Det är lätt att göra misstag som kan hindra noggrannheten och tillförlitligheten hos de insamlade uppgifterna. Undvik dem med denna detaljerade guide för GA4.
Om du hade chansen att läsa tidigare guider som vi publicerade om Google Analytics 4 (GA4), vet du förmodligen att det inte är ett plug-and-play-analysverktyg på samma sätt som Universal Analytics var.
Det finns en hel del information man behöver absorbera för att kunna ställa in GA4 ordentligt, och tiden tickar.
Eftersom GA4 är ett mer komplext verktyg är det lätt att göra misstag som kan hindra noggrannheten och tillförlitligheten hos de insamlade uppgifterna.
I den här artikeln kommer vi att utforska fem vanliga Google Analytics 4-fel som lätt kan inträffa, samt ge praktiska tips för att undvika dem.
Att inte ställa in datalagringsperiod
GA4 levereras med en tvåmånaders datalagringsperiod som standard, och du har möjlighet att ställa in den på 14 månader. Lagringsperioden tillämpas på anpassade rapporter i undersökningar, medan data i standardrapporterna aldrig löper ut.
När lagringsperioden har passerat kommer data att raderas automatiskt – vilket innebär att du inte kommer att kunna köra anpassade YoY-rapporter, samt förlora värdefulla historiska data, om du inte ändrar inställningen när du konfigurerar GA4.
För att ändra lagringsperioden, gå till Data Settings > Date Retention och välj 14 månader i rullgardinsmenyn.
Du kommer också att se en kryssruta med texten ”Reset user data on new activity”, vilket innebär att 14-månaders datalagringsperioden räknas från användarens senaste besök och framåt.
Med andra ord, varje gång en användare engagerar sig i en ny aktivitet, förlängs deras datalagringsperiod med ytterligare 14 månader.
Ärligt talat kan jag inte komma på ett användningsfall när man skulle välja att stänga av det alternativet, så jag håller det påslaget.
Dimensioner med hög kardinalitet
Dimensioner med hög kardinalitet är dimensioner som innehåller mer än 500 unika värden inom en enda dag. Detta kan medföra utmaningar och begränsningar i dataanalys inom GA4.
Kardinalitet i GA4 kan påverka datanoggrannheten och tillförlitligheten negativt.
Till exempel, när du spårar det exakta ordantalet som en anpassad dimension på varje artikelsida, kan du få hög kardinalitet om du har tusentals artiklar, eftersom ordantalet kan vara olika för varje artikel.
Hur man fixar hög kardinalitet
För att mildra effekterna av hög kardinalitet i GA4, överväg att skapa en hink med värden.
Med exemplet ovan, på ordräkning som anpassad dimension, spelar det egentligen ingen roll om artikeln kommer att ha 500 eller 501 ord. Du kan lägga in värden i intervall som:
- <500
- 500-1000
- 1001-1500
- 1501-2000
- +2000
Och istället för att trycka på för många olika värden, kommer du bara att ha fem olika dimensioner.
Definiera dessutom alltid, som en bästa praxis, dimensioner klokt.
Se till att anpassade dimensioner överensstämmer med dina analysmål och överväg deras potentiella inverkan på datanoggrannhet och resursförbrukning.
Att inte länka till BigQuery-konto
Länkning till BigQuery var tillgängligt i Universal Analytics 360, men inte i gratisversionen. Med GA4 har nu alla användare tillgång till den premiumfunktionen.
Eftersom det exporterar data till BigQuery från det ögonblick du ansluter, är det viktigt att ställa in det i början för att få så mycket historisk data som möjligt.
BigQuery har en stor fördel jämfört med anpassade GA4-rapporter eftersom data aldrig samplas, medan data i anpassade rapporter kommer att samplas om det finns mer än 10 miljoner händelser i prospekteringsrapporten.
För att länka GA4 till BigQuery ska du navigera till BigQuery-länkar i dina GA4-inställningar.
För att slutföra länkningen till BigQuery måste du skapa ett BigQuery-projekt som kräver att du anger din faktureringsinformation.
Det fungerar enligt ”freemium”-modell. 10 GB är gratis varje månad, men överskrider du mängden debiteras du 0,02 dollar per GB.
