Ania szuka butów do biegania. W poniedziałek wieczorem przewija Instagrama i widzi reklamę sklepu obuwniczego - nie klika, scrolluje dalej. Tydzień później wpisuje w Google „buty do biegania damskie”, klika w wynik organiczny bloga sklepu, czyta poradnik, zamyka kartę. Trzy dni później wraca, wpisuje nazwę marki w Google, klika w reklamę brandową i kupuje. Pytanie „który kanał sprzedał te buty” jest źle postawione - żaden kanał nie sprzedał ich sam. Sprzedała je cała sekwencja kontaktów, a atrybucja to sposób księgowania zasługi między nimi, nie odpowiedź na pytanie „co działa”.
Ten sam przykład będzie towarzyszył całemu tekstowi. Zobaczysz na nim, dlaczego domyślny raport w Google Analytics 4 potrafi skłócić dział marketingu, jak czytać modele atrybucji bez żadnych wzorów i gdzie w GA4 w ogóle szukać tych danych. Jeśli dopiero zaczynasz z GA4, sprawdź wcześniej, które liczby w GA4 faktycznie warto śledzić jako właściciel firmy - atrybucja ma sens dopiero, gdy podstawy już działają.
Dlaczego ostatnie kliknięcie kłamie
Domyślne raportowanie konwersji w większości narzędzi analitycznych liczy sprzedaż tam, gdzie padło ostatnie kliknięcie przed zakupem. W przykładzie Ani to reklama brandowa w Google Ads. Ona dostaje całą zasługę. Instagram i SEO - zero.
To wygląda jak fakt, a jest artefakt sposobu liczenia. Reklama brandowa wygrywa w last click niemal zawsze, bo ludzie klikają w nią dopiero wtedy, gdy już wiedzą, czego szukają i jak nazywa się marka. To nie dowód, że reklama brandowa „sprzedaje” - to dowód, że stoi ostatnia w kolejce. Kanały, które domykają sprzedaż, systemowo wyglądają w last click lepiej, niż są w rzeczywistości. Kanały, które otwierają ścieżkę, jak social czy pierwsze wejście z reklamy, wyglądają na zbędne, bo rzadko są ostatnim krokiem, nawet jeśli bez nich Ania nigdy by o sklepie nie usłyszała.
Efekt praktyczny: firma patrzy na last click, widzi, że Instagram „nie konwertuje”, wyłącza budżet - i traci kanał, który w ogóle wprowadzał ludzi do lejka.
Modele atrybucji po ludzku
Model atrybucji to reguła, według której system dzieli zasługę za konwersję między punkty kontaktu na ścieżce. W przykładzie Ani są trzy kontakty: Instagram, SEO, reklama brandowa. Każdy model inaczej odpowie na pytanie, komu przypisać sprzedaż.
- Ostatnie kliknięcie - cała zasługa dla reklamy brandowej, bo to ostatni krok przed zakupem. Instagram i SEO nie dostają nic.
- Pierwsze kliknięcie - cała zasługa dla Instagrama, bo to on pierwszy zbudował świadomość. Reklama brandowa i SEO wychodzą na zero.
- Model liniowy - zasługa rozkłada się po równo na wszystkie trzy kontakty. Nikt nie dostaje zera, ale nikt też nie dostaje uczciwej wagi, bo model zakłada, że każdy kontakt znaczył tyle samo.
- Model oparty na danych (data-driven attribution, DDA) - system uczy się na realnych ścieżkach, ile faktycznie waży każdy kontakt, zamiast zakładać to z góry.
Czwarty model wart jest dłuższego wyjaśnienia, bo to jedyny w pełni algorytmiczny model, który dziś faktycznie działa w GA4. Według dokumentacji Google, atrybucja oparta na danych rozdziela zasługę na podstawie danych zebranych dla każdego zdarzenia kluczowego - system porównuje ścieżki użytkowników, którzy dokonali konwersji, ze ścieżkami tych, którzy jej nie dokonali, i ocenia, jak dodanie danej interakcji reklamowej zmienia szacowane prawdopodobieństwo konwersji. Pod uwagę bierze między innymi czas od zdarzenia, typ urządzenia, liczbę i kolejność interakcji oraz typ kreacji.
