Atrybucja sprzedaży w sklepie - UTM, GA4 i własne raporty z API

Dlaczego GA4 pokazuje inną sprzedaż niż sklep

Różnica między liczbą transakcji w GA4 a liczbą zamówień w sklepie jest normalna, ale powinna być stabilna i wyjaśniona. Najczęstsze przyczyny to brak zgody użytkownika na pomiar, blokery reklam, płatności, po których klient nie wraca na stronę podziękowania, zamówienia składane telefonicznie lub ręcznie przez obsługę oraz błędy w zdarzeniu purchase, np. brak lub powtarzający się transaction_id.

Dlatego raport atrybucji nie powinien zakładać, że GA4 zna każde zamówienie. Lepiej przyjąć, że sklep jest źródłem prawdy o sprzedaży, a GA4 dostarcza informacji o źródle wizyty dla tych zamówień, które zarejestrował. Zamówienia bez dopasowania w GA4 trafiają do osobnej kategorii, zamiast znikać z raportu.

Warto też regularnie sprawdzać samą różnicę. Jeśli w zwykłym tygodniu GA4 rejestruje stały odsetek zamówień, a nagle ten odsetek spada, to sygnał, że coś się zepsuło: zmiana szablonu strony podziękowania, nowa bramka płatności albo nowy baner zgód. Prosty alert porównujący dzienną liczbę transakcji w GA4 z liczbą zamówień w sklepie wychwytuje takie awarie po jednym dniu, a nie po miesiącu, gdy ktoś zauważy dziwne wyniki kampanii. To jedno z najtańszych zabezpieczeń jakości danych w całym procesie atrybucji.

Jak zapisać źródło wizyty przy zamówieniu w sklepie

Najbardziej odporna metoda to zapisanie UTM-ów i identyfikatora kliknięcia po stronie sklepu, niezależnie od GA4. Sklep przy wejściu klienta odczytuje parametry z adresu, przechowuje je w sesji lub pliku cookie pierwszej strony (zgodnie z ustawieniami zgód) i przy złożeniu zamówienia zapisuje je w polach dodatkowych zamówienia. Jak dodać takie pola i odczytać je później przez API sklepu, wyjaśniamy we wpisie integracja API sklepu internetowego - jak to działa i od czego zacząć. Przebieg wygląda tak:

[#chart:wpr43b]

Trzeba przy tym zdecydować, które źródło zapisać: pierwsze wejście, ostatnie wejście czy oba. Zapis obu daje najwięcej możliwości analizy, np. pozwala zobaczyć, ile zamówień z ostatnim kliknięciem w newsletter zaczęło się od reklamy w Meta. Zapisywanie danych o źródłach wizyt i plików cookie musi być zgodne z polityką prywatności i zgodami użytkownika - w razie wątpliwości warto skonsultować to z prawnikiem.

Poza UTM-ami warto zapisać identyfikatory kliknięć dodawane automatycznie przez systemy reklamowe, np. parametr gclid z automatycznego tagowania Google Ads. Pozwalają one później powiązać zamówienie z konkretnym kliknięciem i wykorzystać je przy importowaniu konwersji offline, gdy sprzedaż kończy się poza stroną, na przykład po telefonie do obsługi. Dobrą praktyką jest też zapisywanie strony wejścia i daty pierwszej wizyty - te dwa pola często wyjaśniają więcej niż samo źródło, np. pokazują, że klienci z newslettera wchodzą głównie na strony promocji, a z wyszukiwarki na poradniki.

Własne raporty atrybucji z GA4 Data API i BigQuery

Drugą drogą jest pobranie danych z GA4 i połączenie ich z zamówieniami po numerze transakcji. GA4 Data API udostępnia metodę runReport (POST https://analyticsdata.googleapis.com/v1beta/properties/ID:runReport), w której można zażądać m.in. wymiarów transactionId, sessionSourceMedium, sessionCampaignName i sessionDefaultChannelGroup oraz danych purchaseRevenue. Według dokumentacji zapytanie bez ustawionego limitu zwraca 10 000 wierszy, a maksymalnie 250 000 wierszy na zapytanie (stan na kwiecień 2026 - sprawdź aktualną dokumentację Google).

