Google Analytics 4 różni się znacznie od poprzedniej wersji. Na tyle znacząco, że znającym dobrze GA UA zwykle ciężko się w nim odnaleźć. Zmiany te nie pojawiły się jednak bez powodu. Wbrew pozorom nie czynią też narzędzia gorszym.
Tekst, który czytasz, jest częścią wprowadzenia do zbioru tekstów tworzących kurs Google Analytics 4. Omawiam w nim różnice pomiędzy Universal Analytics a GA4. Pokazuję najważniejsze zmiany i wyjaśniam, dlaczego je wprowadzono :)
Spis treści:
- Nie znasz Universal Analytics? Możesz iść dalej!
- Po co to roztrząsać?
- Cross-device i Multi-channel
- Struktura konta
- Identyfikacja i prywatność użytkowników
- Model zbierania danych
- Cele a konwersje
- Atrybucja
- Raporty
- Dostosowanie Google Analytics 4 do własnych potrzeb
- Podsumowanie
Następna część kursu:
Stworzenie usługi i podpięcie śledzenia w Google Analytics 4
Nie znasz Universal Analytics? Możesz iść dalej!
Ten tekst powstał jako punkt zaczepienia dla osób, które korzystały z Universal Analytics i przenoszą się na GA4. Dla tej grupy przygotowałem też artykuł o tym, jak przeprowadzić migrację z Universal Analytics na Google Analytics 4.
Mimo to ten tekst będzie dobrym wstępem odnośnie do kierunków rozwoju narzędzia i zachodzących w nim zmian. W sam raz dla każdego, kto chce mieć szerszą perspektywę. Niezależnie od tego, czy miał wcześniej okazję poznać Universal Analytics, czy nie :)
Zapamiętaj
Jeśli zaczynasz swoją przygodę z analityką od Google Analytics 4 i zależy Ci wyłącznie na praktyce, to śmiało możesz przejść do następnej części kursu.
Zostajesz ze mną? Świetnie, no to zaczynamy!
Po co to roztrząsać?
Po co osobny artykuł o różnicach między wersjami narzędzia? Nie wystarczyłby link do changelog’a albo kilka zdań o kluczowych zmianach? Patrząc na własne doświadczenia, stwierdzam, że nie bardzo.
Google Analytics Universal Analytics był z nami od 2013 roku. Wystarczająco długo, aby poznać narzędzie wzdłuż, wszerz i na wskroś. Wystarczająco też, aby się do niego przyzwyczaić, a nawet i w pewnym stopniu od niego uzależnić.
Niestety (lub stety) Internet zdążył się w tym czasie bardzo mocno zmienić, a razem z nim zmieniło się i to, jak z niego korzystamy.
Przede wszystkim, do przeglądania sieci bardzo rzadko używamy już tylko i wyłącznie komputera. Obcowanie z daną marką zwykle nie kończy się już też tylko na jednej wizycie na stronie, czyli na pojedynczej sesji.
Punktów styku klienta z marką jest dzisiaj o wiele więcej niż 10 lat temu. Google doskonale zdaje sobie z tego sprawę. Wie, że świat dookoła się zmienia i rozumie, że musi też zmieniać swoje narzędzia.
Żeby to jednak miało sens, użytkownicy nie mogą tkwić „z przyzwyczajenia” w przestarzałych rozwiązaniach. To dlatego wyznaczono datę wyłączenia Universal Analytics (lipiec 2023 roku). Starsza wersja GA przestanie zbierać dane, aby zmusić nas do przejścia na nową.
Tak, to dość odważna i stanowcza decyzja, ale może się okazać, że potrzebna. Nie tylko samemu Google, które oszczędzi w ten sposób na utrzymywaniu dwóch usług, ale i nam, użytkownikom. Dlaczego?
To chyba najlepiej pokazują już konkretne zmiany i ich przyczyny. Przyjrzyjmy się im!
Cross-device i Multi-channel
Jak wspomniałem, wchodzimy w nowe czasy korzystania z Internetu… albo i weszliśmy już na dobre, bo nie widzę tutaj odwrotu. Korzystamy na co dzień z wielu urządzeń „spiętych” z internetem, a ich liczba ciągle rośnie. Nie mi oceniać czy to dobrze, czy źle, ale to się już raczej nie zmieni.
