Google Analytics 4 — צלילה עמוקה

ארכיטקטורת GA4 — מבנה הנתונים

Google Analytics 4 הוא שונה מהותית מהגרסה הקודמת (Universal Analytics). ההבנה של המבנה היסודי שלו היא המפתח לשימוש אפקטיבי. בואו נפרק את המבנה:

Data Streams — זרמי נתונים

ב-GA4, כל מקור נתונים הוא Data Stream. יש שלושה סוגים:

• Web — אתר אינטרנט. זה מה שרוב העסקים צריכים. הגדרתם בפרק 4
• iOS App — אפליקציית אייפון
• Android App — אפליקציית אנדרואיד

היתרון הגדול של GA4: אם יש לכם גם אתר וגם אפליקציה, כל הנתונים מתאחדים ב-Property אחד. אתם יכולים לעקוב אחרי משתמש שהתחיל באתר ובסוף רכש באפליקציה — משהו שהיה כמעט בלתי אפשרי ב-Universal Analytics.

מודל הנתונים: הכל הוא אירוע (Event)

ב-Universal Analytics, המודל היה Session-based — סשנים, צפיות עמוד, Bounce Rate. ב-GA4, הכל מבוסס על אירועים (Events). כל אינטראקציה — צפייה בדף, לחיצה, גלילה, רכישה — נרשמת כאירוע. כל אירוע יכול לכלול Parameters (פרמטרים) שמוסיפים מידע. למשל: אירוע "page_view" כולל פרמטר "page_location" שמציין את ה-URL.

Users, Sessions, Events — ההיררכיה

למרות שהכל מבוסס על אירועים, עדיין יש היררכיה:

• User (משתמש) — אדם שמבקר באתר. GA4 מזהה משתמשים דרך: User ID (אם מחוברים), Device ID, או Google Signals
• Session (סשן) — ביקור אחד באתר. סשן מתחיל כש-GA4 מתעד אירוע ראשון, ונגמר אחרי 30 דקות ללא פעילות (ברירת מחדל)
• Event (אירוע) — כל פעולה ספציפית בתוך הסשן: page_view, scroll, click, purchase, form_submit וכד'
• Parameter (פרמטר) — מידע נוסף שמצורף לכל אירוע: page_title, page_location, value, currency, item_id וכד'

User Properties — מאפייני משתמש

בנוסף לאירועים, GA4 מאפשר להגדיר User Properties — מאפיינים קבועים של משתמש. למשל: סוג חשבון (חינם/פרימיום), קטגוריית לקוח (חדש/חוזר), תחום עניין. User Properties נשמרים על המשתמש ולא על אירוע ספציפי, וזמינים לשימוש בקהלים, פילוחים, ודוחות.

מבנה חשבון GA4

ההיררכיה הארגונית של GA4:

• Account — הרמה הגבוהה ביותר. בדרך כלל חשבון אחד לחברה. כאן מגדירים הרשאות ברמה עליונה
• Property — יחידת הנתונים. כל Property מכיל Data Streams, דוחות, ו-Explorations. לרוב עסק = Property אחד
• Data Stream — מקור נתונים ספציפי (Web, iOS, Android). Property יכול להכיל מספר Streams

אירועים — הלב של GA4

GA4 מסווג אירועים לארבע קטגוריות. הבנת הקטגוריות עוזרת להבין מה כבר נאסף אוטומטית ומה צריך להגדיר בעצמכם:

1. Automatically Collected Events — אירועים אוטומטיים

אירועים שנאספים אוטומטית ברגע שמותקן GA4, ללא שום הגדרה נוספת:

2. Enhanced Measurement Events — אירועי מדידה משופרת

אירועים שנאספים אוטומטית כש-Enhanced Measurement מופעל (ברירת מחדל — דלוק). ניתן לכבות/להפעיל כל אחד בנפרד תחת Admin → Data Streams → [Stream] → Enhanced Measurement:

3. Recommended Events — אירועים מומלצים

אירועים שגוגל ממליצה להגדיר ידנית (דרך GTM) לפי סוג העסק. השמות מוגדרים מראש ו-GA4 "מכיר" אותם:

