Atrybucja w praktyce: jak zmierzyć, ile sprzedaży naprawdę daje newsletter, a ile Google Ads

Atrybucja to sposób przypisywania zasługi za konwersję, najczęściej zakup, poszczególnym punktom styku na ścieżce klienta: kliknięciu reklamy, wejściu z wyszukiwarki, kliknięciu w link z newslettera. Model atrybucji to reguła, która decyduje, ile tej zasługi dostaje każdy punkt styku. Ponieważ każda platforma reklamowa stosuje własną regułę i widzi tylko część ścieżki, ta sama transakcja może zostać przypisana jednocześnie kilku kanałom.

Typowy sklep internetowy ocenia kanały osobno: kampanie w panelu Google Ads, newsletter w panelu narzędzia do mailingu. Każdy z tych raportów jest wewnętrznie poprawny, a mimo to suma ich przychodów potrafi przekroczyć całą sprzedaż sklepu o kilkadziesiąt procent. Od piętnastu lat prowadzę kampanie Google Ads, głównie dla e‑commerce, i uważam, że ten rozjazd jest najdroższym nieporozumieniem w marketingu sklepów. Nie dlatego, że ktoś kłamie. Dlatego, że na jego podstawie dosypuje się budżet do kanału, który najgłośniej przypisuje sobie zasługi, a niekoniecznie do tego, który sprzedaje.

Google Ads i narzędzie do e‑mail marketingu przypisują sobie te same zamówienia, bo każde z nich liczy konwersję po interakcji z własnym kanałem i nie widzi, co klient robił w kanale drugim. Panel Google Ads nie wie o mailu, panel mailingu nie wie o reklamie. Żaden z nich nie odejmuje zamówień, które przypisał sobie sąsiad.

Mechanizm jest prosty. Google Ads liczy konwersję, jeśli zakup nastąpił w oknie konwersji po kliknięciu reklamy, a domyślnie jest to 30 dni dla większości akcji konwersji. Narzędzie e‑mailowe liczy zamówienie, jeśli klient kupił w swoim oknie po kliknięciu linku z wiadomości, a część narzędzi liczy także samo otwarcie. Jeśli klient zrobił obie rzeczy, dostajesz jedno zamówienie i dwie konwersje. Poniżej cztery scenariusze, które widzę najczęściej.

Klient klika reklamę produktową w Google, ogląda sklep, zostawia e‑mail w zamian za kod rabatowy i wychodzi. Dwa dni później dostaje wiadomość powitalną z kodem, klika i kupuje. W panelu Google Ads to jest konwersja kampanii produktowej, bo zakup zmieścił się w oknie po kliknięciu. W narzędziu e‑mailowym to jest sprzedaż z automatyzacji powitalnej. W GA4 przy modelu ostatniego kliknięcia całą zasługę dostaje kanał Email.

• Google Ads: 1 konwersja z pełną wartością koszyka.

• Narzędzie e‑mailowe: 1 zamówienie z pełną wartością koszyka.

• GA4, ostatnie kliknięcie: 100% wartości dla kanału Email.

• GA4, model oparty na danych: wartość podzielona między Paid Shopping i Email w proporcji wyliczonej z historii konta.

• System sklepu: 1 zamówienie, i tylko ta liczba trafia na konto bankowe.

Retargeting na liście subskrybentów działa odwrotnie. Sklep wgrywa bazę newslettera do Google Ads jako listę klientów (Customer Match) i pokazuje tym osobom reklamy w kampaniach Performance Max albo w sieci wyszukiwania. Subskrybent dostaje mail, czyta go, nie klika, a wieczorem wpisuje nazwę sklepu w Google, klika reklamę na własną markę i kupuje. Google Ads zapisuje konwersję na kampanii, a kanał e‑mail, który realnie przypomniał o ofercie, w GA4 nie dostaje nic, bo nie było kliknięcia.

