Atrybucja GA4 w B2B — jak połączyć źródła ruchu, CRM i przychód

GA4 nie odpowie samodzielnie na pytanie, które działanie marketingowe „zamknęło” wielomiesięczną sprzedaż B2B. Pokazuje różne zakresy atrybucji dla użytkownika, sesji i kluczowego zdarzenia, a długi cykl często wykracza poza okno raportowe. Dlatego potrzebne jest połączenie poprawnego tagowania, identyfikatorów reklamowych, CRM i jawnej definicji sposobu przypisywania pipeline oraz przychodu.

Dlaczego last-click niszczy B2B

Wyobraź sobie typową ścieżkę zakupową w firmie B2B z średnim koszykiem 50 000 PLN. Dyrektor operacyjny widzi reklamę LinkedIn (touchpoint 1), klika, czyta blog post. Po tygodniu wyszukuje hasło edukacyjne w Google, trafia na inny artykuł (touchpoint 2). Po 3 tygodniach googluje konkretną nazwę produktu (touchpoint 3). Po miesiącu w trakcie spotkania zespołu pokazuje wcześniej zakładkę. Inny kolega kopiuje URL z czata zespołu, wraca dwa dni później przez bookmarka (touchpoint 4 = Direct). Po kolejnych dwóch tygodniach wypełnia formularz kontaktowy (konwersja).

GA4 z domyślną atrybucją powie Ci, że konwersja pochodzi z Direct. Cała wartość przypisana ostatniemu touchpointowi. LinkedIn — 0. Blog edukacyjny — 0. Google searchowanie produktu — 0. Wnioski dla Ciebie: Direct generuje zwroty, więc nie ma sensu wydawać na LinkedIn ani SEO edukacyjne. Konsekwencje dla biznesu: za 6 miesięcy pipeline wysycha, bo wyłączyłeś źródła Top of Funnel.

Data-driven jako default — nie last-click

GA4 oferuje wbudowany model Data-driven attribution (DDA), który wykorzystuje machine learning Google’a do analizy realnych ścieżek konwersyjnych w Twoich danych. Model przypisuje wagi poszczególnym touchpointom na podstawie tego, jak bardzo zwiększają prawdopodobieństwo konwersji w stosunku do scenariusza, w którym ich nie było.

Wymagania: GA4 potrzebuje minimum 600 konwersji w ciągu 30 dni dla danego eventu, żeby uruchomić DDA dla tej konwersji. W B2B to często nieosiągalne (typowo 30–80 leadów / miesiąc). Co wtedy? Trzy opcje, w kolejności preferencji:

1. Mikrokonwersje jako proxy dla DDA — wprowadzić mikrokonwersje, których GA4 będzie miał wystarczająco (np. „pobranie case study”, „obejrzenie video”, „przewinięcie pricing page”) i włączyć na nich Data-driven. Dają modelowi wolumen, którego brakuje przy samych leadach, i pokazują, które kanały realnie budują ścieżkę — a pełną konwersję (lead) czytasz dodatkowo w raportach ścieżek i eksploracjach.
2. Last click jako jedyny fallback — jeśli mimo mikrokonwersji brakuje wolumenu, jedynym alternatywnym modelem w GA4 jest last click (w wariancie cross-channel albo preferującym płatne). Trzeba wtedy świadomie pamiętać, że niedoszacowuje górę lejka — dlatego obraz uzupełniamy raportami ścieżek i danymi z CRM.

Ważne: modele position-based, linear, time decay i first click Google wycofał z GA4 w 2023 roku — nie da się ich już wybrać jako modelu raportowania. Realny wybór to Data-driven (domyślny, gdy jest wolumen) i last click (jedyny fallback).

Setup: Admin → Attribution Settings → Reporting attribution model. Wybieramy Data-driven — to jedyny model uwzględniający całą ścieżkę; w panelu pozostaje już tylko alternatywa Last click (cross-channel). Przy niskim wolumenie leadów rozwiązaniem nie jest zmiana modelu, lecz dokarmienie DDA mikrokonwersjami (wyżej) i uzupełnienie obrazu danymi z CRM.

