GA4 e Universal Analytics a confronto

Universal Analytics (UA) ha smesso di elaborare nuovi dati il 1° luglio 2023. Google Analytics 4 (GA4) è ora l'unica versione supportata.

Il passaggio non è stato una semplice riprogettazione. GA4 utilizza un modello di dati completamente diverso, progettato per la privacy, il tracciamento tra dispositivi e un futuro senza cookie.

Comprendere queste differenze evita supposizioni errate durante la lettura dei report migrati da UA.

UA era basato sulle sessioni. Tutto veniva raggruppato in sessioni e i tipi di hit (pageview, evento, transazione) erano concetti separati.

GA4 è basato sugli eventi. Ogni interazione è un evento con parametri, incluso lo stesso page_view. In questo modo i dati web e delle app utilizzano uno schema unificato.

In UA, gli eventi utilizzavano una struttura rigida Categoria / Azione / Etichetta / Valore. Era difficile estenderla.

Gli eventi GA4 hanno un nome più parametri flessibili, fino a 25 per evento. Il modello è molto più espressivo e si adatta bene all'analisi delle app.

GA4 raccoglie numerose interazioni nativamente tramite Enhanced Measurement. In UA, per la maggior parte di queste era necessario aggiungere tag manualmente.

Attivi queste opzioni nelle impostazioni del flusso di dati. In questo modo riduci i tempi di configurazione, ma devi sapere che cosa viene tracciato automaticamente per evitare doppi conteggi.

La frequenza di rimbalzo di UA indicava le sessioni con una sola pagina e nessuna interazione. GA4 l'ha sostituita con il tasso di coinvolgimento, cioè la percentuale di sessioni con coinvolgimento.

Una sessione con coinvolgimento dura almeno 10 secondi, include una conversione oppure almeno 2 visualizzazioni di pagina. In GA4, la frequenza di rimbalzo è semplicemente 1 meno il tasso di coinvolgimento.

GA4 privilegia i report incentrati sugli utenti rispetto alle sessioni. Collega l'identità tra dispositivi usando Google signals, User-ID e i dati del dispositivo.

UA dipendeva molto dai cookie. GA4 combina modelli di machine learning per colmare le lacune quando mancano i cookie, supportando il rispetto delle normative sulla privacy.

In GA4, la conservazione standard dei dati a livello di evento è impostata per impostazione predefinita su 2 mesi e può essere estesa fino a 14 mesi. I report standard aggregati vengono conservati più a lungo.

Per le analisi che superano i 14 mesi, esporti i dati grezzi in BigQuery, offerto gratuitamente da GA4 nel livello standard: un cambiamento significativo rispetto a UA.

In UA, gli obiettivi venivano configurati a livello di View (destinazione, durata, pagine, eventi). GA4 non ha né View né obiettivi.

In alternativa, si può contrassegnare qualsiasi evento come conversione. È più semplice, ma richiede di progettare prima la tassonomia degli eventi e solo in seguito promuovere quelli principali.

La struttura di UA era Account > Property > View. Le View consentivano di creare copie filtrate dei dati.

La struttura di GA4 è Account > Property > Data Stream. Il filtraggio avviene ora tramite filtri dei dati, confronti e sottoproprietà (360). Questo semplifica la governance, ma cambia il modo in cui si isola il traffico di sviluppo.

I report di GA4 sono più essenziali. La sezione Reports offre riepiloghi standard, mentre le analisi personalizzate approfondite si trovano nella sezione Explore.

Gli utenti di UA spesso non trovano i report predefiniti. In GA4 si può personalizzare la raccolta di report oppure creare delle Explorations per ricostruire viste familiari.

Una migrazione corretta non consiste in una semplice copia. Ricrei fin dall'inizio il piano di misurazione basandolo su eventi e parametri.

Confermi le conversioni, colleghi Google Ads, imposti la conservazione su 14 mesi, abiliti l'esportazione in BigQuery e configuri i filtri per il traffico interno prima di fare affidamento sui dati.

Verifichi la sua comprensione della differenza fondamentale tra i due modelli.

GA4 ha sostituito UA con un modello basato sugli eventi e incentrato sugli utenti. Non esistono View né obiettivi, la frequenza di rimbalzo è diventata il tasso di coinvolgimento e l'identità combina User-ID, Google signals e modelli predittivi.

Progetti prima gli eventi, contrassegni quelli principali come conversioni, estenda la conservazione dei dati e usi BigQuery per lo storico. Migrare significa ricostruire, non copiare.