Organic Search odpowiada za 23-25% przychodu sklepu internetowego, ale standardowy raport GA4 tego nie pokazuje. Model last-click – domyślny sposób przypisywania konwersji – systematycznie zaniża udział SEO o 14-21%. Poniżej prezentujemy analizę atrybucji z dwóch działających sklepów e-commerce, która ujawnia prawdziwy wpływ organic na sprzedaż. Jak ujął to Witold Wrodarczyk z Adequate w swoim 13-częściowym cyklu o modelowaniu atrybucji: „Atrybucja jest jak pogoda. Nie może jej nie być. Jest zawsze.” Niezależnie od tego, czy aktywnie analizujesz atrybucję, model last-click i tak przypisuje Twoje konwersje – tyle że robi to błędnie.
Dlaczego atrybucja konwersji w Google Analytics zaniża wartość SEO?
Model last-click przypisuje 100% wartości konwersji kanałowi, z którego użytkownik ostatnio kliknął przed zakupem. W e-commerce tym kanałem jest najczęściej Direct (klient wpisuje adres z pamięci), Paid Search (klient klika reklamę na branded query) lub Paid Shopping (klient klika reklamę produktową). SEO inicjuje ścieżkę zakupową – klient odkrywa produkt przez wyszukiwanie organiczne – ale finalizuje zakup z innego kanału dni lub tygodnie później.
Przeanalizowaliśmy dane atrybucji z dwóch sklepów internetowych z naszego portfolio. Wyniki potwierdzają ten wzorzec: w modelu data-driven (opartym na uczeniu maszynowym Google) organic traci od 6% do 21% przypisanych konwersji w porównaniu z modelem last-click. To znaczy, że standardowy raport systematycznie zaniża wartość SEO o jedną piątą.
Analogia sportowa dobrze ilustruje problem – Witold Wrodarczyk w cyklu o modelowaniu atrybucji porównuje to do piłki nożnej: premię za wygrany mecz można rozdzielić między strzelców goli, ale to ignoruje wkład obrońców i rozgrywających. SEO to rozgrywający – notuje asysty, nie punkty. Raport last-click to statystyka, która liczy tylko strzelców. Raport data-driven to statystyka, która uwzględnia podania prowadzące do bramek.
Maciej Lewiński, certyfikowany trener i partner Google z ponad 200 wdrożeniami GA na koncie, wybrany przez polski zespół Google do budowy programu szkoleniowego Internetowe Rewolucje (ukończonego przez kilkaset tysięcy osób), wielokrotnie podkreślał na LinkedIn: GA4 nie jest narzędziem do mierzenia ruchu – to narzędzie analizy biznesowej. Bez przejścia na model data-driven i prawidłowej konfiguracji zdarzeń kluczowych (purchase, begin_checkout), raporty domyślnie przypisują organicowi mniej zasług niż kanałom finalizującym zakup.
Jak wygląda ścieżka zakupowa w e-commerce – dane z prawdziwych sklepów?
Przeanalizowaliśmy raporty „Ścieżki atrybucji kluczowych zdarzeń” z GA4 dla dwóch sklepów internetowych. Sklep A to duży e-commerce z branży B2B (około 135 tysięcy konwersji miesięcznie, przychód na poziomie 2 milionów PLN). Sklep B to średni sklep z branży usługowo-produktowej (około 680 konwersji miesięcznie, przychód 665 tysięcy PLN).
| Metryka | Sklep A | Sklep B |
|---|---|---|
| Konwersje miesięcznie | 135 740 | 678 |
| Przychód miesięczny | 1 911 085 PLN | 665 869 PLN |
| Średnia liczba touchpointów | 3,82 | 3,14 |
| Średni czas do konwersji (dni) | 9,38 | 28,23 |
| Udział Organic Search w przychodzie | 25,47% | 5,57% |
| Koszt reklam miesięcznie | 215 624 PLN | 194 890 PLN |
Kluczowa różnica: Sklep B ma trzykrotnie dłuższy cykl zakupowy (28 dni vs 9 dni). Im dłuższa ścieżka zakupowa, tym bardziej model last-click zniekształca obraz – organic inicjuje ścieżkę na początku, a ostatnie kliknięcie następuje tygodnie później z zupełnie innego kanału.
