Analityka e-commerce to pomiar i interpretacja danych o ścieżce zakupowej: od pierwszego wejścia na stronę, przez oglądanie produktów i dodanie do koszyka, aż po zakup, zwrot, ponowny zakup i wartość klienta w czasie. Jej celem nie jest samo zbieranie raportów, tylko podejmowanie lepszych decyzji o marketingu, ofercie, UX, marży i retencji.
W sklepie internetowym analityka musi łączyć kilka źródeł: GA4, platformę sklepową, Google Ads, Meta Ads, Search Console, system płatności, CRM lub system mailingowy. Żadne pojedyncze narzędzie nie pokazuje pełnej prawdy. GA4 dobrze opisuje zachowanie użytkowników, ale rentowność trzeba zestawić z kosztem reklam, marżą, zwrotami i wartością klienta.
W skrócie
- Analityka e-commerce mierzy cały lejek zakupowy, nie tylko liczbę transakcji.
- GA4 z pomiarem e-commerce jest fundamentem, ale trzeba porównywać je z platformą sklepową i systemami reklamowymi.
- Najważniejsze metryki to CR, AOV, ROAS, CAC, LTV, marża, zwroty i porzucenia koszyka.
- Zdarzenia e-commerce muszą mieć poprawne parametry, m.in. wartość, walutę, ID transakcji i listę produktów.
- ROAS bez marży i LTV może prowadzić do złych decyzji.
- Analityka powinna kończyć się działaniem, np. zmianą checkoutu, budżetu, oferty, segmentu lub komunikacji.
Słowniczek pojęć
- CR (conversion rate) — współczynnik konwersji, czyli udział wizyt lub użytkowników kończących zakupem.
- AOV (average order value) — średnia wartość zamówienia.
- ROAS — przychód z reklam podzielony przez koszt reklam.
- CAC — koszt pozyskania klienta.
- LTV — wartość klienta w czasie.
- Marża brutto — przychód pomniejszony o koszt produktu lub usługi.
- Refund / zwrot — zwrot transakcji lub części zamówienia.
- Enhanced Ecommerce w GA4 — zestaw zdarzeń opisujących zachowania zakupowe.
- Lejek zakupowy — kolejne kroki od wejścia do zakupu.
Co mierzyć w e-commerce
1. Ruch i źródła
Na tym etapie sprawdza się, skąd przychodzą użytkownicy: SEO, Google Ads, Meta Ads, e-mail, social, direct, referral, afiliacja lub kody QR. Sama liczba sesji jest mało użyteczna bez jakości ruchu, konwersji i wartości zamówień.
2. Zachowanie na stronie
Warto analizować, które kategorie i produkty przyciągają uwagę, gdzie użytkownicy rezygnują, jak korzystają z wyszukiwarki, filtrów i strony koszyka. Te dane prowadzą do decyzji UX i merchandisingowych.
3. Lejek zakupowy
Typowy lejek w GA4 obejmuje zdarzenia takie jak view_item, add_to_cart, begin_checkout, add_shipping_info, add_payment_info i purchase. Spadki między etapami pokazują, gdzie tracony jest potencjalny przychód.
4. Rentowność
ROAS pokazuje relację przychodu do kosztu reklamy, ale nie mówi wszystkiego. Trzeba dodać marżę, koszt dostawy, zwroty, rabaty, prowizje marketplace i LTV. W przeciwnym razie kampania może wyglądać dobrze w panelu reklamowym, ale być słaba finansowo.
5. Retencja
W wielu sklepach największy potencjał leży nie w pierwszym zakupie, tylko w drugim i trzecim. Warto mierzyć powroty klientów, częstotliwość zakupów, kohorty, subskrypcje i skuteczność e-mail marketingu.
Kluczowe metryki
| Metryka | Co pokazuje | Dlaczego ma znaczenie |
|---|---|---|
| CR | udział użytkowników lub sesji z zakupem | ocena skuteczności sklepu i ruchu |
| AOV | średnia wartość zamówienia | wpływ cross-sell, up-sell i progów darmowej dostawy |
| ROAS | przychód / koszt reklam | efektywność kampanii płatnych |
| CAC | koszt pozyskania klienta | rentowność akwizycji |
| LTV | wartość klienta w czasie | ile można zapłacić za pozyskanie klienta |
| Marża | realny zysk przed kosztami stałymi | czy sprzedaż jest opłacalna |
| Porzucenia koszyka | utrata użytkowników przed zakupem | wskazówka dla CRO i checkoutu |
| Zwroty | anulacje i refundy | korekta przychodu i rentowności |
Nie ma jednego uniwersalnego progu „dobrego” CR lub ROAS dla wszystkich sklepów. Wynik zależy od branży, marży, ceny produktu, źródła ruchu, długości decyzji zakupowej i udziału nowych klientów.
