A GA4 konverziós útvonalak jelentése azt mutatja meg, milyen csatornákon keresztül jutott el a látogató egy kulcseseményig (például egy ajánlatkérésig), és melyik csatorna az út melyik szakaszában jelent meg. Kis forgalmú oldalon ez az egyik leghasznosabb és egyben a legkönnyebben félreolvasható jelentés. Havi néhány tucat leadnél jó eséllyel látsz benne mintázatot, de ritkán van benne annyi adat, hogy egy csatorna költségvetéséről pusztán erre építve dönts.
A cikkben három jelölést használunk. A [Hivatalosan igazolt] rész a Google Analytics súgójából származik. A [Saját tapasztalat] a KKV-fiókokon végzett munka általános tanulsága, konkrét ügyfél nélkül. A [Szakmai feltételezés] olyan következtetés, amit logikusnak tartunk, de a Google nem dokumentálja, és mi sem mértük le általánosan.
Hol találod a konverziós útvonalak jelentést a GA4-ben?
A jelentés a GA4 bal oldali menüjében, a Hirdetések munkaterületen, az Attribúció csoportban van, Konverziós útvonalak néven. [Hivatalosan igazolt] A felület 2024 óta a „konverzió” helyett a „kulcsesemény” kifejezést használja, ezért a jelentés tetején egy kulcseseményt választasz ki, és a GA4 az ahhoz vezető utakat mutatja.
A jelentés két részből áll. Felül egy sávdiagram mutatja, hogy a kiválasztott attribúciós modell szerint mennyi érdemet kap egy-egy csatorna a korai, a középső és a késői érintéseknél. Alatta egy táblázat sorolja fel az egyes útvonalakat (például „Organikus keresés, Fizetett közösségi, Közvetlen” sorrendben), mellettük a kulcsesemények számával, a bevétellel, valamint a napok és az érintések átlagos számával a kulcseseményig.
[Hivatalosan igazolt] Az alapértelmezett nézet az alapértelmezett csatornacsoport, de átválthatsz forrás/médium, kampány vagy más dimenzióra. Az attribúciós modellt is választhatod. A GA4 jelenleg az adatvezérelt modellt és az utolsó kattintásos változatokat ismeri, a korábbi szabályalapú modelleket (első kattintás, lineáris, időbeli lecsengés, pozícióalapú) a Google 2023-ban kivezette.
Mit jelent a korai, középső és késői érintés?
A korai érintések az útvonal első 25 százaléka, a késői érintések az utolsó 25 százaléka, a középső érintések pedig a köztes 50 százalék. [Hivatalosan igazolt] A Google súgója így definiálja a három szakaszt, és a sávdiagram ezekre bontva mutatja a csatornák részesedését.
Ebből egy fontos következmény adódik. Rövid útvonalnál a szakaszok összecsúsznak, egy egyetlen érintésből álló úton ugyanaz a csatorna a kezdő és a záró is. [Hivatalosan igazolt] A súgó külön leírja, hogyan osztja a GA4 a szakaszokat a négynél kevesebb érintésből álló útvonalaknál, ezt érdemes egyszer elolvasni. [Saját tapasztalat] Kis oldalon az útvonalak többsége egy-két érintésből áll, ezért a három sáv gyakran nagyon hasonló képet mutat. Ettől még a csatornák szerepe lehet eltérő, csak a jelentés nem tudja szétválasztani.
A sávok magassága a választott modelltől is függ. [Szakmai feltételezés] Utolsó kattintásos modellnél minden érdem a záró érintésé, így a korai sávban lényegében csak azok az útvonalak jelennek meg, ahol a kezdő és a záró érintés ugyanaz. Ha tehát a korai szerepre vagy kíváncsi, az adatvezérelt modellt nézd, és vesd össze az utolsó kattintásos képpel.
Mit mutat a napok és az érintések száma a kulcseseményig?
A napok a kulcseseményig mutató azt jelzi, átlagosan hány nap telt el az útvonal első érintésétől a kulcseseményig. Az érintések a kulcseseményig mutató azt, hány érintés volt átlagosan az úton. [Hivatalosan igazolt] Mindkettő az adott útvonal-sor átlaga.
[Saját tapasztalat] Kis mintán az átlag nagyon érzékeny. Ha egy útvonalon öt lead van, és ebből egy 40 nap alatt született, a többi négy aznap, az átlag 8 nap lesz, miközben a jellemző eset az aznapi döntés. Ilyenkor többet ér, ha a táblázatot kulcseseményszám szerint rendezed, és a sorokat egyenként nézed meg.
