Google Analytics 4 – Część 2 – GA4 vs UA

Czy Google Analytics 4 to rewolucja? O najważniejszych różnicach względem poprzednika – Google Universal Analytics.

W poprzednim artykule pisaliśmy, że Google Analytics 4 to zupełnie inne narzędzie niż jego poprzednik, Google Universal Analytics. Czy faktycznie przejście na GA4 jest nieuniknioną rewolucją, która czeka każdą organizację? Jakie są główne różnice pomiędzy GA4 i Universal Analytics? O tym w poniższym artykule.

UA vs GA4

Zdarzenia i ich parametry w miejsce sesji i wyświetleń stron

Bez dwóch zdań najważniejszą, chociaż na pierwszy rzut oka niewidoczną, zmianą jaką wprowadza GA4 jest model danych. Dotychczas Analytics bazował na sesjach i wyświetleniach stron (pageview). Podejście to adekwatne było w momencie gdy niemal cały ruch odbywał się na stronie internetowej. Google Analytics 4 odpowiadając na rosnący udział ruchu mobilnego, w tym zwłaszcza popularność aplikacji, wprowadza w sercu modelu danych zdarzenia i parametry. Krok ten sprawia, że ruch zarówno ze strony internetowej jak i aplikacji mobilnych, w mierzeniu których sesje nigdy nie miały racji bytu, rejestrowany jest w jeden i ten sam sposób. Dodatkowo umożliwia on rejestrowanie dużo większej liczby zdarzeń i powiązanych z nimi parametrów (limity są na tyle duże, że w większości przypadków firmy nawet się do nich nie zbliżają).

Zmiana modelu danych pozwala więc połączyć, a następnie analizować, ruch ze strony internetowej oraz aplikacji mobilnych. W rezultacie możliwe jest otrzymanie pełnego obrazu użytkownika niezależnie od tego na jakich urządzeniach i w jakiej formie (aplikacja / strona internetowa) styka się on z firmą.

Identyfikacja użytkownika

Kolejną istotną zmianą wprowadzaną przez GA4 jest dokładniejsze śledzenie użytkownika pomiędzy różnymi urządzeniami. Dotychczas Universal Analytics, nawet w przypadku zaawansowanej konfiguracji, dość słabo sobie z tym radził. GA4 umożliwia wielopoziomową identyfikację użytkownika.

Daje on możliwość przesłania do GA4 identyfikatora użytkownika w sytuacji gdy np. zaloguje się on na swoje konto na stronie  / aplikacji. Dodatkowo w przypadku ruchu mobilnego użytkownik identyfikowany jest po unikalnym identyfikatorze urządzenia mobilnego. Wreszcie użytkownik identyfikowany jest poprzez jego historię zachowania w ekosystemie Google (np. logowanie do YouTube) czy też u jego partnerów. Są to tzw. Sygnały (Google Signals).

Dzięki temu zachowanie użytkownika jest raportowane dużo dokładniej umożliwiając precyzyjne analizy wartości użytkownika, ścieżki konwersji czy wreszcie efektywności działań marketingowych poprzez modelowanie atrybucji.

Modele atrybucji i retencja danych

Jedną z ważniejszych funkcjonalności Google Analytics jest możliwość analizy efektywności ruchu ze względu na kanał z jakiego ruch ten trafił. Służą do tego modele atrybucji odpowiednio dzielące liczbę konwersji na źródła wejścia użytkownika. W przypadku Universal Analytics głównym modelem atrybucji był model ostatniego kliknięcia ignorujący ruch bezpośredni (last-click-non-direct). GA4 daje możliwość modyfikacji globalnego modelu atrybucji, w tym wybór modelu data-driven, zwiększając elastyczność dopasowania do specyfiki i wymogów biznesu.

GA4 z drugiej jednak strony ogranicza możliwość retencji danych użytkownika na okres 2 lub 14 miesięcy. W przypadku Universal Analytics wybór i długość retencji danych były znacznie szersze.