• לאיקומרס: add_to_cart, begin_checkout, purchase, refund, view_item, view_item_list, add_to_wishlist, remove_from_cart
• ללידים: generate_lead, sign_up, login, share, search
• לתוכן: select_content, view_promotion, select_promotion

4. Custom Events — אירועים מותאמים אישית

כל אירוע שלא נכנס לקטגוריות הקודמות. אתם מגדירים אותו בעצמכם — שם, פרמטרים, ותנאי הפעלה. דוגמאות:

• chat_opened — משתמש פתח צ'אט תמיכה
• pricing_viewed — משתמש צפה בדף מחירים
• demo_requested — משתמש ביקש הדגמה
• phone_click — משתמש לחץ על מספר טלפון (tel: link)
• whatsapp_click — משתמש לחץ על לינק WhatsApp

מגבלות אירועים ב-GA4

• עד 500 שמות אירועים ייחודיים לכל Property
• עד 25 פרמטרים לכל אירוע
• עד 50 Custom Dimensions ו-50 Custom Metrics
• שם אירוע: עד 40 תווים, מתחיל באות, ללא רווחים (underscores בלבד)
• ערך פרמטר: עד 100 תווים

Key Events — המרות שנספרות

ב-GA4, המרה (Conversion) — שנקראת עכשיו Key Event (מאז מרץ 2024) — היא פשוט אירוע שסימנתם כ"חשוב". כל אירוע יכול להפוך להמרה בלחיצת כפתור.

הגדרת Key Events

Conversion Counting — ספירת המרות

GA4 מציע שני מודלים לספירת המרות:

• Once per session — סופר את ההמרה פעם אחת לכל סשן, גם אם המשתמש ביצע את הפעולה 5 פעמים. מומלץ ללידים — אם מישהו שלח טופס 3 פעמים, זה עדיין ליד אחד
• Every time — סופר כל מופע של ההמרה. מומלץ לאיקומרס — אם מישהו קנה 3 פעמים, אלה 3 רכישות

Conversion Value — ערך המרה

כל המרה יכולה לכלול ערך כספי. ב-E-commerce, הערך מגיע אוטומטית מפרמטר ה-value של אירוע ה-purchase. ב-Lead Gen, אתם מגדירים ערך ידנית — למשל, כל ליד שווה 200 ש"ח בממוצע. הגדרת ערך חיונית ל-Value-Based Bidding ב-Google Ads.

דוחות מובנים (Standard Reports)

GA4 מגיע עם סט דוחות מובנים שמכסים את הצרכים הבסיסיים. הנה הסקירה:

Realtime — בזמן אמת

מציג מה קורה עכשיו באתר שלכם: כמה משתמשים פעילים, מאיפה הגיעו, באילו דפים הם, ואילו אירועים מופעלים. שימוש עיקרי: בדיקה שמעקב עובד אחרי שינויים (GTM tag חדש, קמפיין חדש), מעקב אחרי אירועים חיים (השקת מבצע, פרסום מאמר).

Acquisition — רכישת משתמשים

מאיפה מגיעים המבקרים שלכם? שני דוחות מרכזיים:

• User Acquisition — מראה את הערוץ הראשון שהביא כל משתמש. שימושי לזהות מה מביא לקוחות חדשים
• Traffic Acquisition — מראה את הערוץ של כל סשן, לא רק הראשון. שימושי לזהות מה מביא תנועה שוטפת

ערוצים (Channels) שתראו: Organic Search, Paid Search, Direct, Social (Organic/Paid), Email, Referral, Display, ועוד. בדקו את Default Channel Grouping כדי להבין את החלוקה.

Engagement — מעורבות

• Pages and Screens — איזה דפים הכי פופולריים? כמה זמן בילו בהם? מה ה-Conversion Rate של כל דף? זהו הדוח שתשתמשו בו הכי הרבה
• Events — כל האירועים שמתרחשים, עם מספר מופעים ומשתמשים. בדקו שהאירועים שהגדרתם עובדים
• Key Events — כמה המרות מכל סוג, ערך כולל, ולפי מקור תנועה
• Landing Pages — מעולה לניתוח CRO: איזה דף נחיתה ממיר הכי טוב? איזה דף גורם לנטישה?