Mindkét mutatót felülről korlátozza a visszatekintési időablak. [Hivatalosan igazolt] Az attribúciós beállításokban a felhasználószerzési kulcseseményekre 7 vagy 30 napos, a többi kulcseseményre 30, 60 vagy 90 napos ablak választható, utóbbinál az alapértelmezés 90 nap. Az ennél régebbi érintés kimarad az útvonalból.
[Szakmai feltételezés] A valós döntési idő jó eséllyel hosszabb, mint amit a jelentés mutat. Ha a látogató elutasítja a sütiket, ha a böngészője rövid ideig tartja meg az azonosítót, vagy ha másik eszközről tér vissza, a korábbi érintés elveszik, és az útvonal rövidebbnek látszik. Egy szolgáltatásnál, ahol az érdeklődő hetekig gondolkodik, a jelentés így könnyen „gyors döntést” sugall.
Mit lehet ebből kiolvasni egy havi néhány tucat leadet hozó KKV-nál?
Havi 20-60 leadnél a jelentésből irányokat lehet kiolvasni, pontos csatornaértéket nem. [Saját tapasztalat] Arra jó, hogy lásd, melyik csatorna szokott az út elején és melyik a végén megjelenni, hogy jellemzően egy vagy több látogatás előzi meg az ajánlatkérést, és hogy van-e olyan csatorna, amely ritkán zár, mégis rendszeresen ott van az utak elején.
Konkrétan ezeket érdemes kiolvasni belőle.
- Az egyérintéses és a többérintéses útvonalak arányát. Ha a leadek nagy része egyérintéses, emögött állhat rövid döntési folyamat, de mérési hiány is, és ezt külön meg kell vizsgálni.
- Azt, hogy a fizetett csatornák inkább az út elején vagy a végén jelennek meg.
- A minták stabilitását, ha két-három negyedévet egymás mellé teszel. Ami minden negyedévben ugyanúgy látszik, az kevésbé valószínű, hogy véletlen.
- Mérési hibákat. Gyanús, ha a saját domained, egy külső foglalómotor vagy űrlapszolgáltató hivatkozó forrásként jelenik meg az utak közepén, mert ilyenkor a munkamenet megszakad, és a valódi forrás elveszik.
Azt viszont megbízhatóan nem olvashatod ki belőle, hogy egy csatorna pontosan hány leadet „ér”. Egy útvonal-sor gyakran öt-hat leadből áll, így egyetlen lead elmozdulása 15-20 százalékpontot billent az arányokon.
Hol csúszik félre az értelmezés kis mintán?
A leggyakoribb hiba az, hogy a százalékokat és az átlagokat úgy olvassuk, mintha több ezres mintából jönnének. Az alábbi pontok a tipikus csúszásokat sorolják fel.
- Százalék kis számon. Ha egy hónapban 30 leadből 3 indul Meta-hirdetéssel, a következőben 6, az duplázódásnak látszik, de ekkora ingadozást a véletlen is bőven megmagyaráz.
- Adatvezérelt modell kevés adaton. [Szakmai feltételezés] Az adatvezérelt modell a saját fiókod adataiból tanul, így kevés kulcseseménynél az érdemmegosztása hónapról hónapra jobban ingadozhat. Érdemes mellé tenni az utolsó kattintásos nézetet, és csak azt komolyan venni, ami mindkettőben hasonló irányt mutat.
- A közvetlen forgalom kezelése. [Hivatalosan igazolt] A GA4 attribúciós modelljei a közvetlen látogatásnak nem adnak érdemet, kivéve ha az útvonal kizárólag közvetlen látogatásokból áll. A sávdiagramon ezért a közvetlen csatorna alulreprezentált, a visszatérő, márkanévre emlékező látogatók szerepe kevésbé látszik.
- Elutasított sütik. [Szakmai feltételezés] Akik elutasítják az analitikai sütiket, azoknak az útvonala nem rakható össze munkamenetek között, ezért a jelentés a hozzájárulók viselkedését mutatja, és ez nem feltétlenül egyezik a teljes közönségével.
- Telefonos és offline leadek. [Saját tapasztalat] Sok KKV-nál a leadek jelentős része telefonon vagy a Cégprofilon keresztül jön, és ezek közül sok egyáltalán nem kerül a GA4-be. Az útvonalak így csak a mért szeletet írják le.
- Hiányzó vagy következetlen UTM-címkék. [Saját tapasztalat] Ha a Meta-hirdetés linkje címkézetlen, a forgalom egy része hivatkozó forgalomként jelenik meg, és ugyanaz a csatorna két külön sorra esik szét.
