Lejek zakupowy w GA4 — jak mierzyć etapy bez mylenia zdarzeń z klientami

Lejek zakupowy w GA4 pokazuje, jak użytkownicy przechodzą między zdefiniowanymi etapami zakupu. Nie pokazuje automatycznie, dlaczego ktoś odpadł. Żeby raport nadawał się do decyzji, trzeba najpierw sprawdzić zdarzenia, potem wybrać jednostkę liczenia i dopiero interpretować różnice.

Ten tekst dotyczy sklepu internetowego. Jeśli prowadzisz formularz leadowy, etapy i zdarzenie końcowe będą inne. Jeżeli chcesz już przejść od raportu do oceny konkretnej ścieżki, użyj checklisty audytu lejka.

Jakie etapy mierzyć

Google zaleca dla e-commerce m.in. view_item, add_to_cart, begin_checkout, add_shipping_info, add_payment_info i purchase. Definicje są w dokumentacji zdarzeń rekomendowanych GA4. Nie dodawaj etapów tylko dlatego, że istnieją w dokumentacji: jeśli w sklepie nie ma osobnego kroku płatności, nie twórz sztucznego punktu odpływu.

Przykładowa droga to karta produktu → dodanie do koszyka → początek checkoutu → zakup. Możesz dodać wyświetlenie koszyka oraz kroki dostawy i płatności, jeśli rzeczywiście pomagają odróżnić problemy. Zapisz przy każdym zdarzeniu dokładny moment jego wysłania. begin_checkout powinno oznaczać rozpoczęcie procesu, a nie samo obejrzenie koszyka.

Skontroluj wdrożenie na jednym zamówieniu

Wykonaj testowy zakup i zanotuj identyfikator zamówienia. Sprawdź kolejność zdarzeń, transaction_id, wartość oraz produkty. Upewnij się, że odświeżenie strony potwierdzenia nie wysyła drugiego purchase. Następnie porównaj wynik z systemem sklepowym. Google podaje, że zdarzenia e-commerce nie zbierają się automatycznie; raport może więc wyglądać wiarygodnie mimo braków implementacji.

Test powtórz dla głównych metod płatności i ścieżki z błędem lub anulowaniem. Szczególnie uważaj na powrót z operatora płatności: brak powrotu do sklepu może oznaczać brak zdarzenia, choć zamówienie istnieje. Wtedy raport o porzuceniach będzie zawyżony.

Wybierz jednostkę: zdarzenia, sesje albo użytkownicy

Liczba zdarzeń add_to_cart nie oznacza liczby koszyków ani liczby ludzi. Jeden użytkownik może dodać kilka produktów, usuwać je i wracać. Do porównania etapów wybierz jedną jednostkę: na przykład sesje, w których wystąpił dany etap. Jeśli analizujesz użytkowników, opisz okres i to, czy etapy musiały nastąpić w jednej sesji. Inaczej te same dane dadzą pozornie sprzeczne wyniki.

Wskaźnik przejścia między etapami to liczba wybranych jednostek na etapie następnym podzielona przez liczbę jednostek na etapie poprzednim. Mianownik, okres i filtry muszą być spójne. Jeśli lejek wymaga kolejności zdarzeń, zaznacz to w opisie raportu. Nie porównuj takiego wyniku wprost z raportem, który zlicza wszystkich użytkowników danego zdarzenia niezależnie od kolejności.

Co mówi odpływ, a czego nie mówi

Duży odpływ między begin_checkout i purchase mówi, gdzie szukać. Nie rozstrzyga, czy chodzi o koszt dostawy, wymuszone konto, brak metody płatności czy błędny pomiar. Rozbij dane na telefon i komputer, kanał oraz nowych i powracających klientów. Potem przejdź ścieżkę i zbierz dowód. Badania checkoutu Baymard pomagają sformułować hipotezy, lecz przyczynę w konkretnym sklepie trzeba sprawdzić lokalnie.

Jeżeli problem dotyczy koszyków, oddziel sufit teoretycznej straty od możliwego odzysku. Pokazuję to w artykule o koszcie porzuconych koszyków. Dopiero poprawny pomiar pozwala nadać audytowi i testom sensowny priorytet.

Prosty format raportu do decyzji

Zapisz dla każdego etapu definicję zdarzenia, jednostkę, segment, liczbę wejść, udział przejść oraz informację o kontroli poprawności. Obok dopisz obserwację z rzeczywistego przebiegu i hipotezę. Oddziel dane od interpretacji. Jeśli potrzebujesz pomocy w połączeniu raportu z działaniem, zobacz zakres CRO lub napisz.