На Чорну п'ятницю, дуже неочікувано для мене, найбільш продаваним курсом був BigQuery for Marketing

Причин, чому так могло статись звісно безліч, але я вирішив, що це знак, що всі нарешті почали активно рухатись до роботи з сирими даними. І щоб спростити шлях тим, хто на початку шляху - я вирішив зробити декілька статей на умовну тему

"Як почати працювати з сирими даними і написати свій перший SQL-запит, поєднати дані з декількох систем і побудувати перший репорт"

Перший матеріал вже на блозі академії. Приємного старту!

Ну і так, як завжди вийшов великий і детальний матеріал, навіть план ледь влазить на одну картинку

https://proanalytics.academy/uk/blog/full-guide-to-sql-for-google-analytics-4-in-bigquery-from-basics-to-advanced-marketing-analytics-part-1

а що ви думаєте, треба в цьому році ще один новий матеріал на блозі опублікувати по роботі з сирими даними в BigQuery, чи вже після свят?)

🔥 - публікуй
😁 - краще вже після свят

Не очікував я такої запеклої боротьби)

Здається, попередній пост один із тих, що зібрали найбільше реакцій на каналі за останній час))

Вітаю з перемогою команду "давайте вже після свят")

Але оскільки я бачу, що майже половина з вас хотіла контент вже зараз. Залишити вас на свята без корисної інформації я просто не можу. Тому вирішив зробити такий собі компроміс: нову статтю відкладаємо, але сьогодні я підіб’ю підсумки 2025 року. Ловіть список найпопулярніших матеріалів з наших ресурсів за цей рік.

Якщо ви щось пропустили протягом року — зараз ідеальний час наздогнати. Ця інформація точно не втратить актуальності за час свят, а навпаки — допоможе почати робочий 2026-й з правильними знаннями.

До речі, багато хто досі не знає, але у нас є аж три різні блоги з різним фокусом:

- Блог PROANALYTICS.ACADEMY - тут публікується більш загальні матеріали початкового і середнього рівня
- Блог нашої аналітичної команди ProAnalytics.Team - тут рівень матеріалів від середнього і вище
- Мій особистий блог Analytics Tips - тут мої думки, тести і ідеї

Ось наш топ за цей рік — те, що ви читали найбільше:

Блог PROANALYTICS.ACADEMY

🥇1 місце: Покроковий гайд з налаштування Google Analytics 4 (GA4)
🥈 2 місце: Як налаштувати аудиторії в Google Analytics 4: від простих рішень до складних сценаріїв
🥉 3 місце: Нове в шаблонах тегів: як тепер налаштовуються розширені конверсії для веб у Google Tag Manager

Блог команди ProAnalytics.Team

🥇1 місце: Маркетингова аналітика для E-commerce
🥈 2 місце: Аналітика для SaaS: Які показники потрібно аналізувати і чому
🥉3 місце: Наскрізна аналітика. У чому її користь для бізнесу. Інтерактивний приклад всередині

Блог Analytics Tips

🥇1 місце: Чому і як Google Ads MCP змінює підхід до аналітики рекламних кампаній
🥈2 місце: Model Context Protocol: що це і чому за ним — майбутнє аналітики
🥉 3 місце: Налаштування Ecommerce в Google Analytics 4 через Google Tag Manager. Детальна інструкція


Приємного читання та з прийдешніми святами! 🎄

І головне питання, чи набере цей корисний пост більше лайків ніж попередній?)

🔥 - так
😁 - ні

)))

Нещодавно команда GA4 викатила — Analytics Advisor (чат який з правого боку відкривається). Я вже писав про нього раніше, коли він тільки починав з’являтися в окремих акаунтах, але зараз його вже розкатали для всіх.

Я вирішив ще раз протестувати його на конкретному, прикладному питанні — по суті, це тест «відповідь на питання», яке аналітик реально може поставити в роботі. І на якому минулого разу він провалився.

Питання було таке:
які джерела / канали трафіку мають найкращі та найгірші показники конверсії з додавання до кошика в покупку?

На першому скріншоті ти бачиш, що я працюю з періодом останні 30 днів, і Advisor підготував мені відповідь. Але якщо уважно подивитися на цифри, вони трохи відрізняються від того, що я бачу у власноруч побудованому звіті.

Спочатку я подумав про семплінг. Але, як видно на скріншоті, зверху є оранжевий трикутник — але якщо відкрити його, то в мене висока кардинальність даних, і частина інформації зібрана в (other) - причина в цьому. Тобто семплінгу тут не було, але дані розходяться. Чому саме — відповіді я так і не знайшов.

Але розбіжності в цифрах не єдина причина, чому мене не влаштувала ця відповідь. Інша причина - сам підхід. Фактично Advisor порахував кількість подій. А мене цікавило зовсім інше:

Який відсоток користувачів, які додали товари до кошика зробили покупку, і рахувати це я звик по користувачах, а не по подіях.

