Чому дані Google Ads, GA4 і CRM ніколи не збігаються

Моделі атрибуції, вікна звітності та особливості customer journey створюють розриви між даними рекламних платформ, систем аналітики та CRM.

Якщо ви плануєте бюджети PPC-каналів, порівнюючи дані Google Ads, Meta Ads, GA4 та CRM/CMS, ви, ймовірно, вже помічали: цифри часто не збігаються. У такому випадку виникає логічне питання — на які саме дані орієнтуватися у звітності та як оптимізувати маркетинг з урахуванням реального впливу каналів на бізнес-результат.

Часто маркетологи припускають, що проблема полягає у відстеженні: недостатньо точні UTM-мітки, помилки налаштування аналітики або потреба у складнішій системі збору даних. Однак у більшості випадків першопричина лежить значно глибше — у самій природі атрибуції.

Пастка атрибуції: чому «data-driven» підхід не завжди працює

Протягом багатьох років ринок digital-маркетингу формувався навколо концепції data-driven рішень. Передбачалося, що правильно налаштовані системи аналітики здатні точно показати, які канали працюють ефективно, а які – ні. Маркетологу залишалося лише «слідувати за даними».

Однак атрибуція дуже швидко стає джерелом викривлених висновків. Без правильної інтерпретації даних компанії починають перерозподіляти бюджети на основі неповної картини, що може призводити до помилкових бізнес-рішень.

Важливо розуміти ключову різницю: атрибуція розподіляє цінність конверсії між каналами, але не визначає, який саме канал реально став причиною цієї конверсії.

На перший погляд це може звучати як теоретична деталь, однак саме ця відмінність лежить в основі більшості проблем із вимірюванням ефективності реклами.

Чому дані рекламних платформ, аналітики та CRM не можуть бути однаковими

Перш ніж намагатися «вирівняти» показники між Google Ads, GA4 і CRM, необхідно прийняти базовий факт: повного збігу між цими системами досягти неможливо.

Причина полягає у тому, що кожна з платформ створювалася для різних цілей, використовує різні методології та фіксує різні етапи customer journey.

Customer journey як основа для розуміння розбіжностей

Уявімо типову ситуацію:

Користувач побачив рекламу в Meta Ads, після цього взаємодіяв із ремаркетингом на YouTube, а згодом виконав брендований пошуковий запит у Google та здійснив конверсію — усе це протягом семи днів.

За стандартними вікнами атрибуції:

• Meta Ads зафіксує одну конверсію.
• Google Ads також зафіксує одну конверсію.
• GA4 і CRM покажуть лише одну конверсію та, найімовірніше, віднесуть її до Google Ads Paid Search.

Чи означає це, що Meta Ads «вигадала» дубльовану конверсію? Ні. Платформа Meta не має доступу до взаємодій користувача всередині Google Ads і не може визначити, що конверсія вже була зарахована іншою системою.

Водночас GA4 і CRM можуть практично повністю ігнорувати внесок Meta Ads у customer journey. Якщо орієнтуватися виключно на ці дані, можна дійти хибного висновку про необхідність скорочення бюджету Meta Ads на користь брендового пошуку в Google Ads.

Структурні причини розбіжностей у даних

Проблема не обмежується лише різними моделями атрибуції. Існує низка системних факторів, через які показники між платформами завжди будуть відрізнятися.

Відмінності у датах атрибуції

Рекламні платформи зазвичай прив’язують конверсію до дати кліку по рекламі. Натомість GA4 і CRM-системи найчастіше фіксують конверсію за датою фактичного здійснення цільової дії.

Якщо customer journey триває декілька днів або тижнів, це автоматично створює додаткові розбіжності між звітами.

Cross-device поведінка користувачів

Ще один поширений сценарій — користувач переходить із Google Ads на мобільному пристрої, а пізніше повертається через органічний пошук із десктопа та завершує конверсію.

У такій ситуації:

• Google Ads може зарахувати конверсію рекламному каналу.
• CRM-система може визначити джерелом SEO або direct traffic.
• GA4 покаже власну версію шляху користувача залежно від доступних сигналів і налаштувань ідентифікації.

Основна проблема полягає в тому, що CRM далеко не завжди здатна об’єднати mobile та desktop-сесії в одного користувача.

Privacy-обмеження та втрати даних

На якість атрибуції суттєво впливають:

• ad blockers;
• browser-level tracking prevention;
• cookie restrictions;
• consent banners та відмова користувачів від трекінгу.