Organic Search dominuje początek ścieżki
W Sklepie A organic odpowiada za 50,27% wczesnych touchpointów (punkty styczności z klientem na początku ścieżki) i 52,05% środkowych touchpointów. Na końcu ścieżki jego udział spada do 26,85%. Ten wzorzec potwierdza rolę SEO jako kanału odkrywania: klient trafia na sklep przez wyszukiwarkę, poznaje produkt, a potem wraca innymi kanałami żeby kupić.
W Sklepie B wzorzec jest inny – Paid Search dominuje na każdym etapie ścieżki (54,27% w środku, 48,79% na końcu), a organic ma mniejszy, ale wciąż istotny udział (8,22% na początku, 12,27% na końcu). Różnica wynika ze strategii: Sklep B inwestuje silnie w Google Ads, podczas gdy Sklep A ma bardziej zdywersyfikowany mix kanałów.
Najczęstsze ścieżki konwersji
Raport „Ścieżki atrybucji kluczowych zdarzeń” w GA4 pokazuje konkretne sekwencje kanałów, przez które przechodzą klienci przed zakupem. W Sklepie A najczęstsze ścieżki to:
- Direct 100% – 13,17% konwersji (klient zna sklep, wchodzi bezpośrednio)
- Organic Search 100% – 10,6% konwersji (odkrycie i zakup w jednej sesji)
- Cross-network 100% – 9,62% konwersji
- Paid Shopping 100% – 8,84% konwersji
- Paid Shopping x2 – 3,61% konwersji (klient widzi reklamę produktową dwukrotnie)
- Organic Search x2 – 3% konwersji (klient wraca przez wyszukiwarkę)
Ścieżki wielokanałowe (powyżej jednego touchpointu) odpowiadają za ponad 50% konwersji w obu sklepach. W Sklepie B widoczne są bardziej złożone kombinacje, np. Email 76% + Paid Search 24% czy Cross-network 79% + Paid Search 21%, co potwierdza wielokanałowy charakter decyzji zakupowych.
Co mówią modele atrybucji – last-click vs data-driven?
GA4 pozwala porównać dwa modele atrybucji konwersji obok siebie w raporcie „Modele atrybucji kluczowych zdarzeń”. Last-click (ostatnie kliknięcie) przypisuje całą wartość ostatniemu kanałowi. Data-driven (model atrybucji oparty na danych) wykorzystuje uczenie maszynowe Google i wartość Shapleya do rozłożenia wartości między wszystkie kanały proporcjonalnie do ich wpływu na konwersję. Wrodarczyk w szóstej części cyklu o modelowaniu atrybucji pokazuje, że czasem różnice między modelami mogą się wzajemnie znosić, ale w e-commerce – szczególnie przy wielu kanałach płatnych – różnice bywają bardzo istotne i mogą prowadzić do wielokrotnego niedoszacowania lub przeszacowania opłacalności danego źródła ruchu.
Warto wiedzieć, że do 2023 roku GA (Universal Analytics) oferował też inne modele atrybucji wielodotykowej (multi-touch attribution): linear (równy podział), time-decay (ważony czasem) i position-based (40/20/40). Google wycofał je w GA4, pozostawiając tylko last-click i data-driven. Oznacza to, że konwersje wielokanałowe (customer journey przechodzący przez kilka kanałów) są w GA4 rozliczane wyłącznie w tych dwóch modelach. Dla sklepów z małą liczbą konwersji (poniżej 300-400 miesięcznie) model data-driven może nie mieć wystarczających danych do nauki – w takiej sytuacji GA4 automatycznie wraca do logiki zbliżonej do last-click, co dodatkowo zaniża wkład kanałów inicjujących jak organic.
