Jakość danych w marketingu: jak wykryć błędy, zanim trafią do raportu

Ile kosztują błędy w danych marketingowych

Zły raport jest gorszy niż brak raportu, bo daje pewność tam, gdzie jej nie ma. Gartner w badaniu z maja i czerwca 2022 r. wskazał dane niespójne między źródłami i trudno dostępne jako główny powód, dla którego analityka marketingowa nie wpływa na decyzje. W starszym materiale ze stycznia 2018 r. firma podawała, że według jej badania średni roczny koszt słabej jakości danych w organizacjach wyniósł w 2017 r. 15 mln dolarów, a blisko 60% organizacji w ogóle tego kosztu nie mierzy.

W marketingu koszt jest bardzo konkretny. Błędne dane o konwersjach trafiają do strategii ustalania stawek w Google Ads i Meta, więc algorytmy uczą się na fałszywym sygnale. Zawyżony przychód z jednego kanału przesuwa do niego budżet. A gdy zarząd raz przyłapie raport na błędzie, przestaje ufać również poprawnym liczbom. Dlatego kontrola danych to stały etap przygotowania raportu, który opisujemy w przewodniku o raportowaniu marketingu.

Najczęstsze błędy w danych marketingowych i ich objawy

Większość problemów powtarza się w różnych firmach. Poniższa tabela pomaga rozpoznać je po objawach w raportach.

Część różnic jest jednak oczekiwana i nie oznacza błędu. Platformy reklamowe liczą konwersje według własnych okien i modeli atrybucji, więc ich sumy nie zgadzają się z GA4. Skąd biorą się takie rozbieżności, wyjaśniamy w tekście o tym, dlaczego Meta, Google i GA4 pokazują różne konwersje. Celem kontroli nie jest zgodność co do sztuki, tylko stabilna i wyjaśniona różnica.

Jak sprawdzić dane z GA4 przed raportem

Poniższa procedura zajmuje zwykle mniej czasu niż przygotowanie wykresów, a wychwytuje większość problemów. Wykonuj ją przed każdym raportem miesięcznym.

1. Odczekaj na przetworzenie danych. Według pomocy Google przetwarzanie może trwać 24–48 godzin, a przypisanie kluczowych zdarzeń do kanałów może się zmieniać przez 12 dni. Raport miesięczny zamykaj kilka dni po końcu miesiąca.
2. Porównaj zakupy i przychód z systemem sklepu. Ustal z góry próg tolerancji. Jeśli różnica nagle wzrośnie, szukaj przyczyny przed wysłaniem raportu.
3. Sprawdź udział (not set) i nowych wartości UTM. Każde nowe źródło lub medium, którego nie ma w standardzie, to sygnał błędu w tagowaniu.
4. Spójrz na ikonę jakości danych. GA4 informuje w niej o progowaniu danych i o tym, czy raport zawiera dane szacowane.
5. Sprawdź dziennik zmian. Czy w okresie zmieniły się zdarzenia kluczowe, model atrybucji, tag lub baner zgód?
6. Porównaj koszty z panelami i fakturami. Koszty importowane do arkuszy i dashboardów bywają niepełne, zwłaszcza w kanałach spoza Google.

UTM i nazewnictwo kampanii: standard, który zapobiega chaosowi

Parametry UTM to najczęstsze źródło bałaganu w danych, bo ustawia je wiele osób w wielu narzędziach. Google w pomocy GA4 zaleca, by zawsze ustawiać utm_source, utm_medium i utm_campaign, a najlepiej także utm_id i utm_source_platform. Brakujące parametry pojawiają się w raportach jako (not set).

Najważniejsza zasada brzmi: wartości parametrów rozróżniają wielkość liter. Dla GA4 utm_source=google i utm_source=Google to dwa różne źródła. Google zaleca małe litery, jedną nazwę źródła dla każdej platformy, jedną nazwę medium dla każdego kanału i nazwę kampanii identyczną z nazwą w panelu reklamowym. Tam, gdzie platforma na to pozwala, warto używać parametrów dynamicznych, które ograniczają błędy ręcznego wpisywania.

Standard zapisz w jednym arkuszu z generatorem linków i zamkniętą listą wartości medium. Każdy, kto tworzy link, korzysta z arkusza, a nie wpisuje parametrów ręcznie. Za utrzymanie standardu powinna odpowiadać jedna osoba, co jest typowym zadaniem zespołu marketing operations.

Ustawienia GA4, które warto sprawdzić raz na kwartał

Ruch wewnętrzny

Ruch wewnętrzny definiujesz w ustawieniach tagu strumienia danych według adresów IP. GA4 dodaje wtedy do zdarzeń parametr traffic_type, a filtr danych może je wykluczyć. Filtr ma trzy stany: testowy, aktywny i nieaktywny. W stanie aktywnym usuwa dane trwale, więc nie da się ich odzyskać ani w GA4, ani w BigQuery. Dlatego najpierw ustaw filtr w trybie testowym i sprawdź w eksploracji z wymiarem nazwy filtra testowego, które zdarzenia zostałyby wykluczone. Usługa może mieć do 10 filtrów danych, a zmiana może zacząć działać po 24–36 godzinach.

