No to mamy nową wersję (generację) Google Analytics w pełni dostępną. Zanim jednak zaczniemy radośnie migrować do GA4 warto zapoznać się z różnicami i nowym podejściem do zbierania danych w GA. Zbierzmy zatem wszystko co obecnie wiadomo o nowej wersji GA4 i na jakie ważne elementy należy zwracać uwagę podczas przechodzenia na nową wersję lub zakładania nowego konta. Ale od początku.
Nowa wersja Google Analytics na nowe/stare czasy
Patrząc na warunki w jakich przyszło nam (analitykom / marketerom) pracować i analizować zachowania klientów, Universal Analytics (wersja dotuchczasowa) nie był w stanie odpowiedzieć precyzyjnie na wszystkie nurtujące nas pytania. Jakie to były pytania? Zróbmy powtórkę.
Wyzwania analityczne – Cross-device i Multi-channel
Przede wszystkim, obecnie konsumenci wykorzystują wiele urządzeń (zjawisko cross-device) podczas podejmowania decyzji zakupowych (proces decyzyjny ogólnie wykorzystuje wiele urządzeń obecnie). Jakby tego było mało użytkownicy korzystają także z wielu źródeł ruchu w procesie podejmowania decyzji. Przeciętnie użytkownik podejmując decyzję , odwiedza jedną stronę przynajmniej kilka, kilkanaście razy. Oczywiście różnie to wygląda dla różnych branż, ale jest to zachowanie powszechne i wynika z rosnącej świadomości konsumentów. Porównujemy oferty, opcje i ceny przed zakupem. Takie zjawisko wykorzystywania wielu kanałów dotarcia nazywamy zjawiskiem Multi-channel.
Nakładając na siebie oba te zjawiska – Cross-device i Multi-channel trudno wyciągać bezpośrednio jasne wnioski z danych. A nawet gorzej, ciężko jest także określić wartość źródła pochodzenia klienta, wycenić efektywność działań marketingowych, ale przede wszystkim podjąć sensowne decyzje biznesowe. Problemy te wynikają też z ograniczeń technicznych i narzędziowych. Przyjrzyjmy się zatem dokładniej jakie możliwości mieliśmy dotychczas w zakresie mierzenia działań, a co będziemy mogli zrobić teraz przy pomocy nowej wersji Google Analytics.
Universal Analytics – wersja dotychczasowa GA
Universal Analytics, czyli wersja dotychczasowa Google Analytics, nie ma możliwości łączenia (zbierania) danych o jednym użytkowniku jeśli w procesie jego relacji biznesem użytkownik korzystał z rozwiązań typ Web (przeglądarki) oraz aplikacji mobilnej. Na przykład kiedy firma posiada aplikację mobilną oraz stronę WWW co jest całkiem powszechne.
Co bardziej zaawansowani użytkownicy GA wykorzystywali w takim przypadku tzw. “obejście na gazomierzu” używając funkcji “User ID” oraz narzędzia Biq Query (rozwiązanie chmurowe w GCP), aby łączyć dane z dwóch typów mediów i budować jako taki pełen profil użytkownika. Całe ćwiczenie jest jednak utrudnione ze względu na różne filozofie mierzenia zachowań na urządzeniach typu Web (sesje) i w aplikacjach (zdarzenia).
Po prostu GA UA (Universal Analytics) nie był i nie jest przewidziany do mierzenia aplikacji. Narzędzie to powstało trochę przez erą aplikacji, do których mierzenia służy narzędzie dedykowane – Google Firebase.
No ale dwa odrębne narzędzia, biorące udział w tym samym procesie relacji biznes-klient, nie rozwiązują problemu mierzenia systemowo.
Nowy standard czyli Google Analytics 4 (dotychczas App+Web)
Odpowiedzią na to tą skomplikowaną rzeczywistość analityczną jest właśnie nowa generacja narzędzia GA – Google Analytics 4 (kiedyś App+Web), które przede wszystkim łączy i standaryzuje świat WEB oraz APP . Dodatkowo, GA4 wprowadza zupełnie inny sposób myślenia – od koncentracji na wizytach (pojedynczej interakcji – sesji, wizyty) do skupienia się zarządzaniu całościową relacją z użytkownikiem i mierzenia jej wartości. Wszystko z respektowaniem założeń prywatności w tle.
Przyjrzyjmy się dokładniej poszczególnym, ważnym zmianom w filozofii mierzenia w Google Analytics.