Retention — שימור

האם משתמשים חוזרים? דוח Retention מראה כמה משתמשים חזרו אחרי יום, שבוע, חודש. חשוב במיוחד ל-E-commerce ול-SaaS — עסק שמצליח לשמר לקוחות שווה הרבה יותר מעסק שצריך לרכוש לקוחות חדשים כל הזמן.

Demographics — דמוגרפיה

גיל, מגדר, תחומי עניין, מיקום גיאוגרפי, שפה. הערה: נתונים דמוגרפיים דורשים הפעלת Google Signals (תחת Admin → Data Settings → Data Collection). בישראל, הנתונים על גיל ומגדר זמינים אבל לא תמיד מכסים 100% מהמשתמשים.

Explorations — ניתוח מתקדם

Explorations הם הכלי החזק ביותר ב-GA4 — ממשק ניתוח גמיש שמאפשר לחקור את הנתונים בעומק שהדוחות המובנים לא מאפשרים. הם נמצאים תחת Explore בתפריט הראשי.

Free-Form Exploration — חקירה חופשית

הפורמט הגמיש ביותר. גררו Dimensions (ממדים) ו-Metrics (מדדים) לטבלה, ויצרו כל דוח שתרצו. דומה ל-Pivot Table ב-Excel. דוגמה: טבלה שמראה Conversion Rate לפי Landing Page x Device Category x Source/Medium — כדי לזהות בדיוק איזה שילוב של דף נחיתה, מכשיר ומקור תנועה ממיר הכי טוב.

Funnel Exploration — ניתוח משפך

מגדירים שלבים (Steps) של משפך — למשל: page_view → add_to_cart → begin_checkout → purchase — ורואים כמה משתמשים עברו כל שלב, ואיפה נטשו. זה הכלי הכי חשוב ל-CRO — הוא מראה בדיוק איפה "החור" במשפך.

Path Exploration — ניתוח נתיבים

מראה את הנתיב שמשתמשים עוברים באתר — מאילו דפים מגיעים, לאילו דפים ממשיכים, איפה יוצאים. שימושי לזהות נתיבים מפתיעים — אולי משתמשים מגיעים לדף שאתם לא מצפים? אולי הם "תקועים" בדף מסוים ולא ממשיכים?

Segment Overlap — חפיפת פלחים

מראה כמה משתמשים משותפים בין 2-3 Segments (פלחים). למשל: כמה מהמשתמשים שביקרו בדף מחירים גם צפו בהדגמה וגם מילאו טופס? עוזר להבין את הקשר בין התנהגויות שונות.

Cohort Exploration — ניתוח קוהורטות

קיבוץ משתמשים לפי מאפיין משותף (בדרך כלל תאריך הגעה ראשונה) ומעקב אחרי ההתנהגות שלהם לאורך זמן. שימוש קלאסי: "משתמשים שנרכשו בינואר — כמה מהם חזרו לרכוש בפברואר? במרץ?"

User Lifetime — ערך חיי משתמש

מראה את ערך חיי הלקוח (LTV — Lifetime Value) לפי מקור רכישה, קמפיין, או כל ממד אחר. זה הדוח שמשנה את הדרך שבה אתם חושבים על שיווק. אולי Google Ads מביא לקוחות עם CPA של 150 ש"ח, אבל הם קונים שוב ושוב ו-LTV שלהם הוא 3,000 ש"ח. לעומת Facebook שמביא לידים ב-50 ש"ח אבל LTV של 200 ש"ח בלבד.

מדריך מעשי: Free-Form Exploration צעד אחרי צעד

בואו נבנה יחד Free-Form Exploration שעונה על שאלה עסקית ממשית: "איזה שילוב של מקור תנועה + מכשיר + דף נחיתה ממיר הכי טוב?"

Attribution — מי מקבל קרדיט

Attribution (ייחוס) עונה על השאלה: "מי צריך לקבל קרדיט על ההמרה?". לקוח שראה מודעה YouTube, אחר כך חיפש בגוגל, לחץ על מודעת Search, ואז נכנס ישירות והמיר — מי "אשם" בהמרה?