Lookback window 90 dni — nie 30

Drugi domyślny parametr GA4, który dla B2B jest błędny: lookback window. GA4 domyślnie patrzy 30 dni wstecz przy atrybucji konwersji (dla acquired customers) lub 90 dni (dla wszystkich innych konwersji). Dla B2B z cyklem 4–6 miesięcy 30 dni odcina 70% historii. Touchpoint z LinkedIn sprzed 8 tygodni? Niewidoczny.

Co ustawiamy: Admin → Attribution Settings → Acquisition conversion event lookback window → 90 days. To maksimum GA4 (Google nie pozwala na dłuższe). Dla B2B z cyklem >90 dni to wciąż za mało, ale lepiej niż domyślne 30 — i kompensujemy to integracją z CRM (sekcja dalej).

Cross-channel rules i UTM standardy

Trzecie źródło błędów: niespójne UTM-y. GA4 grupuje źródła ruchu na bazie parametrów utm_source, utm_medium, utm_campaign. Jeśli wpinasz każdy URL inaczej („linkedin” versus „LinkedIn” versus „linkedIN”), GA4 traktuje to jako trzy różne źródła ruchu. Raport pokazuje rozproszone dane, w których żadne źródło nie przekroczy progu istotności.

Polityka, którą wdrażamy u klientów B2B:

1. Standard UTM zapisany w confluence / Notion — jeden dokument, do którego dostęp ma cały zespół marketingu i sprzedaży. Każdy nowy link ma być zgodny ze standardem.
2. Lista dozwolonych wartości: utm_source — close-listed (linkedin, google, facebook, newsletter, podcast). utm_medium — close-listed (cpc, organic, email, social, referral). Wszystko lowercase, bez polskich znaków, bez spacji.
3. UTM Builder z walidacją — wewnętrzny tool (np. Google Sheet z dropdown’ami) zamiast Excel-em z otwartymi polami. Eliminuje literówki.
4. Audyt UTM raz w miesiącu — sprawdzenie w GA4 zakładki Acquisition → Traffic acquisition czy nie pojawiły się nowe, nieautoryzowane warianty.

Plus konfiguracja w GA4 (Admin → Channel Groups): customowa grupa kanałów dopasowana do realiów B2B. Zamiast standardowych grup („Paid Search”, „Organic Search”) tworzymy grupy biznesowe: „LinkedIn Paid”, „LinkedIn Organic”, „Brand Search”, „Non-brand Search Paid”, „Non-brand Search Organic”, „Content Distribution”, „Email Nurture”.

Integracja z CRM przez Measurement Protocol

Czas na rzeczy, które wyróżniają dojrzałą konfigurację B2B. Domyślnie GA4 widzi konwersję w momencie wysłania formularza. Ale formularz to nie klient — to lead. W B2B z dużymi koszykami 80% leadów nie konwertuje, a te 20% które konwertują, robią to 60–180 dni później. Czyli prawdziwa wartość konwersji — kontrakt — w ogóle nie jest widoczna w GA4, dopóki nie zrobimy integracji z CRM.

Co robimy: Measurement Protocol API GA4. Gdy w CRM (HubSpot / Pipedrive / Salesforce / własny) status leada zmienia się na „Closed Won”, wewnętrzny pipeline wysyła event do GA4 z parametrami: client_id (zachowany z formularza), event_name = qualified_lead lub closed_won, value (wartość kontraktu), currency.

POST https://www.google-analytics.com/mp/collect
?measurement_id=G-XXXXXXXXXX
&api_secret=YOUR_API_SECRET

{
  "client_id": "1234567890.1612345678",
  "events": [{
    "name": "closed_won",
    "params": {
      "value": 75000,
      "currency": "PLN",
      "transaction_id": "DEAL-2026-0421",
      "lead_source": "linkedin_ad_campaign_q1"
    }
  }]
}

Klucz: client_id musi być ten sam, który GA4 nadał użytkownikowi w momencie wypełnienia formularza. Inaczej GA4 nie połączy event’u z historyczną ścieżką touchpointów i nie zaatrybuuje go do żadnego źródła.