Sesje vs. zdarzenia – odpowiedź na rzeczywistość cross-device
Jak wspomniałem głównym problemem w mierzeniu zachowań użytkowników pomiędzy urządzeniami (w może raczej platformami Web oraz App) były różne sposoby mierzenia. W rzeczywistości WEBowej obowiązywał od zawsze dogmat tzw. sesji (wcześniej wizyty). Wokół sesji na stronie odbywał się cały pomiar relacji z użytkownikiem (sesja jako zbiór hitów). Z czasem przeszliśmy do mierzenia użytkownika, ale dalej tylko jako zbioru sesji jednego identyfikatora (client ID) w przeglądarce. Do tej pory zresztą, w wersji Universal Analytics , mamy do czynienia właśnie z mierzeniem użytkownika w dogmacie session-based (nie zmieniam tutaj języka bo jest praktycznie już nazwa własna zjawiska).
Z kolei w aplikacjach mobilnych (App) coś co nazywamy sesjami nie funkcjonuje. Funkcjonują za to tzw. zdarzenia (event). Cały pomiar wszystkich zachowań użytkowników aplikacji odbywa się w ten sposób.
Od dawna nasza branża próbowała znaleźć wspólną platformę do mierzenia rzeczywistości cross-device (łączenie WEB i APP) i np. wykorzystania faktu migrowania użytkowników pomiędzy urządzeniami w działaniach marketingowych (np. retargeting).
Sesje nie funkcjonują w rzeczywistości aplikacji, ale za to zdarzenia (events) funkcjonują w rzeczywistości webowej (nawet teraz zdarzenia możemy mierzyć w UA). W związku z tą sytuacją padło na zdarzenia jako podstawową formę mierzenia zachowań na wszystkich platformach. W Google Analytics 4 to zdarzenia są podstawą do mierzenia, choć sesje zupełnie nie zniknęły. Więcej na ten temat już za chwilę.
Modele atrybucji – idziemy w dobrym kierunku
Jak wiemy, w wersji Universal Analytics przyjęty ogólnie model atrybucji dla większości raportów (oprócz MCF) to niebezpośrednie ostatnie kliknięcie (non-direct Last-Click). Prawie model Last-Click, ale jednak z małą(dużą) różnicą. Co prawda mieliśmy dostępne opcje analizy innych modeli atrybucji, ale było to dość ograniczone i nie możliwe w odniesieniu do wszystkich raportów. Bardzo pomogła opcja oddzielnych projektów atrybucyjnych (zakładka Atrybucja) w UA, ale dalej obraz danych nie był pełny, nie było to dostępne na poziomie wszystkich raportów (a właściwie dokładnie wszystkich wymiarów i danych).
W GA4 będziemy w stanie analizować stworzone raporty w różnych modelach atrybucyjnych. Na początku ograniczone do paru podstawowych, ale opcje będą się na pewno poszerzać, aż do modeli typu data-driven. W ten sposób będziemy mogli zmierzyć się z rzeczywistością drugą najistotniejszą obok cross-device czyli multi-channel (“wielo-kanałowość” relacji z użytkownikiem).
Privacy first – nowa rzeczywistość w podejściu do danych
Jak większość z nas zdążyła już zauważyć, żyjemy obecnie w czasach gdzie kwestie prywatności w internecie są coraz częściej regulowane przez prawo. Bezpieczeństwo i prywatność jest na pewno czymś pożądanym, ale z drugiej strony ma to konsekwencje dla biznesu. Więcej prywatności to mniej danych, które można wykorzystać do podejmowania decyzji biznesowych. W dobie kiedy większość firm uznaje filozofię data-driven jako jedną z najważniejszych w prowadzeniu biznesu, musimy zmienić podejście do pracy z danymi. GA4 zmieniło sposób podejścia do zbierania danych o użytkownikach z pojedynczych (oddzielnych) źródeł sygnałów o kliencie do mieszanych źródeł. To znaczy, że profil użytkownika (klienta) będzie określany przy pomocy zebranych sygnałów z kilku źródeł. Na tej podstawie tworzony będzie jego profil. Dane (sygnały) o użytkowniku z kilku źródeł wydatkie zmniejsza ryzyko nie posiadania, żadnych danych o użytkowniku, ale jednocześnie eliminuje także ryzyko stworzenia jego fałszywego profilu.
