GA4
GA4 zbiera dane w każdym sklepie, z którym pracuję, i prawie w każdym zbiera je z jakimś błędem. Tu są wpisy o tym, jak te błędy znaleźć, jak odzyskać dane tracone przez blokery i Safari, jak mierzyć testy A/B i reklamy wewnętrzne w marketplace — i jak pytać GA4 o liczby wprost ze Slacka.
-
Dane do testu A/B z GA4 w BigQuery — plan przed startem
Jak policzyć dane do testu A/B z GA4 w BigQuery: użytkownicy i konwertujący na tydzień w oknach narastających oraz przychód tygodniowy do planu testu.
-
Automatyczny audyt dataLayer — tracking plan jako kontrakt
Automatyczny audyt dataLayer: tracking plan jako kontrakt w pydantic i Playwright, który codziennie sprawdza każdy push. Także bez dostępu do kodu klienta.
-
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.
-
Atrybucja w retail media — sprzedaż z reklam w marketplace
Jak zbudować atrybucję w retail media, gdy klik w reklamę nie wyprowadza klienta ze sklepu — przypisanie sprzedaży do kreacji przez Google Ad Manager i GA4.
-
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.
-
Server-side GTM — dane tracone przez ad-blockery i Safari
Blokery reklam i Safari ITP zabierają nawet 30–45% danych. Server-side GTM przez same-origin proxy przywraca pomiar — bez Cloudflare i bez zmian DNS.
-
Własne testy A/B w GTM i Firebase — bez dedykowanego narzędzia
Własne testy A/B w GTM na first-party cookie (web) i w Firebase Remote Config (mobile) — od losowania wariantu po analizę konwersji i przychodu w GA4/BigQuery.
-
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.