W CRM , GA4 i systemach reklamowych widzę zupełnie inną liczbę konwersji – dlaczego?

Mierzenie konwersji w kampaniach marketingowych w Internecie jest standardem.  To kluczowy aspekt dla oceny efektywności kampanii, stron internetowych, ale także dla systemów AI, które podejmują za nas coraz to więcej ważnych decyzji. Z drugiej strony, dane o konwersjach z różnych źródeł, często diametralnie się od siebie różnią, co może prowadzić do dezorientacji. Które dane są prawdziwe? Jak podejść do tego problemu? Dlaczego tak się dzieje? W tym artykule omówię najczęstsze przyczyny takich rozbieżności i przedstawię wskazówki, jak maksymalnie zmniejszyć ich poziom.

Uwaga: W ostatnim czasie Google zmienił nazewnictwo w Google Analytics 4 – dawne „konwersje” nazywają się teraz kluczowymi eventami. „Nowe konwersje” widoczne w raportach to kluczowe eventy, które zostały zaimportowane do Google Ads.

Z czego mogą wynikać różnice między konwersjami (kluczowymi eventami) raportowanymi w GA4 i w innych narzędziach? Oto lista 6 najczęstszych przyczyn różnic, z którymi spotykamy się podczas codziennych analiz.

#1 Opóźnienia w raportowaniu

Dane o konwersjach i kluczowych eventach w GA4, mogą być procesowane od kilku do kilkudziesięciu godzin. W CRM ten czas może być inny. Może to utrudniać analizę danych w czasie rzeczywistym i powodować różnice na poziomie narzędzi.

Rozwiązanie:

• Ustal realistyczne oczekiwania co do czasu raportowania danych.
• Pomijaj w analizie, porównaniu danych ostatnie 48 godzin (czas na przeprocesowanie danych w GA4)

#2 Błędy w konfiguracji:

Błędy w konfiguracji narzędzi analitycznych mogą prowadzić do błędnych danych o konwersjach. Ważne jest, aby zwracać uwagę na szczegóły i regularnie - raz w miesiącu, minimalnie raz na kwartał - sprawdzać dane pod tym kątem.

Przegląd GTM, audyty ustawień narzędzi, sprawdzenie warstwy danych, poprawne umieszczenie kodu GA4 na wszystkich stronach – to podstawy działań związanych z utrzymaniem wdrożenia. Warto ustawić sobie alerty, które przyślą wiadomość, gdy liczba transakcji czy kluczowych eventów spadnie poniżej konkretnego poziomu lub będzie dużo niższa niż w poprzednim tygodniu.

Rozwiązanie:

• Wdróż procedury kontroli jakości danych analitycznych.
• Przeszkól pracowników IT/Analityków w zakresie utrzymania wdrożenia i określ co i z jaką częstotliwością powinno być sprawdzane
• Przygotuj dokumentację wdrożenia i dbaj o jej aktualność

#3 Definicje

Pojęcie konwersji może być interpretowane na wiele sposobów. Różne akcje użytkownika mogą kryć się pod nazwą konwersja. Na przykład, dla sklepu internetowego konwersją może być zakup produktu przez stronę, rejestracja na newsletter za pomocą formularza. W CRM możemy przechowywać pod tą nazwą, trochę inne dane – zakup może być zliczany jako zakup po otrzymaniu płatności z banku lub po potwierdzeniu przez client service, a rejestracja po kliknięciu w mail potwierdzający. Różne narzędzia analityczne mogą stosować różne definicje, co utrudnia, a wręcz uniemożliwia porównywanie danych.  

Rozwiązanie:

• Dokładnie zdefiniuj (w dokumentacji), co stanowi konwersję dla Twojego biznesu i upewnij się, że wszystkie narzędzia analityczne używają tej samej definicji.

#4 Sprawdź bramki Płatności i liczbę zwrotów

Bramka płatności to pośrednik w procesie płatności online, który wpływa na dane o konwersjach. Użytkownik często nie wraca na stronę sklepu po udanej płatności – w niektórych konfiguracjach nie zliczymy w takim wypadku transakcji. Częstym problemem jest fakt, że niektóre formy płatności nie są poprawnie otagowane.

Porównanie danych o liczbach transakcji z poszczególnych sposobów płatności, pomiędzy CRM i GA4 to najlepsza metoda, żeby sprawdzić czy nie brakuje nam danych. Wyeksportujmy dane o transakcjach i ich numerach, za pełny tydzień i sprawdźmy, czy każda forma płatności obecna w CRM, ma reprezentację w GA4 i czy którejś z nich nam nie brakuje.  