Sklep A – przesunięcia między modelami
| Kanał | Last-click (zdarzenia) | Data-driven (zdarzenia) | Zmiana zdarzeń | Zmiana przychodu |
|---|---|---|---|---|
| Organic Search | 31,47% | 29,47% | -6,35% | -14,44% |
| Paid Shopping | 25,49% | 29,88% | +17,24% | +23,34% |
| Cross-network | 22,45% | 20,94% | -6,69% | -4,31% |
| Direct | 13,19% | 13,19% | 0% | 0% |
| Paid Search | 4,61% | 3,76% | -18,36% | -17,72% |
| AI Assistant | 0,56% | 0,48% | -13,44% | -42,53% |
Organic Search w Sklepie A traci 6,35% przypisanych zdarzeń i aż 14,44% przychodu przy przejściu z last-click na data-driven. Oznacza to, że last-click faktycznie zawyża udział organic w tym sklepie – ale uwaga: to nie znaczy, że organic jest mniej wartościowy. To znaczy, że model data-driven lepiej rozpoznaje, które touchpointy naprawdę wpływały na decyzję zakupową, i inaczej rozkłada zasługi. Warto przy tym pamiętać o obserwacji Wrodarczyka z analizy konwersji wspomaganych: sam termin „konwersja wspomagana” jest mylący, bo sugeruje, że dany touchpoint pomógł w konwersji. W rzeczywistości nie wiemy, czy wpływ organic na ścieżce był pozytywny, neutralny, czy marginalny – wiemy tylko, że się tam pojawił.
Największym beneficjentem jest Paid Shopping: zyskuje 17,24% zdarzeń i 23,34% przychodu. Algorytm Google rozpoznaje, że reklamy produktowe skuteczniej domykają sprzedaż niż sugerowałby prosty model last-click.
Sklep B – jeszcze większe przesunięcia
| Kanał | Last-click (zdarzenia) | Data-driven (zdarzenia) | Zmiana zdarzeń | Zmiana przychodu |
|---|---|---|---|---|
| Paid Search | 36,08% | 35,98% | -0,25% | +7,39% |
| Direct | 23,85% | 23,85% | 0% | 0% |
| Cross-network | 17,16% | 19,38% | +12,96% | +9,44% |
| Organic Search | 13,75% | 11,08% | -19,4% | -21,4% |
| 2,23% | 3,61% | +61,68% | +61,83% | |
| AI Assistant | 0% | 0,06% | 0% | 0% |
W Sklepie B organic traci jeszcze więcej: -19,4% zdarzeń i -21,4% przychodu. Korelacja z dłuższym cyklem zakupowym (28 dni) jest wyraźna – im więcej czasu upływa między pierwszym kontaktem z organic a zakupem, tym bardziej model data-driven „rozmywa” zasługę organic na inne kanały pośredniczące.
Zaskoczeniem jest Email: zyskuje ponad 60% zarówno w zdarzeniach, jak i przychodzie. Model data-driven rozpoznaje, że newslettery i kampanie email skuteczniej wpływają na finalizację zakupu niż sugeruje last-click. Dla właścicieli sklepów to sygnał, żeby nie rezygnować z email marketingu – jego wpływ na konwersje jest większy niż pokazują standardowe raporty. Maciej Lewiński, trener GA4 współpracujący z Google i autor newslettera dla ponad 12 tysięcy subskrybentów, zwraca uwagę, że przejście na model data-driven w GA4 to absolutne minimum – bez tego decyzje budżetowe opierają się na niepełnym obrazie.
Jak policzyć prawdziwy udział SEO w przychodzie sklepu?
Raport „Skuteczność konwersji” w GA4 łączy dane o konwersjach, przychodach i kosztach reklam w jednym widoku. Pozwala obliczyć realny zwrot z każdego kanału, włącznie z tymi, które nie generują bezpośrednich kosztów reklamowych.