שני המודלים הזמינים ב-GA4 (2024 ואילך)

השוואה מעשית: DDA לעומת Last Click

בואו נראה דוגמה מעשית. לקוח עובר 4 נקודות מגע לפני רכישה של 1,000 ש"ח:

הלקח: לפי Last Click, רק Google Ads Search מקבל קרדיט — ויכול להיות שנסגור את קמפיין YouTube כי "הוא לא ממיר". אבל DDA מראה ש-YouTube הביא את הלקוח בכלל, ושכל ערוץ תרם. Data-Driven Attribution של GA4 לומד מנתוני כל ההמרות שלכם ומחלק את הקרדיט בצורה חכמה — לא לפי כלל קבוע אלא לפי ההשפעה האמיתית של כל ערוץ.

Model Comparison — השוואת מודלים

ב-GA4, לכו ל-Advertising → Attribution → Model Comparison כדי לראות את ההבדלים בין DDA ל-Last Click. חפשו ערוצים שמדורגים אחרת בכל מודל — ערוץ שמקבל הרבה קרדיט ב-DDA אבל מעט ב-Last Click הוא ערוץ שתורם בתחילת המשפך (Awareness) ולא בסוף (Conversion). אל תכבו ערוצים כאלה — הם מביאים לקוחות חדשים שערוצים אחרים סוגרים.

Conversion Paths — ניתוח נתיבי המרה

ב-GA4, לכו ל-Advertising → Attribution → Conversion Paths כדי לראות את הנתיבים הנפוצים ביותר שלקוחות עוברים לפני המרה. תוצאות מפתיעות שתגלו:

• רוב ההמרות דורשות 2+ נקודות מגע — רק מיעוט הלקוחות ממירים בביקור הראשון. ב-B2B, הממוצע הוא 4-7 נקודות מגע
• Assisted Conversions חשובים לא פחות מ-Last Click — ערוץ שלא "סוגר" אבל תמיד מופיע בנתיב הוא ערוץ קריטי. אל תכבו אותו
• הזמן עד המרה — ב-E-commerce, 60% מההמרות קורות ביום הראשון. ב-B2B ושירותים, 60% קורות אחרי 3+ ימים. התאימו את חלון ה-Lookback Window בהתאם

קהלים מותאמים אישית (Custom Audiences)

קהלים (Audiences) ב-GA4 הם קבוצות של משתמשים שמוגדרות לפי התנהגות, דמוגרפיה, או מאפיינים אחרים. שתי סיבות עיקריות ליצור קהלים: (1) ניתוח — פילוח דוחות לפי קהלים. (2) פרסום — ייצוא קהלים ל-Google Ads לרימרקטינג ו-Audience Signals.

יצירת קהל מותאם

Admin → Data Display → Audiences → New Audience. הנה הקהלים שכל עסק צריך:

Predictive Audiences — קהלים חזויים

GA4 מציע קהלים שמבוססים על חיזויי AI — לא על מה שכבר קרה, אלא על מה שצפוי לקרות:

• Likely 7-day purchasers — משתמשים שצפויים לרכוש ב-7 הימים הקרובים. מעולה לרימרקטינג אגרסיבי
• Likely 7-day churners — משתמשים שצפויים לנטוש. מעולה לקמפיינים של שימור (Retention)
• Predicted revenue — משתמשים לפי הכנסה צפויה. מאפשר Value-Based Bidding

שימושים מעשיים מתקדמים של Predictive Audiences

שימוש 1: Remarketing אגרסיבי ל-Likely Purchasers

צרו קהל Likely 7-day purchasers וייצאו אותו ל-Google Ads. צרו קמפיין Display/YouTube ממוקד רק בקהל הזה, עם הצעה חזקה (הנחה, משלוח חינם, מתנה). מכיוון שהאנשים האלה כבר "חמים" — שיעורי ההמרה יהיו גבוהים משמעותית מרימרקטינג רגיל. ROAS אופייני: פי 2-3 מרימרקטינג סטנדרטי.

שימוש 2: מניעת נטישה (Churn Prevention)

צרו קהל Likely 7-day churners. שלחו להם מיילים עם הצעות שימור, הצגת מודעות עם תוכן חדש או מבצעים. עלות שימור לקוח קיים נמוכה פי 5-7 מרכישת לקוח חדש.

שימוש 3: Exclusion חכם

הוציאו את Likely 7-day purchasers מקמפיינים של Awareness. הם כבר הולכים לרכוש — חסכו את התקציב ללקוחות חדשים.

