiguracji, który robi różnicę: ustaw zakup Littledata jako konwersję główną (primary), a dotychczasowe zdegraduj do drugorzędnych (secondary). Smart Bidding optymalizuje pod konwersje główne; drugorzędne są tylko obserwacyjne. Pomiń ten krok, a kupisz lepsze dane, ale algorytm dalej będzie jadł starą dietę.

Opublikowane benchmarki są spójne: server-side tracking i Enhanced Conversions odzyskują mniej więcej 15–30% wcześniej niewidocznych konwersji, a gdy Smart Bidding przetrenuje się na większym zbiorze, wynikowy wzrost przychodu wynosi typowo 8–15% — dokumentacja Littledata nazywa ~10% konserwatywnym punktem wyjścia. Dla kontekstu: ASOS zanotował 8,6% wzrostu sprzedaży z Search po samych Enhanced Conversions — mając setup trackingowy znacznie powyżej średniej już na starcie.

Bonus remarketingowy

Ponieważ Littledata wpycha do GA4 custom dimensions na poziomie klienta (purchase_count_ld, lifetime_revenue_ld, last_transaction_date_ld, affiliation/tagi zamówień), możesz budować segmenty GA4 — a z nich odbiorców Google Ads — których natywne setupy po prostu nie umieją wyrazić:

• nowi klienci vs powracający vs tacy, którzy nigdy nie kupili (purchase_count_ld = 1, >1, 0)
• dodali do koszyka, ale nigdy nie zaczęli checkoutu
• kupili raz i nigdy nie wrócili (kampanie winback)
• lifetime revenue powyżej X — Twoi VIP-owie albo baza pod listy wykluczeń
• subskrybenci, po affiliation z tagów zamówień — np. wyklucz aktywnych subskrybentów z kampanii akwizycyjnych
• pierwsza wizyta w trakcie BFCM — do sezonowej reaktywacji

Pełna lista zdarzeń serwerowych i parametrów jest w dokumentacji Littledata.

Meta: od „jakiegokolwiek zakupu" do zakupów, na których Ci zależy

Conversions API (CAPI) Mety to rozszerzenie Meta Pixela, nie jego zamiennik — serwerowy kanał, który dostarcza Mecie poprawne zdarzenia także wtedy, gdy Pixel jest blokowany. Meta ocenia jakość tego strumienia wskaźnikiem Event Match Quality (EMQ): jak skutecznie zdarzenia z serwera dopasowują się do realnych kont na Facebooku i Instagramie, w skali do 10. Wyższy EMQ to lepsze targetowanie, lepsze lookalike'i, dokładniejszy raportowany ROAS i finalnie niższy koszt pozyskania — bo reklamy trafiają do właściwych ludzi.

Shopify ma co prawda natywną integrację z Metą, ale płytką: brak serwerowego Add to Cart, brak śledzenia subskrypcji, ograniczona granularność checkoutu. Połączenie CAPI od Littledata domyka te luki i dokłada tę samą warstwę wiedzy o kliencie co po stronie Google: New Customer Purchase i Returning Customer Purchase jako osobne zdarzenia (włącz je w Littledata, potem jednorazowo zweryfikuj w Menedżerze Zdarzeń Meta).

To otwiera trzy zagrania, które warto znać:

1. Płać różne stawki za różnych klientów. Ustaw New Customer Purchase jako cel optymalizacji na poziomie zestawu reklam, a algorytm Mety zacznie aktywnie polować na ludzi, którzy nigdy u Ciebie nie kupili. CPA wzrośnie — pozyskanie obcego kosztuje więcej niż domknięcie fana — ale zyskujesz pewność, że budżet akwizycyjny kupuje akwizycję, a nie łatwe konwersje od powracających klientów, którzy i tak by kupili.

2. Optymalizuj pod wartość, nie tylko wolumen. Zostawiona z celem „jakikolwiek zakup", Meta znajduje łowców okazji — najtańsze dostępne konwersje. Ponieważ Littledata przekazuje Mecie wartość każdego kolejnego zakupu, algorytm uczy się, jak wyglądają Twoi najlepsi klienci, i szuka ich kopii. Przestajesz licytować o zamówienia, zaczynasz licytować o klientów.

