Czas na kolejną porcję wiedzy z semKRK#23 BIG – tym razem w formie pisemnych odpowiedzi na pytania zadane przez publiczność, które nie zdążyły wybrzmieć ze sceny. Maciej Lewiński jak zwykle łączy konkret z przystępnym językiem, tłumacząc zawiłości GA4, BigQuery i… przewagi analityka z Poznania nad algorytmem z Kalifornii. Sprawdź, kiedy GA4 to za mało, jak podchodzić do metryk predykcyjnych i dlaczego AI nie wyczuje „vibe’u” klienta.
Czy są lepsze alternatywy dla GA4?
- Maciej Lewiński
Jasne, że są – tylko pytanie: lepsze dla kogo i do czego. GA4 to nie iPhone, który każdy zna i używa „bo ładny”. To raczej szwajcarski scyzoryk – dużo umie, ale trzeba wiedzieć, za co złapać. Matomo, Piwik PRO, Plausible? Super do prywatności. Mixpanel czy Amplitude? Mega do śledzenia eventów. Ale GA4? Jest za darmo (w 99%), siedzi już u Ciebie na stronie, łączy się z BigQuery i Google Ads jak pyra z gzikiem. Więc zanim zmienisz narzędzie – wyciśnij z tego, co masz.
Jak weryfikować kontekst odnośnie do tego, które dane są ważniejsze (jakie wydarzenie mogło mieć większy/mniejszy wpływ na dane np. wzrost sprzedaży, spadki)?
- Maciej Lewiński
Kontekst to nie dodatek do danych. To ich sens. W GA4 patrzysz na czas, źródło ruchu, urządzenie czy stronę docelową. Ale prawdziwa magia dzieje się poza GA4: promocja w sklepie, kampania u influencera, awaria serwera albo… że w niedzielę był Dzień Ojca. Dobra analityka to jak śledztwo: patrzysz na dane, ale myślisz szerzej – łączysz fakty. Inaczej możesz uznać spadek konwersji za błąd UX, a to po prostu była pełnia księżyca i ludzie nie klikali.
Co sądzisz o wrzucaniu eksportu danych z np. GA4 do Chata GPT z poleceniem przeprowadzania analizy? Pytam też w kontekście prywatności tych danych.
- Maciej Lewiński
Pomysł dobry, ale: z głową. ChatGPT potrafi pomóc – podsumować, znaleźć wzorce, nawet zaproponować hipotezy. Ale nie wrzucaj danych z mailami, numerami IP i PESELem klienta. GPT to nie sejf. Ja robię tak: eksportuję zagregowane dane, np. liczba sesji vs urządzenie vs dzień tygodnia. Zero danych osobowych, sama esencja. AI jak kucharz – lepiej gotuje z obranych warzyw niż z resztek z podłogi.
A co z wykorzystaniem danych osobowych ekonomii behawioralnej? Czy nie wystarczają do przewidzenia zachowań ludzi?
- Maciej Lewiński
Dają dużo, ale nie wszystko. Ekonomia behawioralna to jak przepisy babci – wiadomo, że działa, ale jak próbujesz to zautomatyzować, to wychodzi ciasto bez smaku. Ludzie to emocje, przypadek, kontekst, „nie wiem czemu, ale kliknąłem”. Dane pomagają zrozumieć, co się stało, AI pomaga domyślić się, dlaczego, ale decyzje wciąż często są z serducha, nie z Excela.
Czy rzeczy takich jak kontekst, +1 czy emocje ludzi – nie da się wrzucić do AI jako dane? Czym się tutaj wyróżniamy od AI, jeżeli to wszystko można opisać w 010110?
- Maciej Lewiński
Teoretycznie – tak. W praktyce? Nie wszystko da się ująć w zera i jedynki. Bo jak zmierzyć „nerwy klienta, że strona się ładowała 0,3 sekundy dłużej niż zwykle, a on akurat jechał tramwajem i miał zły dzień”? AI nie ma empatii, nie ma intuicji. Nie czuje vibe’u. My – tak. I właśnie na tym polega przewaga analityka z Poznania nad algorytmem z Kalifornii.
Jak oceniasz działanie metryk predykcyjnych w GA4?
- Maciej Lewiński
To jak ciastko z wróżbą – coś tam mówi, czasem trafi. GA4 daje Ci predykcje: szansa na zakup, szansa na powrót. Ale nie traktuj tego jak wyroczni, raczej jako „ciekawe, może warto się temu przyjrzeć”. W praktyce – lepsze to niż nic, ale do solidnych analiz: BigQuery, własne modele, miary kosinusowe. Bo pyra predykcyjna bez przyprawy to dalej tylko ziemniak. Polecam sprawdzać metryki predykcyjne w segmentach, a te wysyłać jako Odbiorców do Google Ads.
Czy rozwiązania z BigQuery, o których mówisz, są płatne? Dla użytkowników jakiego poziomu zaawansowania są?
- Maciej Lewiński
Tak, są płatne – ale nie przerażaj się. W skali Google to raczej „2 zł dziennie”, nie „leasing na Teslę”. Dla kogo? Dla tych, którzy:
– mają dużo danych
– chcą je łączyć z innymi źródłami
– czują się choć trochę komfortowo w SQL
Dla poznańskich ninja analityki to obowiązkowy zestaw EDC.
Czy jest jakaś minimalna liczba użytkowników wykonujących konwersje, żeby liczenie tych cosinusów miało sens?
- Maciej Lewiński
No… tak. Miara kosinusowa działa dobrze, gdy mamy co porównywać. Jeśli masz 3 konwersje miesięcznie, to jakbyś chciał porównywać gusta filmowe po jednej obejrzanej komedii. Idealnie: kilkaset użytkowników z konwersjami, różne ścieżki, różne kategorie. Wtedy dopiero widać wzorce.
A jak to wykorzystać w marketingu B2B, gdzie konwersja to kontakt – przez formularz albo mail – logowany w CRM?
- Maciej Lewiński
Prosto: łącz dane. GA4 widzi zachowanie → CRM wie, kto się odezwał → łączysz w BigQuery. Możesz wtedy analizować skąd przyszli, co oglądali, co kliknęli. W B2B śledzimy sygnały, nie zakupy. Ale jak w survivalu – czasem jeden dobrze odczytany ślad znaczy więcej niż 100 przypadkowych tropów.
Ile kosztują takie zabawy z BigQuery?
- Maciej Lewiński
Jak jesteś sprytny – niewiele. Dla większości biznesów – kilkanaście złotych miesięcznie. Wystarczy dobrze pisać zapytania (czytaj: bez gwiazdki), ustawić automatyzację, dbać o próbkowanie. I nagle się okazuje, że nie trzeba kupować CDP za miliony, bo wszystko masz pod ręką. Tylko trzeba… wiedzieć, gdzie kliknąć.
Dziękujemy Maćkowi za wyczerpujące odpowiedzi, które pokazują, że dobra analityka zaczyna się tam, gdzie kończy się samo kliknięcie w raport. Z jego słów płynie jasny wniosek: kontekst, łączenie źródeł danych i odrobina zdrowego rozsądku nadal mają większe znaczenie niż najbardziej zaawansowany algorytm. Wypatrujcie kolejnych wywiadów z prelegentami semKRK – znajdziecie jeszcze więcej praktycznej wiedzy.