ייצוא קהלים ל-Google Ads

כל קהל שיצרתם ב-GA4 מיוצא אוטומטית ל-Google Ads (אם החשבונות מחוברים). ב-Google Ads, הקהלים מופיעים תחת Tools → Shared Library → Audience Manager. שם אתם יכולים להשתמש בהם ל:

• רימרקטינג — הצגת מודעות לקהלים ספציפיים
• Exclusion — הוצאת קהלים מקמפיינים
• Audience Signals — ב-PMax ו-Demand Gen
• Similar Segments — גוגל מוצאת משתמשים דומים לקהל שלכם (תלוי בגודל הקהל)

GA4 + BigQuery — נתונים גולמיים

BigQuery הוא שירות מסד נתונים של Google Cloud שמאפשר ניתוח של כמויות עצומות של נתונים. GA4 מציע ייצוא חינמי של כל הנתונים הגולמיים ל-BigQuery — וזו אחת מהתכונות החשובות ביותר לעסקים שרוצים שליטה מלאה בנתונים.

למה BigQuery?

• נתונים גולמיים — גישה לכל אירוע, כל פרמטר, כל משתמש. ללא המגבלות של ממשק GA4
• שמירת נתונים ללא הגבלה — GA4 שומר נתונים ברמת משתמש (ל-Explorations) ל-14 חודשים בלבד (Standard). ב-BigQuery, הנתונים נשמרים לתמיד
• ניתוח מתקדם — שאילתות SQL על הנתונים הגולמיים. מאפשר ניתוח שלא קיים בממשק
• חיבור לכלי BI — Looker Studio, Tableau, Power BI
• חינם (כמעט) — ייצוא GA4 ל-BigQuery חינמי. אחסון 10GB חינמי. שאילתות 1TB/חודש חינמי. לרוב העסקים הקטנים, זה מספיק

שאילתות SQL שימושיות

אם הפעלתם BigQuery Export, הנה שלוש שאילתות שכל משווק מתקדם צריך להכיר:

פרטיות, Consent Mode ו-GDPR

פרטיות המשתמש היא לא רק חובה משפטית — היא גם משפיעה ישירות על איכות הנתונים שלכם. עם ביטול עוגיות צד שלישי (Third-Party Cookies) ורגולציית פרטיות מחמירה, חשוב להבין את הכלים:

Google Consent Mode v2

Consent Mode מאפשר ל-GA4 ול-Google Ads להתנהג אחרת בהתאם להסכמת המשתמש. אם המשתמש לא נתן הסכמה לעוגיות — GA4 ממשיך לאסוף נתונים אנונימיים (ללא מזהים אישיים) ומשתמש ב-AI כדי למלא פערים (Behavioral Modeling).

הגדרות פרטיות חובה (2026)

• Cookie Banner — אם יש לכם מבקרים מאירופה (וסביר שיש), חובה להציג באנר הסכמה. כלים: CookieBot, OneTrust, Iubenda
• Data Retention — ב-GA4, הגדירו כמה זמן לשמור נתונים ברמת משתמש: 2 חודשים (ברירת מחדל) או 14 חודשים. שנו ל-14 חודשים ב-Admin → Data Settings → Data Retention
• IP Anonymization — ב-GA4, כתובות IP אנונימיות כברירת מחדל. אין צורך בהגדרה
• Google Signals — מאפשר נתונים דמוגרפיים אבל דורש הסכמה. הפעילו ב-Admin → Data Settings → Data Collection

GA4 לאיקומרס — Enhanced E-commerce Tracking

אם יש לכם חנות אונליין, Enhanced E-commerce ב-GA4 הוא חובה מוחלטת. הוא מעקב מלא אחרי כל שלב במשפך הרכישה — מצפייה במוצר ועד רכישה (והחזרה).

אירועי E-commerce ב-GA4

יישום Enhanced E-commerce

אם אתם משתמשים ב-Shopify — האינטגרציה כמעט אוטומטית עם Google & YouTube app. ב-WooCommerce — התוסף Google Listings & Ads או MonsterInsights. ב-פלטפורמה מותאמת — צריך לבנות Data Layer ידנית ולהטמיע דרך GTM (נלמד בפרק 18).

