Co musisz wiedzieć o atrybucji w Google Analytics 4?

Prezentacja wyjaśnia, jak działa atrybucja w Google Analytics 4 i czym różnią się trzy poziomy przypisania źródła ruchu: First user source (zakres użytkownika), Session source (zakres sesji) oraz Source (zakres zdarzenia/konwersji). Autor pokazuje, gdzie w GA4 szukać tych informacji, jak interpretować raporty oraz obala kilka mitów związanych z atrybucją w nowej wersji narzędzia. Wstęp przypomina kontekst: 1 lipca 2024 r. dane z Universal Analytics zostaną skasowane, a GA4 ma inną strukturę danych i inną logikę atrybucji. Definiowana jest atrybucja jako przypisanie konwersji lub przychodu do poprzedzających źródeł ruchu, z rozróżnieniem modeli single-touch i multi-touch oraz pojęcia okna konwersji. Kluczowe rozróżnienia omówione w prezentacji: - First user source to źródło pierwszej wizyty użytkownika (nie jest to raport zachowania nowych użytkowników, lecz wszystkich użytkowników w podziale według źródła pierwszej wizyty); jeśli pierwsza wizyta była bezpośrednia, Google Signals może sięgnąć po wcześniejszą interakcję, np. z YouTube. - Session source to źródło sesji, w której wystąpiła konwersja (last-click); wejście z nowego źródła w trakcie trwającej sesji nie zmienia jej źródła. - Source (zakres zdarzenia) — tu i tylko tu działa model atrybucji zdefiniowany w ustawieniach (w GA4 domyślnym modelem jest data-driven, a nie last click). Omówione są też różnice definicji sesji: w Universal Analytics sesja kończyła się o północy lub po 30 minutach bezczynności, a wejście z nowego źródła otwierało nową sesję; w GA4 sesja także trwa 30 minut, ale nowe źródło nie rozpoczyna nowej sesji — jest jednak odnotowane w atrybucji na poziomie zdarzenia. Poruszony zostaje temat conversion hijacking przez kody rabatowe. Zmiany ustawień atrybucji na poziomie zdarzenia są retroaktywne, natomiast na poziomach użytkownika i sesji — nie. Ostatnia część argumentuje, że atrybucja nie odpowiada na pytanie o faktyczny przyrost sprzedaży — do tego potrzebny jest test z grupą kontrolną (geo test). Przytoczony przykład: analiza wyłączenia reklamy wykazała negatywny wpływ -27,22 dziennie (90% przedział ufności od -40,38 do -14,05), a 67% przychodu raportowanego w Google Ads stanowiło faktyczny przyrost przychodów. Prezentacja kierowana jest do osób z podstawową znajomością Analytics, ale zawiera treści przydatne także dla bardziej doświadczonych analityków. Prowadzący: Witold Wrodarczyk (adequate.pl). Materiały uzupełniające: adequate.click/GA4ATRYBUCJA, adequate.click/atrybucjaGA4.