Customer journey w e-commerce: jak realnie zmierzyć ścieżkę klienta po śmierci cookies third-party

Każdy klient e-commerce, z którym rozmawiamy w Pro1, ma to samo doświadczenie: w Mecie reklama wykazuje ROAS 6, w Google Ads też 6, a w panelu sklepu razem zarobiłeś trzy razy mniej niż wskazują kanały. To nie błąd analityka. To efekt śmierci ciasteczek third-party, fragmentacji urządzeń, blokerów i nadgorliwej atrybucji każdej platformy do siebie.

Pytanie nie brzmi już "jak wrócić do dokładnego pomiaru sprzed 2022". Brzmi: "jak zbudować pomiar, który da nam decyzje biznesowe, mimo że dokładność spadła".

Co dokładnie się zmieniło

Trzy rzeczy złożyły się na obecny stan rzeczy:

1. iOS 14.5+ (od 2021) — ATT, klient sam decyduje, czy aplikacja może go śledzić. Większość odmawia.
2. Blokery (Brave, Safari ITP, uBlock) — w niektórych grupach docelowych blokują 30–50% pikseli.
3. Wycofywanie third-party cookies w Chrome — proces rozłożony na lata, ale efekt już widać: cross-site tracking nie jest tym, czym był.

Efekt: każda platforma reklamowa atrybuuje konwersję na podstawie własnych danych pierwszej strony plus modelowania. To "modelowanie" oznacza, że Meta przypisuje sobie sprzedaże, których nie widzi bezpośrednio, na podstawie statystyki. Google robi to samo. Suma atrybucji wszystkich kanałów potrafi przekroczyć 200% rzeczywistych zakupów.

Co dziś działa — trzy filary nowoczesnego pomiaru

W Pro1 budujemy pomiar na trzech filarach, które wzajemnie się weryfikują.

Filar 1. Server-side tracking (server-side GTM)

Klasyczny GTM po stronie przeglądarki traci coraz więcej danych. Server-side GTM (sGTM) przenosi część pomiaru na serwer. Realnie znaczy to, że:

• ruch z klienta idzie na twój subdomena (np. analytics.twojsklep.pl), a nie bezpośrednio do Google;
• z serwera wysyłasz dane do GA4, Meta CAPI, TikTok Events API, Google Ads;
• redukujesz wpływ blokerów (część użytkowników odzyskujesz);
• masz pełną kontrolę nad tym, co wychodzi i co przychodzi.

Z naszych wdrożeń server-side GTM podnosi mierzalność konwersji o 5–15% (czyli "odzyskujesz" tyle danych, których przeglądarka by zgubiła). To nie srebrna kula, ale realny zysk pomiarowy i SEO/load benefit (skrypty wczytywane z własnej domeny).

Filar 2. First-party data i identyfikator klienta

Najważniejsza warstwa, której wciąż brakuje w 80% sklepów, które audytujemy. First-party data to dane, które klient sam ci dał: e-mail przy zakupie, login, zapis do newslettera, telefon w BOK.

Co trzeba zrobić:

1. Unikalne ID użytkownika — każdy zalogowany klient ma swój identyfikator (user_id), który wysyłasz do GA4, Meta, e-mail toola, CRM. To "klej", który łączy zachowanie cross-device.
2. Hashed email / phone — wysyłaj zahashowane (SHA-256) maile i telefony do Meta i Google. Conversion API i Enhanced Conversions na tym opierają większość modelowania.
3. Logowanie na sklepie — im więcej zalogowanych, tym lepszy pomiar. Bonus za rejestrację, dobre UX onboardingu, gościowy checkout, ale z miękkim push do założenia konta po zakupie.
4. Newsletter z value-first — nie "zapisz się na rabat", tylko "dostaniesz lepszą obsługę".

Filar 3. Atrybucja modelowana, nie last-click

Last-click umarł jako sensowny model atrybucji. W GA4 dziś standardem jest data-driven attribution — algorytm rozdziela kredyt za konwersję między touchpointami na podstawie ich wkładu.

W praktyce porównuj zawsze trzy modele:

• last-click (dla porównania z historią);
• data-driven (jako pierwotny);
• first-click (żeby zobaczyć, które kanały realnie pozyskują nowych klientów).

Najczęstszy efekt po przejściu na DDA: kanały na początku ścieżki (display, social organic, content) "rosną", a last-click chwalcy (brandowe Google Ads, direct) "spadają". To zwykle bliższe prawdy.