Sklep A – porównanie kanałów
| Kanał | Udział w konwersjach | Udział w kosztach reklam | Udział w przychodzie | ROAS |
|---|---|---|---|---|
| Paid Shopping | 24,91% | 67,6% | 34% | 4,46 |
| Direct | 24,7% | 0% | 11,18% | – |
| Organic Search | 23,26% | 0% | 25,47% | nieskończony |
| Cross-network | 20,87% | 25,81% | 19,44% | 6,67 |
| Paid Search | 4,09% | 6,59% | 3,62% | 4,87 |
Organic Search generuje 25,47% przychodu Sklepu A (486 tys. PLN miesięcznie) przy zerowym koszcie reklam. Paid Shopping generuje 34% przychodu, ale pochłania 67,6% budżetu reklamowego (145 tys. PLN). Stosunek przychodu do kosztu dla organic jest technicznie nieskończony – żaden inny kanał nie oferuje takiej efektywności.
Żeby przeliczyć to na porównywalny wskaźnik, można zastosować wzór na „ukryty ROAS SEO”: gdyby sklep musiał wygenerować ten sam przychód z Paid Shopping (ROAS 4,46), potrzebowałby dodatkowych 109 tys. PLN miesięcznie na reklamy. To realna oszczędność, którą SEO zapewnia bez wydawania na kliknięcia.
Sklep B – inna historia
W Sklepie B udział organic jest mniejszy (5,57% przychodu), ale warto zwrócić uwagę na inne zjawisko: Cross-network pochłania 75,65% kosztów reklam, generując zaledwie 13,49% przychodu (ROAS 0,61). Każda złotówka wydana na ten kanał zwraca 61 groszy. Jednocześnie Paid Search z ROAS 6,41 i organic z zerowym kosztem są znacznie efektywniejsze.
Raport „Skuteczność konwersji” w GA4 ujawnia takie dysproporcje i pozwala podejmować decyzje o realokacji budżetu. W przypadku Sklepu B sensowne byłoby przesunięcie części budżetu z Cross-network na Paid Search lub inwestycję w SEO (którego organic generuje przychód przy zerowym koszcie kliknięć).
Gdzie w GA4 znajdziesz raporty atrybucji?
Google Analytics 4 oferuje cztery główne raporty dotyczące atrybucji, rozmieszczone w dwóch sekcjach nawigacji. Poniżej dokładna lokalizacja i zastosowanie każdego z nich.
Sekcja „Kluczowe zdarzenia”
- Ścieżki atrybucji kluczowych zdarzeń – pokazuje sekwencje kanałów prowadzące do konwersji. Widoczne są wykresy: punkty styczności na początku, w połowie i na końcu ścieżki. W tabeli znajdziesz konkretne kombinacje kanałów z liczbą konwersji, przychodem, dniami do konwersji i liczbą touchpointów. Poniżej przykład z jednego ze sklepów z naszego portfolio:
- Modele atrybucji kluczowych zdarzeń – porównanie last-click vs data-driven obok siebie. Kolumna „Zmiana (%)” natychmiast pokazuje, które kanały zyskują a które tracą po zmianie modelu. To najważniejszy raport do oceny, czy last-click zaniża SEO w Twoim sklepie.
Sekcja „Konwersje BETA”
- Analiza atrybucji konwersji – bardziej rozbudowany widok z podziałem na: pojedyncze punkty kontaktu, wczesne, średnie i późne touchpointy. Pokazuje również łączne przychody i koszty reklam per kanał. Ten raport pozwala zobaczyć pełny obraz: które kanały inicjują, a które domykają sprzedaż.
- Skuteczność konwersji – łączy konwersje, koszty reklam, przychody i ROAS w jednej tabeli. Umożliwia identyfikację kanałów, które generują przychód nieadekwatny do poniesionych kosztów (jak Cross-network w Sklepie B z ROAS 0,61).
