Nejčastější chyby v Google Analytics 4 (GA4): Proč vám utíkají data a děláte špatná rozhodnutí

Přechod na Google Analytics 4 (GA4) znamenal zásadní změnu v přístupu k webové a aplikační analytice. Zatímco GA4 nabízí pokročilé modelování dat, orientaci na události a flexibilnější strukturu, jeho komplexnost často vede k chybám v implementaci, které mají fatální důsledky: ztráta dat, zkreslení metrik a chybná byznysová rozhodnutí.

Zde jsou rozebrány nejčastější chyby, se kterými se marketéři a analytici v GA4 potýkají, a praktická doporučení, jak se jim vyhnout.

1. Kritické chyby v implementaci a sběru dat

Největší problémy vznikají hned na začátku – při samotném nasazení měřicího kódu.

Chyba 1: Nesprávné nasazení měřicího kódu GA4 nebo GTM ❌

Základní, ale překvapivě častý problém. Měřicí kód GA4 (Google Tag) nebo kontejner Google Tag Manageru (GTM)musí být správně umístěn ideálně co nejvýše v sekci <head> na každé stránce webu.

Důsledek: Pokud kód chybí na důležitých stránkách (např. nové landing page pro PPC kampaň), data o návštěvnosti a konverzích se vůbec nezaznamenají. To vede k podhodnocení výkonu kampaně a špatné alokaci rozpočtu.
Řešení: Vždy po implementaci použijte nástroje jako Tag Assistant nebo GA4 DebugView pro ověření, že se událost page_view spouští správně na všech klíčových typech stránek.

Chyba 2: Neřešení Cookie lišty (Consent Mode) 🍪

S příchodem GDPR a dalších legislativ je zásadní správné propojení měření s Cookie Consent Bannerem.

Důsledek: Pokud uživatel odmítne analytické cookies, data se neshromažďují. GA4 v takovém případě bez Consent Mode (Režimu souhlasu) uživatele úplně ztratí. To vede k zásadnímu podhodnocení návštěvnosti(někdy až o 20–40 %) a zkreslení atribučních cest.
Řešení: Implementujte Google Consent Mode v2. Ten umožňuje GA4 sbírat anonymizovaná a modelovaná data i od uživatelů, kteří nesouhlasili, čímž alespoň částečně vyplňuje mezery a umožňuje relevantnější odhady chování uživatelů.

Chyba 3: Nevyloučení interní návštěvnosti a platebních bran ⚙️

Přesnost dat narušuje interní provoz (např. vývojáři, zaměstnanci) a technická přesměrování.

Důsledky:
- Interní provoz: Zvyšuje umělý počet zobrazení stránek a uživatelů, zkresluje data o konverzním poměru a chování.
- Platební brány: Pokud se do zdrojů návštěvnosti dostanou URL platebních bran (např. GoPay, PayPal), přiřadí se konverze jim namísto původní marketingové kampaně.
Řešení: V administraci GA4 nastavte filtr pro vyloučení interních IP adres. Do seznamu nežádoucích odkazujících zdrojů přidejte domény všech externích platebních bran.

2. Chyby v konfiguraci a nastavení služby

Ani perfektní implementace na webu nezaručí přesnost, pokud je špatně nastavená samotná služba GA4.

Chyba 4: Ponechání krátké retence dat (defaultní nastavení) 🗓️

GA4 má ve výchozím nastavení retenci dat na úrovni události nastavenou pouze na 2 měsíce.

Důsledek: Znemožňuje provádět dlouhodobé srovnávací analýzy (např. meziroční) nebo analýzy chování uživatelů s delším konverzním cyklem. Data v Průzkumníkovi (Explorations) budou omezena na krátké období.
Řešení: V sekci Správce > Nastavení dat > Uchovávání dat nastavte retenci na maximální možnou hodnotu, tedy 14 měsíců.

Chyba 5: Nesprávné či chybějící UTM parametry 🏷️

UTM parametry jsou klíčové pro správnou atribuci marketingových kampaní.

Důsledek: Pokud chybí, návštěvnost je přiřazena k (direct), (not set) nebo k jinému nesprávnému zdroji (např. organickému, pokud je odkaz na webu). To znemožňuje vyhodnotit návratnost investic (ROI) PPC, emailingu či sociálních médií.
Řešení: Vybudujte si striktní a konzistentní systém pro tagování všech marketingových URL (použijte nástroje jako Campaign URL Builder) a ujistěte se, že všechny kampaně mají správně definovaný zdroj, médium a název kampaně.