Najważniejsze źródło sygnałów to zestaw danych dostarczonych przez samego użytkownika (klienta) podczas rejestracji / logowania. Wykorzystując do tego funkcję USER ID znaną już dobrze także w dotychczasowej wersji GA. USER ID pomaga to nie tylko identyfikować użytkownika niezależnie od czasu i sposobu powracania do firmy, ale umożliwia łączenie wielu źródeł danych o użytkowniku i tworzenie tzw. Jednego Źródła Prawdy o użytkowniku. O integracji danych pisałem już kiedyś i jest to cały czas jak najbardziej aktualne.
Kolejnym źródłem informacji będą sygnały płynące ze wszystkich usług Google. Zazwyczaj jesteśmy zalogowani wszędzie i korzystamy z wielu narzędzi. Te sygnały o zachowaniu, będą (już od jakiegoś czasu zresztą też są obecne w UA) wykorzystywane do budowania profilu użytkownika. W tym miejscu, polecam w ustawieniach profilu GA nie zapomnieć włączyć opcji zbierania danych o sygnałach Google.
No i trzecie źródło. Dane płynące z sygnałów płynących z urządzenia lub przeglądarki. Czy to będą dane zapisywane w ciastkach (cookies) czy w samym urządzeniu ma drugorzędne znaczenie. Ważniejsza jest, według mnie, zmiana podejścia. Coś co było głównym źródłem danych o użytkowniku będzie teraz trzecie w kolejności jeśli chodzi o istotność. Nie najmniej istotne, ale trzecie w kolejności. System ma za zadanie budować profil użytkownika i wypełniać luki danych za pomocą wszystkich trzeć źródeł sygnałów. W kolejności od góry w dół piramidy (waterfall).
Bardzo długo oczekiwaną opcją będzie też tworzenie list remarketingowych z wykorzystaniem User ID i migracji użytkowników pomiędzy urządzeniami. Np. remarketing na desktopie (lub jakiejkolwiek przeglądarce) użytkownika, który włożył coś do koszyka w aplikacji i nie dokończył zakupów z jakiegoś powodu.
Machine Learning w GA4
W nowym GA coraz więcej funkcjonalności i raportów opierać się będzie o rozwiązania machine learning i modelowanie statystyczne.
Dzięki temu jesteśmy w stanie nie tylko “zasypać” wyrwę między zaspokojeniem potrzeb prywatności i krytyczną potrzebą wykorzystania danych w podejmowaniu decyzji biznesowych, ale także korzystać z automatycznych profili (segmentów) użytkowników, które wymagały do tej pory sporej pracy obróbki i modelowania danych. Temat jest na tyle szeroki, że postaram się o nim napisać oddzielny artykuł.
Raporty w Google Analytics – zmiany zmiany zmiany
Cieszy mnie bardzo zmiana w sposobie podejścia do użytkownika. Z mierzenia jego pojedynczych kontaktów (interakcji) z firmą, w stronę mierzenia wartości całości relacji. Jak widać poniżej raporty w GA4 zostały ułożone wokół relacji – od pozyskania (na stronę lub do aplikacji) przez jego zaangażowanie , generowanie przychodu (poprzez zakupy) przez jego retencję (jak długo relacja klient – firma trwa i dlaczego tak krótko 😉 ).
Jeśli ktoś szuka starych raportów w nowym interfejsie, ciężko jest wprost przełożyć wszystkie raporty z UA na GA4. Przede wszystkim, z powodu właśnie zmiany w podejściu do skupienia się na użytkowniku, a nie na sesjach (pojedynczych interakcjach). Relacja jako całość nie jest tylko zbiorem interakcji. Jest czymś dużo bardziej złożonym i bardzo dobrze, że to także zostało wzięte pod uwagę.
Na marginesie, marketing oparty na wartości całej relacji (LTV) to przyszłość prowadzenia działań promocyjnych i do tej pory było trudno prowadzić działania oparte o taką filozofię właśnie też ze względu na dostępność dobrych i darmowych narzędzi bezpośrednio połączonych z platformami marketingowymi. Wymagało to dużo więcej ręcznej pracy i wewnętrznej organizacji w firmy. Jest szansa, że teraz będzie łatwiej.
Zakładka Analiza – kreator spersonalizowanych raportów
Warto wspomnieć o zakładce “Analiza” w GA4. Trochę jest to następca zakładki “Dostosowanie” ale jest ona dużo bardziej istotna. Właściwie zakładka “Analiza” będzie centrum budowy “indywidualnych zestawów raportów” wg potrzeb każdego analityka. Tak więc jeśli korzystasz tylko z raportów standardowych (gotowych) w UA to w GA4 takie raporty będą dużo rzadziej wykorzystywane w praktyce. Przynajmniej tak to przewiduję po dotychczasowych doświadczeniach z nowym interfejsem.