Żeby raporty atrybucji pokazywały wiarygodne dane, sprawdź dwa ustawienia. Po pierwsze, upewnij się że model atrybucji w ustawieniach GA4 jest ustawiony na „Na podstawie danych” (Administracja → Ustawienia atrybucji). Po drugie, zweryfikuj lookback window – domyślnie GA4 używa 30-dniowego okna dla konwersji zakupowych, co może być za krótkie dla sklepów z długim cyklem zakupowym (jak Sklep B z 28-dniowym średnim czasem do konwersji). Wrodarczyk w poście „Gdzie się podziały konwersje wspomagane” na LinkedIn trafnie opisał, jak przejście z Universal Analytics na GA4 zmieniło dostęp do danych o konwersjach wspomaganych i dlaczego warto korzystać z nowych raportów atrybucji zamiast starych wskaźników.
Dlaczego model atrybucji last-click zaniża SEO – i jak to naprawić?
Trzy mechanizmy powodują, że standardowe raporty GA4 systematycznie zaniżają wartość SEO w e-commerce.
Pierwszy: bias last-click. Klient odkrywa produkt przez wyszukiwarkę (organic), porównuje ceny, wraca po kilku dniach przez Direct lub branded search i kupuje. Last-click przypisuje 100% wartości ostatniemu kanałowi, ignorując fakt, że bez organic klient nigdy by nie trafił do sklepu. W naszych danych widać to w strukturze ścieżek: organic dominuje wczesne touchpointy (50% w Sklepie A), ale ma niski udział w końcowych (26%). Wrodarczyk w artykule „Wspomaganie czy kanibalizacja” pokazuje, że nakładające się kanały mogą się wzmacniać (2+2=5) lub kanibalizować (2+2=3). Jedynym sposobem weryfikacji jest test z grupą kontrolną, ale analiza ścieżek wielokanałowych pozwala przynajmniej zrozumieć skalę nakładania się kanałów.
Drugi: klasyfikacja Direct. Część sesji klasyfikowanych jako „Direct” to w rzeczywistości powroty klientów, którzy pierwotnie trafili do sklepu z organic. Użytkownik zapamiętuje URL, wpisuje go ręcznie lub klika zakładkę – GA4 klasyfikuje to jako Direct, chociaż źródłem odkrycia był organic. W Sklepie A Direct odpowiada za 24,7% konwersji, a część z nich to prawdopodobnie „ciemne” konwersje organiczne.
Trzeci: zbyt krótkie okno konwersji. Domyślne 30-dniowe lookback window może nie wystarczyć. Sklep B ma średni czas do konwersji 28,23 dni – znaczna część ścieżek zakupowych wykracza poza to okno. Organic touchpoint sprzed 35 dni nie zostanie uwzględniony w atrybucji, mimo że zainicjował całą ścieżkę.
Checklist: konfiguracja GA4 pod rzetelną atrybucję SEO
- Zmień model atrybucji na „Na podstawie danych” (Administracja → Ustawienia atrybucji → Model atrybucji raportowania)
- Wydłuż lookback window do 90 dni jeśli Twój cykl zakupowy przekracza 14 dni
- Skonfiguruj kluczowe zdarzenia (dawniej: konwersje) poprawnie – purchase, begin_checkout, add_to_cart jako osobne eventy
- Sprawdzaj raport „Modele atrybucji kluczowych zdarzeń” co miesiąc, porównując kolumny last-click i data-driven
- Monitoruj udział organic w „Analizie atrybucji konwersji” – kolumny: wczesny, średni i późny punkt kontaktu
- Oblicz „ukryty ROAS SEO” na podstawie raportu „Skuteczność konwersji” – porównaj przychód organic z kosztem, jaki poniósłbyś generując ten sam przychód z Paid
AI Assistant jako nowy touchpoint w ścieżce zakupowej
W danych obu sklepów pojawia się kanał „AI Assistant” – to sesje inicjowane z narzędzi AI takich jak ChatGPT, Perplexity czy Gemini. Udział jest na razie marginalny (0,18-0,19% konwersji), ale sam fakt, że GA4 wyodrębnia ten kanał i przypisuje mu konwersje, sygnalizuje zmianę w sposobie odkrywania produktów przez klientów.