Konfiguracja pomiaru e-commerce w GA4
Zdarzenia zakupowe
Google rekomenduje mierzenie typowych interakcji zakupowych: wyświetlenia produktów, dodania lub usunięcia z koszyka, rozpoczęcia checkoutu, zakupu, zwrotu i promocji. Dla purchase kluczowe są m.in. transaction_id, value, currency i tablica items.
Parametry produktów
Warto przekazywać ID produktu, nazwę, kategorię, cenę, ilość, markę, wariant i listę. Bez tych parametrów raporty produktowe są ubogie i trudniej analizować, co faktycznie sprzedaje.
Zgody i jakość danych
Consent Mode, poprawne działanie CMP i ewentualne tagowanie po stronie serwera mają wpływ na jakość danych. Nie zastępują jednak dobrej mapy zdarzeń ani testów checkoutu.
Porównanie z backendem
Transakcje z GA4 trzeba regularnie porównywać z platformą sklepową. Różnice są normalne, ale duże rozjazdy mogą wskazywać na duplikaty, brak zdarzeń, problemy z płatnościami albo błędne zgody.
Jak analizować lejek zakupowy
Krok 1 — wejście na produkt
Sprawdzić, które produkty i kategorie generują wejścia, a które tylko ruch bez sprzedaży. Warto zestawić dane z dostępnością produktu, ceną, opiniami i marżą.
Krok 2 — dodanie do koszyka
Niski udział add_to_cart może oznaczać problem z ceną, opisem produktu, zdjęciami, wariantami, kosztami dostawy albo zaufaniem do sklepu.
Krok 3 — checkout
Spadek na etapie begin_checkout lub add_payment_info często wskazuje na problemy z formularzem, metodami płatności, kosztami dostawy, czasem dostawy albo błędami technicznymi.
Krok 4 — zakup
Brak purchase po poprawnym przejściu checkoutu może oznaczać problem z przekierowaniem z bramki płatności, zdarzeniem transakcji albo duplikacją identyfikatora transakcji.
Krok 5 — zwroty i ponowne zakupy
Analiza kończy się dopiero wtedy, gdy wiadomo, czy klient wrócił, czy produkt został zwrócony i czy zamówienie było rentowne.
Według skali sklepu
Mały sklep
Wystarczy dobrze wdrożone GA4, podstawowe zdarzenia e-commerce, prosty dashboard i regularne porównanie z platformą sklepową. Najważniejsze są: CR, AOV, źródła sprzedaży i problemy checkoutu.
Średni sklep
Warto dodać segmentację klientów, analizę nowych i powracających, LTV, marżę, zwroty, e-mail marketing i raportowanie w Looker Studio. Na tym etapie rośnie znaczenie jakości danych i dokumentacji.
Duży sklep lub marketplace
Potrzebne mogą być BigQuery, hurtownia danych, modele LTV/CAC, integracja z CRM, analiza kategorii, logika marżowa i osobne raporty dla performance, merchandisingu oraz zarządu.