GA4 path exploration i funnel — co realnie z tego wycisnąć

GA4 ma narzędzia, których większość użytkowników nie otwiera. Dwa najważniejsze:

Path exploration

Pokazuje, jak klient porusza się po sklepie od konkretnego eventu (np. landing) do innego (np. purchase). Z naszego doświadczenia analiza path exploration ujawnia trzy rzeczy:

1. Strony, na które klient wchodzi i z których wychodzi (gdzie odpada).
2. Ścieżki nieoczywiste (np. klient częściej dochodzi do zakupu przez kategorię, nie przez produkt — sygnał, że karta kategorii jest ważniejsza).
3. Pętle (klient krąży po sklepie, nie znajdując czego szuka — to często sygnał problemu z nawigacją lub wyszukiwarką).

Funnel exploration

Klasyczny lejek, z możliwością segmentacji. Ustaw stałe kroki (view item → add to cart → begin checkout → purchase) i obserwuj drop-off w czasie. Każdy spadek na danym kroku wymaga wyjaśnienia.

W Pro1 jako standard mamy funnel:

• view_item;
• add_to_cart;
• view_cart;
• begin_checkout;
• add_payment_info;
• purchase.

Im więcej kroków widzisz, tym precyzyjniej zlokalizujesz problem.

Customer Data Platform — kiedy ma sens

CDP (Customer Data Platform) — Segment, Piwik PRO, Bloomreach Engagement, Tealium — to warstwa, która łączy dane z różnych systemów w jeden profil klienta. Z naszych obserwacji ma sens, jeśli:

• masz powyżej 10–20 tys. aktywnych klientów miesięcznie;
• używasz więcej niż 5 narzędzi marketingowych (mailing, push, SMS, ads, personalizacja);
• atrybucja i raportowanie to dziś główne wąskie gardło decyzyjne;
• chcesz personalizować komunikację cross-channel.

Dla mniejszego sklepu CDP to overkill — lepiej zacząć od solidnego GA4, sGTM, CRM (np. Klaviyo, edrone) i prostego user_id.

Piwik PRO bywa ciekawą alternatywą dla GA4 — polski produkt, server-side z natury, mocne data residency (zgodność z RODO bez wątpliwości). W audytach Pro1 polecamy go klientom, dla których zgodność RODO jest kluczowa, np. fintech, healthcare.

Co audytować w stacku pomiarowym — checklist

Zanim wydasz złotówkę na nowy tool, sprawdź czy masz porządek w tym, co już masz:

1. GA4 — czy mierzysz wszystkie eventy e-commerce (od view_item do purchase)?
2. GTM — server-side czy tylko client-side?
3. Meta CAPI — czy dosyłasz konwersje z serwera, czy tylko z pixela?
4. Google Ads Enhanced Conversions — czy włączone?
5. User_id — czy wysyłany do GA4 i platform reklamowych?
6. Hashed email — czy przekazywany do Mety, Google, e-mail toola?
7. Cookie consent — czy działa w trybie Consent Mode v2 (wymóg Google od 2024)?
8. CRM — czy zsynchronizowany z e-mail toolem i z pixelem (custom audiences)?
9. Cross-domain tracking — czy działa, jeśli masz checkout na subdomenie?
10. Backup pomiaru — czy masz drugi system (np. Piwik) na wypadek awarii GA4?

Jeśli na 3+ pytania odpowiedziałeś "nie wiem" — masz tańsze rzeczy do zrobienia przed CDP.

Najczęstsze błędy w pomiarze customer journey

1. Patrzenie tylko na ROAS w Mecie i Google — bez weryfikacji z backendem to recepta na błędne decyzje.
2. Brak Consent Mode v2 — Google modeluje konwersje, jeśli go włączysz; bez niego sygnał jest dziurawy.
3. User_id tylko dla zalogowanych — większość ruchu nie jest zalogowana, trzeba mieć też client_id i strategię "stitching".
4. Atrybucja last-click w decyzjach budżetowych — przepalanie pieniędzy na branded search, niedoinwestowanie ToFu.
5. Pomiar bez backendu — bez porównania z realnym przychodem i marżą pomiar to tylko statystyka.

Czego nie zmierzysz nawet w idealnym stacku

Bądźmy uczciwi: nawet z server-side GTM, CDP i Consent Mode nie zmierzysz wpływu reklamy na świadomość marki, polecenia ustne i większości wpływu offline. Dlatego w Pro1 zawsze radzimy klientom, żeby raz w kwartale robili tzw. "ankietę przy checkoucie" — proste pytanie "skąd nas znasz" z polami radio. To brzmi prymitywnie, ale dane stąd często weryfikują, co naprawdę pozyskuje klientów, lepiej niż dowolny model atrybucji.

Jeśli chcesz, żebyśmy spojrzeli na twój stack pomiarowy i powiedzieli, gdzie tracisz dane (i pieniądze), umów bezpłatną konsultację. Pokażemy ci, co da się odzyskać w 30 dni, a co wymaga większego projektu.