Uważam, że kampanie remarketingowe kierowane na własnych subskrybentów to najczęściej przepłacany element budżetu e‑commerce. Płacisz za kliknięcie osoby, która i tak miała w skrzynce bezpłatny dostęp do tej samej oferty. Nie znaczy to, że takie kampanie trzeba wyłączyć, tylko że ich ROAS z panelu jest z definicji zawyżony i bez testu przyrostowości (opisuję go niżej) nie powinien decydować o budżecie.

Trzeci scenariusz to cichy zysk kampanii na frazy brandowe. Wysyłka newslettera podnosi liczbę wyszukiwań nazwy sklepu w dniu wysyłki i dzień po niej, bo część odbiorców woli wpisać adres w Google niż klikać link. Jeśli prowadzisz kampanię na własną markę, płacisz za te kliknięcia, a panel Google Ads pokazuje świetny ROAS. Mail wykonał pracę, reklama przejęła zasługę.

Ostatni scenariusz to liczenie bez kliknięcia po obu stronach. Kampanie wideo i Demand Gen w Google Ads mogą raportować konwersje po wyświetleniu albo po obejrzeniu reklamy, a część narzędzi e‑mailowych przypisuje zamówienie samemu otwarciu wiadomości. Otwarcia są przy tym coraz mniej wiarygodne, bo ochrona prywatności w aplikacji Apple Mail ładuje treść wiadomości automatycznie i rejestruje otwarcie, którego człowiek nie wykonał. Dwa kanały liczą więc zamówienie klienta, który ani reklamy, ani maila świadomie nie kliknął.

Kampanie Google Ads oznaczaj automatycznym tagowaniem (parametr gclid), a linki w e‑mailach ręcznie parametrami UTM, zawsze z utm_medium=email i jedną, stałą konwencją nazw zapisanych małymi literami. Ten podział wynika z tego, jak GA4 rozpoznaje kanały: ruch z Google Ads identyfikuje po kliknięciu, a ruch z mailingu wyłącznie po wartościach UTM.

Parametry UTM to dopiski w adresie linku, z których GA4 odczytuje źródło wizyty. Pomoc Google Analytics wymienia m.in. utm_source, utm_medium, utm_campaign, utm_content, utm_term i utm_id. W praktyce sklepu wystarczają cztery pierwsze, pod warunkiem że każdy ma jedno znaczenie i jedną listę dozwolonych wartości.

Kampanie Google Ads powinny korzystać z automatycznego tagowania, włączonego w ustawieniach konta, i połączenia konta z usługą GA4. Wtedy GA4 dostaje nazwę kampanii, grupy reklam, typ kampanii i sieć bez żadnych ręcznych parametrów. Ręczne UTM‑y w adresach reklam niczego tu nie dodają, a potrafią zaszkodzić, gdy ktoś przy okazji wyłączy automatyczne tagowanie albo wpisze inną nazwę kampanii niż na koncie.

• Włącz automatyczne tagowanie w Google Ads: Administracja → Ustawienia konta → Automatyczne tagowanie.

• Połącz Google Ads z GA4 w panelu administracyjnym GA4 (Połączenia z usługami → Google Ads) i włącz import kluczowych zdarzeń, jeśli chcesz licytować na zakupy z GA4.

• Sprawdź, czy gclid przeżywa drogę do strony: kliknij własną reklamę w podglądzie i zobacz, czy parametr nie znika po przekierowaniu z wersji bez „www” albo po przekierowaniu do wersji mobilnej.

• Nie dokładaj utm_source i utm_medium do końcowych adresów URL reklam. Jeśli inny system w sklepie wymaga UTM‑ów, dodaj je w szablonie śledzenia z parametrem {campaignid}, a nie ręcznie per reklama.

Linki w newsletterach muszą mieć UTM‑y w każdej wiadomości, także w automatyzacjach, które wysyłają się latami bez niczyjej kontroli. GA4 zalicza wizytę do kanału Email tylko wtedy, gdy źródło albo medium pasuje do jednej z wartości email, e‑mail, e_mail lub e mail, co opisuje dokumentacja domyślnych grup kanałów GA4. Każda inna wartość medium wypycha sprzedaż z newslettera poza kanał Email.