Тому я спробував вдруге й перефразував питання, прямо вказавши, що мене цікавлять користувачі. І от тут, на другому скріншоті, дані вже повністю зійшлися з моїм звітом. Плюс — Advisor одразу порахував коефіцієнт конверсії, і це реально зручно: раніше це доводилося робити вручну.

Але я все одно залишився не до кінця задоволеним. Чому? Тому що в самому інтерфейсі GA4 я бачу індикатор семплінгу, а в чаті — жодного слова про те, що дані можуть бути не повними. Тобто контекст просто губиться.

Якщо дивитися ширше, я все ще вважаю, що підхід із GA4 MCP (https://analytics-tips.com/uk/model-context-protocol-what-it-is-and-why-it-s-the-future-of-analytics) (який, скоріше за все, і лежить в основі цього Advisor’а) у вигляді окремого GA4 MCP, який ти запускаєш сам, виглядає сильніше. Там ти бачиш, з яких даних і з якою логікою формуються висновки, і можеш зрозуміти, чому щось не зійшлося. Тут же тобі просто віддають результат — без деталей.

Резюмуючи.
Мені подобається напрямок, у якому рухається Google Analytics. Advisor може бути корисним, особливо для невеликих проєктів і ad hoc задач, якщо ти добре розумієш, що саме питати і як формулювати запит. Він реально може зекономити час.

Але користуватися ним варто обережно:
— не завжди зрозуміло, які саме дані він використовує
— він не сигналізує про семплінг або обмеження даних
— правильну відповідь я отримав лише з другої спроби, чітко сформулювавши запит у розрізі користувачів, а до цього мав зовсім інші дані. Тобто без перевірки у вигляді побудови звіту можна було легко промахнутись.

Тому поки що виглядає так, що для регулярної аналітики готові звіти все ще виграють. А Advisor — це хороший інструмент, але саме як допоміжний.

Читати про новину в офіційній довідці >>>

Усіх з прийдешнім Новим роком! 🎄

Якщо ви з тих, хто щороку обіцяє собі почати навчання «з понеділка» або «з нового року» — зараз найкращий момент підкріпити обіцянку ділом.

З 29 грудня по 4 січня діє святкова знижка 25% на курси самостійного проходження:

🎁 GA4 Basics >>>

🎁 Server-Side GTM Basics >>>

🎁 BigQuery for Marketing >>>

🎁 Розширені конверсії для Google Ads >>>

Який у вас зараз настрій?
Уже налаштувалися на новий рік?)

Багато подій і звітів в аналітиці зʼявляються не тому, що вони потрібні бізнесу, а тому що так спокійніше аналітику / маркетологу / власнику бізнесу...

Всім спокійніше, коли «у нас усе трекається».

Це зрозуміло. І це досить по-нашому, по-людському.

Тому й зʼявляються:

- ще одна подія «про всяк випадок»;
- ще один дашборд «а раптом знадобиться»;
- ще один щотижневий звіт на мейл керівнику / клієнту «щоб було».

І саме тут зʼявляється класична пастка.

Ми вчимо інструменти.
Трекаємо події.
Будуємо звіти.
Додаємо ще метрики.
Ще звіти.
І так по колу.

І все це важливо.

Але — цього недостатньо.

Бо кількість даних і звітів не гарантує жодних змін для бізнесу.

Можна роками:

- покращувати аналітичну інфраструктуру,
- ускладнювати звіти,
- збирати все більше інформації,
- і при цьому не бачити, щоб аналітика давала реальний вплив на рішення і бізнес.

У якийсь момент так можна потрапити взагалі в дуже небезпечний стан:

бути дуже хорошим у неефективному процесі.

Процес працює.
Дані є.
Звіти оновлюються.

А результат — не змінюється. Бо немає правильного підходу до роботи з даними. Немає правильного мислення.

(продовження далі, не влізло в один пост)

Я це дуже добре бачу на практиці.

Коли до нас приходять із запитом «допоможіть налаштувати аналітику», я майже завжди ставлю одне просте питання:

«навіщо вам аналітика?»

Я ставлю його не тому, що просто люблю це питання, а тому що без відповіді на нього неможливо зрозуміти, чого бізнес насправді хоче від аналітики.

І дуже часто відповідь звучить так:
«та це не нам, це PPC-шнику треба — конверсію для реклами / звіт для оцінки ефективності реклами».

І це важливий момент.
Бо це антиприклад того, як працювати з аналітикою.

Перш за все, коли аналітику сприймають як сервіс для запуску реклами, а не як інструмент розуміння того, що взагалі відбувається в компанії — це проблема бізнесу.

Аналітика потрібна не тільки PPC.
Вона потрібна власнику, команді, бізнесу загалом — на верхньому рівні.

Дуже легко сказати:
«реклама погана, трафік неякісний».

І набагато складніше — подивитись на дані і побачити, де саме ламається процес після заходу трафіку на сайт.