У результаті значна частина конверсій узагалі не потрапляє до систем аналітики.

Деякі рекламні платформи частково компенсують ці втрати через modeled conversions, тобто змодельовані конверсії на основі алгоритмів машинного навчання. Однак CRM-системи зазвичай не мають доступу до таких механізмів і не можуть відновити повну картину джерел трафіку.

Що можна виправити, а що — ні

Частину проблем дійсно можна мінімізувати за допомогою технічних покращень:

• server-side tagging;
• offline conversion imports;
• уніфікованих UTM-міток;
• коректного налаштування consent mode;
• покращеної ідентифікації користувачів.

Однак навіть за ідеальної конфігурації систем структурні відмінності між рекламними платформами, аналітикою та CRM залишатимуться. Саме тому очікувати 100% кореляції між Google Ads, GA4 і CRM-даними — некоректно з методологічної точки зору.

Єдине джерело правди: пастка атрибуції

Після того як команди приймають факт, що цифри між Google Ads, GA4 та CRM завжди відрізнятимуться, зазвичай виникає наступне рішення — обрати єдине джерело правди. Найчастіше цією системою стає GA4 або CRM.

Саме в цей момент маркетологи потрапляють у так звану пастку атрибуції.

Кожен інструмент працює на основі певної моделі атрибуції. І незалежно від того, йдеться про first-click, last-click, linear, time decay чи data-driven attribution, кожна з моделей має фундаментальні обмеження.

Кожна модель атрибуції має «сліпі зони»

Last-click attribution

Одна з найпростіших моделей для розуміння — і водночас одна з найпростіших для маніпуляцій.

Last-click attribution надає всю цінність останній точці контакту перед конверсією. На практиці це часто означає, що основну цінність отримує branded search або direct traffic.

У результаті модель системно недооцінює канали, які формують попит, працюють із впізнаваністю бренду та створюють первинний інтерес до продукту.

First-click attribution

First-click attribution працює за протилежним принципом.

У центрі уваги опиняється перша взаємодія користувача з брендом, тоді як усі наступні етапи customer journey практично ігноруються.

Така модель добре демонструє джерела первинного залучення аудиторії, але не враховує канали, які фактично допомогли довести користувача до конверсії.

Linear та time-decay attribution

На перший погляд ці моделі виглядають більш збалансованими.

Linear attribution розподіляє цінність рівномірно між усіма точками контакту, тоді як time-decay attribution надає більшу вагу взаємодіям, які відбулися ближче до моменту конверсії.

Проте навіть такі підходи значною мірою залишаються умовними.

Виникає логічне питання: чому всі точки контакту повинні отримувати однакову цінність? І чому саме близькість до конверсії має визначати важливість каналу?

Реальні customer journey рідко підпорядковуються жорстким сценаріям або математично рівномірному розподілу впливу.

Data-driven attribution

Data-driven attribution часто позиціонується як найбільш технологічно досконала модель.

Ідея полягає в тому, що рекламна платформа або аналітична система самостійно визначає, який розподіл цінності найбільш точно відображає реальність.

Однак на практиці ця модель залишається «чорним ящиком».

Платформи майже не розкривають деталей того, як саме працюють алгоритми розподілу цінності між каналами. Тому маркетологи фактично змушені довіряти системам без повного розуміння логіки їхніх рішень.

Що відбувається, коли компанія обирає єдине джерело правди

Атрибуція відповідає лише на одне питання: якщо конверсія вже відбулася, які точки контакту повинні отримати за неї цінність.

Проблема виникає тоді, коли вся система прийняття рішень зводиться до одного інструменту. У такому випадку компанія автоматично успадковує всі обмеження та «сліпі зони» моделі атрибуції, на якій базується ця система.

Ризики орієнтації виключно на CRM

Якщо компанія покладається лише на CRM-дані, вона фактично працює в логіці last-click attribution.

У результаті маркетингова стратегія поступово концентрується переважно на branded search та каналах, які знаходяться максимально близько до конверсії.

Проблема полягає в тому, що demand generation та upper-funnel активності починають виглядати неефективними, хоча саме вони можуть створювати майбутній попит.

Через декілька років бізнес може зіткнутися із ситуацією, коли попит починає скорочуватися, незважаючи на те, що CRM продовжує демонструвати «хороші результати».