Poniższa tabela zestawia konwencję UTM dla linków e‑mailowych sklepu z przykładem wartości i regułą, której trzeba pilnować w każdym parametrze.

Konwencja UTM dla newslettera i automatyzacji w sklepie internetowym. Wartości przykładowe, reguły zgodne z domyślną grupą kanałów GA4.

Najwięcej szkody w atrybucji robią nie brakujące UTM‑y, tylko UTM‑y niespójne, bo dzielą sprzedaż jednego kanału na kilka wierszy raportu albo przenoszą ją do kanału Unassigned. Każdy z poniższych błędów sprawia, że newsletter wygląda w GA4 słabiej, niż sprzedaje, a Google Ads relatywnie lepiej.

• utm_medium=newsletter zamiast email: wartość „newsletter” nie pasuje do reguły kanału Email, więc sprzedaż ląduje w Unassigned.

• Różna wielkość liter: „Ecomail”, „ecomail” i „ECOMAIL” to w raporcie źródeł trzy osobne wiersze, które trzeba ręcznie sumować.

• UTM‑y na linkach wewnętrznych sklepu: baner na stronie głównej oznaczony utm_source=baner nadpisuje prawdziwe źródło wizyty i kasuje zasługę reklamy albo maila, który klienta przyprowadził.

• Automatyzacje bez UTM: wiadomość o porzuconym koszyku bez parametrów trafia do GA4 jako ruch bezpośredni albo odesłanie z domeny poczty.

• Przekierowania gubiące parametry: skracacze linków, kody QR i źle skonfigurowane przekierowania 301 potrafią obciąć wszystko po znaku zapytania.

• Ręczne UTM‑y w reklamach Google Ads przy wyłączonym automatycznym tagowaniu: GA4 traci wtedy dane o kampanii, grupie reklam i typie kampanii z konta Google Ads.

Najczęstszy błąd, jaki widzę przy przejmowaniu kont sklepów, to brak jednego właściciela konwencji. Marketer od reklam, osoba od mailingu i agencja od social mediów wymyślają nazwy osobno. Rozwiązaniem jest jeden arkusz z dozwolonymi wartościami i zasada, że link bez wartości z arkusza nie wychodzi.

GA4 oferuje dziś trzy modele atrybucji: oparty na danych, ostatnie kliknięcie (płatne i bezpłatne) oraz ostatnie kliknięcie w płatnych kanałach Google. Według pomocy Google Analytics modele pierwszego kliknięcia, liniowy, rozkładu czasowego i uwzględniający pozycję przestały być dostępne w listopadzie 2023 roku.

Model wybierasz w GA4 w sekcji Administracja → Wyświetlanie danych → Ustawienia atrybucji. Tam ustawiasz też okno ważności: dokumentacja GA4 podaje, że dla zdarzeń pozyskania domyślne okno wynosi 30 dni (do wyboru 7 dni), a dla pozostałych kluczowych zdarzeń 90 dni (do wyboru 30 lub 60 dni). Zmiana modelu działa na raporty wstecz, bo GA4 przelicza dane historyczne, więc łatwo porównać obie wersje.

Poniższa tabela zestawia trzy modele atrybucji GA4 według tego, komu przypisują zakup i do jakiej decyzji się nadają.

Modele atrybucji dostępne w GA4, stan na październik 2026. Źródło: pomoc Google Analytics.

Model oparty na danych ma sens jako domyślny w sklepie, który ma kilka aktywnych kanałów i regularną sprzedaż, bo jako jedyny w GA4 dzieli zakup między reklamę i newsletter na tej samej ścieżce. Model ostatniego kliknięcia warto mieć pod ręką do porównań, a model płatnych kanałów Google tylko do uzgadniania liczb z panelem reklamowym.

