Kodėl GA4 ataskaitų sistema atrodo painiai – ir kaip su tuo susitvarkyti
Jei anksčiau dirbai su Universal Analytics ir dabar bandai suprasti GA4, tikriausiai žinai tą jausmą – atsidarai platformą, žiūri į sąsają ir galvoji, kur dingo visi tie pažįstami reportai. GA4 nėra tiesiog atnaujinta UA versija. Tai iš esmės kitaip sukonstruota sistema, kurioje duomenys renkami, saugomi ir vaizduojami visiškai kitaip. Ir tai, beje, yra ir geras, ir blogas dalykas vienu metu.
Geras – nes GA4 yra lankstesnis, galingesnis ir geriau pritaikytas šiuolaikiniam daugiakanaliam vartotojo keliui. Blogas – nes reikia iš naujo išmokti logiką, kuri slypi po visu tuo. Šiame straipsnyje kalbėsime būtent apie ataskaitų kūrimą: nuo standartinių reportų iki custom exploration ataskaitų, nuo paprastų filtrų iki sudėtingų segmentų. Praktiškai, be nereikalingo teorinio vandens.
GA4 duomenų modelis – tai, ką būtina suprasti prieš kuriant bet kokią ataskaitą
Universal Analytics pasaulyje viską matavome per sesijas ir puslapių peržiūras. GA4 pasaulyje viskas yra įvykiai (events). Absoliučiai viskas. Puslapio peržiūra? Įvykis. Mygtuko paspaudimas? Įvykis. Pirkimas? Taip pat įvykis. Ši paradigmos kaita yra esminis dalykas, kurį reikia internalizuoti.
Kiekvienas įvykis gali turėti parametrus – papildomus duomenų sluoksnius, kurie aprašo, kas konkrečiai įvyko. Pavyzdžiui, purchase įvykis turės parametrus kaip transaction_id, value, currency. O page_view įvykis turės page_title, page_location ir panašiai. Kai tai supranti, ataskaitų logika pradeda dėliotis į vietą.
Dar vienas svarbus konceptas – dimensijos ir metrikos. Dimensijos yra kokybiniai duomenys (šalis, įrenginys, puslapio pavadinimas), o metrikos – kiekybiniai (sesijų skaičius, konversijų rodiklis, pajamos). Kuriant ataskaitas, visada dirbsi su šių dviejų kombinacijomis. Ir čia GA4 suteikia labai daug laisvės – galima kombinuoti dimensijas ir metrikas taip, kaip to niekada nebuvo galima UA.
Praktinis patarimas: prieš pradėdamas kurti ataskaitas, eik į Admin → Custom definitions ir patikrink, kokie custom dimensions ir metrics jau yra sukurti. Jei jų nėra, bet tavo svetainė siunčia custom parametrus per GTM ar tiesioginį kodą, tie duomenys tiesiog nepasiekiami ataskaitose – juos reikia pirmiausia užregistruoti.
Standartinės ataskaitos: kas yra iš karto ir ko trūksta
GA4 iš karto pateikia keletą standartinių ataskaitų sekcijų kairėje navigacijos juostoje. Turime Realtime, Life cycle (Acquisition, Engagement, Monetization, Retention) ir User (Demographics, Tech). Tai yra tavo pradinė bazė.
Acquisition ataskaitos parodo, iš kur ateina srautas. Čia svarbu suprasti skirtumą tarp User acquisition ir Traffic acquisition. User acquisition žiūri į pirmą sesijos šaltinį – tai yra, kaip vartotojas pirmą kartą atrado tavo svetainę. Traffic acquisition žiūri į kiekvienos sesijos šaltinį. Jei analizuoji remarketingo kampanijas arba nori suprasti, koks kanalas atvedė vartotoją konkrečios konversijos metu, naudok Traffic acquisition. Jei nori suprasti, kaip žmonės iš viso atranda tavo produktą – User acquisition.
Engagement sekcija yra vieta, kur rasi puslapių peržiūras, įvykius, konversijas. Tačiau čia iškart pastebėsi vieną GA4 skausmą – standartinės ataskaitos yra gana riboto lankstumo. Negali tiesiog pridėti bet kokios dimensijos ar metrikos. Negali giliai filtruoti. Negali sukurti sudėtingų segmentų. Tam reikia pereiti į Explore sekciją, apie kurią kalbėsime detaliau.
Monetization ataskaitos aktualios e-commerce projektams. Jei turi teisingai sukonfigūruotą GA4 e-commerce sekimą, čia matysi pajamas, produktų pardavimus, pirkimo kelią. Jei duomenų nėra – greičiausiai problema yra arba diegime (neperduodami reikiami įvykiai), arba neužregistruoti custom dimensions.
