GA4 krok po kroku: zakładanie usługi i strumienia, tag Google, zdarzenia i kluczowe zdarzenia, limity, zgody, raporty, panele i kanał AI Assistant z 2026 r.
Sześć raportów GA4 dla zarządu: wynik, kanały, nowi klienci, lejek, utrzymanie i benchmark. Jak złożyć je w panel GA4 i opisać, żeby prowadziły do decyzji.
Consent Mode v2: sygnały ad_user_data i ad_personalization, wersja podstawowa i zaawansowana, modelowanie w GA4 i Google Ads, progi, wymogi dla EOG i błędy.
Kluczowe zdarzenia w GA4: które oznaczyć w sklepie, a które w firmie usługowej, parametry zakupu, zdarzenia leadowe, metoda zliczania, wartości i typowe błędy.
Jak wyodrębnić ruch z ChatGPT, Gemini i Perplexity w GA4: kanał AI Assistant z maja 2026, własna grupa kanałów z regex, analiza stron docelowych i ograniczenia.
Tagowanie po stronie serwera i Google tag gateway: jak działają, ile kosztują, co dają GA4 i Google Ads, czego nie zmieniają w zgodach i kiedy się opłacają.
Atrybucja w marketingu w 2026 r.: modele w GA4 i Google Ads, okna atrybucji Meta po zmianach, ograniczenia pomiaru i jak połączyć atrybucję z testami i MMM.
Testy inkrementalności krok po kroku: holdout, geo-test i test w czasie, wymagania Conversion Lift w Google i Meta oraz modelowe wyliczenia potrzebnej próby.
Jak mierzyć ruch i reklamy z ChatGPT, Gemini i AI Overviews: kanał AI Assistant w GA4, konwersje po wyświetleniu w ChatGPT Ads, wskaźniki pośrednie i testy.
Dlaczego Meta, Google Ads i GA4 pokazują inne liczby konwersji: modele, okna, daty, zgody i duplikaty. Tabela różnic i procedura uczciwego porównania danych.
Ankieta skąd o nas wiesz krok po kroku: gdzie zadać pytanie, lista odpowiedzi, pole otwarte czy wybór, kodowanie, analiza z bazą i ograniczenia tej metody.
Badania konsumenckie krok po kroku: pytanie decyzyjne, wybór metody, wielkość próby i błąd pomiaru, ankieta bez sugestii, kontrola jakości, RODO i analiza wyników.
Search Console, wyszukiwarka na stronie, opinie, zgłoszenia do obsługi i dane sprzedażowe: jak wyciągnąć z nich wiedzę o klientach bez budżetu na badania.
Indeks 0–100 to nie liczba wyszukiwań. Jak Google Trends normalizuje i próbkuje dane, jak porównywać frazy, sezony i regiony oraz jakich wniosków nie wyciągać.
Jak policzyć wielkość próby w teście A/B, ile powinien trwać test i jak odczytać istotność statystyczną. Wzory, przykład modelowy i najczęstsze pułapki.
Co wyczytać z map ciepła i nagrań sesji, jak je oglądać, żeby znaleźć problemy na stronie, i jak wdrożyć Microsoft Clarity lub inne narzędzie zgodnie z RODO.
Brand lift krok po kroku: wybór wskaźników, grupa kontrolna, liczba odpowiedzi, lift bezwzględny, względny i headroom oraz własne badanie świadomości marki.
Jak wdrożyć marketing mix modeling bez działu data science: co marketer zrobi sam, jakie narzędzia pomagają i jak sprawdzić model zbudowany przez kogoś innego.
Google Meridian to bezpłatny, otwarty model MMM. Jak działa, jakich danych wymaga, jak go zainstalować i skalibrować eksperymentami. Stan na październik 2026.
MMM dzieli budżet, atrybucja optymalizuje kampanie, eksperymenty dowodzą przyczynowości. Jak połączyć trzy metody pomiaru i co robić, gdy wyniki się różnią.
Jakie dane zebrać do marketing mix modelingu, ile tygodni historii potrzeba, w jakiej granulacji i jak sprawdzić ich jakość. Lista zmiennych i szablon tabeli.
Jak mierzyć długoterminowy efekt reklamy: adstock z wyliczeniami, badania IPA, Ehrenberg-Bass i Profit Ability 2 oraz sposoby pomiaru budowy marki w MMM.
Jak zbudować raport marketingowy, który prowadzi do decyzji: pytania decyzyjne, dobór KPI, struktura, komentarz do danych, rytm raportowania i typowe błędy.
Dashboard marketingowy w Looker Studio, od kwietnia 2026 r. Data Studio: układ stron, konektory, łączenie danych, limity GA4, odświeżanie i typowe błędy.
25 KPI marketingowych w jednej tabeli: CTR, CPC, ROAS, CAC, LTV, retencja, NPS i inne. Definicje, wzory, wyliczenie modelowe i dobór wskaźników do firmy.
Jak policzyć CAC pełny i płatny, LTV na marży i okres zwrotu kosztu pozyskania klienta. Skąd reguła 3:1, kiedy nie działa i jak ustalić maksymalny CAC.
Jak wykryć błędy w danych marketingowych przed raportem: UTM, ruch wewnętrzny, bramki płatności, progi i zgody w GA4, różnice z BigQuery i lista kontrolna.
Jak zadawać pytania danym marketingowym w GA4, Data Studio, BigQuery i ChatGPT oraz jak sprawdzić odpowiedź AI w siedmiu krokach. Szablony pytań i typowe błędy.