W praktyce: w formularzu kontaktowym (na stronie) wykonujemy gtag('get', 'G-XXXXXXXXXX', 'client_id', callback), dostajemy client_id, zapisujemy w hidden field, przy submicie wysyłamy razem z resztą danych do CRM. W CRM client_id jest customowym polem na rekordzie kontaktu/leada. Przy zmianie statusu leada — pipeline czyta client_id i wysyła Measurement Protocol event.

Offline conversion import z CRM

Alternatywa albo uzupełnienie do Measurement Protocol: offline conversion import przez Google Ads (działa też w GA4 przy integracji). Jeśli Twój zespół sprzedaży operuje w Salesforce / HubSpot / Pipedrive, można skonfigurować import konwersji z CRM do Google Ads przez Zapier, Make, Native integration albo customowy ETL.

Korzyść: konwersje typu „Closed Won” trafiają z powrotem do Google Ads z oryginalnym gclid (Google Click ID), co pozwala algorytmom Smart Bidding optymalizować pod realną sprzedaż, nie pod liczbę leadów. To w długim terminie poprawia ROAS w kampaniach z dużym spread’em wartości kontraktów — w naszych wdrożeniach rzędu kilkudziesięciu procent, choć skala zależy od branży i jakości danych z CRM (obserwacja z projektów, nie gwarantowany próg).

Ograniczenia importu offline, o których trzeba wiedzieć: konwersja połączy się z kampanią tylko, jeśli gclid jest ważny (Google przechowuje go zwykle do ~90 dni od kliknięcia) i został poprawnie zapisany przy leadzie — przy cyklach dłuższych niż okno GCLID część transakcji nie zaatrybuuje się do pierwotnej kampanii. Import wymaga też zgody użytkownika i spełnienia polityk Google dotyczących danych; opóźnienia w CRM (lead dojrzewa tygodniami) oznaczają, że Smart Bidding uczy się na sygnale z przesunięciem czasowym. Dlatego import offline traktujemy jako uzupełnienie obrazu, a nie jedyne źródło prawdy o przychodzie.

Raport, który faktycznie pokazuje wpływ

Z całym powyższym setupem możemy zbudować raport, który ma sens dla CFO, nie tylko dla marketingu. Trzy zakładki:

1. Multi-Touch Attribution Report (Looker Studio)

Wszystkie kanały, dla każdego: liczba touchpointów (jako Initiator, Assist, Closer), wartość przypisana przy modelu Data-driven (a przy zbyt małym wolumenie — last click, jedyny dostępny fallback), procent ścieżek, w których kanał uczestniczył. Czyta się jak SEO/SEM scorecard, ale dla każdego kanału, nie tylko jednego.

2. Cost vs Revenue per Channel

Dla każdego kanału: wydatek mediowy (z Google Ads / Meta / LinkedIn), liczba leadów, liczba kontraktów Closed Won, suma wartości kontraktów, obliczone CAC (Customer Acquisition Cost) i LTV/CAC ratio. To raport, z którym idziesz do zarządu — pokazuje, że marketing nie jest kosztem, tylko inwestycją z konkretnym ROI.

3. Time-to-Convert by Source

Dla każdego kanału: średni czas od pierwszego touchpointu do podpisania umowy. Pokazuje, które kanały generują „szybkie leady” (zazwyczaj BOFU — brand search, retargeting), a które „edukują w czasie” (zazwyczaj TOFU — content, podcast, LinkedIn organic). Pomaga w prognozowaniu pipeline’u i decyzjach o tempie skalowania.

Podsumowanie

Domyślny GA4 nie jest zaprojektowany pod B2B z długim cyklem sprzedaży. Last-click attribution, 30-dniowy lookback, brak integracji z CRM — razem dają raport, w którym najważniejsze touchpointy w ścieżce zakupowej są niewidoczne, a marketing dostaje feedback, że powinien wycofać się z TOFU na rzecz BOFU. W długim terminie to droga do wyschnięcia pipeline’u.

Cztery zmiany, które robimy w każdej nowej konfiguracji B2B w GA4: przełączenie na Data-driven (last click tylko jako fallback przy braku wolumenu), rozszerzenie lookback do 90 dni, standaryzacja UTM-ów z polityką pisaną, integracja z CRM przez Measurement Protocol lub offline conversion import. Razem dają raport, który zamiast obwiniać marketing — pokazuje, gdzie faktycznie powstaje przychód.