Chyba 6: Přehlížení „(not set)“ a „(data not available)“ 📉

Tyto hodnoty v dimenzích Zdroj/Médium nebo Název kampaně signalizují problém se sběrem nebo zpracováním dat.

Důsledek: Zkresluje přehled o reálném původu návštěvnosti. (not set) je často důsledek chybějících UTM, (data not available) signalizuje, že GA4 neměl čas zpracovat data v daném krátkém časovém horizontu (typicky v přehledech kratších než 1 den). Může být také způsobeno příliš častým přiřazováním stejného ID uživatele.
Řešení:
1. Počkejte 24–48 hodin, než se data zpracují.
2. Opravte UTM tagování.
3. Ujistěte se, že ID uživatele (User ID) není nesprávně předpřipraveno nebo masivně duplikováno.

3. Chyby v měření konverzí a e-commerce

Špatně nastavené konverze a e-commerce události vedou k největším finančním ztrátám.

Chyba 7: Nesprávné definování konverzí 💰

GA4 je založeno na událostech, a tak je každá konverze jen označená událost.

Důsledek: Měření konverzí na základě automaticky sbíraných událostí (např. form_submit pro interakci s formulářem) je často příliš obecné a zahrnuje i neúspěšné pokusy. Ponechání události form_submit aktivní jako konverze bez validace může vést k nadhodnocení počtu skutečných leadů.
Řešení: Konverzi definujte vždy jako speciální událost (např. lead_odeslan nebo nakup_dokoncen) spouštěnou až po úspěšném odeslání/dokončení (např. na děkovací stránce). Obecné automatické události, jako je interakce s formulářem, v 90 % případů vypněte z konverzí.

Chyba 8: Chyby v implementaci elektronického obchodu (Ecommerce) 🛒

Datový model e-commerce se v GA4 liší od Universal Analytics a je složitější.

Důsledky:
- Neodesílání klíčových událostí (view_item, add_to_cart, purchase) vede k neúplným datům o nákupní cestě.
- Špatný formát dat (např. posílání obratu včetně DPH nebo dopravy) vede k nadhodnocení tržeb v porovnání se skutečností (např. v interním ERP systému).
Řešení: Pečlivě implementujte datovou vrstvu (dataLayer) a měřicí kód pro události e-commerce podle přesné specifikace GA4. Vždy odesílejte do GA4 čistou hodnotu tržby bez DPH a dopravy.

4. Chyby při analýze dat

I s čistými daty se dají dělat chyby, pokud analytik nezná specifika GA4.

Chyba 9: Nepochopení atribučních modelů 🔗

GA4 standardně používá atribuční model Na základě dat (Data-Driven Attribution – DDA).

Důsledek: DDA rozděluje kredit za konverzi mezi různé interakce na cestě, což je přesnější, ale nemožné porovnat s modely UA (Poslední ne-přímý proklik). Přechod na Poslední proklik v rámci všech kanálů (podobný UA) zase zvýhodňuje placené kanály Google Ads a neposkytuje reálný obrázek.
Řešení: Neporovnávejte absolutní čísla konverzí z GA4 a UA. Naučte se pracovat s reportem Modelové srovnání pro pochopení, jak různé modely přidělují hodnotu, a vždy se soustřeďte na trendy a chování uživatelů.

Chyba 10: Předčasné hodnocení a vzorkování dat 🛑

GA4 data nejsou okamžitá a ve složitých přehledech může dojít ke vzorkování dat.

Důsledky:
- Hodnocení dat z posledních 48 hodin povede k prázdným řádkům nebo chybným hodnotám (not set), protože data se teprve zpracovávají.
- Při použití pokročilých nástrojů (např. Looker Studio přes API) a velkého objemu dat může GA4 data vzorkovat (zpracovat jen podmnožinu dat), což vede k nepřesným výsledkům.
Řešení: Vždy analyzujte data s časovým odstupem (alespoň 2–3 dny). U větších webů a komplexních analýz exportujte nezpracovaná data do BigQuery, kde nedochází ke vzorkování a máte plnou kontrolu nad datovou historizací.

Správná implementace GA4 vyžaduje pečlivost a detailní znalost událostního modelu. Jedině tak získáte spolehlivá data, která podpoří informovaná byznysová rozhodnutí.