W Sklepie A model data-driven obniża wartość AI Assistant o 42,53% w porównaniu z last-click. To sugeruje, że AI jest kanałem inicjującym (klient pyta AI o rekomendację, klika link do sklepu), ale finalizuje zakup z innego kanału. Wzorzec identyczny jak w przypadku organic – i równie podatny na zaniżanie przez model last-click.
Dla właścicieli sklepów implikacja jest praktyczna: upewnij się, że Twoja strona jest widoczna w odpowiedziach AI (poprawny schema markup, treści odpowiadające na pytania zakupowe) i monitoruj wzrost kanału AI Assistant w raportach atrybucji. Więcej o tym, jak zbudować widoczność w AI, opisujemy w kontekście strategii zwiększania sprzedaży przez SEO.
Co wynika z tych danych dla strategii SEO w e-commerce?
Analiza atrybucji z dwóch sklepów prowadzi do pięciu praktycznych wniosków.
SEO to kanał odkrywania, nie finalizacji. Organic Search odpowiada za 50% wczesnych touchpointów w Sklepie A. Klient odkrywa produkt przez wyszukiwarkę, ale kupuje z innego kanału. Strategia SEO powinna koncentrować się na contentach discovery: zoptymalizowane strony kategorii, poradniki zakupowe, porównania produktów, a w sklepach z dużym asortymentem – strony generowane programatycznie. To treści, które przyciągają klientów na początku ścieżki.
Im dłuższy cykl zakupowy, tym ważniejsze SEO. Sklep B z 28-dniowym cyklem ma pozornie niski udział organic (5,57%), ale model data-driven obniża go o kolejne 21%. To oznacza, że organic jest jeszcze bardziej niedoceniany w sklepach z produktami wymagającymi dłuższego namysłu (meble, elektronika, usługi B2B). W takich przypadkach raporty last-click są szczególnie mylące.
Organic generuje przychód przy zerowym koszcie kliknięć. W Sklepie A organic przynosi 25,47% przychodu bez wydatków na reklamy. Gdyby ten sam przychód miał pochodzić z Paid Shopping (ROAS 4,46), sklep musiałby wydać dodatkowe 109 tys. PLN miesięcznie. SEO to nie „darmowy ruch” – wymaga inwestycji w content i optymalizację – ale koszt pozyskania klienta z organic jest wielokrotnie niższy niż z płatnych kanałów. Co więcej, wzrost przychodów z SEO nie wymaga proporcjonalnego wzrostu ruchu – optymalizacja konwersji istniejącego ruchu organicznego daje natychmiastowe efekty.
Raport atrybucji ujawnia marnotrawstwo budżetu. Sklep B wydaje 75,65% budżetu reklamowego na Cross-network z ROAS 0,61, tracąc 39 groszy na każdej wydanej złotówce. Jednocześnie Paid Search z ROAS 6,41 dostaje zaledwie 21,84% budżetu. Regularna analiza raportu „Skuteczność konwersji” pozwala identyfikować takie dysproporcje i przesuwać budżet do kanałów, które faktycznie generują zwrot. Żeby wiedzieć, ile ruchu organicznego Twój sklep może realnie pozyskać, zacznij od oceny potencjału SEO.
Model data-driven to minimum. Różnice między last-click a data-driven sięgają 21% w przychodach (Sklep B, organic). Prowadzenie strategii marketingowej na podstawie modelu last-click to jak nawigowanie z mapą, która pomija co piątą ulicę. Model data-driven nie jest idealny, ale znacznie lepiej oddaje rzeczywisty wpływ poszczególnych kanałów na sprzedaż. Zarówno Witold Wrodarczyk (autor najpełniejszego polskojęzycznego cyklu o modelowaniu atrybucji, 13 części na blogu Adequate), jak i Maciej Lewiński (trener GA4 współpracujący z Google) od lat edukują polski rynek w zakresie prawidłowej interpretacji danych atrybucji. Kto jeszcze nie zapoznał się z ich materiałami, traci praktyczną wiedzę o realnej wartości kanałów marketingowych. Więcej o mierzeniu ROI z SEO opisujemy w artykule o kosztach i opłacalności SEO w e-commerce.
