Google Analytics 4: как правильно читать данные и не совершать фатальных ошибок

 «Данные — это не просто цифры. Ошибка в трактовке может сжечь бюджет, испортить стратегию и оставить тебя в темноте.» 

В 2023 году Universal Analytics официально «ушёл на пенсию», и на смену ему пришёл GA4 — инструмент, который на первый взгляд кажется просто «новым интерфейсом», но на самом деле меняет саму суть аналитики.Многие команды переходили с UA «на автомате», не разобравшись до конца в новых метриках, событиях, модели данных — и потом получали некорректные выводы.

В этой статье я покажу, как правильно читать данные в GA4, на что обращать внимание, какие ошибки встречаются чаще всего — и, что самое главное, реальные кейсы, где ошибки стоили денег.

GA4 — это не просто переработанный UA: модель данных и её последствия

В Universal Analytics мы работали с сессиями и просмотрами. В GA4 всё строится вокруг событий и параметров (ga4.com).
Например, «пользователи» теперь считаются как Active Users, а не просто все посетители (support.google.com). Также конверсии теперь отслеживаются каждый раз, а не один раз за сессию (rudderstack.com).

Кейс 1. Одна e-commerce команда увидела падение трафика при переходе на GA4. На самом деле пользователи выполняли больше событий, и данные нужно было смотреть через «Active Users» и «Events», а не через старые сессии.

Вывод: не сравнивай напрямую данные UA и GA4. Ориентируйся на новую модель и строй собственные отчёты (Explorations).

Метрики, которые все читают неправильно — и как их интерпретировать

• Engagement rate. Это новый «король» метрик. Он считает, провёл ли пользователь ≥ 10 секунд, сделал клик или просмотрел несколько страниц.
• Bounce rate. Его классического варианта больше нет — теперь он считается как «1 – engagement rate».
• Среднее время. В GA4 оно искажается из-за событий, поэтому делать выводы «контент хуже» только по этому показателю — ошибка.
• События на пользователя. Они могут включать «шум» (scroll, video_start и т. д.), поэтому нужно отделять ключевые действия.

Кейс 2. Онлайн-школа увидела, что «среднее время» упало, и решила, что контент слабый. На самом деле пользователи активнее взаимодействовали через видео, поэтому правильным ориентиром был — engagement rate.

Вывод: забудь про старые шаблоны интерпретации. В GA4 смотри на engagement rate + глубину взаимодействия.

Фатальные ошибки в интерпретации данных

Ошибка 1. Ориентация только на общий трафик

Кейс 3. Маркетологи праздновали +30 % трафика, но это оказался спам-трафик. ROI упал, потому что не исключили ботов и internal referrals.

• Как избежать: фильтруй спам-трафик и смотри на конверсии, а не только на сессии (analyticsmania.com).

Ошибка 2. Игнорирование атрибуции

Кейс 4. Компания думала, что все продажи даёт SEO (из-за last-click). Когда перешли на data-driven модель, увидели, что соцсети и email запускают большинство воронок. ROI вырос на 18 %.

•  Как избежать: в GA4 используй data-driven attribution и смотри Conversion paths.

Ошибка 3. Дублирование событий

Кейс 5. Событие «lead_form_submit» считалось и через GTM, и через код. Лиды удваивались.

•  Как избежать: или GTM, или код. Планируй именование событий заранее (analyticahouse.com).

Какие отчёты стоит читать, чтобы не потеряться

• Funnel exploration. Пошаговая воронка (View → Add to cart → Purchase).
• Path exploration. Анализ пользовательских путей.
• Traffic/User acquisition. Источники трафика и новых пользователей.
• Custom events. Анализ ключевых действий с параметрами.

Кейс 6. Агентство работало только с «source/medium» и пропускало первые контакты. После внедрения Funnel Exploration они увидели, что email и соцсети часто «прогревают» пользователя, и перенесли туда бюджет.

Вывод: GA4 нужно кастомизировать. Используй Explorations и собственные дашборды.

Реальные кейсы ошибок и их решения

• Кейс 1 (модель данных). Думали, что трафик упал → на самом деле нужно смотреть на Active Users.
• Кейс 2 (метрики времени). Ориентировались на «среднее время» → правильнее смотреть engagement rate.
• Кейс 3 (спам-трафик). Трафик вырос, но ROI упал → после фильтров данные очистили.
• Кейс 4 (атрибуция). Бюджет ушёл в SEO → после data-driven ROI +18 %.
• Кейс 5 (дублирование событий). Лиды считались дважды → оставили только один способ отслеживания.
• Кейс 6 (отчётность). Использовали только source/medium → после Funnel/Path Exploration поняли реальные пользовательские пути.

Выводы

GA4 — это не просто «новый интерфейс», а совершенно другой подход к аналитике.
Чтобы не допустить фатальных ошибок:

• Изучи модель данных.
• Используй engagement rate, а не старый bounce rate.
• Исключай ботов и спам-трафик.
• Работай с data-driven атрибуцией.
• Не дублируй события.
• Создавай свои Explorations и дашборды.

FAQ

Можно ли напрямую сравнивать данные UA и GA4?
Нет. В GA4 совершенно другая модель. Сравнивай только тренды.

Какая атрибуция наиболее точная?
Data-driven, но тестируй разные модели под свои воронки.

Нужны ли сторонние сервисы, если есть GA4?
Да, для арбитража часто нужны дополнительные трекеры (Voluum, Binom), так как GA4 имеет ограничения по прозрачности источников.

Полезные ссылки

• Google Analytics Help
  
  
• GA4 vs Universal Analytics
  
  
• Rudderstack — сравнение моделей
  
  
• Analytics Mania — типичные ошибки GA4
  
  
• AnalyticaHouse — ошибки в отчетности