Eksport surowych danych i próbkowanie

Rewolucyjną, dotychczas niedostępną dla zwykłych użytkowników Analytics, funkcjonalnością jest bez wątpienia umożliwienie nielimitowanego eksportu surowych danych do hurtowni danych w Google BigQuery. W rezultacie możliwe jest dowolne łączenie danych pomiędzy GA4 i innymi źródłami (np. baza sprzedażowa) czy też elastyczne analizowanie zbieranych danych, w tym budowanie własnych modeli atrybucji, dopasowując raportowanie do własnych potrzeb.

Istotnym problemem przy korzystaniu z Universal Analytics, w przypadku wyboru dłuższych okresów czasu i/lub organizacji o dużym ruchu, było próbkowanie danych.

Analytics ograniczał zatem dane na jakich wykonywał analizy i przy użyciu wylosowanych próbek starał się oszacować realne wyniki. Jak nietrudno się domyślić analizy te obarczone były tym większym błędem im mniejszy udział w całości ruchu miała wylosowana próbka danych. W przypadku GA4 analizy realizowane są na niepróbkowanych danych zapewniając 100% rzetelność względem zebranych danych.

Eksploracja danych i ich wizualizacja

Kolejną istotną zmianą w GA4 jest przebudowany interfejs. GA4 ogranicza domyślnie wbudowane raporty na rzecz elastycznej eksploracji. Raporty wizualnie bardziej przypominają dashboardy Google Data Studio niż raporty Universal Analytics. Google umożliwił zatem dostosowywanie wbudowanych raportów do własnych potrzeb.

Dodatkowo jednym z modułów GA4 jest moduł eksploracyjny. Moduł ten dostarcza szereg wbudowanych wizualizacji, które to można swobodnie konfigurować i wypełniać wymiarami i metrykami poprzez ich przeciąganie z dostępnej listy.

GA4 stawia zatem na elastyczność i samodzielną eksplorację danych wymagając jednak ich pierwotnej konfiguracji.

Widoki i strumienie danych

Dane pochodzące ze strony internetowej jak i aplikacji mobilnej przekazywane są do GA4 poprzez tzw. strumienie danych (data streams). Każdy z takich strumieni jest w pełni konfigurowalny (np. odfiltrowywanie niechcianego ruchu). Nie ma jednak możliwości tworzenia widoków pod poszczególne, odfiltrowane zestawy danych. Zmiana ta jest niewątpliwie niekorzystna dla organizacji działających na wielu rynkach, które do tej pory posiadały osobne widoki dla danego rynku. Pracownicy działający na danym rynku posiadali dostęp wyłącznie do części danych ogólnofirmowych, ich dotyczących. W przypadku GA4 taki podział nie jest obecnie możliwy wymuszając tworzenie osobnych usług.

Filtracja danych

Kolejną z niedostępnych w GA4 funkcji są rozbudowane filtry. Przykładowo ruch z Facebook może być oznaczany jako facebook, m.facebook, lm.facebook itd. Universal Analytics dawał możliwość zastępowania, odfiltrowywania czy nadpisywania zbieranych danych. Niestety obecnie nie jest to dostępne w GA4 utrudniając analizowanie danych.

Zamknięte lejki i segmentacje

Lejki konwersji pozwalają identyfikować i optymalizować miejsca na stronie czy aplikacji mobilnej, które  powstrzymują użytkowników przed dokonaniem konwersji. W przypadku Universal Analytics lejki te były zawsze otwarte. Oznacza to, że przykładowo wysyłając użytkownikom email przypominający o porzuconym koszyku oraz dając możliwość dostania się poprzez specjalny link w nim zaszyty do miejsca, w którym użytkownik porzucił koszyk, statystyki lejka były zaburzane. W takim wypadku użytkownik dostawał się na dany krok, był tam zliczany, bez przejścia kroków poprzedzających. W rezultacie użytkownicy mieszali się zaburzając analizy.

W przypadku GA4 domyślnie lejki są zamknięte. Ukazują one zatem wyłącznie użytkowników przechodzących przez nie od samego początku. W przypadku potrzeby zmiany lejka na otwarty, wystarczy zmienić jedno ustawienie w raporcie. Dzięki temu możliwa jest lepsza kontrola nad danymi i analizy są bardziej dokładne.