Vienas dalykas, kuris dažnai nustebina naujus GA4 vartotojus – nėra Bounce Rate tokia forma, kaip buvo UA. Vietoje to yra Engagement rate ir Engaged sessions. Engaged session laikoma ta, kuri truko ilgiau nei 10 sekundžių, turėjo konversiją arba bent 2 puslapių peržiūras. Tai iš esmės yra inverse bounce rate, tik su šiek tiek kitokia logika. Prie to reikia priprasti.
Explore ataskaitos – tikroji GA4 galia
Jei standartinės ataskaitos yra GA4 fasadas, tai Explore sekcija yra tikrasis variklis. Čia gali kurti laisvas, lanksčias ataskaitas su bet kokiomis dimensijų ir metrikų kombinacijomis. Čia gali dirbti su segmentais, funnel’iais, kelių analize. Ir čia dažniausiai praleidžiama daugiausiai laiko rimtoje analizėje.
Explore sekcijoje yra keli pagrindiniai šablonai:
- Free form – laisva lentelė arba diagrama, kur pats renkiesi dimensijas ir metrikas
- Funnel exploration – konversijų piltuvo analizė
- Path exploration – vartotojo kelio po svetainę vizualizacija
- Segment overlap – skirtingų segmentų persidengimo analizė
- User lifetime – vartotojo vertės per laiką analizė
- Cohort exploration – kohortų analizė
Pradėkime nuo Free form, nes tai naudosi dažniausiai. Kairėje pusėje yra Variables skydelis – čia pridedi dimensijas ir metrikas, kurias nori naudoti. Viduryje – Tab settings, kur nustatai, kas bus eilutėse, stulpeliuose, kokie filtrai taikomi. Dešinėje – vizualizacija.
Praktinis workflow kuriant Free form ataskaitą: pirma, nuspręsk, ką nori pamatyti. Pavyzdžiui, nori pamatyti, kurie landing page’ai geriausiai konvertuoja iš organinės paieškos. Tada: pridedi dimensiją Landing page, metrikas Sessions, Conversions, Session conversion rate. Filtruose nustatai Session default channel group = Organic Search. Rikiuoji pagal konversijų rodiklį. Štai ir tupi atsakymą per 2 minutes.
Funnel exploration yra labai galinga priemonė, jei nori suprasti, kur vartotojai iškrenta iš pirkimo ar registracijos proceso. Čia gali kurti tiek open, tiek closed funnelį. Open funnel leidžia vartotojui įeiti bet kuriame žingsnyje, closed – tik nuo pirmojo. Taip pat gali pasirinkti, ar funnel’is skaičiuojamas pagal įvykius, ar pagal sesijas, ar pagal vartotojus. Kiekvienas pasirinkimas duoda skirtingą perspektyvą.
Vienas dažnas klaidas – žmonės kuria funnel’į ir stebi, kad skaičiai atrodo keistai. Dažniausiai problema yra ta, kad įvykiai neturi teisingų parametrų arba funnel’io žingsniai sukonfigūruoti per griežtai. Pavyzdžiui, jei nori fiksuoti žingsnį „vartotojas peržiūrėjo produkto puslapį”, galima naudoti arba page_view su parametru page_location contains /product/, arba specialų view_item įvykį. Antrasis variantas yra tikslesnis, bet reikalauja, kad tas įvykis būtų teisingai diegiamas.
Segmentai ir filtrai – kaip gauti tikrai reikalingus duomenis
Segmentai GA4 Explore ataskaitose yra vienas iš galingiausių įrankių. Galima kurti tris segmentų tipus: User segments (vartotojai, atitinkantys kriterijus), Session segments (sesijos, atitinkančios kriterijus) ir Event segments (įvykiai, atitinkantys kriterijus). Skirtumas yra svarbus.
Pavyzdys: nori pamatyti vartotojus, kurie per paskutinius 30 dienų pirko bent kartą. Čia naudoji User segment su sąlyga purchase event occurred. Bet jei nori pamatyti sesijas, kurių metu įvyko pirkimas – naudoji Session segment. Ir jei nori analizuoti tik pačius pirkimo įvykius – Event segment. Tas pats klausimas, trys skirtingos perspektyvos, trys skirtingi atsakymai.
Segmentus galima kombinuoti vienoje ataskaitoje – galima pridėti iki 4 segmentų vienu metu ir lyginti juos šalia. Tai labai naudinga A/B testų analizei, skirtingų kanalų vartotojų elgsenos palyginimui ar naujų vs. grįžtančių vartotojų analizei.