Але саме цей варіант дозволяє бізнесу вирости, а не змінити ще одного підрядника з реклами.

З іншого боку мислення "Аналітика потрібна тільки PPC" — це проблема і самого PPC.

Бо дуже легко зациклитись лише на рекламі: трафік → конверсія → CPA. І не доносити бізнесу, що аналітика — це не тільки про PPC і не тільки про перший продаж.

Може здатись, що це «не задача PPC». Мовляв: я запускаю рекламу — і все. Але тут є дуже проста логіка:
Задоволеність роботою PPC майже завжди вимірюється фінальними результатами бізнесу — продажами і прибутком.

І допоки бізнес думає, що аналітика — це історія тільки про рекламу, відповідальність автоматично лягає на PPC.

А коли бізнес починає розуміти, що аналітика підсвічує:
- проблеми на сайті,
- втрати воронки,
- потенціал повторних продажів,
- і роль реклами в усій екосистемі,

— тоді виграють усі.

І бізнес.
І PPC.

Бо PPC перестає бути «людиною, яка просто привела трафік»,
і стає частиною системи прийняття рішень.

Саме в цей момент і починається правильна аналітика.

Не коли зʼявляється ще один звіт.
А коли зʼявляється ще одне питання.

Відео з поста дуже добре показує це на простому прикладі.

Один шлях — це постійно відточувати рух.
Робити те саме швидше.
Ставати ідеальним у процесі.

Але дуже часто це не найефективніший спосіб.

Інколи потрібно зупинитись, подивитись на систему цілком і знайти рішення, яке змінює не швидкість, а логіку.

В аналітиці це переломний момент.

Коли ти перестаєш просто збирати дані і починаєш ставити правильні запитання.

Саме з цього мислення починається аналітика.

І саме з формування цього мислення і починається навчання на курсі PRO ANALYTICS.

Не з інструментів.
І не зі звітів.

Бо найсильніший апгрейд твоїх знань з аналітики — це не вміння побудувати ще один дашборд, і не навчитись трекати ще одну подію в нову систему.

- Це про розуміння: "А навіщо ми це взагалі вимірюємо?".
- Це про нове питання, яке ти навчився ставити.
- Це про те, як і де знайти на це питання відповідь.

Саме навколо цього побудований курс PRO ANALYTICS.
Не навколо інструментів (хоча про них, звісно, теж буде).

А навколо того, як переходити від неефективного процесу збирання даних «щоб було спокійніше» до правильних запитань і пошуку відповідей на них.

Старт навчання — 26 січня.
Група невелика: 15 місць, з яких зараз вільні 8.

По всіх питаннях можна писати в особисті:
@maksgapchuk

В кінці минулого року на цьому каналі був невеликий батл: публікувати нову статтю по SQL зараз чи вже після свят. З мінімальним відривом перемогли останні.

І сьогодні ця стаття вже точно мала б побачити світ. Але вам знову доведеться її почекати, бо Женя Максимова влетіла до мене на днях з більш актуальним для всіх матеріалом, і я просто не можу затримувати його публікацію.

Мова про Google тег. А саме про ту частину де через зв'язки між різними тегами у вас виникає плутаниця, дублі і інші проблеми з трекінгом.

Чомусь ця тема в інтернеті досі не розкрита, і постійно приводить до проблем. Тому я дуже радий що на блозі нарешті з'явився цей матеріал.

Приємного читання!

https://proanalytics.academy/uk/blog/combined-google-tags-when-one-tag-for-everything-breaks-analytics-step-by-step-unlinking-guide

А ви теж вважаєте що ідея Google з одним тегом наразі працює жахливо?

🤯 - так, цей новий (не такий вже й новий) гугл тег і його зв'язки це просто жесть
❤️ - один гугл тег для всього це вау. Люблю команду Google за це

Практика, практика і ще раз практика

Саме з цим часто асоціюються мої PRO-курси: про це кругом пишу я, і про це написано якщо не в кожному відгуку студентів, то в кожному другому. (до речі, кому цікаво - відгуки можна почитати наприклад тут в фб)

Але людям, які ще не почали своє навчання досить складно зрозуміти, що ж там за практика така на них чекає.

І от, щоб виправити це - на лендингу PRO ANALYTICS тепер з'явився новий блок "Приклади завдань" де можна детально ознайомитись з частиною реальних практичних завдань, які зустрінуться вам на курсі.

Звісно це далеко не всі. Я б сказав це десь менша половина. Але вона має дати вам базове розуміння - наскільки це вам підходить.

Якщо ви раніше задавались питанням "Чи потрібен вам цей курс?" - рекомендую перейти на ленд, переглянути завдання і подумати ще раз ;)

https://proanalytics.academy/uk/course/pro-analytics#tasksexamples

Окреме питання до маркетологів, які читають цей пост: Як вам новий блок? Що подобається? Що варто підправити?