Dodatkowo warto sprawdzić też, czy do GA4 przesyłamy informację o zwrotach i anulowaniach transakcji – w niektórych branżach mogą one znacząco zmieniać liczbę konwersji.

Rozwiązanie:

• Porównaj liczby transakcji w CRM i narzędziach analitycznych podzielone pod kątem różnych form transakcji.
• Analizuj wskaźniki zwrotów i anulacji, aby zrozumieć ich wpływ na dane o konwersjach.
• Przesyłaj dane o anulowanych transakcjach do GA4 za pomocą measurment protocol lub importu danych.
• Mierz w dodatkowym zdarzeniu także zakup bez płatności – pozwoli to zarejestrować osoby, które przeszły przez cały proces i z jakiegoś powodu nie opłaciły zakupu – może to być wartościowa grupa remarketingowa.

#5 Problemy z technologią

Do śledzenia konwersji stosowane są różne metody: pliki cookie, piksele śledzące i kody JavaScript dodające kod śledzący na stronie. Każda z tych metod ma swoje wady i zalety, co może wpływać na dokładność danych – często na niekorzyść w porównaniu z firmowym CRMem. Przykładowo, pliki cookie mogą być usunięte przez użytkowników (czyszczenie danych), przez przeglądarkę (np. safari czyści pliki cookies regularnie). Dodatkowo użytkownicy przeglądarki Brave lub adblockerów (np. Adblock Plus) mogą blokować skrypty JavaScript, a nawet cały kontener GTM. W tej sytuacji w CRM zobaczymy konwersje/transakcje podczas gdy do GA4 nie popłyną żadne dane.

Rozwiązanie:

• Nie traktuj GA4 jako narzędzia służącego do analizy danych bezwzględnych – patrz na trendy i zmiany.
• Stosuj kombinację różnych metod śledzenia i porównuj je między sobą.
• Rozważ wdrożenie GA4 za pomocą SST (server site tagging) żeby ograniczyć działania adblocków.
• Przekazuj informacji o przeglądarce/metodzie płatności czy kraju transakcji do CRM. Umożliwi to późniejsze porównanie danych z CRM z danymi GA4 i identyfikację potencjalnych rozbieżności.

#6 Prywatność i Consent Mode v2

Najpopularniejszy z powodów różnic w danych w 2023-2024 – brak zgody użytkowników na śledzenie. Jeżeli prawidłowo wdrożyliśmy Consent Mode v2 (CoMo v2 ), to możemy odzyskać znaczną część utraconych danych. Jak to działa? W przypadku braku zgody użytkownika na śledzenie, GA4 może wysyłać anonimowe sygnały do swoich serwerów. Dane te są następnie modelowane przy użyciu sztucznej inteligencji, aby oszacować całkowitą liczbę konwersji, do których doszło, ale nie zostały poprawnie zmierzone. Innymi słowy Consent Mode zasypuje dziurę, która pojawiła się z uwagi na brak zgód użytkowników. Modelowane dane mogą zmniejszać liczbę utraconych konwersji i wpływać na zmniejszenie różnic w porównaniu z CRMem. Niestety – w GA4, nie ma możliwości sprawdzenia, które konwersje są oparte na modelowaniu danych, a które są „normalnymi” konwersjami. Pamiętaj też że modelowanych danych nie znajdziesz w danych surowych, które prześlesz do BigQuery.

Rozwiązanie:

• Wdróż CoMo v2 w wersji advanced.
• Przełącz tożsamość na potrzeby raportowania na mieszaną (ang Blended) – umożliwi to modelowanie danych.

Podsumowanie

Różnice w danych o konwersjach (kluczowych eventach) są normalnym zjawiskiem. Przeglądając raporty z różnych źródeł trudno odgadnąć, które są bardziej prawdziwe. Pamiętaj  – GA4 nie służy do analizy wartości bezwzględnych. Po odpowiedniej konfiguracji sprawdzi się za to, przy rozpoznawaniu źródeł ruchu i analizie trendów z nimi związanych. Zrozumienie 6 podstawowych opisanych przyczyn, może pomóc w lepszej interpretacji danych i podejmowaniu trafniejszych decyzji. Ważne aby znać definicje, ograniczenia i specyfikę narzędzia i danych w nim zbieranych.