Filtrai veikia kiek kitaip nei segmentai. Filtrai tiesiog apriboja, kokie duomenys rodomi ataskaitoje, bet nesukuria atskiro skaičiavimo konteksto. Segmentas sako „rodyti tik šiuos vartotojus ir visą jų elgseną”. Filtras sako „rodyti tik tuos įrašus, kurie atitinka šią sąlygą”. Praktiškai: jei nori analizuoti, kaip vartotojai, kurie pirko, elgiasi visoje svetainėje – segmentas. Jei nori tiesiog pašalinti botinius srautus iš ataskaitos – filtras.
Praktinis patarimas dėl filtrų: GA4 turi tam tikrų apribojimų dėl duomenų mėginių (sampling). Kai ataskaita apima didelį duomenų kiekį, GA4 gali pradėti naudoti mėginius, o ne visus duomenis. Tai matysi viršuje esančioje juostoje – rodomas procentas, kiek duomenų naudojama. Jei mėginys yra mažesnis nei 80%, ataskaitos tikslumas gali būti abejotinas. Sprendimas – siaurinti datų intervalą arba naudoti Google Analytics Data API su BigQuery eksportu rimtesnei analizei.
Custom Reports ir Comparisons standartinėse ataskaitose
Nors Explore yra galingesnė, standartines ataskaitas taip pat galima pritaikyti. GA4 leidžia customize standartines ataskaitas – pridėti ar pašalinti dimensijas ir metrikas, keisti vizualizacijas. Tai daroma per Library sekciją (Admin → Reports → Library).
Library yra vieta, kur gali kurti naujus report’us, kurti kolekcijas ir valdyti, kas matoma navigacijos juostoje. Tai naudinga, kai dirbi su komanda ir nori, kad visi turėtų greitą prieigą prie dažniausiai naudojamų ataskaitų. Pavyzdžiui, galima sukurti atskirą „E-commerce” kolekciją su visomis aktualiausiomis pardavimų ataskaitomis ir ją prisegti navigacijoje.
Standartinėse ataskaitose taip pat yra Comparisons funkcija – tai panašu į segmentus, bet paprastesnis. Viršuje galima pridėti palyginimus pagal bet kokią dimensiją. Pavyzdžiui, palyginti mobile vs. desktop vartotojų elgseną, arba skirtingų šalių srautą. Tai greitas būdas gauti kontekstą be gilesnės Explore analizės.
Dar viena naudinga funkcija – Secondary dimension. Standartinėse lentelėse prie pagrindinės dimensijos galima pridėti antrą. Pavyzdžiui, žiūrint Traffic acquisition ataskaitą, prie Session source/medium galima pridėti Device category. Tai leidžia pamatyti, ar skirtingi kanalai traukia skirtingų įrenginių vartotojus – kartais tai atskleidžia įdomių įžvalgų apie kampanijų optimizavimą.
Automatizuotos ataskaitos ir integracija su Looker Studio
Vienas didžiausių GA4 trūkumų lyginant su UA – nėra built-in ataskaitų siuntimo el. paštu tokia forma, kaip buvo anksčiau. Galima sukurti Explore ataskaitą ir ją bendrinti su komanda, bet automatinio siuntimo pagal grafiką iš pačios GA4 sąsajos nėra. Čia į pagalbą ateina Looker Studio (anksčiau žinomas kaip Google Data Studio).
Looker Studio su GA4 konektor’iu leidžia kurti vizualiai patrauklias, automatiškai atsinaujinančias ataskaitas, kurias galima bendrinti su klientais ar komanda. Ir svarbiausia – jos atsinaujina realiu laiku, todėl nereikia kiekvieną savaitę rankiniu būdu eksportuoti duomenų.
Kaip pradėti: eik į lookerstudio.google.com, sukurk naują ataskaitą, pasirink Google Analytics 4 kaip duomenų šaltinį, prijunk savo GA4 property. Toliau – laisva kūryba. Galima kurti lenteles, diagramas, scorecard’us, žemėlapius.
Keletas praktinių patarimų dirbant su Looker Studio ir GA4:
- Naudok date range control komponentą, kad ataskaitos peržiūrėtojai galėtų patys keisti laikotarpį
- Sukurk calculated fields Looker Studio pusėje, jei reikia metrikų, kurių nėra GA4 (pvz., pajamos vienam vartotojui)
- Naudok blended data, jei nori sujungti GA4 duomenis su Google Ads, Search Console ar kitu šaltiniu vienoje ataskaitoje
- Atkreipk dėmesį į sampling problemą – Looker Studio taip pat gali naudoti mėginius, jei duomenų labai daug. Sprendimas tas pats – BigQuery eksportas
BigQuery integracija yra atskira tema, bet trumpai: GA4 leidžia eksportuoti visus raw duomenis į BigQuery (Google Cloud). Tai reiškia, kad gali rašyti SQL užklausas ir gauti tiksliai tuos duomenis, kurių reikia, be jokio sampling’o. Tai yra rimtų analitikų kelias, kai GA4 sąsajos galimybės tampa per mažos.