W GA4 będziemy budować indywidualne raporty na własne potrzeby z dostępnych metryk i wymiarów. Wydaje się to dobrym kierunkiem bo żaden standardowy raport nie jest tak samo dobry dla każdego. Wydaje mi się jednak, że tworzenie raportów w GA4 na początku może wydawać się jakąś barierą wejścia w analizy danych. Zobaczymy.
Ścieżki do zakupu oraz przepływy użytkowników
Tak jak wspomniałem , wydawać się może na pierwszy rzut oka, że raportów dostępnych w nowej wersji jest mniej. Ale założenie jest takie, że to analityk tworzy raporty takie jakie potrzebne są jemu i jego organizacji. To my wiemy najlepiej jakie dane i do czego są nam potrzebne. Dla ułatwienia, w zakładce “Analiza”, dostępne są szablony raportów do stworzenia. Tam też będziemy mogli tworzyć raporty dotyczące takich kwestii jak ścieżki do konwersji (purchase path) albo proces zakupowy w sklepie (purchase process) . W wersji UA mieliśmy to trochę odgórnie podyktowane, w obecnej wersji to my tworzymy ścieżki i procesy zakupowe , które zamierzamy śledzić. W ten sposób łatwiej nam będzie wykryć gdzie w procesie zakupowym znajdują się tzw. wąskie gardła, które powodują ucieczkę użytkowników przed dokonaniem zakupu albo innego celu.
Wiele z tych raportów było do tej pory dostępne tylko dla użytkowników wersji płatnej GA360 więc jest to duży bonus. Przy okazji, bardzo ciekawą opcją jest szablon raportu pokazujący nakładanie się na siebie wybranych (stworzonych wcześniej) segmentów użytkowników oraz analizy kohortowej. Możliwości do pogłębionych analiz mamy naprawdę sporo.
Youtube wraca na scenę analityczną 🙂
Dawno, dawno temu była taka opcja, ale znikła też dawno. A teraz wraca i to z impetem! Brakowało mi bardzo zachowań na YT na ścieżce do konwersji. W GA4 zobaczymy sygnały płynące z Youtube jako element ścieżki do zakupu (konwersji). Nawet nie samo wejście na stronę z YT, ale co bardziej istotne, obejrzenia filmów. Będziemy mogli, dużo łatwiej ocenić i wycenić wartość naszych akcji promocyjnych na YT na ścieżce do zakupu (konwersji). Obejrzenia filmów, czy samo obejrzenie reklamy (np. baner w GDN), zawsze generowały trudności w wycenie ich efektywności. Teraz, jest szansa, będzie łatwiej.
Uwaga! Darmowe połączenie z Big Query GCP
Jeśli ktoś nie słyszał jeszcze o narzędziu Big Query odsyłam do pomocy Google Cloud i polecam zaprzyjaźnić się z tym rozwiązaniem. Rozwiązanie idealne nie tylko do analiz ale bardzo pomocne przy integracji, analizie danych i wykorzystaniu wniosków w marketingu. A wszystko w sposób zautomatyzowany. Właściwie nieograniczone moce obliczeniowe, funkcje machine learning do przewidywania przyszłości i zysków, a wszystko w dobrze znanym i powszechnym środowisku SQL.
To była reklama, ale teraz lepsze. Kiedyś opcja ta dostępna była tylko dla użytkowników wersji GA360 (płatnej). Teraz każdy może wysyłać swoje dane (nawet w czasie rzeczywistym) do chmury Google w ramach swojego konta chmurowego GCP (można założyć za free). W ten sposób praktycznie uwalniamy dane z GA i możemy zrobić z nimi co nam się żywnie podoba. Łączyć, integrować, obrabiać, modyfikować, wysyłać dalej. Grubo!
Więcej o zdarzeniach – czy metryka sesje odchodzi do lamusa?
Parę słów więcej o tym jak GA4 mierzy zachowania użytkownika, bo ma to zasadnicze znaczenie dla zrozumienia późniejszych raportów. Jak już wcześniej wspomniałem w GA4 nie wykorzystuje się sesji jako podstawy mierzenia zachowań użytkownika ale zdarzenia. Ważna informacja jest taka, że sesja jako metryka nie znika, ale jest po prostu jedną z miar w interfejsie.