3. Zobacz prawdziwe LTV swoich kreacji. Jeśli sprzedajesz subskrypcje (suplementy, kosmetyki, catering), Littledata wysyła do Mety każde odnowienie — mimo że dzieje się ono całkowicie w tle, bez wizyty na stronie — a Meta przypisuje tę wartość do pierwotnej reklamy, która pozyskała subskrybenta. Kampania nieopłacalna po ROAS-ie z pierwszego zakupu (100 zł za pozyskanie, 80 zł pierwsze zamówienie) potrafi okazać się Twoją najlepszą, gdy zobaczysz przy niej 400 zł lifetime value.

Jedno uczciwe zastrzeżenie: nawet przy identycznych danych płynących do obu platform GA4 i Meta wciąż pokażą różne liczby konwersji. Stosują inne modele i okna atrybucji. To nie awaria trackingu — to dwóch sędziów oceniających ten sam mecz według różnych przepisów. Wybierz swoje źródło prawdy do decyzji cross-channel (my stawiamy na GA4 zasilane danymi serwerowymi), a liczb z paneli reklamowych używaj do optymalizacji wewnątrz platform.

GA4: raporty, które nagle stają się możliwe

Naprawa dopływu danych to jedno; nagrodą jest to, co GA4 potrafi teraz powiedzieć. Kilka raportów, które z „niewiarygodnych" stają się „decyzyjne" przy kompletnych danych serwerowych:

Lifetime value klienta per kanał. Custom dimensions Littledata pozwalają zbudować raporty LTV segmentowane po źródle pozyskania — widzisz np., że klient z organica jest wart 2x więcej niż klient z paid social w horyzoncie 12 miesięcy, i ustawiasz budżety kanałów (oraz docelowe CPA) odpowiednio.

Atrybucja przychodu subskrypcyjnego. Odnowienia są przypinane do pierwotnego kanału pozyskania. Wreszcie widzisz, które kampanie produkują subskrybentów, a nie tylko pierwsze zamówienia.

Przychód netto, nie brutto. Littledata nasłuchuje webhooków panelu Shopify, więc zwroty pojawiają się w GA4 jako ujemne zdarzenia przychodu. Produkty z wysokim wskaźnikiem zwrotów przestają upiększać Twoje raporty — i decyzje o wydatkach reklamowych.

Lejki konwersji per produkt. Współczynniki widok → koszyk → checkout → zakup per SKU, zbudowane na kompletnych danych z checkoutu. Tak znajduje się produkty warte budżetu reklamowego i karty produktowe, którymi wyciekają pieniądze.

Które pierwsze produkty tworzą najlepszych klientów. Zestawienie produktu z pierwszego zakupu z późniejszym LTV odpowiada na pytanie „który produkt powinienem właściwie reklamować?" — a odpowiedzią często jest produkt „wejściowy", nie bestseller.

Czyste source/medium dla zdarzeń checkoutu — łącznie z mapowaniem po tagach zamówień, bramce płatności czy aplikacji sprzedażowej (Recharge, PayPal, TikTok Shop), żeby raporty kanałów odzwierciedlały rzeczywistość od początku do końca.

No dobrze, ale czy to się opłaca?

Littledata to subskrypcja rozliczana od miesięcznego wolumenu zamówień: plan Flex od 0,35 USD za zamówienie (ok. 1,40 zł), Scale od 159 USD/mies. (ok. 630 zł, 1500 zamówień w cenie) i Plus od 792 USD/mies. (ok. 3150 zł) z zarządzanym onboardingiem (aktualny cennik; rozliczenie w USD przez fakturę Shopify). Wszystkie plany obejmują wszystkie integracje i 30-dniowy darmowy trial.