Tak czy inaczej, nasz coraz intensywniejszy kontakt z siecią i multimediami wpływa na sprzedaż w sieci i marketing.
Przed podjęciem decyzji o zakupie czy skorzystaniu z usługi spotykamy się dzisiaj z daną marką kilka, a nawet i kilkanaście razy! Wygląda to zupełnie inaczej niż parę/naście lat temu. I to zjawisko w pewnym sensie zmusiło Google do działania.
Gdzie leży problem? Zobaczmy to na przykładzie krótkiej historyjki:
Wyobraźmy sobie użytkownika, dajmy na to: Tomka, który akurat usiadł do komputera i chce kupić sobie buty sportowe.
Tomek wszedł w wyszukiwarkę, wpisał frazę kluczową i wybrał jeden z wyników. Przejrzał sklep, ale koniec końców nic konkretnego nie wpadło mu w oko, więc trochę zniechęcony odłożył temat zakupów na później.
Dwa dni później, odpoczywając, przeglądał Instagrama, gdzie zobaczył reklamę całkiem fajnej pary, której nie widział wcześniej. Dokładnie takiej, jakiej szukał.
Podekscytowany, korzystając z przeglądarki na telefonie, wszedł więc bezpośrednio na stronę sklepu, ale znowu nic z tego nie wyszło. Nie zdecydował się na zakup, ale tym razem ze względu na zaporową cenę.
Poirytowany, następnego dnia wspomniał o tej sytuacji swojej znajomej z pracy. Ta, ku jego zdziwieniu, zamiast przytaknąć, poleciła mu aplikację tego samego sklepu, w której dostaje się ponoć sporą zniżkę za założenie konta.
Tomkowi nie trzeba było dwa razy powtarzać. Ściągnął apkę, założył konto i faktycznie, dostał zniżkę -30%. Kupił więc wreszcie buty, które się mu tak spodobały. Te same, które widział na Instagramie, w tym samym sklepie, który znalazł na początku w wyszukiwarce.
Czy taka kolej rzeczy była zaskakująca? Niespecjalnie. Tego rodzaju historie, tyle że zwykle o wiele bardziej rozbudowane, są teraz na porządku dziennym. Analityka musi więc za nimi „nadążać”.
Zapamiętaj
Mamy coraz więcej sposobów na dotarcie do klienta w sieci, co nie zostaje bez śladu w analityce.
Rozbijmy to sobie na GA UA i GA4.
Ruch wygenerowany przez Tomka:
- W GA UA byłby podzielony na dwóch różnych użytkowników i niekompletny – dla każdej z przeglądarek (na komputerze i na telefonie) stworzony zostałby osobny plik cookies, a ruchu w aplikacji w ogóle byśmy nie odnotowali, bo Universal Analytics na to nie pozwala.
- W GA4 mógłby być zmierzony poprawnie – nowa wersja Analytics jest w stanie rozpoznać tego samego użytkownika na kilku różnych urządzeniach. Dzięki temu w momencie sprzedaży wiedzielibyśmy o tym, że decyzja o zakupie została podjęta dopiero przy trzecim kontakcie ze sklepem.
W skrócie więc:
Zapamiętaj
Jeśli chcemy śledzić dzisiaj kontakt użytkownika z marką, to potrzebujemy do tego rozwiązań bardziej zaawansowanych niż te oferowane przez GA UA.
Inaczej możemy narażać się na wyciąganie błędnych wniosków, a w efekcie nawet wprowadzanie bezpodstawnych (a przez to kosztownych) zmian na stronach czy w marketingu.
Struktura konta
Wyżej opisane zjawiska wpłynęły też na strukturę konta.
W Universal Analytics bazowaliśmy na usłudze podzielonej na tzw. widoki, które konfigurowaliśmy według potrzeb, zmieniając filtry czy tworząc cele. Z reguły: każdy widok czemuś służył.
W GA4 widoków już nie ma. Zamiast nich w nowej wersji narzędzia wewnątrz usługi możemy skonfigurować strumienie danych, odpowiedzialne za ruch w sieci lub aplikacji. Dzięki temu możemy badać ruch na stronie i w aplikacji osobno lub zbierając te dane w całość.
Identyfikacja i prywatność użytkowników
Zmieniające się czasy w Internecie to nie tylko więcej punktów styku z marką. To też coraz większe nastawienie na bezpieczeństwo i prywatność w sieci, które wpływa na to ile i jakich danych możemy zbierać.