Sesja to zbiór zdarzeń o danym znaczniku czasowym (zdarzenia odbyły się w tym samym przedziale czasowym ). W tym przypadku “Sesja z interakcją” to sesje, który były dłuższe niż 10 sekund.
W usłudze GA4 na koncie Google analytics zbierane są zdarzenia z różnymi parametrami, które dodają do zdarzenia kontekst (np. przyśniecie guzika o parametrze kolor (wartość: zielony). Ważna kwestia, nie należy mylić zdarzeń (i ich parametrów – zob. niżej) jakie mierzymy w tradycyjnym GA (UA) z tymi zbieranymi w GA4.
Z kolei sam użytkownik wykonujący dane zdarzenia będzie mógł także cechować się pewnymi atrybutami (właściwościami ). Takim atrybutem (właściwością) może być np. jego rodzaj członkostwa w naszym sklepie (gold, silver albo brown). Dla porównania, w UA, do dodania takich atrybutów do zbioru danych o użytkowniku, stosowaliśmy niestandardowe wymiary . Z kolei wymiary i metryki niestandardowe będą przechowywane w parametrach zdarzenia.
Co z niestandardowymi wymiarami i metrykami?
Użytkownicy GA, którzy byli trochę bardziej zaawansowani wykorzystywali dość często tzw. niestandardowe wymiary i metryki. W GA4 cała koncepcja wymiarów i metryk zawiera się w konkretnym zdarzeniu. Tak więc konkretny wymiar albo metrykę będziemy dodawać do każdego zdarzenia. Tutaj istnieje jedna mała zmyłka bo czasem wymiary będziemy traktować nie jako parametr zdarzenia, ale jako właściwość (atrybut) użytkownika np. wspomniany wcześniej rodzaj członkostwa.
Możesz utworzyć 50 niestandardowych wymiarów i 50 niestandardowych rodzajów danych na usługę. Więcej na ten temat w pomocy Analytics.
Poziomy zakresu danych (scope)
Tutaj dochodzimy do kwestii poziomów zakresu danych (scope). Nie wszyscy zapewne na co dzień się interesowali poziomami zakresu danych, ale w GA mogliśmy zbierać dane na poziomie każdego hitu, sesji, użytkownika i produktu. W momencie tworzenia wymiary musieliśmy wybrać poziom (scope) na jakim chcemy zbierać dane. W GA4 nie będzie już poziomu sesji.
Będą w zamian poziomy: Właściwości użytkownika – atrybut (do 25 na usługę), wymiary i metryki jako parametr dla zdarzenia oraz poziom parametrów e-commerce (zakupów). Nie jest to miejsce na szczegółowe opisy poziomów, ale wskazuję, że nastąpiła tu znacząca zmiana dla wszystkich, którzy wykorzystywali niestandardowe wymiary i metryki.
Parę dodatkowych słów o zdarzeniach w GA4
Jak większość z nas wie, abyśmy mogli mierzyć zdarzenia w UA (np. przycisk guzika na stronie) należało je stworzyć i implementować samodzielnie. Trzeba to było wykonać albo przez zmianę w kodzie strony lub z wykorzystaniem GTM i odbiorników zdarzeń (event listeners) . Jako, że w GA4 wszystko opiera się o zdarzenia, większość niezbędnych zdarzeń będzie odbierane ze strony automatycznie np. przyciśnięcie guzika, przesuwanie ekranu, wyszukiwanie w witrynie, itp. (mówię oczywiście tylko o wersji WEB).
W przypadku bardziej zaawansowanych zdarzeń (niestandardowych) implementacja przebiega podobnie jak dotychczas. Różnica jest w przypadku wykorzystania GTM , gdzie do zdarzeń (poza standardowymi, automatycznymi) należy wykorzystać dodatkowy tag. Specjalnie do tego przeznaczony.