• Pytanie „który kanał zaczyna ścieżki?”: raport Ścieżki konwersji w GA4, kolumna z punktami początkowymi, bo model pierwszego kliknięcia już nie istnieje.

• Pytanie „ile newsletter dokłada do sprzedaży?”: model oparty na danych, uzupełniony testem przyrostowości.

• Pytanie „dlaczego GA4 pokazuje mniej niż Google Ads?”: model ostatniego kliknięcia w płatnych kanałach Google, który najbardziej przypomina logikę panelu reklamowego.

GA4, Google Ads i narzędzie e‑mailowe różnią się zakresem widzenia: GA4 widzi wszystkie kanały na stronie, ale tylko u osób, które zgodziły się na pomiar, Google Ads widzi wyłącznie interakcje z reklamami Google, a narzędzie e‑mailowe wyłącznie kliknięcia i otwarcia wiadomości. Dlatego tylko jeden z tych raportów nie może przypisać tego samego zamówienia dwóm kanałom naraz i jest nim GA4.

Google Ads także korzysta dziś z modelu opartego na danych. Pomoc Google Ads podaje, że jest on domyślny dla większości akcji konwersji, a jedyną alternatywą jest ostatnie kliknięcie. Model oparty na danych w Google Ads dzieli jednak zasługę między kampanie i słowa kluczowe Google, a nie między reklamę i newsletter.

Poniższe zestawienie porównuje cztery źródła danych o sprzedaży sklepu według tego, co widzą i jak liczą zakup.

Porównanie źródeł danych o sprzedaży w sklepie internetowym: zakres widzenia, sposób liczenia i główne ryzyko zawyżenia.

Z tego zestawienia wynika praktyczna hierarchia. System sklepu mówi, ile sprzedałeś. GA4 mówi, jak tę sprzedaż podzielić między kanały. Panele platform mówią, jak optymalizować kampanie wewnątrz kanału. Kłopot zaczyna się wtedy, gdy panel platformy dostaje rolę pierwszego raportu.

MER (Marketing Efficiency Ratio) liczysz, dzieląc całkowity przychód sklepu z systemu sprzedażowego przez całkowite wydatki marketingowe w tym samym okresie. W odróżnieniu od ROAS pojedynczego kanału MER nie zależy od żadnego modelu atrybucji, więc nie da się go zawyżyć podwójnym liczeniem zamówień.

• MER = przychód sklepu ÷ wszystkie koszty marketingu (reklamy, narzędzie e‑mailowe, praca nad kampaniami, jeśli ją liczysz).

• ROAS kanału = przychód przypisany kanałowi ÷ koszt kanału, zawsze z dopiskiem, według którego raportu i modelu.

• Próg opłacalności MER = 1 ÷ marża brutto. Przy marży 35% próg wynosi 2,86, czyli każda złotówka marketingu musi przynieść co najmniej 2,86 zł przychodu, żeby zwrócić koszt towaru i reklamy.

Policzmy na przykładzie. Przyjmijmy sklep z jednym miesiącem danych, w którym działają tylko dwa płatne kanały: Google Ads i newsletter. Liczby są ilustracyjne, ale proporcje rozjazdu odpowiadają mechanizmom opisanym wyżej.

Poniższa tabela zestawia przychód i ROAS Google Ads oraz newslettera według trzech źródeł danych w tym samym miesiącu przykładowego sklepu.

Przykład obliczeniowy: przychód i ROAS kanałów według panelu platformy, GA4 (model oparty na danych) i systemu sklepu, jeden miesiąc. Dane ilustracyjne.

Panele platform przypisują sobie łącznie 159 910 zł, czyli o 35 610 zł więcej, niż sklep sprzedał ze wszystkich źródeł razem, łącznie z ruchem organicznym i bezpośrednim. MER wynosi 124 300 zł ÷ 23 830 zł = 5,22. Przy marży 35% i progu 2,86 miks jest wyraźnie rentowny. Ta jedna liczba mówi więcej o kondycji marketingu sklepu niż dwa ROAS‑y z paneli, które razem opisują sprzedaż, jaka nigdy się nie wydarzyła.