[#przyklad] Uproszczone ciało zapytania runReport dla atrybucji zamówień z wczoraj: { "dateRanges": [{ "startDate": "yesterday", "endDate": "yesterday" }], "dimensions": [{ "name": "transactionId" }, { "name": "sessionSourceMedium" }, { "name": "sessionCampaignName" }], "metrics": [{ "name": "purchaseRevenue" }] }

Przy większej skali lepiej sprawdza się eksport GA4 do BigQuery. Pomoc Google opisuje eksport dzienny (surowe zdarzenia z poprzedniego dnia, dla standardowych usług z limitem 1 mln zdarzeń dziennie) oraz eksport strumieniowy, prawie w czasie rzeczywistym, ale bez gwarancji kompletności i z dodatkową opłatą za ilość danych (stan na kwiecień 2026 - sprawdź aktualną pomoc i cennik Google). Z surowych zdarzeń purchase można samodzielnie odczytać transaction_id i źródło sesji, a potem złączyć je z tabelą zamówień.

Który sposób wybrać? Data API wystarczy, gdy raport ma pokazywać zagregowane dane i liczba transakcji jest umiarkowana. Eksport do BigQuery daje pełną kontrolę nad danymi i historią, ale wymaga znajomości SQL oraz pilnowania kosztów zapytań. W obu przypadkach skrypt powinien działać codziennie i zapisywać wynik w tabeli, zamiast liczyć wszystko na żądanie przy otwarciu raportu.

Wynik takiego złączenia najwygodniej pokazać w dashboardzie. Jak zbudować tabelę zamówień i raport w Looker Studio na danych z API, opisujemy we wpisie raport sprzedaży z API Allegro i sklepu w Looker Studio. Jakość atrybucji warto mierzyć jednym wskaźnikiem, który pokazuje, jaka część zamówień ma przypisany kanał:

[#chart:wpr43c]

• Raport kanałów - przychód i liczba zamówień według kanału, na danych ze sklepu,

• Raport kampanii - sprzedaż według utm_campaign z kosztami kampanii z paneli reklamowych,

• Zwroty i anulacje - przychód netto po zwrotach, którego GA4 sam nie zna,

• Klienci nowi i powracający - na podstawie historii zamówień w sklepie,

• Zamówienia bez atrybucji - osobna kategoria, której udział powinien maleć.

Jak wykorzystać atrybucję sprzedaży w decyzjach o budżecie

Raport atrybucji ma sens tylko wtedy, gdy zmienia decyzje. Najprostsze zastosowanie to porównanie przychodu z zamówień przypisanych do kanału z kosztem tego kanału. Ważne, żeby robić to na tym samym modelu i w tym samym okresie, a wnioski wyciągać z trendów, a nie z pojedynczych dni. Kolejność pracy z raportem, którą polecamy:

1. Ustal model i okres - np. ostatnie kliknięcie i pełny miesiąc, i trzymaj się ich przy porównaniach.

2. Sprawdź pokrycie atrybucji - jeśli duża część zamówień nie ma kanału, najpierw popraw dane, potem oceniaj kanały.

3. Porównaj przychód z kosztem - dla każdego kanału i kampanii, na danych ze sklepu po zwrotach.

4. Zestaw z danymi paneli - duże różnice między panelem a raportem wskazują kanały, które przypisują sobie za dużo lub za mało.

5. Testuj zmiany budżetu - przesuwaj budżet stopniowo i obserwuj łączną sprzedaż w sklepie, nie tylko konwersje w panelu.