Najczęstsze błędy
| Błąd | Skutek | Lepsze podejście |
|---|---|---|
| patrzenie tylko na ROAS | brak informacji o marży i LTV | łączyć ROAS z marżą, CAC i LTV |
brak transaction_id |
ryzyko duplikatów transakcji | wysyłać unikalne ID zamówienia |
brak currency przy wartości |
błędne raportowanie przychodu | zawsze przekazywać walutę |
| brak refundów | zawyżony przychód | mierzyć zwroty i anulacje |
| brak porównania z backendem | niewykryte rozjazdy danych | regularna kontrola GA4 vs sklep |
| analizowanie całego sklepu jako jednej masy | brak decyzji produktowych | segmentować kategorie, produkty i klientów |
Jak podchodzimy do tego w Space Ads
W Space Ads analitykę e-commerce zaczynamy od sprawdzenia, czy dane pozwalają podjąć decyzję, a nie tylko wypełnić raport. Porównujemy GA4 z platformą sklepową, systemami reklamowymi, CRM, płatnościami i danymi o marży, bo sama liczba transakcji nie pokazuje rentowności. Szczególnie pilnujemy zdarzeń e-commerce, transaction_id, wartości, waluty, danych produktów, refundów, Consent Mode i zgodności checkoutu po zmianach technicznych. Potem analizujemy lejek, segmenty nowych i powracających klientów, kategorie, produkty, źródła ruchu, CAC, LTV i zwroty. Dzięki temu kampania nie jest oceniana wyłącznie po ROAS w panelu reklamowym, tylko po tym, czy sprzedaż ma sens biznesowy po kosztach, marży i powrotach klientów.
Najczęstsze pytania
Czym różni się analityka e-commerce od zwykłego GA4?
Zwykłe GA4 może mierzyć ruch i podstawowe zdarzenia. Analityka e-commerce wymaga pełnego pomiaru produktów, koszyka, checkoutu, transakcji, wartości, zwrotów i źródeł sprzedaży.
Jakie metryki są najważniejsze?
Najważniejsze są CR, AOV, ROAS, CAC, LTV, marża, porzucenia koszyka i zwroty. Same przychody bez kosztów i marży nie wystarczają do oceny rentowności.
Czy GA4 wystarczy do analityki e-commerce?
GA4 jest fundamentem analizy zachowania użytkowników, ale nie powinno być jedynym źródłem. Trzeba je łączyć z platformą sklepową, reklamami, CRM, systemem płatności i danymi o marży.
Dlaczego dane w GA4 różnią się od danych w sklepie?
GA4 i platforma sklepu mierzą inne rzeczy i mogą mieć różne momenty rejestracji transakcji. Różnice mogą wynikać ze zgód, adblocków, błędów tagów, przekierowań płatności, refundów i modeli atrybucji.
Od czego zacząć analizę sklepu?
Najpierw należy sprawdzić poprawność zdarzeń e-commerce i zgodność transakcji z backendem. Dopiero potem warto analizować CR, lejek, źródła ruchu, ROAS, CAC i LTV.
Najważniejsze
- Analityka e-commerce mierzy całą ścieżkę zakupu, nie tylko transakcje.
- GA4 jest fundamentem, ale wymaga porównania z backendem, reklamami i marżą.
- Kluczowe zdarzenia muszą mieć wartość, walutę, ID transakcji i dane produktów.
- ROAS bez CAC, LTV, marży i zwrotów może prowadzić do błędnych decyzji.
- Największą wartość daje analiza lejka, checkoutu, retencji i rentowności.
Źródła
- Google — GA4 ecommerce measurement
- Google — GA4 recommended events
- Google — Consent Mode
- Google — Enhanced Conversions
- Google — attribution in GA4
Dalsza lektura
Czytaj również
Google Analytics 4 (GA4) — dlaczego warto wdrożyć i jakie ma zalety?
GA4 to aktualny standard Google Analytics oparty na zdarzeniach, parametrach, zgodach i integracjach z narzędziami reklamowymi. Wpis wyjaśnia, czym różni się od Universal Analytics, jak zaprojektować mapę zdarzeń, key events, Consent Mode, Enhanced Ecommerce, BigQuery i raportowanie pod realne decyzje marketingowe.
Czym jest audyt Google Analytics i czy warto go wykonać?
Audyt Google Analytics sprawdza, czy GA4 zbiera dane poprawne, spójne i użyteczne do decyzji o kampaniach, stronie oraz sprzedaży. Wpis pokazuje, jak ocenić zdarzenia, key events, Consent Mode, źródła ruchu, e-commerce, integracje, raporty i typowe błędy zniekształcające pomiar.
Czym jest UTM i jak wygenerować URL z UTM do Google Analytics?
Parametry UTM pomagają GA4 rozpoznać źródło, medium, kampanię i wariant linka, dzięki czemu raporty pokazują, skąd naprawdę przychodzi ruch. Wpis wyjaśnia, kiedy stosować UTM-y, czego nie tagować, jak ustalić konwencję nazw i jak testować linki przed wysyłką kampanii.