Rozjazd atrybucji na koncie sklepu z aktywnym newsletterem zwykle układa się w ten sam wzór: panel Google Ads pokazuje najwyższy przychód, GA4 przy modelu opartym na danych zabiera reklamom część zasługi i oddaje ją e‑mailowi, a suma paneli przekracza sprzedaż sklepu. Kierunek przesunięcia zależy od tego, jak mocno kampanie Google Ads opierają się na frazach brandowych i liście subskrybentów.

Przy przeglądzie takiego konta zaczynam od trzech porównań, zawsze w tym samym oknie czasowym. Pierwsze: suma przychodu z paneli platform kontra przychód w systemie sklepu. Drugie: udział kampanii brandowych i kampanii na listę klientów w przychodzie Google Ads. Trzecie: przychód kanału Email w GA4 przy modelu opartym na danych kontra przy ostatnim kliknięciu.

• Suma paneli ÷ przychód sklepu. Wynik powyżej 1 oznacza, że kanały na pewno liczą część zamówień podwójnie.

• Udział brandu i Customer Match w przychodzie Google Ads. Im wyższy, tym większa część ROAS‑u reklam to zakupy, które zainicjował newsletter albo marka.

• Email w modelu opartym na danych ÷ Email w ostatnim kliknięciu. Wynik powyżej 1 oznacza, że newsletter częściej pomaga na początku i w środku ścieżki, niż ją domyka.

Test przyrostowości (incrementality test) sprawdza, ile sprzedaży zniknęłoby bez danego kanału, porównując grupę, która widziała komunikat, z losowo wydzieloną grupą kontrolną, która go nie widziała. To jedyna metoda, która odpowiada na pytanie „co kanał dokłada”, a nie „co kanał sobie przypisuje”.

W e‑mail marketingu test robi się prosto: losowe 10% listy nie dostaje kampanii przez cztery tygodnie, a potem porównujesz przychód na subskrybenta w obu grupach, liczony z systemu sklepu po adresie e‑mail. W Google Ads odpowiednikiem jest wykluczenie listy subskrybentów z kampanii remarketingowych na ten sam okres albo test eksperymentu kampanii.

Policzmy na przykładzie. Lista liczy 18 400 aktywnych adresów, grupa kontrolna to 1 840 osób, grupa testowa 16 560 osób. Przez cztery tygodnie przychód na subskrybenta wynosi 4,12 zł w grupie testowej i 3,37 zł w grupie kontrolnej. Przyrost to 0,75 zł na osobę, czyli 0,75 zł × 16 560 = 12 420 zł sprzedaży, która nie wydarzyłaby się bez newslettera. Jeśli narzędzie e‑mailowe przypisało sobie w tym czasie kilka razy więcej, różnicę stanowią zakupy, które klienci i tak by zrobili.

• Grupa kontrolna musi być losowa, a nie złożona z nieaktywnych adresów, bo inaczej test mierzy różnicę zaangażowania, a nie wpływ maila.

• Okno musi być takie samo w obu grupach, najlepiej pełne tygodnie, żeby wyrównać wpływ dni wypłat i weekendów.

• Automatyzacje transakcyjne zostają włączone dla wszystkich, bo potwierdzenia zamówień i informacje o wysyłce nie są marketingiem.

• Przy małej liście test trzeba wydłużyć, bo kilkadziesiąt zamówień w grupie kontrolnej to za mało, żeby odróżnić efekt od przypadku.

Budżet między Google Ads a e‑mail marketing dziel na podstawie krańcowego MER, czyli przyrostu przychodu sklepu na każdą dodatkową złotówkę wydaną w kanale, a nie na podstawie ROAS‑u z panelu. Średni wynik kanału mówi, jak było. Wynik krańcowy mówi, czy następna złotówka się zwróci.