Kai ataskaitos rodo keistus skaičius – diagnostika ir dažniausios problemos
Anksčiau ar vėliau susidursi su situacija, kai GA4 ataskaita rodo kažką, kas atrodo netikėta arba tiesiog neteisinga. Prieš darydamas išvadas, verta patikrinti keletą dalykų.
Duomenų slenksčiai (data thresholds) – GA4 turi privatumo apsaugos mechanizmą, kuris slepia duomenis, kai tam tikros dimensijų kombinacijos apima per mažai vartotojų. Tai ypač aktualu mažesnio srauto svetainėms. Jei matai „(other)” eilutę lentelėje arba kai kurie duomenys tiesiog nerodomi, gali būti, kad veikia šis mechanizmas. Sprendimas – plėsti datų intervalą arba naudoti mažiau granuliarų dimensijų kombinacijas.
Sesijų skaičiavimo logika – GA4 sesijos skaičiuojamos kitaip nei UA. GA4 sesija baigiasi po 30 minučių neaktyvumo arba vidurnaktį. Bet skirtingai nei UA, kampanijos parametrų pasikeitimas viduryje sesijos nesukuria naujos sesijos GA4. Tai reiškia, kad sesijų skaičiai gali skirtis nuo to, prie ko buvai įpratęs.
Cross-domain tracking problemos – jei tavo svetainė naudoja kelis domenus (pvz., pagrindinis domenas ir atskiras checkout domenas), reikia teisingai sukonfigūruoti cross-domain tracking. Jei tai nepadaryta, vartotojas pereidamas į kitą domeną bus skaičiuojamas kaip naujas, o šaltinis bus rodomas kaip referral iš tavo paties domeno. Tai sukuria labai iškraipytus acquisition duomenis.
Įvykių dubliavimas – jei tuo pačiu metu naudoji ir GTM, ir tiesioginį GA4 kodą puslapyje, įvykiai gali būti siunčiami du kartus. Patikrink naudodamas GA4 DebugView (Admin → DebugView) arba Google Tag Assistant – ten matysi realiu laiku, kokie įvykiai siunčiami ir ar nėra dublikatų.
Dar viena dažna problema – konversijų nesutapimas tarp GA4 ir reklamos platformų (Google Ads, Meta). Tai normalu ir dažniausiai paaiškinama atribucijos modelių skirtumais, view-through konversijomis, skirtingomis konversijų langų nuostatomis. GA4 naudoja data-driven atribucijos modelį pagal nutylėjimą, Google Ads gali naudoti kitą. Svarbu suprasti, kad šie skaičiai niekada nebus identiški – klausimas yra, ar skirtumas yra paaiškinamas ir priimtinas.
Nuo duomenų prie sprendimų – kaip GA4 ataskaitos virsta realiais veiksmais
Galiausiai, visa ši techninė GA4 konfigūracija ir ataskaitų kūrimas yra tik priemonė, o ne tikslas. Problema, kurią matau dažnai, yra ta, kad žmonės sukuria daug ataskaitų, žiūri į daug skaičių, bet nesusistemina, kaip tie skaičiai virsta konkrečiais sprendimais. GA4 gali duoti tau labai daug duomenų – bet duomenys be konteksto ir be veiksmų plano yra tiesiog triukšmas.
Geras workflow atrodo maždaug taip: pirma, apibrėžk klausimus, į kuriuos nori atsakyti. Ne „noriu matyti visus duomenis”, o „noriu suprasti, kodėl konversijų rodiklis iš mobilių įrenginių yra 3 kartus mažesnis nei iš desktop”. Tada kurti ataskaitą, kuri atsako į tą konkretų klausimą. Tada – hipotezė, testas, sprendimas.
Praktiškai rekomenduočiau sukurti nedidelį „ataskaitų žodyną” savo komandai – dokumentą, kuriame aprašyta, kokios ataskaitos egzistuoja, ką jos matuoja, kaip jas interpretuoti ir kokius sprendimus jos informuoja. Tai ypač naudinga, kai komanda auga arba kai reikia onboard’inti naujus žmones.
GA4 ataskaitų kūrimas nėra vienkartinis projektas – tai nuolatinis procesas. Keičiasi verslas, keičiasi produktas, keičiasi vartotojų elgsena. Atitinkamai turi keistis ir ataskaitos. Kas ketvirtį verta peržiūrėti, ar visos sukurtos ataskaitos vis dar aktualios, ar konversijų apibrėžimai atspindi dabartinę verslo logiką, ar nereikia pridėti naujų custom dimensions sekant naujus produkto pokyčius. Ataskaitos, kurios neatnaujinamos, greitai tampa klaidinančiomis – ir tai yra blogiau nei jų neturėjimas.