Dodatkowo zarówno lejki konwersji jak też pozostałe analizy można pogłębiać poprzez zastosowanie segmentacji użytkowników. GA4 do dotychczas dostępnych możliwości segmentacji sesji i użytkowników dodaje również segmentację zdarzeń.

Miary zaangażowania

GA4 skupia się również na analizie zaangażowania użytkownika, a nie jak dotychczas Universal Analytics na tzw. odbiciach ( bounce). Jako zaangażowaną wizytę GA4 traktuje wizytę która trwała ponad 10 sekund, składała się z co najmniej 2 wyświetleń strony / ekranów lub w trakcie której została wykonana przynajmniej jedna konwersja. Dla przypomnienia Universal Analytics za odbicie traktował wizytę bez przesłanego zdarzenia (wyświetlenia strony, zdarzenia na stronie itp.). Zmiana z bounce rate na engagement rate wymagała będzie przestawienia się organizacji lecz wydaje się, że będzie lepiej odzwierciedlała to co traktuje się jako “pustą” wizytę.

Weryfikacja poprawności konfiguracji

Niesłychanie przydatną zmianą wprowadzoną przez GA4 jest możliwość elastycznej weryfikacji poprawności zbieranych danych. Moduł DebugView umożliwia niemal natychmiastową weryfikację przesyłanych danych z podłączonych urządzeń testowych. Dotychczas weryfikacja konfiguracji była kłopotliwa i wymagała wykorzystania wielu narzędzi i specjalistycznej wiedzy.

Anonimizacja, GDPR i spam

GA4 domyślnie wprowadza szereg zabezpieczeń pod kątem RODO (GDPR). Jednym z nich jest domyślna anonimizacja IP użytkowników

Co więcej domyślnie GA4 odfiltrowuje ruch zidentyfikowany przez Google jako spam, czyszcząc w ten sposób zbierane dane.

Integracja z innymi usługami

Obecnie jedyną usługą z jaką, poza eksportem danych do BigQuery, zintegrowany jest GA4 są Google Ads. Niemożliwym jest więc dla przykładu mierzenie efektywności testów A/B przy użyciu Google Optimize. Niestety nie wiadomo kiedy pojawiać się będą nowe integracje.

GA4 vs UA - Główne różnice

ZakresGA4UA
Źródła danychStrona internetowa & Aplikacja mobilnaStrona internetowa
Model danych bazuje naZdarzeniach & parametrachSesjach & wyświetleniach stron
Identyfikacja użytkownikaPoprzez User ID, urządzenie, Google SignalsPoprzez urządzenie (client_id)
Model atrybucji - domyślnyWybór z listylast-click-non-direct
Próbkowanie danychNieTak
Eksport danych surowychTakNie
Eksploracja danychŁatwa - poprzez specjalny modułOgraniczona
WidokiNieTak
Strumienie danychTakNie
Filtracja danychOgraniczonaSzeroka
Lejki konwersjiOtwarte / Zamknięte (domyślnie)Otwarte
SegmentacjeSesje, użytkownicy & zdarzeniaSesje & użytkownicy
Miary intencjonalnego ruchuWskaźnik zaangażowaniaWskaźnik odbić
Weryfikacja poprawności konfiguracjiTakNie
Anonimizacja IPTakNie
Przeciwdziałanie SPAM'owiZaawansowanePodstawowe
IntegracjeOgraniczoneRozbudowane

Podsumowując

GA4 jest zupełnie nowym narzędziem. Powyżej opisane zmiany stanowią jedynie wierzchołek tego co zmienia się wraz z przesiadką na GA4. Zmiana ta w niektórych miejscach może okazać się bolesna ale jest nieunikniona. Zdecydowanie szereg wprowadzanych nowych funkcjonalności sprawia, że GA4 nie ma sobie równych i bez wątpienia stanie się jeszcze istotniejszym narzędziem pomiarowym w firmach.

W kolejnym artykule przedstawimy przykłady zastosowania surowych danych eksportowanych z GA4 do BigQuery.

Jeśli masz pytania dotyczące poruszanych zagadnień, skontaktuj się z nami poprzez załączony formularz lub zostaw komentarz!

Leave a Reply