Atrybucja zawsze jest uproszczeniem. Kanały wspierające, takie jak reklamy budujące rozpoznawalność, rzadko są ostatnim kliknięciem, a mimo to wpływają na sprzedaż. Dlatego obok raportu ostatniego kliknięcia warto patrzeć na model oparty na danych w GA4 i na łączną sprzedaż w okresach, w których zmieniano budżety. Dobrze jest też zapisywać w jednym miejscu daty większych zmian w kampaniach, promocji i awarii pomiaru, bo bez tego po kilku miesiącach trudno wyjaśnić skoki na wykresach i łatwo przypisać efekt niewłaściwemu kanałowi.

[#checklista] Atrybucja sprzedaży gotowa do raportowania: słownik wartości UTM dla zespołu; zawsze utm_source, utm_medium i utm_campaign; brak UTM-ów w linkach wewnętrznych; połączone konto Google Ads z GA4; unikalny transaction_id równy numerowi zamówienia; źródło wizyty zapisane przy zamówieniu; codzienne złączenie danych GA4 z zamówieniami; kontrola udziału zamówień bez kanału.

Jak Vinson pomaga z atrybucją sprzedaży w sklepie

Zapewniamy wsparcie programistyczne dla sklepów i sprzedawców: integracje, automatyzacje, poprawki i rozwój sklepów oraz narzędzi. Przy atrybucji porządkujemy UTM-y, sprawdzamy zdarzenie purchase w GA4, dodajemy w sklepie zapis źródła wizyty przy zamówieniu i budujemy raporty łączące zamówienia z danymi z GA4 Data API lub BigQuery. Jako Google Partner i Meta Business Partner pomagamy też przełożyć wyniki na decyzje budżetowe w kampaniach. Szczegóły znajdziesz na stronie Wsparcie programistyczne dla e-commerce.

Najczęściej zadawane pytania

Jaki model atrybucji wybrać w GA4?

W GA4 dostępne są model oparty na danych oraz modele ostatniego kliknięcia, a wcześniejsze modele regułowe, takie jak liniowy czy pierwsze kliknięcie, usunięto w 2023 r. Model oparty na danych dzieli zasługę między kontakty klienta, a ostatnie kliknięcie jest prostsze do porównania z danymi ze sklepu. Ważne, by porównując okresy i kanały, trzymać się jednego modelu.

Dlaczego suma konwersji z Google Ads i Meta jest większa niż liczba zamówień?

Każdy system reklamowy przypisuje sobie konwersje według własnych zasad i okien czasowych, więc ten sam zakup może być policzony w kilku panelach. Dlatego sumowanie konwersji z paneli zawyża wynik. Wiarygodny obraz daje raport oparty na zamówieniach ze sklepu z jednym modelem przypisania kanału.

Które parametry UTM są obowiązkowe?

Google zaleca, by zawsze podawać utm_source, utm_medium i utm_campaign. Pozostałe, takie jak utm_id, utm_content i utm_term, pomagają w szczegółowej analizie. Brakujące parametry pojawiają się w raportach GA4 jako (not set).

Jak połączyć dane z GA4 z zamówieniami w sklepie?

Wspólnym kluczem jest numer transakcji - transaction_id w zdarzeniu purchase powinien być równy numerowi zamówienia w sklepie. Dane z GA4 pobiera się przez Data API lub eksport do BigQuery, a zamówienia przez API sklepu. Skrypt łączy oba zbiory i zapisuje wynik w tabeli raportowej.

Czy atrybucję można zrobić bez GA4?

Częściowo tak. Sklep może sam zapisywać UTM-y i identyfikatory kliknięć przy zamówieniu, co daje źródło ostatniej lub pierwszej wizyty dla każdego zamówienia. GA4 dodaje do tego dane o ścieżkach i modelowaniu, więc najlepsze wyniki daje połączenie obu podejść.

Atrybucja sprzedaży oparta na zamówieniach ze sklepu, spójnych UTM-ach i danych z GA4 pokazuje, który kanał naprawdę sprzedaje, i pozwala lepiej dzielić budżet. Jeśli chcesz zbudować taki raport w swoim sklepie, sprawdź wsparcie programistyczne Vinson.