Uczciwy sposób oceny to zestawienie kosztu z odzyskanym przychodem, a framework jest prosty:

ROI = przychód atrybuowany × oczekiwany wzrost ÷ koszt Littledata

Symulacja: ile może zyskać typowy sklep

Policzmy na konkretach. Weźmy średniej wielkości sklep Shopify robiący 600 000 zł miesięcznie przy AOV 400 zł — 1500 zamówień — z typowym miksem kanałów: 200 000 zł atrybuowane do Google Ads, 160 000 zł do Mety i 32 000 zł z flow porzuceń w Klaviyo. Teraz przyłóżmy benchmarki z tego artykułu: +10% na Google Ads (udokumentowany, konserwatywny punkt wyjścia), +40% na flow porzuceń (dane Littledata) i — ponieważ wzrost z Meta CAPI jest słabiej publicznie zbenchmarkowany — celowo ostrożne +5% na Mecie, czyli połowę tego, co ten sam mechanizm daje na Google.

‍

Przy 1500 zamówieniach miesięcznie ten sklep mieści się w planie Scale za 159 USD/mies. (ok. 630 zł). Czyli mniej więcej 40 000 zł dodatkowego miesięcznego przychodu przy 630 zł kosztu — subskrypcja zwraca się przed lunchem pierwszego dnia miesiąca. A nawet jeśli założysz, że na Twoim sklepie zmaterializuje się tylko jedna trzecia modelowanego wzrostu, wciąż jesteś powyżej 20-krotnego zwrotu.

Dwa uczciwe przypisy do tej symulacji. Wzrosty nie sumują się idealnie — odzyskany klient, który skonwertował z maila o porzuconym koszyku, nie skonwertuje drugi raz z reklamy retargetingowej, więc kanały częściowo konkurują o ten sam odzyskany przychód. I każdy sklep przecieka inaczej: udział ruchu mobilnego, poziom zgód w UE i zachowania cross-device przesuwają te liczby. Traktuj tabelę jako kierunkową, a własny wzrost zmierz metodami poniżej.

Trzy zasady kciuka z naszego doświadczenia:

1. Im więcej wydajesz na paid, tym szybciej się zwraca. Wartość kumuluje się przez Smart Bidding i algorytm Mety; przy małych wydatkach na reklamy i e-mail rachunek jest słabszy.
2. Marki subskrypcyjne to najmocniejszy fit. Śledzenie odnowień i atrybucja LTV rozwiązują problemy, których natywny tracking nie tknie za żadne pieniądze.
3. Zmierz to u siebie. Sklonuj flow w Klaviyo (jak wyżej) dla czystego, inkrementalnego pomiaru e-maila. Dla reklam porównaj 30 dni przychodu atrybuowanego przed i po wdrożeniu, kontrolując sezonowość i zmiany budżetów. Jeśli liczby nie pojawią się na Twoim sklepie — trial nic nie kosztuje.

Podsumowanie

Luka między GA4 a Shopify to nie kosmetyczny problem raportowy — to podatek od każdej decyzji marketingowej. Algorytmy trenowane na 70% prawdy tak właśnie wydają Twój budżet, a menedżerowie patrzący na zaniżony ROAS tną nie te kampanie, co trzeba.

Server-side tracking zamyka większość tej luki, a Littledata to najbardziej kompletna jego implementacja dla Shopify, jaką znaleźliśmy: jeden pipeline zasilający GA4, Google Ads, Metę i Klaviyo tymi samymi kompletnymi, zgodnymi z RODO danymi. Nie sprawi, że wszystkie dashboardy zgodzą się co do miejsca po przecinku — modele atrybucji się różnią, a luka wynikająca ze zgód zostanie z nami na dobre — ale przenosi Cię z etapu kłótni o to, czyje liczby są prawdziwe, do działania na liczbach, którym można ufać.

Jeśli prowadzisz sklep na Shopify, a Twoje raporty GA4 i Shopify rozjeżdżają się o więcej niż kilka procent — właśnie tamtędy po cichu wycieka Twój budżet marketingowy. Chętnie pomożemy sprawdzić, ile dokładnie: czy to audyt trackingu, wdrożenie Littledata, czy poukładanie wniosków, gdy dane już płyną.

wecanfly to agencja Shopify i partner Littledata. Pomagamy markom e-commerce migrować na Shopify i rosnąć na nim — łącznie z doprowadzeniem analityki do stanu, w którym decyzjom o wzroście można naprawdę ufać.

‍

‍