- Adatküszöbök. [Hivatalosan igazolt] A GA4 bizonyos beállításoknál (például bekapcsolt Google signals mellett) adatküszöböt alkalmaz, és kis számú sorokat elrejthet. Kis oldalon ez pont a ritka, hosszú útvonalakat tüntetheti el.
Hogyan derülhet ki, hogy egy csatorna elindítja a döntést, és nem lezárja?
Akkor gyanakodhatsz erre, ha a csatorna a korai érintéseknél jóval nagyobb részt kap, mint a későieknél, és a táblázat útvonalaiban rendszeresen az első helyen áll, a kulcsesemény előtti utolsó helyen viszont ritkán. A gyanút érdemes lépésről lépésre, darabszámokkal ellenőrizni.
- Állítsd a dátumtartományt legalább 90 napra, és válaszd ki azt az egy kulcseseményt, ami valódi leadet jelent (például az ajánlatkérő űrlap elküldését).
- Nézd meg a sávdiagramot adatvezérelt modellel, majd a fizetett és organikus utolsó kattintásos modellel is.
- A táblázat keresőjével szűrj rá a vizsgált csatornára, és exportáld az útvonalakat egy táblázatkezelőbe.
- Számold meg kulcsesemény-darabszámra súlyozva, hány leadnél áll a csatorna az út elején, és hánynál a végén.
- Vesd össze a napok számát. Ha a csatornával induló utak jellemzően hosszabbak, az összhangban van az elindító szereppel.
A 4. lépéshez a Google Táblázatokban elég két képlet, ha az A oszlopban az útvonal, a B oszlopban a kulcsesemények száma van. A =SZUMHA(A:A;"Paid Social*";B:B) a csatornával kezdődő, a =SZUMHA(A:A;"*Paid Social";B:B) a csatornával végződő utak leadjeit adja össze. Az exportban ellenőrizd a csatornanevek nyelvét és az elválasztó jelet, mert a képletnek ezekhez kell igazodnia. Az egyérintéses utak mindkét összegben szerepelnek, ezeket érdemes külön is kiszámolni.
Egy szemléltető helyzet, kitalált, kerek számokkal. Egy szolgáltató 90 nap alatt 110 ajánlatkérést kap. A fizetett közösségi csatorna 34 útvonalon szerepel, ebből 26-ban az első érintés, de csak 6-ban az utolsó. Utolsó kattintással 6 leadet kap, az adatvezérelt modell nagyjából 14-et ad neki. A csatornával induló utak átlagosan 9 napig tartanak, a többi út 2 napig. Ez a kép összhangban van azzal, hogy a hirdetés sok döntést elindít, amit később organikus keresés vagy közvetlen látogatás zár le. [Szakmai feltételezés] Ugyanez a kép azonban akkor is előállhat, ha a hirdetés olyanokat ér el, akik nélküle is megkeresték volna a céget. A jelentés ezt a két esetet nem tudja szétválasztani.
Milyen döntést lehet erre építeni, és milyet nem?
Az elindító szerep gyanújára óvatos, visszafordítható döntést érdemes építeni, nagy költségkeret-átcsoportosítást nem. [Szakmai feltételezés] A jelentés együttes előfordulást mutat, az okozati hatást csak teszttel lehet közelíteni.
Amit jó eséllyel megalapoz
- Ne állítsd le a csatornát pusztán azért, mert utolsó kattintással kevés leadet kap. Előbb nézd meg, hány út indul vele.
- Igazítsd az üzenetet a szerephez. Elindító szerepben a bemutatkozó, problémát megfogalmazó hirdetés jellemzően jobban illik, mint az azonnali ajánlatkérésre buzdító.
- Erősítsd a zárás oldalát. Ha az utak organikus kereséssel vagy közvetlen látogatással érnek véget, a márkanévre keresés, a Cégprofil és a kapcsolati oldal minősége fontos.
- Tervezz kontrollált tesztet. Csökkentsd vagy szüneteltesd a csatornát egy jól körülhatárolt időszakra vagy régióra, és a teljes leadszámot figyeld, ne csak a csatornához rendelt értéket.
- Javítsd a mérést (UTM-címkék, telefonos kattintás mint kulcsesemény, külső űrlapszolgáltató kezelése), mielőtt a következő negyedévet értékeled.
Amit nem alapoz meg
- A költségkeret emelését kizárólag az adatvezérelt modell nagyobb érdemszáma alapján.
