Dlaczego liczby w GA4 się nie zgadzają? Najczęstsze przyczyny rozbieżności danych

Dlaczego GA4 pokazuje inną liczbę niż nasz system sprzedażowy to jedno z najczęściej zadawanych pytań każdemu, kto prowadzi raportowanie z GA4. Odpowiedź rzadko jest tak prosta, jak „bo coś jest zepsute”. Większość rozbieżności ma konkretną, techniczną przyczynę, wynikającą z tego, jak różne narzędzia w ogóle definiują i zliczają dane.

Ten artykuł porządkuje najczęstsze źródła rozbieżności i pokazuje, jak systematycznie ustalić, czy dana różnica jest normalna, czy wymaga naprawy.

Dlaczego żadne dwa narzędzia nigdy nie pokażą identycznych liczb

GA4, Google Ads, Meta Ads, system sprzedażowy i CRM mierzą tę samą rzeczywistość zupełnie różnymi metodami. Jedno liczy sesje oparte na identyfikatorze przeglądarki, drugie liczy kliknięcia w reklamę, trzecie liczy faktycznie opłacone zamówienia z bazy danych. Oczekiwanie stuprocentowej zgodności między nimi to oczekiwanie wobec czegoś, co strukturalnie nie jest możliwe, niezależnie od jakości wdrożenia.

Celem nie jest więc dążenie do identycznych liczb, tylko do stabilnego, wytłumaczalnego marginesu różnicy, który nie zmienia się nagle bez powodu.

Najczęstsze techniczne przyczyny rozbieżności

• Sampling w starszych raportach i w Eksploracjach. Przy bardzo dużych wolumenach danych i szczegółowych zestawieniach GA4 może opierać wynik na próbce danych zamiast na pełnym zbiorze, co z definicji daje inną liczbę niż policzenie wszystkiego od podstaw.
• Różne strefy czasowe i granice dnia. Jeśli usługa GA4 ma ustawioną inną strefę czasową niż system sprzedażowy, transakcja tuż po północy trafia do innego dnia w każdym z tych systemów, co przy raportach dziennych tworzy pozorną rozbieżność.
• Różne okna atrybucji między platformami. GA4 domyślnie korzysta z atrybucji opartej na danych (data-driven), z oknem konwersji liczonym w dniach, podczas gdy Google Ads czy Meta Ads mogą stosować własne, odmienne okna i modele, przypisując tę samą konwersję innemu kanałowi albo innemu dniu.
• Blokery reklam i ograniczenia przeglądarek. Część użytkowników ma zainstalowane rozszerzenia blokujące skrypty analityczne, co obniża liczbę zarejestrowanych w GA4 sesji bez wpływu na rzeczywistą liczbę odwiedzin na stronie.
• Tryb zgodności i modelowanie danych. Gdy użytkownik nie wyrazi zgody na pliki cookie analityczne, część danych w GA4 jest modelowana statystycznie, a nie mierzona bezpośrednio, co z natury różni się od twardych liczb z systemu transakcyjnego.
• Opóźnienie przetwarzania danych w GA4. Dane w standardowych raportach GA4 potrafią dojrzewać jeszcze przez kilkanaście do dwudziestu czterech godzin po zdarzeniu, więc porównanie na gorąco, tego samego dnia, niemal zawsze pokaże niższą liczbę niż ostateczna.
• Różnice w definicji konwersji. System sprzedażowy liczy zamówienie jako sprzedaż w momencie złożenia, a GA4 rejestruje zdarzenie zakupu w momencie wysłania zdarzenia z frontendu albo z integracji server-side, co przy zamówieniach telefonicznych czy opóźnionych płatnościach daje inny wynik.

Rozbieżności między GA4 a systemem sprzedażowym

Ten typ rozbieżności zasługuje na osobną uwagę, bo to właśnie on najczęściej rodzi pytania ze strony klientów i zarządu.