GA4 לעסקי Lead Generation — מדריך מעשי

רוב ההדגשה בתיעוד של GA4 היא על E-commerce, אבל רוב העסקים בישראל הם עסקי Lead Generation (שירותים, B2B, מומחים). הנה מה שצריך לדעת על GA4 כשההמרה שלכם היא ליד ולא רכישה:

אירועים מומלצים לעסקי לידים

דוח Lead Gen מותאם ב-GA4

צרו דוח מותאם (Custom Report) שממוקד בלידים: לכו ל-Library → Create new report. הוסיפו: Dimensions: Session source/medium, Landing page, Device category. Metrics: Sessions, Key Events (generate_lead), Key Events (phone_click), Session key event rate, Engagement rate. Filter: רק sessions עם Key Events > 0. שמרו והוסיפו לתפריט הקבוע.

טעויות נפוצות ב-GA4

GA4 הוא כלי עוצמתי, אבל גם כלי שקל לטעות בו. הנה הטעויות הנפוצות ביותר:

1. Data Retention על 2 חודשים

הבעיה: ברירת המחדל ב-GA4 היא שמירת נתונים ברמת משתמש ל-2 חודשים בלבד. אחרי זה, הנתונים מצטמקים ו-Explorations לא עובדים על נתונים ישנים.
הפתרון: Admin → Data Settings → Data Retention → 14 months. שנו עכשיו.

2. לא הפעילו BigQuery Export

הבעיה: חינמי, קל, ושומר את כל הנתונים לנצח. אבל רוב העסקים לא מפעילים כי "לא צריך עכשיו".
הפתרון: הפעילו Daily Export. חינם. עכשיו.

3. Conversion Tracking כפול

הבעיה: אותה המרה נספרת פעמיים — פעם מתג GA4 ופעם מתג Google Ads Conversion נפרד. התוצאה: מספרי המרות מנופחים, Smart Bidding "מבולבל".
הפתרון: בחרו מקור אחד: או GA4 Key Events (מיוצאים ל-Ads), או Google Ads Conversion Tag. לא שניהם לאותה המרה.

4. לא מסננים Internal Traffic

הבעיה: ביקורים של הצוות שלכם, מפתחים, וספקים נכללים בנתונים ומעוותים את התמונה.
הפתרון: Admin → Data Streams → [Stream] → Configure Tag Settings → Define Internal Traffic. הוסיפו את כתובות ה-IP של המשרד. אחר כך: Admin → Data Settings → Data Filters → Internal Traffic → Active.

5. לא מגדירים Key Events

הבעיה: GA4 ללא המרות מוגדרות הוא רק "מונה ביקורים". אין ערך עסקי.
הפתרון: הגדירו לפחות 2-3 Key Events: המרה עיקרית (רכישה/ליד) + Micro-Conversions (הורדת מדריך, צפייה בדף מחירים, Click-to-Call).

6. שימוש ב-Bounce Rate הישן

הבעיה: ב-GA4, Bounce Rate הוחלף ב-Engagement Rate — אחוז הסשנים ש"היו מעורבים" (נמשכו 10+ שניות, כללו Key Event, או 2+ צפיות עמוד). Bounce Rate ב-GA4 הוא ההפך: אחוז הסשנים שלא היו מעורבים.
הפתרון: התרגלו ל-Engagement Rate. 60% Engagement Rate = טוב. 40% = צריך שיפור.

7. לא מחברים GA4 ל-Google Ads

הבעיה: בלי חיבור, אין ייצוא קהלים, אין ייבוא המרות, אין Attribution מדויק.
הפתרון: Admin → Product Links → Google Ads → Link. חברו את כל חשבונות Google Ads הרלוונטיים.

8. Custom Dimensions לא רשומים

הבעיה: שולחים פרמטרים מותאמים אישית לאירועים, אבל לא רושמים אותם כ-Custom Dimensions. התוצאה: הנתונים נאספים אבל לא זמינים בדוחות.
הפתרון: Admin → Data Display → Custom Definitions. רשמו כל פרמטר מותאם אישית שאתם רוצים לראות בדוחות.

