Analityka
Większość problemów z analityką, które widzę w audytach, nie siedzi w raportach, tylko w danych pod nimi. Zawyżony przychód w GA4, test A/B z wynikiem, który nic nie znaczy, tracking plan, którego nikt nie pilnuje. W tych wpisach rozkładam takie przypadki na części i pokazuję, jak je naprawić — albo jak do nich nie dopuścić.
-
Data governance w analityce internetowej — funkcja, nie projekt
Data governance w analityce internetowej to stała funkcja, nie projekt: role, tracking plan, jakość danych i zgodność. Jak ją poukładać w e-commerce.
-
Bot Slack z AI do pytań o dane GA4 — n8n krok po kroku
Agent AI w n8n odpytuje GA4 Data API i odpowiada w Slacku naturalnym językiem. Wdrożenie krok po kroku: VPS, Service Account, wybór LLM, pułapki.
-
GA4 w e-commerce — błędy wdrożenia, które fałszują Twoje dane
Sześć błędów wdrożenia GA4 e-commerce z audytów: zawyżony przychód, sklejeni użytkownicy, zatruta atrybucja i parametry, których nie widać w raportach.
-
Testy A/B dla analityków — moc testu i dwa podejścia
Testy A/B dla analityków: macierz błędów (typ I i II), moc i MDE, metryka OEC, podejście bayesowskie vs częstościowe i pułapki, które unieważniają wynik.
-
Architektura danych pod AI — fundament wygrywa z dashboardem
Architektura danych pod AI decyduje, czy modele zadziałają. Dlaczego fundament — dataLayer, jakość i spójność danych — wygrywa z dashboardem.
-
Claude Code Skills vs Rules — agent kontra reguła
Claude Code Skills vs Rules: probabilistyczny trigger semantyczny kontra deterministyczna reguła ścieżkowa, na przykładzie taksonomii eventów.