• Zamówienia złożone telefonicznie albo offline. Jeśli klient dzwoni i składa zamówienie bez odwiedzenia strony potwierdzenia, system sprzedażowy je zarejestruje, a GA4 nigdy o nim się nie dowie, chyba że istnieje osobna integracja wysyłająca takie zdarzenie do GA4 ręcznie.
• Zduplikowane zdarzenie zakupu. Odwrotny kierunek błędu: GA4 pokazuje więcej transakcji niż faktycznie miało miejsce, bo to samo zamówienie zostało zarejestrowane więcej niż raz. Szczegółowo opisaliśmy to w osobnym artykule o zduplikowanych zakupach.
• Zwroty i anulowane zamówienia. System sprzedażowy zwykle aktualizuje status zamówienia po zwrocie, a GA4 w standardowej konfiguracji nie cofa już zarejestrowanego zdarzenia zakupu, więc historyczny przychód w GA4 bywa wyższy niż finalny, uwzględniający zwroty.
• Opóźnienie między złożeniem zamówienia a potwierdzeniem płatności. Przy płatnościach odroczonych albo przelewach tradycyjnych zdarzenie zakupu w GA4 może zostać wysłane w innym momencie niż faktyczne księgowanie przychodu w systemie finansowym.

Jak systematycznie zdiagnozować rozbieżność

1. Ustal precyzyjnie, które dokładnie liczby porównujesz: ten sam zakres dat, ta sama strefa czasowa, ta sama definicja transakcji w obu systemach.
2. Sprawdź, czy porównywany raport GA4 w ogóle mógł zostać poddany samplingowi, zwłaszcza jeśli korzystasz z Eksploracji na dużym zbiorze danych.
3. Odczekaj co najmniej dwadzieścia cztery godziny od zdarzenia przed porównaniem liczb, żeby wykluczyć efekt niedojrzałych, wciąż przetwarzanych danych.
4. Sprawdź, czy liczba transakcji w GA4 nie jest zawyżona przez duplikaty, porównując liczbę zdarzeń purchase z liczbą unikalnych wartości transaction_id.
5. Sprawdź model atrybucji używany w porównywanym raporcie reklamowym i porównaj go z modelem w GA4, zamiast zakładać, że oba liczą tak samo.
6. Policz margines rozbieżności z ostatnich kilku okresów i sprawdź, czy jest stabilny. Stabilna różnica rzędu kilku procent to zwykle metodologia, nie błąd. Różnica, która nagle rośnie, to sygnał do dalszego sprawdzenia.

Jaki poziom rozbieżności jest normalny, a jaki wymaga alarmu

Nie ma jednej uniwersalnej liczby, bo poziom naturalnej rozbieżności zależy od branży, platformy i konfiguracji zgody na pliki cookie. W praktyce najważniejsza nie jest sama wielkość różnicy, tylko jej stabilność w czasie.

Rozbieżność rzędu kilku do kilkunastu procent, powtarzająca się konsekwentnie z miesiąca na miesiąc, zwykle wynika z metodologii i nie wymaga interwencji. Rozbieżność, która nagle się podwaja albo pojawia się tam, gdzie wcześniej jej nie było, niemal zawsze ma konkretną, techniczną przyczynę, wartą zdiagnozowania zanim trafi do raportu dla klienta czy zarządu.

Jak AlertGA4 pomaga wychwycić rozbieżności, zanim staną się problemem

AlertGA4 nie porównuje bezpośrednio GA4 z zewnętrznymi systemami sprzedażowymi, bo to zależy od integracji specyficznej dla każdego biznesu. Zamiast tego codziennie pilnuje tych źródeł rozbieżności, które leżą po stronie samego GA4 i które najczęściej odpowiadają za nagłe, niewytłumaczone zmiany: duplikatów zdarzenia zakupu, udziału „(not set)” w kluczowych wymiarach, nietypowego ruchu botowego oraz anomalii geograficznych.

Dzięki temu, zanim zaczniesz szukać przyczyny rozbieżności w zewnętrznym systemie, masz już potwierdzenie albo wykluczenie najczęstszych, technicznych przyczyn leżących po stronie GA4.

Dla kogo ma to znaczenie

• Zespoły e-commerce raportujące przychód do zarządu, dla których niewytłumaczona rozbieżność między GA4 a systemem sprzedażowym podważa wiarygodność całego raportu, nie tylko jednej liczby.
• Agencje performance marketingowe rozliczane na podstawie danych z GA4, które muszą umieć wytłumaczyć klientowi, dlaczego Google Ads i GA4 pokazują inną liczbę konwersji za ten sam okres.
• Analitycy budujący własne dashboardy łączące kilka źródeł danych, dla których zrozumienie przyczyn rozbieżności jest warunkiem koniecznym, żeby w ogóle móc sensownie zestawić te dane razem.