Policzmy na przykładzie, kontynuując liczby z tabeli MER. W kolejnym miesiącu sklep zwiększa budżet Google Ads o 4 000 zł, a reszta miksu zostaje bez zmian. Wydatki rosną do 27 830 zł, przychód sklepu do 131 150 zł. Łączny MER spada do 4,71 i nadal wygląda bezpiecznie. Krańcowy MER wynosi jednak (131 150 zł − 124 300 zł) ÷ 4 000 zł = 1,71, czyli poniżej progu opłacalności 2,86. Dodatkowe 4 000 zł przyniosło przychód, ale na tej konkretnej porcji budżetu sklep stracił.

• Zacznij od MER i progu opłacalności. Jeśli łączny MER jest poniżej 1 ÷ marża, problem nie leży w podziale budżetu, tylko w całym miksie albo w marży.

• Zmieniaj budżet jednego kanału naraz, o 15‑20%, i mierz zmianę przychodu sklepu w pełnych tygodniach.

• Licz krańcowy MER dla każdej zmiany i porównuj go z progiem opłacalności, a nie z łącznym MER.

• Oddziel kampanie pozyskujące od kampanii przejmujących. Kampanie produktowe i wyszukiwania na frazy ogólne sprowadzają nowych klientów, a kampanie brandowe i na listę subskrybentów częściej przejmują zakupy z newslettera.

• Traktuj zapis do newslettera jako cel Google Ads drugiego rzędu. Reklama, która zdobywa subskrybenta, zasila kanał, w którym koszt kolejnego kontaktu jest bliski zeru.

Uważam, że ocenianie Google Ads wyłącznie po ROAS‑ie z panelu w sklepie z aktywnym newsletterem jest błędem, bo panel nagradza kampanie, które stoją najbliżej zakupu, czyli brand i remarketing, a karze te, które budują listę i ruch na początku ścieżki. Przy takim KPI budżet systematycznie przesuwa się w stronę kampanii, które najmniej dokładają. Z newsletterem bywa odwrotnie: jest tani, więc jego ROAS wygląda kosmicznie, ale nie da się w niego wlać dodatkowych 20 tysięcy złotych, bo jego skala zależy od wielkości listy, nie od budżetu.

Atrybucja oparta na danych zawodzi w małym sklepie wtedy, gdy ścieżek konwersji jest za mało, żeby model mógł wiarygodnie porównać kanały, oraz gdy duża część klientów nie zgadza się na pomiar. Przy kilkudziesięciu zamówieniach miesięcznie podział zasługi między reklamę i newsletter waha się z miesiąca na miesiąc bardziej, niż zmienia się realny marketing.

• Mała liczba zamówień: przy niskim wolumenie lepiej porównywać kanały w okresach kwartalnych niż miesięcznych.

• Niski odsetek zgód na pomiar: GA4 widzi tylko część ścieżek, więc przychód kanałów w GA4 będzie niższy niż w sklepie.

• Długi proces zakupu: przy drogich produktach ścieżka wykracza poza okno 30 dni, więc warto ustawić 90 dni dla kluczowych zdarzeń.

• Sprzedaż poza stroną: zamówienia telefoniczne i na marketplace'ach nie trafiają do GA4, więc MER trzeba liczyć z całej sprzedaży, a atrybucję tylko ze sklepu.

Dla małego sklepu rekomenduję prosty zestaw: MER z systemu sklepu jako wskaźnik główny, model ostatniego kliknięcia w GA4 jako czytelny podział kanałów i jeden test przyrostowości newslettera na kwartał. Model oparty na danych zostaw jako drugi widok i nie podejmuj na jego podstawie decyzji po jednym miesiącu.

Atrybucja nie poda Ci jednej prawdziwej liczby dla każdego kanału, bo taka liczba nie istnieje. Daje za to trzy warstwy, które razem wystarczają do decyzji: sprzedaż sklepu i MER jako prawdę o wyniku, GA4 z czystymi UTM‑ami jako podział między kanały i testy przyrostowości jako odpowiedź na pytanie, co kanał naprawdę dokłada.

