mbridge Case Studies 7 września 2026

Jedno ustawienie w WordPress generowało zawyżoną liczbę transakcji i przychodów w GA4. | Case study Analityka

Dane analityczne mogą wyglądać wiarygodnie, a mimo to prowadzić do błędnych wniosków. Szczególnie wtedy, gdy ten sam zakup trafia do Google Analytics 4 więcej niż jednym sposobem. Podczas audytu analityki u jednego z nowych Klientów mbridge zauważyliśmy znaczące rozbieżności pomiędzy danymi sprzedażowymi w CRM a wynikami raportowanymi w GA4. Różnice dotyczyły zarówno liczby transakcji, jak i przychodów. Analiza pozwoliła nam ustalić, że część transakcji była rejestrowana podwójnie. Źródłem problemu okazało się ustawienie wtyczki WordPress, które powodowało przesyłanie danych sprzedażowych do GA4 dodatkowo przez Measurement Protocol. Po zmianie konfiguracji Klient zyskał dane lepszej jakości i bardziej wiarygodną podstawę do oceny oraz optymalizacji działań marketingowych.

Rozpoczynając współpracę z nowym Klientem, standardowo przeprowadzamy audyt wdrożenia analityki. Jednym z jego elementów jest porównanie danych raportowanych przez Google Analytics 4 z informacjami pochodzącymi z systemu CRM.

W tym przypadku szybko zauważyliśmy, że oba źródła pokazują inne wyniki. GA4 raportował zawyżoną liczbę transakcji oraz przychodów w stosunku do systemu sprzedażowego. Taka rozbieżność oznacza problem znacznie większy niż brak zgodności dwóch raportów. Jeśli dane o sprzedaży są zawyżone, trudniej prawidłowo oceniać efektywność poszczególnych źródeł ruchu, kampanii i prowadzonych działań marketingowych.

Dlatego kolejnym krokiem było ustalenie, w którym miejscu procesu pomiarowego powstają dodatkowe transakcje.

Rozpoczęliśmy od analizy transakcji zapisanych w GA4. Porównaliśmy identyfikatory transakcji i zauważyliśmy, że duża część z nich pojawia się w danych dwukrotnie. To wskazywało, że problem nie wynika z rzeczywistej liczby zakupów, ale ze sposobu ich rejestrowania.

Następnie zweryfikowaliśmy konfigurację rozwiązania odpowiedzialnego za przesyłanie danych sprzedażowych z serwisu do Google Analytics 4.

W trakcie analizy sprawdziliśmy m.in.

sposób rejestrowania zdarzeń zakupowych po stronie przeglądarki,
konfigurację wtyczki WordPress przekazującej informacje o transakcjach,
dodatkowe wysyłanie danych do GA4 za pomocą Measurement Protocol,
powtarzające się identyfikatory transakcji i ich źródło.

To pozwoliło nam wskazać konkretny element konfiguracji odpowiedzialny za rozbieżności.

Zidentyfikowaliśmy ustawienie wtyczki WordPress, które powodowało, że informacja o każdej transakcji była dodatkowo wysyłana do GA4 za pomocą Measurement Protocol. Jednocześnie część tych samych zakupów była już poprawnie rejestrowana po stronie przeglądarki.
W rezultacie jedna transakcja mogła trafić do systemu dwoma ścieżkami:

W efekcie część zakupów była raportowana podwójnie, co zawyżało zarówno liczbę transakcji, jak i przychód widoczny w Google Analytics 4.

Po zidentyfikowaniu źródła problemu zarekomendowaliśmy wyłączenie dodatkowego przesyłania transakcji przez Measurement Protocol w obecnej konfiguracji. Była to świadoma decyzja.

Zmiana oznaczała, że w GA4 przestały trafiać również niektóre transakcje rejestrowane wcześniej wyłącznie po stronie serwerowej. Takie zdarzenia nie były jednak powiązane z pełnym kontekstem zachowania użytkownika, m.in. źródłem sesji, urządzeniem czy wcześniejszymi interakcjami ze stroną.

Sama informacja, że transakcja wystąpiła, ma ograniczoną wartość analityczną, jeśli nie możemy wiarygodnie połączyć jej z działaniami, które do niej doprowadziły. Dlatego priorytetem nie była maksymalna liczba transakcji widoczna w GA4, ale jakość danych, na podstawie których Klient podejmuje decyzje.

Katarzyna Soja

Web Analytics Manager

Po zmianie konfiguracji wyeliminowaliśmy mechanizm powodujący podwójne rejestrowanie części transakcji.

Dzięki temu:

raportowanie sprzedaży w GA4 przestało być sztucznie zawyżane przez duplikaty,
dane wykorzystywane w analizach opierały się na transakcjach powiązanych z szerszym kontekstem użytkownika i jego sesji,
możliwa stała się bardziej wiarygodna analiza źródeł ruchu, urządzeń i zachowania użytkowników,
Klient otrzymał lepszą podstawę do oceny skuteczności oraz optymalizacji działań marketingowych.

W tym przypadku poprawa analityki nie polegała więc na tym, żeby raportować więcej danych, ale żeby raportować dane, którym można bardziej ufać.

Jednym z częstych problemów w analityce jest przekonanie, że większa liczba zarejestrowanych zdarzeń automatycznie oznacza lepszy pomiar.CHOD

Ten case pokazał coś odwrotnego. Transakcja przesłana bez informacji o źródle sesji czy zachowaniu użytkownika może potwierdzić wystąpienie sprzedaży, ale w ograniczonym stopniu pomaga odpowiedzieć na pytania:

skąd przyszedł Klient,
jaka kampania lub kanał uczestniczyły w procesie zakupowym,
jak wyglądała jego ścieżka,
jakie działania marketingowe warto dalej rozwijać.

W analityce nie chodzi więc o zebranie możliwie największej liczby rekordów, a o stworzenie możliwie wiarygodnego obrazu tego, co rzeczywiście dzieje się w danym biznesie.

Ten projekt pokazał, dlaczego porównanie GA4 z innymi źródłami danych powinno być jednym z podstawowych elementów audytu analityki. Sama obserwacja raportów Google Analytics 4 nie pozwoliłaby łatwo stwierdzić, że część transakcji jest raportowana podwójnie. Dopiero zestawienie ich z danymi CRM ujawniło rozbieżność, od której rozpoczęliśmy dalszą diagnostykę.

dane w GA4 warto regularnie porównywać z systemem sprzedażowym lub CRM,
zawyżona liczba konwersji może być równie dużym problemem jak ich niedoszacowanie,
dodatkowe mechanizmy server-side nie zawsze automatycznie poprawiają jakość analityki — kluczowa jest ich prawidłowa konfiguracja,
sama rejestracja transakcji ma ograniczoną wartość, jeśli brakuje kontekstu pozwalającego połączyć ją ze źródłem ruchu i zachowaniem użytkownika,
wiarygodne dane są ważniejsze niż raport, który pokazuje większą liczbę konwersji.

Z perspektywy biznesowej najważniejsze było nie odzyskanie czy utrzymanie jak największej liczby transakcji w GA4, ale usunięcie danych, które zniekształcały rzeczywisty obraz wyników i mogły prowadzić do błędnych decyzji marketingowych.