W GA UA każde nowe urządzenie lub przeglądarka uzyskująca dostęp do usługi (strony) to nowe ciasteczko, a każde nowe ciasteczko to nowy użytkownik.
Takie podejście sprawdzało się dawniej, ale teraz prowadzi do sytuacji, w których ten sam użytkownik odwiedzający serwis np. z komputera i na telefonie jest traktowany jako dwa osobne byty. To właśnie dlatego Tomek z wcześniejszego przykładu został uznany za trzech osobnych użytkowników.
W GA4 jest już inaczej. Dane o użytkownikach są zbierane w kilku źródłach, dzięki czemu powstaje bardziej zaawansowany profil każdego, kto odwiedza naszą stronę/aplikację. To przełoży się na jakość danych i przeprowadzanych na nich analiz.
Zapamiętaj
W Universalu do identyfikacji użytkownika używane były tylko pliki cookies. W „czwórce” oprócz nich mamy jeszcze User ID oraz Google Signals.
Dla wyjaśnienia: User ID to identyfikator nadawany zalogowanym na stronie użytkownikom, a Google Signals to rozpoznawanie użytkowników zalogowanych do usług Google pomiędzy urządzeniami.
Przejdźmy jednak do tego, co wpływa na samo korzystanie z Google Analytics.
Model zbierania danych
Universal Analytics był nastawiony tylko na strony internetowe, dlatego dane były w nim ukierunkowane na sesje, które zaczynały się wejściem użytkownika na stronę, a kończyły na wyjściu.
Wszystko, co się działo podczas sesji było hitami (czyli akcjami), na które składały się odsłony, zdarzenia i konwersje. Te pierwsze zbierały się automatycznie, resztę musieliśmy skonfigurować sami.
GA4 to strony internetowe i aplikacje, dlatego podejście do zbierania danych jest już trochę inne.
„Czwórka” skupia się nie na sesjach, a na użytkownikach i zdarzeniach, które opisują to, co użytkownik robi na stronie. Pojęcie sesji, czyli pojedynczej wizyty w serwisie czy apce jest tu tylko dodatkiem.
W Google Analytics 4 każda interakcja z serwisem to osobne zdarzenie. Nie ważne czy będzie to rozpoczęcie sesji (session_start), odsłona (page_view) czy przewinięcie strony (scroll).*
Zapamiętaj
Jednym zdaniem: Universal Analytics to sesje, a GA4 to indywidualne zdarzenia.
*Razem z podejściem nastawionym na zdarzenia w GA4 dostajemy „w pakiecie” automatycznie mierzenie interakcji takich jak właśnie przewinięcia strony, kliknięcia linków wychodzących, wyszukiwania w witrynie, interakcje z formularzem czy pobrania pliku.
Cele a konwersje
W Universal Analytics każdy skonfigurowany przez na cel był automatycznie konwersją. Dodatkowo mogliśmy te cele poukładać w zestawy, co ułatwiało analizę.
W GA4 to, co chcemy oznaczyć jako konwersje określamy na podstawie listy zdarzeń. Sprawa wygląda inaczej, bo narzędzie bazuje na zdarzeniach.
To dlatego w raportach możemy przeglądać osobno wszystkie zdarzenia i konwersje, co daje nam większą władzę nad wyglądem naszych raportów.
Atrybucja
Jednym z głównych problemów GA UA była atrybucja oparta na modelu „last click” (ostatnie kliknięcie). Mówiąc po ludzku, chodzi o to, że konwersja była przypisywana zawsze tylko do tego źródła, które skierowało użytkownika na stronę jako ostatnie.
Takie podejście kompletnie ignorowało to, jak, kiedy i ile razy użytkownik zetknął się wcześniej z serwisem i gdzie spotkał się z nim po raz pierwszy.
Przykładowo: jeśli ktoś znalazł nasz serwis w Google, ale zakupu dokonał nie w tej samej sesji, tylko wchodząc na stronę później, wpisując link w przeglądarce, to za źródło konwersji uznawany był ruch bezpośredni (direct/none).
To zjawisko mogło znacznie zaburzać pomiar efektów wszelkich działań marketingowych. To dlatego GA4 oferuje nam kilka modeli atrybucji. Między innymi właśnie ostatnie kliknięcie, ale i pierwsze kliknięcie czy model data driven, wykorzystujący algorytm.