Model atrybucji oparty na danych przypisuje zasługę na podstawie tego, jak dodanie każdej interakcji reklamowej do ścieżki zmienia oszacowane prawdopodobieństwo zdarzenia kluczowego - tak działanie DDA opisuje dokumentacja Google Analytics.
Uwaga porządkująca, bo w wielu poradnikach o GA4 krąży nieaktualna informacja: pierwsze kliknięcie, model liniowy, malejący udział w czasie i model oparty na pozycji zniknęły z GA4 jako opcje do wyboru w listopadzie 2023 roku. Zostały dwa typy modeli: atrybucja oparta na danych oraz atrybucja regułowa ostatniego kliknięcia w dwóch wariantach, dla wszystkich kanałów albo tylko dla płatnych kanałów Google. Modele z listy wyżej wciąż świetnie tłumaczą samą zasadę działania atrybucji, ale w interfejsie GA4 do wyboru zostały już tylko te dwa podejścia regułowe plus DDA jako rozwiązanie domyślne.
| Model | Instagram (otwiera ścieżkę) | SEO (środek ścieżki) | Reklama brandowa (zamyka ścieżkę) |
|---|---|---|---|
| Ostatnie kliknięcie | brak zasługi | brak zasługi | cała zasługa |
| Pierwsze kliknięcie | cała zasługa | brak zasługi | brak zasługi |
| Model liniowy | część zasługi | część zasługi | część zasługi |
| Oparty na danych (DDA) | zasługa według wpływu | zasługa według wpływu | zasługa według wpływu |
Gdzie to zobaczyć w GA4
Raporty atrybucji siedzą w GA4 osobno od standardowych raportów pozyskania, więc łatwo o nich zapomnieć. Ścieżka w interfejsie: menu Reklamy po lewej stronie, potem sekcja Atrybucja. Znajdziesz tam dwa raporty.
Ścieżki atrybucji zdarzeń kluczowych pokazują realne sekwencje kontaktów przed konwersją - dokładnie to, co przeszła Ania: Instagram, potem SEO, potem reklama brandowa. Raport ma wizualizację pokazującą, które kanały zwykle otwierają ścieżkę, które są w środku, a które zamykają, oraz tabelę z liczbą zdarzeń kluczowych, przychodem, liczbą dni do konwersji i liczbą punktów kontaktu. Dane oglądasz według głównej grupy kanałów, źródła, medium albo kampanii.
Modele atrybucji zdarzeń kluczowych, czyli porównanie modeli, pozwalają zestawić te same konwersje policzone różnymi modelami obok siebie. To najszybszy sposób, żeby zobaczyć, ile zasługi Instagram traci w last click w porównaniu z DDA - i czy w ogóle warto się tym przejmować przy Twojej skali ruchu.
Dostęp do zmiany ustawień atrybucji, w tym okna konwersji opisanego niżej, wymaga roli Marketer lub wyższej na poziomie usługi - same ustawienia znajdziesz w Administracji, w sekcji Wyświetlanie danych.
Okno konwersji i ścieżki wielodniowe
Ścieżka Ani trwała około trzech tygodni, od reklamy na Instagramie do zakupu. Żeby GA4 w ogóle połączył te trzy kontakty w jedną ścieżkę, muszą zmieścić się w tak zwanym oknie konwersji, po angielsku lookback window. Poza tym oknem system nie cofnie się po wcześniejszy kontakt - potraktuje zakup tak, jakby ścieżka zaczynała się od ostatniego widocznego kroku.
W GA4 okno konwersji ustawia się osobno dla dwóch grup zdarzeń. Dla zdarzeń pozyskania, czyli pierwszej wizyty lub pierwszego otwarcia aplikacji, domyślne okno to 30 dni, z możliwością skrócenia do 7. Dla pozostałych zdarzeń kluczowych, czyli w praktyce dla większości zakupów, domyślne okno to 90 dni, z opcją skrócenia do 30 albo 60. Zmiana ustawień działa tylko na dane od momentu zapisania, nie przelicza historii wstecz.
Dla sklepu z butami 90 dni zwykle wystarcza z zapasem. Dla biznesu, w którym decyzja zapada tego samego dnia, na przykład przy promocjach flash, krótsze okno bywa czytelniejsze - nie miesza w statystykach przypadkowych kontaktów sprzed miesięcy, które nic nie znaczyły dla konkretnej decyzji.