Ризики орієнтації лише на рекламні платформи

Протилежна крайність — повна залежність від даних рекламних систем.

У такому випадку компанії часто стикаються із суттєво завищеними показниками ефективності.

Маркетингові платформи можуть звітувати про виручку, яка у 2–4 рази перевищує фактичні фінансові результати компанії.

Це створює конфлікт між маркетингом та фінансовим департаментом:

• маркетинг аргументує необхідність збільшення бюджетів;
• фінанси бачать зовсім іншу картину реального доходу бізнесу.

Чому навіть GA4 не є абсолютним джерелом істини

На фоні CRM та рекламних платформ GA4 часто сприймається як найбільш «нейтральне» рішення.

Однак і ця система має фундаментальні обмеження.

GA4 аналізує лише ту частину customer journey, яка відбувається безпосередньо на сайті або в застосунку.

Водночас значна частина маркетингового впливу може відбуватися поза межами вебвізитів.

Наприклад:

• awareness-кампанії;
• video campaigns;
• brand lift активності;
• кампанії на охоплення та запам’ятовуваність реклами.

Такі взаємодії не завжди призводять до негайного переходу на сайт, але при цьому можуть суттєво впливати на майбутню поведінку користувача та ймовірність конверсії.

Чому бізнес починає говорити про incrementality

Коли стає очевидно, що всі системи атрибуції мають структурні обмеження та «сліпі зони», закономірно виникає наступне питання — incrementality.

Іншими словами: чи справді рекламна кампанія створила додаткові конверсії, яких без неї не відбулося б?

Incrementality-тести: ідеальне рішення чи нове обмеження?

Incrementality — це підхід до вимірювання маркетингової ефективності, який оцінює результат, створений саме завдяки рекламній кампанії. Іншими словами, йдеться про конверсії, які не відбулися б без показу реклами.

Концепцію incrementality часто пояснюють через модель «двох паралельних реальностей»:

• у першій рекламна кампанія була запущена;
• у другій — ні.

Різниця між результатами в цих двох сценаріях і є інкрементальним впливом реклами. Усе інше — це попит або конверсії, які бізнес отримав би незалежно від активності кампанії.

Attribution vs. incrementality: у чому ключова різниця

Ця відмінність має значно більше значення, ніж може здатися на перший погляд.

Велика частина конверсій, які фіксують рекламні системи — особливо у retargeting та branded search кампаніях — часто походить від користувачів, які й без реклами були готові до покупки.

Такі користувачі:

• уже перебували на етапі прийняття рішення;
• вже знали бренд;
• уже демонстрували високий намір до конверсії.

Атрибуція зараховує конверсію рекламному каналу, якщо користувач взаємодіяв із рекламою перед покупкою. Однак incrementality намагається відповісти на інше питання: чи дійсно реклама стала причиною цієї конверсії.

Для ухвалення бюджетних рішень ця різниця є критично важливою.

Чому високий ROAS не завжди означає реальну ефективність

Кампанія з ретаргетингу може демонструвати дуже високий ROAS у межах атрибуційних моделей, але при цьому створювати мінімальний інкрементальний ефект.

На практиці це означає:

• кампанія отримує цінність за конверсії, які відбулися б і без реклами;
• маркетингова команда бачить сильні показники ефективності;
• бізнес продовжує інвестувати бюджет у канал, який фактично майже не генерує додаткового попиту.

У деяких випадках після вимкнення такої кампанії загальний обсяг конверсій майже не змінюється.

Таким чином компанія фактично оплачує ілюзію ефективності, сформовану моделями атрибуції та «єдиним джерелом правди».

Як проводяться incrementality-тести

Incrementality testing базується на експериментальному підході.

Для проведення тесту необхідно створити дві групи:

• test group — аудиторія, яка бачить рекламу;
• control group — аудиторія, яка рекламу не бачить.

Після цього порівнюється різниця у результатах між групами.

Geo holdout testing

Один із найпоширеніших підходів — geo holdout testing.

У межах цього методу ринок поділяється на декілька географічно схожих регіонів:

• у частині регіонів кампанія запускається;
• в інших — реклама тимчасово вимикається.

Після завершення тесту аналізується різниця у конверсіях між регіонами.

Переваги підходу:

• відносна простота реалізації;
• практичність;
• достатньо висока надійність результатів.

Саме тому geo holdout testing часто вважається одним із найбільш реалістичних способів оцінки incrementality.