- Pontos megtérülési számítást egy csatornára havi néhány tucat leadből.
- Olyan állítást, hogy „a leadek negyedét ez a csatorna hozza”. Ez okozati kijelentés, a jelentés ilyet nem igazol.
- Hónapról hónapra hozott döntést, ha a minta egy-egy hónapban 10-20 lead körül van.
Milyen ellenőrzőlistával érdemes havonta átnézni a jelentést?
[Saját tapasztalat] Kis oldalon a havi átnézés akkor hasznos, ha mindig ugyanazokat a lépéseket követi, és a döntést negyedéves adatra hagyja.
- Ugyanazt az egy, valódi leadet jelentő kulcseseményt nézed, mint legutóbb?
- Legalább 90 napos a dátumtartomány, és összevetetted az előző 90 nappal?
- Megnézted az adatvezérelt és az utolsó kattintásos modellt is?
- Darabszámot jegyzel fel, nem csak százalékot?
- Van-e új, gyanús hivatkozó forrás (saját domain, űrlapszolgáltató, fizetési oldal) az utak közepén?
- Minden hirdetési link UTM-címkés, és egységes a forrás és a médium írásmódja?
- Tudod, nagyjából mekkora a telefonos és offline leadek aránya, ami kimarad a jelentésből?
- Ha döntést hozol, leírtad, milyen teszttel ellenőrzöd, és mikor nézed meg újra?
Források és további olvasnivalók
- Google Analytics súgó, A konverziós útvonalak jelentés
- Google Analytics súgó, Attribúciós modellek és attribúciós beállítások
- Google Analytics súgó, Kulcsesemények a GA4-ben
- Google Analytics súgó, Adatküszöbök
- Google Analytics súgó, Hozzájárulási mód (Consent Mode)
- Google Analytics Campaign URL Builder dokumentáció (UTM-paraméterek)
- A korai érintések az útvonal első negyedét, a késői érintések az utolsó negyedét, a középsők a köztes felét jelentik.
- Kis mintán egyetlen lead is 15-20 százalékpontot mozdíthat az arányokon, ezért legalább 90 napos időszakot és nyers darabszámot érdemes nézni.
- A napok és érintések száma átlag, amit egy-egy kilógó útvonal erősen elhúzhat, és a hiányzó sütik miatt jó eséllyel rövidebb utat mutat a valósnál.
- Ha egy csatorna főleg az utak elején áll, az erős érv a hirtelen leállítás ellen, de önmagában nem indokolja a költségkeret emelését.
- Az elindító szerep okozati igazolásához időben vagy földrajzilag elkülönített teszt kell, a jelentés csak a gyanút adja.
Gyakori kérdések
Hol van a konverziós útvonalak jelentés a GA4-ben?
A Hirdetések munkaterületen, az Attribúció csoportban, Konverziós útvonalak néven. A jelentés tetején kiválasztod a kulcseseményt és az attribúciós modellt.
Mit jelent a korai, középső és késői érintés?
A korai érintés az útvonal első 25 százaléka, a késői az utolsó 25 százaléka, a középső a köztes 50 százalék. Rövid, egy-két érintéses utaknál ezek a szakaszok összecsúsznak.
Mekkora időszakot érdemes nézni kis forgalmú oldalon?
Legalább 90 napot, és azt érdemes az előző 90 nappal összevetni. Havi 20-60 leadnél egy hónap adata túl kevés ahhoz, hogy a százalékok stabilak legyenek.
Miért kap kevés érdemet a közvetlen forgalom?
A GA4 attribúciós modelljei a közvetlen látogatásnak nem adnak érdemet, kivéve ha az útvonal csak közvetlen látogatásokból áll. Ezért a közvetlen csatorna a sávdiagramon alulreprezentált.
Leállíthatok egy csatornát, ha utolsó kattintással kevés leadet hoz?
Előbb nézd meg, hány útvonal indul vele. Ha gyakran az út elején áll, a leállítás előtt érdemes egy időben vagy régióban elkülönített tesztet futtatni, és a teljes leadszámot figyelni.
Miért rövidebbek az útvonalak a jelentésben, mint amire számítok?
Az elutasított sütik, a böngészők rövid ideig tárolt azonosítói és az eszközváltás miatt a korábbi érintések egy része elveszik. A visszatekintési időablakon kívüli érintés sem kerül be az útvonalba.
Források és további olvasnivalók
Ezen az oldalon a hivatalosan igazolt információt elsődleges forrásokból építjük fel; a saját tapasztalatot és a szakmai becslést mindig külön jelöljük a szövegben.