9. לא משתמשים ב-UTM Parameters

הבעיה: קמפיינים ב-Social Media, Email, ו-SMS מגיעים כ-"Direct" או "Unassigned" כי אין UTM.
הפתרון: השתמשו תמיד ב-UTM Parameters לכל לינק שיווקי: utm_source, utm_medium, utm_campaign. השתמשו ב-Google Campaign URL Builder ליצירת לינקים עם UTM.

10. לא משתמשים ב-DebugView

הבעיה: מגדירים אירועים מותאמים אישית ומניחים שהם עובדים, בלי לבדוק בפועל. אחרי חודש מגלים שהאירוע לא נשלח או נשלח עם פרמטרים חסרים.
הפתרון: השתמשו ב-DebugView ב-GA4 (Admin → DebugView). כדי להפעיל, התקינו את תוסף GA Debugger ב-Chrome או הוסיפו debug_mode: true ב-GTM Tag. DebugView מציג אירועים בזמן אמת, כולל פרמטרים, ומאפשר לאתר בעיות לפני שהן הופכות לנתונים חסרים.

מסגרת MEDIC — הגדרת GA4 נכונה

MEDIC היא מסגרת חשיבה שתעזור לכם להגדיר GA4 נכון מהיום הראשון. כל אות מייצגת שלב קריטי שבלעדיו ה-GA4 שלכם חסר ערך:

תכונות מתקדמות ב-GA4

Cross-Platform Tracking

אם יש לכם אתר ואפליקציה, GA4 מאפשר מעקב חוצה פלטפורמות. הוסיפו Web + iOS + Android Data Streams לאותו Property. השתמשו ב-User ID (מזהה משתמש ייחודי שאתם מגדירים בזמן Login) כדי לאחד משתמשים בין פלטפורמות. התוצאה: User Journey מלא מ-Web ל-App — משתמש שגולש באתר, מוריד אפליקציה, ורוכש דרכה יופיע כמשתמש אחד.

Google Signals לעומת User ID

Custom Channel Grouping

ברירת המחדל של GA4 מקבצת תנועה לערוצים (Organic Search, Paid Search, Direct וכו'). אבל אפשר ליצור Custom Channel Grouping שמתאים לעסק שלכם. לדוגמה: הפרידו בין "Brand Search" ל-"Non-Brand Search" — כי הביצועים שלהם שונים לחלוטין. או צרו ערוץ "Influencer" לכל תנועה עם UTM ספציפי.

הגדרה: Admin → Data Display → Channel Groups. צרו קבוצה חדשה והגדירו כללים לפי Source, Medium, Campaign, או כל UTM Parameter.

Engagement Rate לעומת Bounce Rate

ב-GA4, המדד המרכזי הוא Engagement Rate — אחוז הסשנים שהיו "מעורבים". סשן "מעורב" הוא סשן שעומד באחד מהתנאים: (1) נמשך לפחות 10 שניות, (2) כלל לפחות 2 צפיות עמוד, (3) כלל Key Event. Bounce Rate ב-GA4 הוא פשוט 100% פחות Engagement Rate.

AI ו-GA4 — שימוש ב-Claude ו-Gemini לניתוח נתונים

כלי AI מודרניים מאפשרים לנתח נתוני GA4 בצורה שלא היתה אפשרית לפני כן. הנה שלושה שימושים מעשיים:

• Gemini ב-GA4: גוגל שילבה Gemini ישירות ב-GA4. לחצו על אייקון ה-Sparkle ושאלו שאלות בשפה טבעית: "What are my top converting channels this month?" או "Show me pages with high traffic but low engagement". Gemini ינתח ויציג תשובות ויזואליות
• BigQuery + Claude/GPT: ייצאו נתונים ל-BigQuery, ואז תנו ל-AI כמו Claude (שתומך בעד 1 מיליון טוקנים של קונטקסט) את הסכמה ותבקשו שאילתות SQL מותאמות. "כתוב לי שאילתה שמראה את נתיבי ההמרה הנפוצים ביותר לאירוע generate_lead ב-30 יום האחרונים"
• ניתוח אנומליות: ייצאו דוח שבועי ל-CSV ותנו ל-AI לזהות אנומליות: "הנה נתוני תנועה ל-12 שבועות. זהה מגמות חריגות ותן הסבר אפשרי". AI מצוין באיתור דפוסים שעין אנושית מפספסת

תרגילים מעשיים