Przestań traktować panel Google Ads i panel newslettera jak dwóch księgowych, z których jeden musi kłamać. Zacznij je traktować jak dwóch sprzedawców, którzy obsłużyli tego samego klienta i obaj szczerze wpisali go do swojego zeszytu. Zamiast pytać „który kanał ma lepszy ROAS?”, zacznij pytać „ile sprzedaży zniknie, jeśli zabiorę temu kanałowi następne 4 000 zł?”.

• Uporządkuj UTM‑y w newsletterze i automatyzacjach według jednej konwencji z utm_medium=email.

• Sprawdź automatyczne tagowanie i połączenie Google Ads z GA4.

• Policz MER z systemu sklepu za ostatnie trzy miesiące i porównaj go z progiem opłacalności.

• Porównaj w GA4 model oparty na danych z ostatnim kliknięciem dla kanałów Email i Paid Search.

• Zaplanuj pierwszy test przyrostowości: grupę kontrolną w newsletterze albo wykluczenie subskrybentów z remarketingu.

Kiedy te pięć kroków masz za sobą, spór „reklama czy newsletter” przestaje być sporem o to, kto zasłużył. Staje się rachunkiem: gdzie następna złotówka przyniesie najwięcej marży. A tego rachunku nie wygra ten kanał, który głośniej się chwali.

Zmiana modelu atrybucji w GA4 nie zmienia wyników w panelu Google Ads, bo Google Ads liczy konwersje własnym modelem ustawionym przy każdej akcji konwersji. Wpływ pojawia się dopiero wtedy, gdy Google Ads licytuje na zakupy importowane z GA4 ‑ wtedy model GA4 wpływa na wartości, na których uczy się strategia stawek.

Porównanie atrybucji newslettera i Google Ads w GA4 jest wiarygodne zwykle po pełnym miesiącu od uporządkowania UTM‑ów, a w sklepach z długim procesem zakupu po trzech miesiącach. Krótszy okres obejmuje ścieżki, które zaczęły się jeszcze przy starych, niespójnych oznaczeniach.

Parametry UTM w linkach newslettera opisują kampanię, a nie osobę, więc same w sobie nie są danymi osobowymi. Problem pojawia się, gdy ktoś wpisuje do UTM adres e‑mail albo identyfikator subskrybenta. Tego nie rób, bo taki adres trafia do raportów GA4, a regulamin Google Analytics zabrania przesyłania danych umożliwiających identyfikację osoby.

Za konwencję UTM w sklepie internetowym powinna odpowiadać jedna osoba, najlepiej ta, która raportuje wyniki całego marketingu, a nie żadnego pojedynczego kanału. Osoba od Google Ads i osoba od mailingu korzystają z arkusza, ale nie dopisują do niego wartości samodzielnie.

MER warto liczyć przy każdym budżecie Google Ads, bo wymaga tylko dwóch liczb: przychodu sklepu i sumy kosztów marketingu. Przy małym budżecie jest wręcz bardziej przydatny niż atrybucja w GA4, która przy niewielkiej liczbie zamówień daje niestabilny podział między kanały.

Gdy narzędzie do e‑mail marketingu przypisuje sprzedaż po otwarciu wiadomości, w raportach do decyzji budżetowych używaj wyłącznie sprzedaży po kliknięciu albo przychodu kanału Email z GA4. Otwarcia są zawyżane przez automatyczne ładowanie treści w części aplikacji pocztowych, więc atrybucja po otwarciu przypisuje newsletterowi zakupy, na które nie miał wpływu.

O autorze: Artur Smolicki, specjalista Google Ads z ponad 15 letnim doświadczeniem, prowadzący działania reklamowe tak dla MŚP jak i uznanych marek na ponad 20 rynkach świata.