Może także ktoś się zdziwi, ale skoro o zdarzeniach mowa to KAŻDE zdarzenie możemy ustawić jako konwersję (cel) w GA4. Dla tych, którzy używali narzędzi Firebase wygląd ustawień konwersji będzie dość znajomy 🙂
Śledzenie stron typu E-commerce (sklepy)
Bardzo dobrze wiemy, że witryny typu e-commerce (lub aplikacje tego typu) wymagają specyficznego mierzenia zachowań użytkowników. W Analytics w wersji UA mamy do dyspozycji oddzielny zestaw raportów nazwany potocznie (i oficjalnie) Enhanced E-commerce. Do tego typu śledzenia wykorzystujemy najczęściej obecnie warstwę danych (Data Layer – DL) w GTM. Wszyscy, którzy posiadają taką implementację muszą pamiętać o tym, że struktura warstwy danych ulega zmianie. Nie znaczy to, że trzeba już na gwałt zmieniać obecną strukturę bo GA4 “rozumie” obecną strukturę warstwy danych. Niemniej jednak nie wszystkie opcje będzie w stanie odczytać więc warto zajrzeć do dokumentacji GTM GA4. Ważne też, że jeśli wybierzemy strukturę danych GA4 (nową) to wersja UA (obecny standard) nie będzie w stanie odczytać danych dla modułu Enhanced E-commerce. Zawsze można stosować obie struktury do jakiegoś czasu.
Inne różne zaawansowane (lub potrzebne) funkcje, o których warto wspomnieć
Wersja Google Analytics 4 ma jeszcze do nadrobienia kilka szczegółów, ale wiele funkcji, o które pytam, pojawia się powoli na kontach. Na przykład wykluczanie tzw. self-referral (ruch własny) powoli się już pojawia, także śledzenie pomiędzy domenami (cross-domain tracking), data import i measurement protocol.
Tak więc zaglądajcie często do interfejsu 🙂
Implementacja / migracja do nowej wersji – jak do tego podejść
Implementacja jest w miarę intuicyjna (mamy nawet całkiem przyjaznego asystenta do dyspozycji). Jeśli instalowaliśmy już kiedyś GA na stronie to nie powinno być wielu komplikacji mimo, że na samym początku może się wydawać trochę niejasne. Najważniejsze to dwie sprawy.
Pierwsza to taka, że mając np. stronę WWW oraz aplikację w wersji Android i IOS to dla każdej tej instancji tworzymy oddzielny strumień danych w interfejsie. Jeśli mamy tylko stronę to wystarczy tylko strumień danych dla strony WEB. Nic więcej nie musimy instalować.
Druga sprawa, to kwestia instalacji kodu. Są 4 opcje, żeby było prościej 😉
- implementacja ręczna (tradycyjna) – wymaga dodania kodu GA4 na każdej podstronie serwisu.
- Dodanie identyfikatora GA4 do kodu UA już zaimplementowanego
- Wykorzystanie kodu już istniejącego UA na stronie. Co jest dość podobne do wersji 2, ale niejako automatyzuje proces bo nie wymaga dodawania niczego na stronie (edycji strony). Opcja 2 oraz 3 tylko z wersją gtag. Starsze wersje nie są obsługiwane.
- REKOMENDOWANA – implementacja poprzez Google Tag Managera. W tym miejscu nie będę opisywał dokładnie jak to zrobić bo sam proces (podstawowy) jest dość prosty. Trzeba pamiętać, że jeśli chcemy od razu implementować dodatkowe, niestandardowe zdarzenia do śledzenia musimy wykorzystać dodatkowy tag śledzący w GTM. W takim przypadku musimy instalować dwa kody.
Jedno źródło prawdy czyli co? GA4 vs UA
No dobrze. To w takim razie migrować czy nie? Odpowiedź brzmi i tak i nie, a właściwie tak, ale … 🙂
Ponieważ czynnik doświadczenia i nauki jest w analityce dość istotny, ja sam nie przeniosę się tak bezpośrednio ze wszystkim na nową wersję. Będę powoli się do niej przyzwyczajał i tworzył po kolei raporty dla siebie, eksperymentował i migrował się mentalnie. Nie pierwsza i nie ostatnia to zmiana narzędzia w naszym życiu 😉 Nie zmienia jednak faktu, że wszystkim moim klientom zalecam zainstalowanie sobie usługi GA4 jak najszybciej i jednoczesne zbieranie danych w obu wersjach UA oraz GA4.
Tak więc, migracja TAK, ale jako dodanie do obecnych Waszych usług (UA) nowej usługi GA4 i rozpoczęcie zbierania doświadczeń. Warto od razu rozpocząć proces uczenia się nowego (dosłownie) narzędzia oraz zrozumienie jego ogromnych możliwości. Sami musicie ocenić kiedy jedno źródło prawdy (UA) zamieni się na drugie (GA4) :-).
Dajcie znać w komentarzach jak Wam idzie migracja i jak Wam się podoba 🙂 Co Wam się najbardziej, a co najmniej podoba. Może Wasze opinie dotrą do inżynierów od Google Analytics 🙂 Powodzenia w eksploracji !