Audience holdout testing

Платформи Google та Meta також дозволяють створювати holdout groups безпосередньо всередині рекламних систем.

У цьому випадку певний відсоток цільової аудиторії навмисно виключається з показу реклами. Далі принцип аналізу залишається аналогічним geo holdout testing: компанія порівнює поведінку користувачів, які бачили рекламу, та тих, хто її не бачив.

Проте цей підхід має важливе обмеження.

Оскільки тестування базується на даних конкретної рекламної платформи, порівнювати incrementality між різними ad networks практично неможливо.

Наприклад:

• результати Google Ads holdout test коректно порівнювати лише з іншими кампаніями всередині Google Ads;
• аналогічно для Meta Ads.

Порівняння між різними платформами втрачає методологічну цінність.

Time-based testing

Ще один підхід — time-based testing.

У цьому випадку кампанія повністю зупиняється на певний період часу, після чого аналізується зміна загального обсягу конверсій.

Якщо після паузи результати майже не змінюються, це може свідчити про низький інкрементальний вплив кампанії.

Однак цей метод вважається одним із найбільш ризикованих.

На результати можуть суттєво впливати зовнішні фактори:

• сезонність;
• дії конкурентів;
• зміни ринку;
• новинний фон;
• економічна ситуація.

Крім того, якщо кампанія дійсно створювала інкрементальний ефект, її відключення під час тесту може призвести до реального просідання бізнес-результатів у тестовий період.

Чи підходить incrementality саме вашому бізнесу

Якщо компанія працює з великими рекламними бюджетами — умовно від €1 млн на місяць і більше — тема incrementality testing, ймовірно, уже є частиною маркетингової стратегії.

Однак для бізнесів із меншими бюджетами ситуація виглядає інакше.

У більшості випадків incrementality-тести на невеликих обсягах витрат виявляються малопридатними для практичного використання. Причина проста: для отримання статистично надійних результатів необхідна суттєва різниця між test group та control group, а це потребує великого обсягу даних.

Своєю чергою, генерація достатнього обсягу даних майже завжди вимагає значних рекламних інвестицій.

Де incrementality може бути корисним навіть за обмежених бюджетів

Попри це, існують окремі сценарії, де бізнес може використовувати спрощені підходи для оцінки потенційно проблемних зон.

Найтиповіший приклад — branded search кампанії.

У такому випадку варто проаналізувати Auction Insights у Google Ads та оцінити рівень конкуренції за власним брендом.

Якщо конкуренти активно викуповують бренд

У такій ситуації branded search кампанії часто залишаються необхідними.

Причина полягає в тому, що реклама допомагає перехоплювати попит, який бренд самостійно створив через інші маркетингові активності.

Без branded search частина цього попиту може переходити до конкурентів.

Якщо конкуренція за брендом мінімальна

Якщо ж конкуренти практично не таргетуються на бренд компанії, ситуація змінюється.

У такому випадку бізнес може:

• тимчасово призупинити branded search кампанії;
• дозволити SEO та органічній видачі перехоплювати брендований попит;
• скоротити витрати на рекламу без суттєвої втрати конверсій.

Triangulation як практичний підхід до прийняття рішень

Якщо атрибуція має фундаментальні обмеження, а incrementality доступний переважно великим рекламодавцям, постає логічне питання: як тоді ухвалювати маркетингові рішення?

Одним із найбільш практичних підходів стає triangulation.

Йдеться про використання всіх наявних систем одночасно — із розумінням їхніх обмежень та «сліпих зон».

Ключове завдання маркетолога полягає не у пошуку єдиного «правильного» числа, а у формуванні стабільної системи інтерпретації даних.

Не менш важливо — пояснювати цей підхід клієнтам, керівництву та фінансовим командам, щоб компанія не потрапляла у пастку «single source of truth».

Починати варто з CRM або CMS

CRM та CMS-системи фіксують реальні продажі, транзакції та дохід бізнесу.

Саме тому всі інші цифри варто сприймати як спробу пояснити ці результати, а не як абсолютну істину.

Наприклад:

• Google Ads та Meta Ads можуть сумарно звітувати про $50 000 revenue;
• Shopify при цьому показує лише $35 000 фактичного доходу.

У такому випадку саме Shopify відображає бізнес-реальність.

Крім того, CRM або CMS часто залишаються єдиними системами, здатними коректно визначити, чи був клієнт новим або вже існуючим.