Att inte konfigurera anpassade målgrupper
GA4 har kraftfulla målgruppsbyggande funktioner som du kan läsa mer om i vår guide om hur du skapar segment och målgrupper.
Med GA4-målgrupper kan du analysera specifika datasegment, vilket ger dig möjlighet att få värdefulla insikter. Du kan till exempel skapa målgrupper som engagerade användare, prenumeranter eller användare som gjort ett köp under de senaste 30 dagarna.
Det är tillrådligt att skapa målgrupper för ditt ICP och markera det som en konvertering.
Eftersom målgruppsdatum inte är retroaktiva är det viktigt att definiera dina målgrupper i början av konfigurationen för att samla in historiska data.
Att använda automatisk migrering från Universal Analytics
GA4 fungerar på ett annat sätt jämfört med UA, med en annan datamodell.
Även om det ger möjlighet att automatiskt samla in Universal Analytics-händelser är det bättre att inte göra så, eftersom det är en chans att ompröva dina analyser och utforma din evenemangssamlingsarkitektur på nytt för bättre analyser.
Att inte exkludera oönskade hänvisningar
E-handelswebbplatser har ofta betalningsbehandlare från tredje part som är värdar under olika domäner – och när de omdirigeras tillbaka till webbplatsen, efter att användaren har slutfört en utcheckning, kommer GA att upptäcka den som en ny session eftersom hänvisningen är annorlunda.
För att undvika det och inte förvränga dina konverteringsdata måste du utesluta sådana domäner från hänvisningar så att GA inte initierar en ny session.
På SEJ har vi till exempel sejr.nl-domänen som kortlänk, som ska behandlas som samma domän – så vi lade till den i vår uteslutningslista.
Om du har underdomäner och vill spåra över underdomäner med samma GA4-egenskap måste du också utesluta din egen domän från hänvisningar. Detta är för att behålla samma session när användare navigerar från en underdomän till din huvuddomän.
Att inte välja rätt rapporteringsidentitet
Följande alternativ för rapporteringsidentitet finns i GA4:
- Blandat
- Observerat
- Enhetsbaserat
Den goda nyheten är att du kan växla fram och tillbaka mellan dessa alternativ när som helst, och det kommer att återspeglas i dina anpassade undersökningsrapporter.
Men jag vill nämna varför det är viktigt att välja rätt alternativ enligt ditt affärsfall.
Om du inte har inloggnings- och användar-ID på din webbplats bör 99 % av fallen vara enhetsbaserade, eftersom de andra två alternativen kan förvränga dina konverteringsdata.
Anledningen är användarens integritet. När Google-signaler är aktiverade använder GA användar-ID för att spåra användare på olika enheter. Det matchar dem sedan om de är inloggade på sina Google-tjänstekonton på olika enheter – och det finns en risk att användaridentiteten kan exponeras.
I sådana fall döljer den användardata från rapporterna och modellerar data baserat på användarbeteende. Modellering av data kan introducera en viss nivå av felaktighet, eftersom det är en uppskattning snarare än en exakt mätning.
Med modellerade och observerade alternativ kommer du ofta att märka att datatrösklar tillämpas i dina rapporter, vilket har konsekvenser för datanoggrannheten.
Du kan prova att växla mellan dessa alternativ och se hur dina data förändras.
Om du märker en betydande skillnad i antalet omvandlingar mellan blandade, observerade och enhetsbaserade identiteter kan det vara att föredra att använda det senare alternativet.
Enhetsbaserad identitet fungerar på liknande sätt som hur Universal Analytics-spårning fungerar.
Slutsats
Sammanfattningsvis är det viktigt att undvika vanliga konfigurationsfel när du konfigurerar Google Analytics 4 för att säkerställa korrekt och tillförlitlig datainsamling.
Genom att förstå dessa potentiella fallgropar och vidta nödvändiga åtgärder kan du få ut det mesta av GA4:s kapacitet och få meningsfulla insikter för din webbplats eller applikation.
Dessutom kräver GA4 löpande underhåll snarare än en engångsinställning.
Om du inte regelbundet övervakar och analyserar dina data kan det leda till missade möjligheter och göra det svårt att identifiera och ta itu med problem i tid.
