W sklepie internetowym dane płyną szerokim strumieniem: od wejścia na stronę, przez dodanie do koszyka, aż po płatność. Jeśli nie analizujesz, na którym etapie klienci rezygnują, po prostu tracisz pieniądze. Data Studio – połączone z GA4 i BigQuery – pozwala zbudować kompletny dashboard eCommerce, który odpowie na pytania, których sam GA4 już nie zadaje.

1. Wizualizacja lejka sprzedaży (Full Funnel)

Standardowy raport sprzedażowy pokazuje wynik końcowy: ile zamówień, jaki przychód. To za mało. Dashboard lejka sprzedaży pokazuje każdy etap ścieżki zakupowej i procentowy wskaźnik przejścia między nimi:

  • Wyświetlenie produktu (product_view) – ile unikalnych sesji wylądowało na kartach produktów.
  • Dodanie do koszyka (add_to_cart) – jaki % oglądających faktycznie dodaje produkt.
  • Rozpoczęcie checkout (begin_checkout) – gdzie tracisz klientów: na etapie dostawy czy płatności?
  • Zakup (purchase) – finalna konwersja i jej wartość.

W Data Studio ten lejek budujesz jako tabelę z polami obliczeniowymi albo jako wykres słupkowy z wartościami bezwzględnymi i procentami przejścia. Dane bierzesz z GA4 przez BigQuery – natywny konektor GA4 w Data Studio nie udostępnia zdarzeń eCommerce na wymaganym poziomie szczegółowości.

Gdzie najczęściej "ucieka" klient?

  • Wysoki drop między view → cart: problem ze zdjęciami, opisem lub ceną.
  • Wysoki drop między cart → checkout: obowiązkowa rejestracja lub brak preferowanej metody płatności.
  • Wysoki drop między checkout → purchase: koszty dostawy pokazane zbyt późno.

2. Kluczowe metryki eCommerce do śledzenia

W dobrym dashboardzie eCommerce powinny znaleźć się co najmniej trzy warstwy metryk:

Metryki rentowności

  • ROAS (Return on Ad Spend): przychód z reklamy podzielony przez koszt reklamy. Kluczowy przy skalowaniu kampanii.
  • AOV (Average Order Value): czy wartość koszyka rośnie miesiąc do miesiąca? Czy upsell działa?
  • Marża brutto per produkt: sprzedawanie bestsellerów z ujemną marżą po kosztach wysyłki to częsty błąd w eCommerce.
  • CAC (Customer Acquisition Cost): ile kosztuje pozyskanie jednego płacącego klienta z każdego kanału.

Metryki lojalności

  • Repurchase Rate: jaki % klientów kupuje ponownie w ciągu 90 dni.
  • LTV (Lifetime Value): całkowity przychód z klienta przez cały okres relacji z marką.
  • Churn Rate: kiedy i dlaczego klienci przestają kupować.

Metryki operacyjne

  • Czas do pierwszego zakupu: ile sesji i dni upływa od pierwszej wizyty do konwersji.
  • Kategorie z najwyższym porzuceniem koszyka: segment produktów, nie tylko ogólny wskaźnik.
  • Źródło ruchu vs. konwersja: które kanały przynoszą klientów, którzy faktycznie kupują, a nie tylko przeglądają.

3. Integracja danych: GA4 + BigQuery + platforma sklepu

Optymalna architektura dla sklepu eCommerce wygląda tak:

  1. GA4 z Enhanced Ecommerce – zdarzenia product_view, add_to_cart, purchase z pełnymi parametrami (item_id, item_name, price, quantity) trafiają do BigQuery przez natywny eksport GA4.
  2. Eksport danych zamówień ze sklepu – Shopify, WooCommerce lub PrestaShop eksportuje dane zamówień (z kosztami, stanem magazynowym, marżą) do BigQuery przez API lub planowany eksport CSV.
  3. Dane reklamowe – Google Ads przez natywny konektor, Meta Ads przez konektor partnera (np. Funnel.io) lub bezpośredni eksport do BigQuery.
  4. BigQuery jako warstwa łącząca – SQL łączy wszystkie źródła po kluczu (order_id, transaction_id, date), oblicza marże, CAC i LTV.
  5. Data Studio jako warstwa prezentacji – dashboard z filtrami zakresu dat, kategorii produktów i kanałów marketingowych.

4. Analiza kohortowa i retencja

Sama konwersja to za mało. Kluczowe pytanie brzmi: czy klienci wracają? W Data Studio możesz zbudować analizę kohortową, która pokaże, jaki procent klientów pozyskanych w danym miesiącu wrócił do sklepu w kolejnych miesiącach. To niezbędne, żeby ocenić, czy kampanie sezonowe (Black Friday, wyprzedaż letnia) pozyskują klientów lojalnych, czy jednorazowych.

Szczegółowy opis implementacji: Analiza kohortowa w Data Studio z GA4.

5. Dashboard reklamowy: ROAS per kanał i produkt

Osobnym dashboardem powinien być widok efektywności reklam. Gdy łączysz wydatki z Google Ads i Meta Ads z przychodami z GA4, możesz policzyć ROAS dla każdego kanału, kampanii, a nawet grupy produktów. To pozwala zdecydować, gdzie zwiększać budżet, a gdzie go redukować.

Konfigurację połączenia danych reklamowych opisałem w: Dashboard reklamowy Facebook Ads + Google Ads w Data Studio.

Powiązane artykuły