Hvorfor viser Google Ads og GA4 ulike konverteringstall?

Månedsrapporten er nesten ferdig. Du har hentet kjøpstall fra Google Ads, men når du åpner GA4, stemmer ikke summen. Skal du bruke det høyeste tallet, lete etter en feil eller forklare forskjellen i kommentaren til kunden?

Begynn med å finne ut hva hvert tall faktisk omfatter. Google Ads og GA4 kan vise ulike utsnitt av de samme aktivitetene. I andre tilfeller finnes det en reell målefeil. Du trenger et sammenlignbart grunnlag før du kan skille mellom disse forklaringene.

Skriv ned nøyaktig hvilke tall du sammenligner

«Konverteringer» er ikke nødvendigvis det samme i begge rapportene. Den ene summen kan omfatte kjøp, mens den andre også inkluderer innsendte skjemaer. I Google Ads kan kolonnene Konverteringer og Alle konverteringer inneholde ulike handlinger. Velg først én handling som er relevant for rapporten, for eksempel gjennomførte kjøp.

Kontroller deretter hvilken GA4-rapport tallet kommer fra, og hvilke filtre som er brukt. Et tall for alle kjøp i GA4 skal ikke uten videre sammenlignes med kjøp som tilskrives Google Ads. Hvis konverteringen i Ads bygger på en viktig hendelse fra GA4, deler målingene datagrunnlag. Det er noe annet enn en konvertering målt direkte med Google Ads, og noe annet enn summen av alle viktige hendelser i GA4.

Sammenlignbare totaler kan være like. Målet er derfor å forstå hva tallene representerer, ikke å godta enhver forskjell som uunngåelig.

Sjekk hvilken dato kjøpet havner på

Tenk deg et annonseklikk 30. juni og et kjøp 2. juli. Dette er et oppdiktet eksempel, men det viser en vanlig sammenligningsfelle: En rapport som bruker datoen for annonseinteraksjonen, kan plassere konverteringen i juni. En rapport som bruker datoen for selve kjøpet, plasserer den i juli. Begge kan beskrive den samme handelen.

Google Ads har egne kolonner basert på konverteringstidspunktet. Sjekk hvilke kolonner du faktisk har eksportert; ikke anta at alle Ads-rapporter bruker samme datogrunnlag. Kontroller også tidssonen. Et kjøp rundt midnatt kan havne på ulike datoer hvis rapportene bruker ulike tidssoner.

Behandlingstid er en annen sak enn tiden kunden bruker på å bestemme seg. GA4 kan bruke 24–48 timer på å behandle data, og rapportene kan endre seg underveis. Fordelingen av kreditt for viktige hendelser kan dessuten endres i opptil 12 dager. Dette betyr ikke at alle månedsrapporter må vente i 12 dager. Noter når tallene ble hentet, og vurder en ny kontroll hvis ferske data kan forklare forskjellen.

Se på tellingen og hvem som får kreditt

Hvis en kunde gjør flere kjøp etter ett annonseklikk, har telleinnstillingen betydning. Google Ads kan telle hver konvertering eller én konvertering per annonseinteraksjon og konverteringshandling. For klikk betyr «én» én per klikk for den aktuelle handlingen. Det betyr ikke én unik kunde.

Attribusjon handler om hvilke kontakter med markedsføringen som får kreditt for kjøpet. En datadrevet modell kan fordele kreditten mellom flere interaksjoner, slik at tallene får desimaler. Det er ikke nødvendigvis en feil eller et halvt kjøp.

Spør også hva GA4-rapporten forsøker å svare på. «Hvilken kanal fikk kreditt for kjøpet?» er et annet spørsmål enn «Hvilken kanal startet besøket?». Valget av attribusjonsmodell påvirker hvilke kanaler som får kreditt for kjøpet. Det endrer ikke på samme måte opplysningen om hvilken kanal som startet besøket. Kontroller rapport, modell og hvilke kanaler som kan få kreditt. Ikke endre innstillingene bare for å få to summer til å bli like; endringer kan påvirke rapportering og budgivning.

Lag en kort forklaring som kan etterprøves

MindVerve anbefaler å beholde de opprinnelige eksportene og regne ut forskjellen i et regneark. Ikke ta gjennomsnittet av to summer som måler forskjellige ting. Bruk heller en kort merknad som du eller en kollega kan gå tilbake til neste måned.

1. Sammenligning: handling, rapport, kolonne, filtre og periode i begge kilder.
2. Tall: total fra Google Ads, total fra GA4 og beregnet differanse.
3. Innstillinger: datogrunnlag, tidssone, telling, attribusjon og tidspunkt for eksport.
4. Belegg: eksportfiler og observasjoner som støtter forklaringen.
5. Status: forklart forskjell, bekreftet problem eller uavklart; ansvarlig person og neste kontroll.

Skriv «uavklart» når du mangler belegg. Hvis en kontroll viser at rapportene omfatter ulike handlinger, kan du forklare akkurat det. Hvis du fortsatt mistenker en målefeil etter at du har kontrollert grunnlaget for sammenligningen, må merkingen og oppsettet undersøkes. Selve differansen sier ikke hvilken feil som eventuelt finnes.

La KI skrive kommentaren ut fra det du vet

Når grunnlaget er klart, kan KI hjelpe med å gjøre forklaringen kort og lesbar. Gi den tallene, merknaden og de bekreftede funnene. Be den skille mellom en dokumentert årsak og et spørsmål som fortsatt står åpent.

Du kan for eksempel skrive: «Lag en kort kommentar til månedsrapporten basert på opplysningene nedenfor. Bruk bare de oppgitte tallene og bekreftede funnene. Forklar hva vi har sammenlignet, hva som forklarer differansen, og hva som fortsatt er uavklart. Ikke gjett på tekniske feil. Oppgi neste kontroll dersom den er avtalt.»

Les kommentaren selv før rapporten deles. Kontroller at tallene stemmer med regnearket, og at teksten ikke gjør en mulig forklaring til en sikker konklusjon. Da kan automatiseringen spare skrivearbeid samtidig som dere beholder kontrollen over det rapporten faktisk sier.