Niechciane źródła odesłań

Gdy klient płaci na stronie operatora płatności i wraca do sklepu, GA4 może przypisać zakup do domeny operatora jako źródła odesłania. Rozwiązaniem jest lista niechcianych odesłań w ustawieniach tagu, na którą można wpisać do 50 domen w strumieniu danych. Zmiana nie działa wstecz: użytkownicy, którzy wcześniej przyszli z takiej domeny, zachowują dotychczasowe przypisanie.

Przechowywanie danych

W standardowych usługach GA4 dane na poziomie użytkownika i zdarzeń można przechowywać przez 2 lub 14 miesięcy. Ustawienie dotyczy tylko eksploracji i raportów ścieżek, a nie standardowych raportów zagregowanych. Jeśli porównujesz w eksploracjach dane rok do roku, wybierz 14 miesięcy. Dane o wieku, płci i zainteresowaniach są przechowywane zawsze przez 2 miesiące.

Zgody i modelowanie

Jeśli korzystasz z trybu zgody, część danych w raportach może być szacowana. GA4 modeluje zachowanie użytkowników bez zgody dopiero po spełnieniu warunków, m.in. co najmniej 1000 zdarzeń dziennie z odmową zgody na analitykę przez co najmniej 7 dni oraz co najmniej 1000 użytkowników dziennie ze zgodą w co najmniej 7 z ostatnich 28 dni. Aby dane modelowane były widoczne, trzeba wybrać mieszaną tożsamość raportowania. Zmiana zakresu modelowania potrafi przesunąć wyniki z miesiąca na miesiąc, więc odnotuj ją w raporcie. Szczegóły opisujemy w tekście o Consent Mode v2 w praktyce, a prawne podstawy zgód w artykule o zgodach marketingowych i RODO.

GA4, BigQuery i panele reklamowe: kiedy różnica jest błędem

Eksport GA4 do BigQuery zawiera surowe zdarzenia i dane na poziomie użytkownika, bez części przetwarzania stosowanego w raportach. Według pomocy Google dane modelowane przy trybie zgody nie trafiają do eksportu, podobnie jak dane Google Signals. Liczby z BigQuery i z interfejsu GA4 będą się więc różnić. To normalne, o ile różnica jest stabilna i potrafisz ją wyjaśnić.

Za błąd uznaj różnicę, która nagle się zmienia bez zmiany w ustawieniach, rośnie z tygodnia na tydzień albo dotyczy tylko jednego kanału, urządzenia czy metody płatności. Wtedy szukaj przyczyny w tagowaniu, a nie w kampaniach. Szczególnie ważne jest to przy kampaniach, które same optymalizują stawki na podstawie konwersji. Jak je kontrolować, piszemy w tekście o kontroli nad Performance Max.

W standardowych usługach eksport dzienny do BigQuery ma limit miliona zdarzeń dziennie. Eksport strumieniowy nie ma limitu, ale działa w trybie najlepszych starań, bez gwarancji kompletności, i kosztuje 0,05 dolara za GB. Jeśli liczysz na nim kluczowe wskaźniki, pamiętaj o możliwych lukach.

Jak zautomatyzować kontrolę danych

Ręczna kontrola przed raportem to minimum. Lepiej, gdy problemy wychodzą na jaw w dniu, w którym powstały. Wystarczy kilka prostych reguł sprawdzanych codziennie:

• liczba zakupów w GA4 spadła o więcej niż ustalony procent wobec średniej z poprzednich tygodni,
• pojawiła się nowa wartość utm_medium spoza zamkniętej listy,
• udział (not set) w źródle ruchu przekroczył próg,
• różnica między zakupami w GA4 a zamówieniami w sklepie wyszła poza tolerancję,
• kampania ma koszty, ale zero konwersji przez kolejny dzień.

Takie reguły ustawisz w arkuszu, w zapytaniach do BigQuery albo w alertach w narzędziu raportowym. Część zespołów używa do tego też AI, które opisuje anomalie w języku naturalnym. Jak sprawdzać, czy model dobrze odczytał dane, wyjaśniamy w tekście o AI w analizie danych marketingowych. Kontrolki jakości warto też umieścić na osobnej stronie dashboardu marketingowego.

Lista kontrolna przed wysłaniem raportu

• Dane za okres raportu są przetworzone, a ostatnie dni nie są prezentowane jako ostateczne.
• Zakupy i przychód w GA4 porównano z systemem sklepu, a różnica mieści się w progu.
• Kwoty są wszędzie netto albo wszędzie brutto, w jednej walucie.
• Nie ma nowych wartości UTM spoza standardu, a udział (not set) jest stabilny.
• Filtr ruchu wewnętrznego i lista niechcianych odesłań są aktualne.
• Ikona jakości danych nie sygnalizuje progowania w kluczowych raportach.
• Zmiany w pomiarze z okresu raportu są opisane z datą.
• Koszty z kanałów spoza Google zgadzają się z panelami lub fakturami.
• Wskaźniki są liczone według definicji z listy KPI marketingowych.