Praktyczne decyzje: czego nie robić
Największy błąd, jaki widzimy przy pracy z klientami PremiumAds: wyłączanie kanału, bo w standardowym raporcie last click „nie konwertuje”. Jeśli Instagram Ani wygląda na zero konwersji w last click, a jednocześnie w raporcie ścieżek atrybucji regularnie pojawia się jako pierwszy kontakt przed zakupami z innych kanałów, wyłączenie go nie oszczędzi budżetu, tylko wytnie górę lejka. Sprzedaż spadnie po kilku tygodniach, kiedy zabraknie osób, które ten kanał w ogóle wprowadził do lejka.
Zamiast last click sprawdzaj konwersje wspomagane albo wprost raport ścieżek atrybucji. Konwersja wspomagana pokazuje, ile razy dany kanał był na ścieżce do zakupu, ale nie był ostatnim kliknięciem. Wysoka liczba konwersji wspomaganych przy niskiej liczbie konwersji last click to sygnał kanału górolejkowego, a nie bezużytecznego. Taki kanał oceniasz inaczej niż kanał domykający - po tym, czy w jego obecności rośnie liczba nowych ścieżek w ogóle, nie po tym, czy sam zamyka sprzedaż.
Druga zasada: nie przenoś całego budżetu w ciemno na to, co pokazuje DDA. Algorytm potrzebuje wystarczającej liczby konwersji, żeby mieć na czym się uczyć - przy kilku zakupach miesięcznie wyniki bywają niestabilne. To wciąż lepszy punkt startu niż last click, ale czytaj go razem z raportem porównania modeli, nie w oderwaniu od niego.
Ograniczenia atrybucji w świecie zgód cookies
Cały opisany wyżej mechanizm zakłada, że GA4 widzi każdy kontakt Ani z marką. W praktyce część ścieżki bywa niewidoczna, bo przy jednej z wizyt Ania mogła nie zaakceptować cookies analitycznych w banerze zgody - wtedy ten konkretny krok nie zostanie zapisany jako część jej ścieżki. Skalę problemu, jaki generują źle wdrożone banery zgody, opisaliśmy szerzej w tekście o tym, jak spadek konwersji po wdrożeniu banera cookies potrafi zafałszować raporty.
Google Analytics łata te dziury modelowaniem. Gdy użytkownik odrzuci zgodę, GA4 może zamiast pełnych danych wysyłać tak zwane cookieless pingi - podstawowe sygnały bez trwałego identyfikatora, jak znacznik czasu, typ przeglądarki czy referrer. Na tej podstawie system dobudowuje przybliżony obraz zachowań i konwersji dla osób, które nie wyraziły zgody, bazując na wzorcach osób, które zgodę wyraziły. Modelowanie behawioralne i modelowanie konwersji uzupełniają luki, ale nie odtwarzają dokładnej ścieżki - są szacunkiem, nie zapisem faktycznego kliknięcia.
Dla atrybucji oznacza to jedno: przy niskim wskaźniku zgód raporty ścieżek i porównania modeli robią się mniej precyzyjne, bo część rzeczywistych punktów kontaktu nigdy nie trafia do surowych danych, tylko do statystycznego przybliżenia. To nie powód, żeby ignorować atrybucję. To powód, żeby traktować ją jako najlepsze dostępne przybliżenie, nie księgowość co do grosza, i pilnować jakości wdrożenia zgody na cookies tak samo jak jakości samych kampanii.
Źródła
- Google Analytics Pomoc - Key event attribution models: jak działa atrybucja oparta na danych
- Google Analytics Pomoc - lista modeli atrybucji i wycofanie modeli klasycznych w listopadzie 2023
- Google Analytics Pomoc - Select attribution settings: okno konwersji (lookback window)
- Google Analytics Pomoc - Key event attribution paths report
- Google Analytics Pomoc - modelowanie danych behawioralnych i konwersji przy braku zgody na cookies
Jeśli po przeczytaniu tego tekstu wciąż nie wiesz, czy Twoje raporty w GA4 pokazują prawdziwy obraz ścieżek klientów, czy tylko ostatnie kliknięcie, to dobry moment na przegląd konfiguracji. Zespół analityki GA4 w PremiumAds ustawia raporty atrybucji, okna konwersji i modelowanie zgód tak, żeby liczby odpowiadały na pytania, które faktycznie zadajesz. Napisz przez stronę kontakt i umówmy przegląd Twojego konta.