Рекламні платформи не забезпечують такої точності.

Чому це важливо для оцінки ефективності маркетингу

Саме CRM дозволяє аналізувати nCAC (new customer acquisition cost) — вартість залучення нового клієнта.

Це критично важливий показник, оскільки він допомагає будувати бюджетування навколо клієнтів, яких бізнес не отримав би без маркетингової активності.

Такий підхід значно ближчий до оцінки реального incremental impact, ніж стандартні атрибуційні моделі рекламних платформ.

Як використовувати дані рекламних платформ у triangulation

Після цього результати рекламних систем необхідно накладати на customer journey.

Різниця між revenue у CRM та revenue, який показують рекламні платформи, фактично є інтерпретацією внеску каналів з боку ad networks.

Завдання маркетолога — зрозуміти:

• які кампанії дублюють одна одну;
• де виникає overlap між каналами;
• які точки контакту реально створюють додатковий попит.

Наприклад, якщо бізнес одночасно запускає:

• Demand Gen кампанії;
• Meta Ads retargeting;
• branded search кампанії;

між ними майже гарантовано виникатиме перетин аудиторій та атрибуції.

Відповідно, дублюватимуться і результати у звітності.

Саме в таких ситуаціях time-based incrementality tests можуть допомогти визначити, який із каналів створює більший реальний вплив.

Як покращити triangulation-підхід

Оптимізація attribution windows

Чим довший customer journey, тим складніше інтерпретувати ефективність кампаній.

Один із практичних підходів — сегментувати кампанії відповідно до етапів customer journey та окремо налаштовувати:

• attribution windows;
• micro-conversions;
• моделі оцінки ефективності.

У багатьох випадках коротші attribution windows дають точніші сигнали для оптимізації, якщо система налаштована коректно.

Аналіз співвідношень між платформами

Розрив між даними рекламних платформ і CRM/CMS зазвичай залишається відносно стабільним.

Саме тому доцільно створювати окремі звіти, які відстежують ці співвідношення у динаміці.

Наприклад:

• співвідношення revenue у Google Ads до revenue у CRM;
• співвідношення attributed conversions до confirmed sales;
• частку new customers у різних каналах.

Якщо ці пропорції залишаються стабільними, measurement framework працює передбачувано.

Якщо ж співвідношення починають різко змінюватися, це може сигналізувати про:

• проблеми з трекінгом;
• зміну customer behavior;
• зміну incrementality окремих каналів;
• появу нових джерел overlap між кампаніями.

Чому triangulation цінніший за «ідеальну цифру»

Triangulation не дає одного універсального числа, яке нібито точно описує ефективність маркетингу.

Проте цей підхід дозволяє побудувати:

• послідовну систему прийняття рішень;
• реалістичну інтерпретацію даних;
• стабільний framework для оцінки каналів.

У довгостроковій перспективі це значно цінніше для бізнесу, ніж ілюзія абсолютної точності, яку обіцяють окремі моделі атрибуції або «single source of truth».

Розбіжності між даними Google Ads, Meta Ads, GA4 та CRM — це не аномалія і не обов’язково наслідок помилок у налаштуванні аналітики. Вони є природним результатом того, що кожна система використовує власну логіку атрибуції, різні методи ідентифікації користувачів та по-різному інтерпретує customer journey.

Саме тому спроби знайти «ідеальне» або єдине джерело правди часто призводять до викривлених управлінських рішень. CRM може системно переоцінювати last-click канали, рекламні платформи — завищувати власний внесок у revenue, а GA4 — не враховувати значну частину upper-funnel впливу.

Incrementality testing допомагає наблизитися до розуміння реального внеску реклами у бізнес-результат, однак такий підхід вимагає значних обсягів даних та бюджетів, тому залишається доступним переважно великим рекламодавцям.

Для більшості компаній найбільш практичним рішенням стає triangulation — комплексний підхід, за якого маркетингова команда аналізує дані одразу з декількох систем, розуміючи їхні сильні сторони та обмеження.

У сучасному digital-маркетингу ефективність дедалі рідше визначається одним показником або однією платформою. Значно важливішою стає здатність правильно інтерпретувати дані, оцінювати канали у контексті повного customer journey та приймати рішення на основі системного аналізу, а не ілюзії абсолютної точності.

Читайте статтю англійською мовою.

Why Google Ads, GA4, and CRM Data Never Match