Podsumowanie
Atrybucja konwersji w e-commerce to nie akademicka zabawa modelami – to narzędzie, które ujawnia prawdziwy wpływ SEO na sprzedaż. Dane z dwóch sklepów pokazują, że organic odpowiada za 5-25% przychodu, dominuje wczesne touchpointy (50%+) i jest systematycznie niedoceniany przez model last-click (o 14-21%). Konfiguracja modelu data-driven, regularna analiza raportów atrybucji i obliczanie „ukrytego ROAS SEO” to trzy kroki, które pozwalają podejmować decyzje budżetowe na podstawie danych, a nie domysłów. Pogłębione zrozumienie mechanizmów atrybucji oferuje 13-częściowy cykl Witolda Wrodarczyka na blogu Adequate, a praktyczne aspekty konfiguracji GA4 – materiały Macieja Lewińskiego.
Jeśli chcesz sprawdzić, jak wygląda atrybucja SEO w Twoim sklepie, skontaktuj się z nami – przeanalizujemy dane z Twojego GA4 i pokażemy, ile naprawdę zarabiasz na organic.
Sprawdź również: Ruch organiczny a sprzedaż w e-commerce.
Czym jest atrybucja konwersji w kontekście SEO?
Atrybucja konwersji to sposób przypisywania wartości sprzedaży poszczególnym kanałom marketingowym, które uczestniczyły w ścieżce zakupowej klienta. W kontekście SEO pozwala określić, jaki udział w przychodzie ma ruch organiczny – nie tylko jako ostatnie kliknięcie przed zakupem, ale również jako kanał inicjujący odkrycie produktu. Dane z analizowanych sklepów pokazują, że organic odpowiada za 5-25% przychodu i dominuje wczesne touchpointy (50%+).
Który model atrybucji najlepiej pokazuje wartość SEO?
Model data-driven (na podstawie danych) w GA4 najlepiej oddaje wartość SEO, ponieważ wykorzystuje uczenie maszynowe do rozkładania wartości konwersji między wszystkie kanały proporcjonalnie do ich wpływu. Model last-click systematycznie zaniża udział SEO o 14-21%, ponieważ organic częściej inicjuje ścieżkę zakupową niż ją finalizuje. Witold Wrodarczyk z Adequate w swoim cyklu o modelowaniu atrybucji szczegółowo porównuje modele single-touch i multi-touch oraz wyjaśnia działanie modelu data-driven opartego na wartości Shapleya.
Jak sprawdzić konwersje wspomagane w GA4?
W GA4 wejdź do sekcji Kluczowe zdarzenia i wybierz raport Ścieżki atrybucji kluczowych zdarzeń. Pokaże on sekwencje kanałów prowadzące do konwersji z podziałem na touchpointy początkowe, środkowe i końcowe. Dodatkowy raport Modele atrybucji kluczowych zdarzeń porównuje last-click z data-driven, ujawniając prawdziwy wkład każdego kanału.
Dlaczego SEO ma niski udział w modelu last-click?
SEO pełni rolę kanału odkrywania – klient trafia na sklep przez wyszukiwarkę organiczną, poznaje produkt, a następnie wraca innymi kanałami (Direct, Paid Search, Email) żeby sfinalizować zakup. Model last-click przypisuje 100% wartości temu ostatniemu kanałowi, ignorując fakt, że bez organic klient nigdy nie trafiłby do sklepu.
Ile touchpointów ma typowa ścieżka zakupowa w e-commerce?
Na podstawie danych z analizowanych sklepów, typowa ścieżka zakupowa obejmuje 3-4 touchpointy (punkty styczności z różnymi kanałami). Średni czas od pierwszego kontaktu do zakupu wynosi 9-28 dni, w zależności od branży i wartości produktu. Im droższy produkt lub dłuższy cykl decyzyjny, tym więcej touchpointów i większe niedoszacowanie SEO w modelu last-click.