Najważniejsze jest jednak to, że „czwórka” po prostu daje nam wybór. Tutaj sami możemy zdecydować, jak chcemy korzystać z danych. Co więcej, możemy też zmieniać dane historyczne dotyczące atrybucji.
Zwykle najlepiej jest wybrać jeden główny model atrybucji, na którym będziemy opierać się w raportach, ale do tego wrócimy jeszcze w dalszych częściach kursu GA4.
Raporty
Ktoś powiedział raporty? :)
Jedna z większych różnic pomiędzy GA UA a GA4 to właśnie podejście Google do raportów. Zarówno do tych gotowych, jak i do tworzenia własnych.
Analytics w wersji Universal dawał nam gotowe i rozbudowane najważniejsze raporty dotyczące pozyskiwania czy zachowania użytkowników. Z doświadczenia mogę powiedzieć, że dla 95% stron były one w pełni wystarczające.
Szczególnie gdy prowadzicie pozycjonowanie i zależy wam głównie na weryfikowaniu działań SEO w Google Analytics.
W przypadku GA4 też mamy gotowe raporty, ale nie są one tak przejrzyste, jak w poprzedniej wersji. Wchodząc pierwszy raz do „czwórki” można odnieść wrażenie, że w ogóle ich nie ma lub że są bardzo ubogie. Nie minie się to zresztą z prawdą.
W nowym Analytics Google okroiło trochę gotowe rozwiązania, ale w zamian dostaliśmy zakładkę „Eksplorowanie”, w której możemy tworzyć raporty własne, dostosowane do naszych potrzeb. Mogą one pokazywać dosłownie wszystko, czego możemy potrzebować.
Jeśli więc po pierwszej wizycie w GA4 uznasz, że czegoś Ci brakuje, to najprawdopodobniej będziesz w stanie odtworzyć to coś w Eksplorowaniu. No i co ważne, nie będzie to wcale trudne.
Do Eksplorowania wrócimy jeszcze w kolejnych artykułach, w których dokładnie wytłumaczę jak to działa i jak tworzyć takie raporty dostosowane do własnych potrzeb.
Dostosowanie Google Analytics 4 do własnych potrzeb
Ostatnią ważną zmianą jest to, że w GA4 Google wyraźnie zachęca nas (a może i poniekąd zmusza?) do dostosowywania narzędzia do naszych potrzeb.
W łatwy sposób możemy wyrzucić stąd niepotrzebne raporty i dodać nowe, stworzone przez nas samych w zakładce eksplorowania. Dzięki temu możemy w GA4 mieć tylko i wyłącznie to, co dla nas ważne, co może koniec końców zwiększyć skuteczność działań w Analytics.
Świetne rozwiązanie? Owszem, ale niestety nie bez wad. Jakby nie patrzeć, aby dobrze wdrożyć takie zmiany, nasz poziom wiedzy o GA4 musi być już wyższy niż podstawowy.
Nie obejdzie się bez zagadnień takich jak budowa raportów w GA4, tworzenie własnych raportów i zarządzanie biblioteką. Potrzebne będą też ogólne umiejętności planowania naszych działań analitycznych.
Ale spokojnie… po przejściu mojego kursu GA4 wszystko będziesz już wiedzieć! :)
Podsumowując
Google Analytics 4 różni się od Universal Analytics właściwie u podstaw. Nie jest to jednak złośliwość Google, czy chęć wprowadzania innowacji na siłę. To efekt lat zmian internetowego krajobrazu i w efekcie realnych braków w poprzedniej wersji, które kiedyś trzeba było nadrobić.
Na początku w GA4 może być nam ciężej się odnaleźć, to fakt, ale na nauce nowych rozwiązań z pewnością nie stracimy. Zyska jakość zbieranych danych, ale i naszej pracy, a pozytywny efekt w postaci lepszych decyzji popartych analityką przeniesie się i nasze serwisy, aplikacje i biznesy :)
Z tego artykułu dowiedziałeś się:
- Dlaczego Google Analytics 4 różni się tak bardzo od GA UA
- Jakie są największe różnice między GA UA a GA4
- Co sprawiło, że Google zdecydowało się je wprowadzić