Proč GA4 působí jako zdroj rozporů
GA4 je postavené jinak než Universal Analytics. Nepracuje primárně s relacemi a „návštěvami“ v tradičním smyslu, ale s událostmi. To je pro analytiku přesnější, ale zároveň to znamená, že při špatném nastavení může být interpretace výrazně složitější. Nejčastější problém není v tom, že by GA4 „lhalo“, ale v tom, že měří něco trochu jiného, než si myslíte.
Typický příklad: v Google Ads vidíte 120 konverzí, v GA4 jen 78. Majitel webu pak usoudí, že GA4 je nepřesné. Jenže rozdíl často vzniká kvůli jinému atribučnímu modelu, časovému pásmu, blokaci cookies, modelovaným konverzím nebo tomu, že jedna platforma počítá jen poslední klik a druhá pracuje s daty napříč kanály. Bez porovnání metodiky jsou taková čísla prakticky neporovnatelná.
Kde se data nejčastěji rozcházejí
Největší chyby se objevují v několika konkrétních místech. Pokud je znáte, ušetříte si hodiny zbytečného ladění.
- Consent Mode a cookies: bez souhlasu uživatele GA4 často sbírá jen omezená nebo modelovaná data.
- Filtrování provozu: interní návštěvy, testovací prostředí nebo vývojové subdomény mohou zkreslit výsledky, pokud nejsou správně vyloučené.
- Deduplikace konverzí: stejná akce může být započtena v GA4, Google Ads i v CRM, pokud nemáte jasně definovaný zdroj pravdy.
- Časové pásmo: stačí rozdíl několika hodin a denní reporty vypadají, jako by neseděly.
- Cross-domain měření: bez správného nastavení se uživatel při přechodu mezi doménami „rozpadne“ na více relací.
U e-commerce je častým problémem také nesoulad mezi purchase událostí v GA4 a objednávkami v backendu. Při testování je potřeba sledovat, zda se event odesílá jen jednou, zda má správné parametry a zda nejsou v košíku nebo na thank-you stránce duplicitní spouštěče.
Jak poznat, že problém je v implementaci, ne v datech
První krok je jednoduchý: neřešte grafy, ale ověřte implementaci. Otevřete web v anonymním okně, spusťte Google Tag Assistant nebo DebugView v GA4 a sledujte, co se skutečně odesílá. Pokud se event nespouští, spouští se vícekrát nebo chybí parametry jako transaction_id, value či currency, problém je technický.
Užitečný postup je porovnat tři vrstvy dat:
- frontend: co se skutečně odešle z webu,
- GA4: co platforma přijme a zpracuje,
- backend/CRM: co se reálně stalo v systému objednávek nebo leadů.
Když se například v CRM vytvoří 100 leadů, ale GA4 ukazuje jen 62, je potřeba zjistit, zda formulář nepadá na redirectu, zda uživatel neodchází před dokončením události, nebo zda se event vůbec neodesílá po odeslání formuláře. V praxi pomáhá i jednoduchý kontrolní seznam: 1 URL, 1 událost, 1 validní parametr, 1 potvrzení v DebugView.
Jak správně číst akvizici, konverze a engagement
Jedna z nejčastějších chyb je slepé spoléhání na defaultní reporty. GA4 má jiné definice než starší analytické nástroje, a pokud je neznáte, snadno uděláte špatné závěry. Například engaged sessions nejsou totéž co „dobré návštěvy“ v obecné řeči. Relace se započítá jako engaged, pokud trvá déle než 10 sekund, má konverzi nebo alespoň 2 zobrazení stránek. To je užitečné, ale nemusí odpovídat vašemu byznysu.
Podobně source/medium v GA4 nemusí odpovídat tomu, co vidíte v reklamním účtu. U placených kampaní je proto vhodné pracovat s UTM parametry a mít jasnou naming konvenci. Pokud používáte například utm_source=facebook, utm_medium=paid_social a utm_campaign=jaro_2026_leady, dokážete data mnohem lépe segmentovat než při chaotických názvech typu „kampan1“ nebo „remarketing_new“.
Prakticky se vyplatí sledovat hlavně tyto metriky:
- konverzní poměr podle kanálu, ne jen absolutní počet konverzí,
- cenu za konverzi v kontextu marže,
- kvalitu návštěvnosti podle engagement rate a scroll depth,
- podíl nových vs. vracejících se uživatelů,
- cestu ke konverzi v Exploration reportech.
Jeden e-shop například zjistil, že organické vyhledávání přivádí méně objednávek než PPC, ale má o 38 % vyšší průměrnou hodnotu objednávky. Kdyby se díval jen na počet konverzí, SEO by podhodnotil. Když ale porovnal revenue, AOV a asistované konverze, obrázek byl úplně jiný.
Jak si data ověřit napříč nástroji
GA4 nikdy nečtěte izolovaně. Každé rozhodnutí by mělo stát na minimálně dvou dalších zdrojích. Pro SEO používejte Google Search Console, pro výkon kampaní Google Ads nebo Meta Ads, pro technické ověření Tag Assistant, GTM Preview a ideálně i serverové logy nebo backendový export objednávek.
U lead-gen webů je dobrý postup porovnat:
- počet odeslaných formulářů v GA4,
- počet potvrzených leadů v CRM,
- počet záznamů v databázi nebo emailovém nástroji,
- počty kliků na CTA tlačítka v eventech.
Když se čísla liší o 5–10 %, je to v digitální analytice často normální. Rozdíl 20–30 % ale už většinou znamená problém v implementaci, atribuční logice nebo consent nastavení. U větších webů je navíc důležité sledovat, zda se data nefragmentují mezi více doménami, subdoménami a platebními branami.
Velmi užitečné je také využít BigQuery export. Umožní vám pracovat s raw daty, filtrovat duplicity a stavět vlastní reporty bez omezení standardního rozhraní GA4. Pro větší projekty je to často jediný způsob, jak získat opravdu spolehlivou analytiku.
Co nastavit, aby GA4 přestalo mást tým i klienta
Pokud chcete, aby GA4 bylo skutečně použitelné, nestačí „mít tam měření“. Potřebujete systém. V praxi to znamená několik konkrétních kroků:
- definujte KPI podle byznysu – lead, objednávka, rezervace, registrace, ne jen návštěvy,
- zaveďte jednotnou UTM metodiku pro všechny kanály a kampaně,
- nastavte interní filtry pro zaměstnance, agentury a testovací provoz,
- ověřte všechny klíčové eventy v DebugView a přes GTM Preview,
- zdokumentujte měření včetně názvů eventů, parametrů a triggerů,
- pravidelně auditujte změny po updatech webu, pluginů nebo consent banneru.
U WordPressu se například často stává, že update pluginu nebo šablony přepíše datalayer nebo naruší spouštění GTM. U Next.js projektů zase bývá problém v tom, že eventy se nespouští po client-side navigaci. Obě situace vedou ke zkreslení dat, i když „na první pohled vše funguje“.
GA4 je silný nástroj, ale jen pro tým, který rozumí jeho logice. Když data čtete bez kontextu, snadno dojdete k chybným závěrům o SEO, reklamě nebo UX. Když je ale ověříte, porovnáte a správně nastavíte, dostanete z nich přesně to, co potřebujete: rozhodnutí založená na realitě, ne na dojmu.