Як побудувати воронку користувача в GA4 для ecommerce та проаналізувати її

У рекламних кампаніях може бути трафік: користувачі можуть переглядати товари й додавати їх у кошик, але до покупки доходять далеко не всі. Кількість транзакцій показує кінцевий результат, але не пояснює, якими були дії користувачів на шляху до покупки.

У цій статті я покажу, як побудувати ecommerce-воронку в GA4 за допомогою інструменту Funnel Exploration, проаналізувати переходи між її етапами та визначити, на якому з них втрачається найбільше користувачів. Воронка не назве причину проблеми, але допоможе зрозуміти, де її варто шукати.

Що показує ecommerce воронка в GA4

Ecommerce-воронка — це послідовність визначених етапів, які користувач проходить на шляху до покупки. Наприклад: перегляд товару → додавання в кошик → початок оформлення замовлення → покупка. При цьому воронка не відтворює кожну дію користувача на сайті — ви самі визначаєте етапи, які хочете проаналізувати.

У GA4 таку послідовність можна побудувати за допомогою Funnel Exploration. Інструмент показує, скільки користувачів дійшло до кожного етапу та яка частина продовжила шлях. Завдяки цьому можна оцінити переходи між окремими кроками до покупки й побачити, де втрачається найбільше користувачів. 

Що потрібно перед побудовою воронки

Переконайтеся, що необхідні ecommerce-події вже налаштовані та коректно передаються в GA4. 

У цій статті я використовую базову послідовність: view_item → add_to_cart → begin_checkout → purchase. Вона охоплює ключові кроки користувача — від перегляду товару до оформлення покупки. Налаштування ecommerce-подій у цьому матеріалі я не розглядатиму — зосереджуся саме на побудові та аналізі воронки.

У GA4 уже є стандартний звіт Purchase Journey, який показує базовий шлях користувача до покупки. Для загального аналізу цього може бути достатньо. Funnel Exploration варто використовувати, коли потрібно гнучкіше налаштувати дослідження: самостійно визначити кроки та умови, застосувати фільтри, проаналізувати час між етапами або подальші дії користувачів. 

Перед оцінкою воронки потрібно впевнитися, що усі події передаються коректно, бо сама воронка може створити хибне уявлення про поведінку користувачів. Варто перевірити: 

1. Наявність подій.
2. Параметри ecommerce.
3. Дублювання подій.
4. Відповідність даних GA4 даним сайту/CRM.
5. Purchase та revenue.

Як побудувати воронку у Funnel Exploration

Для прикладу, я побудую базову ecommerce воронку від перегляду товару до покупки. Вона дасть змогу побачити, яка частина користувачів переходить між основними етапами та на якому з них шлях найчастіше переривається.

У лівому меню GA4 перейдіть у розділ Explore та виберіть шаблон Funnel exploration. 

Перед налаштуванням зверніть увагу на вибраний період у блоці Variables — результати воронки будуть розраховані саме за цей проміжок часу.

У блоці Steps натисніть на значок редагування. Відкриється вікно Edit funnel steps, де для кожного етапу можна задати назву та умову, за якою користувач буде зарахований до цього кроку. У моєму прикладі умовою буде відповідна ecommerce подія:

• view_item — перегляд товару;

• add_to_cart — додавання товару в кошик;

• begin_checkout — початок оформлення замовлення;

• purchase — покупка.

Між кроками GA4 дає змогу вибрати is indirectly followed by (пов’язані непослідовно) або is directly followed by (пов’язані послідовно). У другому випадку наступна подія має відбутися одразу після попередньої. Я залишаю is indirectly followed by, оскільки між основними етапами користувач може виконувати й інші дії на сайті. Наприклад, після перегляду одного товару перейти на інший і лише потім додати його в кошик. Такий користувач усе одно має залишитися у воронці.

Ще одне важливе налаштування — Make open funnel. Якщо перемикач вимкнений, воронка закрита: користувач має виконати перший заданий крок, щоб потрапити до аналізу. Якщо його увімкнути, воронка стане відкритою і користувач зможе увійти в неї з будь-якого етапу.

Наприклад, користувач виконав add_to_cart, але не виконав view_item. У відкритій воронці він може бути врахований, починаючи з другого кроку, а в закритій — ні. Для цього прикладу я залишаю Make open funnel вимкненим, оскільки хочу проаналізувати саме шлях користувачів, які почали задану послідовність із перегляду товару.

Після налаштування кроків натисніть Apply. GA4 побудує воронку та сформує таблицю з результатами для кожного етапу. У ній можна побачити, скільки користувачів дійшло до кожного кроку, частку тих, хто перейшов далі, та кількість користувачів, які припинили шлях між етапами.

На цьому базова воронка готова. Далі розберу, як читати отримані показники та які висновки з них можна зробити.

Як проаналізувати результати воронки

Після побудови воронки нас цікавить не лише кількість користувачів на кожному етапі, а й те, як вони переходять між ними. Саме тут Funnel Exploration стає корисним не просто як візуалізація шляху до покупки, а як інструмент для детальнішого аналізу.

Знайдіть етап із найбільшою втратою користувачів

У моєму прикладі view_item виконали 42 662 користувачі. До add_to_cart дійшли 2 098 — це 4,92% від попереднього етапу. Далі 1 173 користувачі почали оформлення замовлення, а 636 завершили покупку. Відповідно, між add_to_cart і begin_checkout перейшли 55,91% користувачів, а між begin_checkout і purchase — 54,22%.

Найбільше користувачів припинили шлях між переглядом товару та додаванням у кошик: до наступного етапу не перейшли 95,08%. 

Водночас велика частка користувачів, які не перейшли до наступного етапу, ще не означає, що ми вже знайшли причину. Наприклад, лише з цієї воронки не можна зробити висновок, що проблема в ціні, картці товару чи кнопці «Додати в кошик». Воронка показує, на якому етапі варто продовжити аналіз, але не визначає причину автоматично.

Перевірте, чи однаково проходять воронку користувачі з різних пристроїв

Щоб деталізувати результат, у розділ Breakdown (розбивка даних за вибраною характеристикою) можна додати, наприклад, Device category (категорію пристрою). Після цього GA4 розділить кожен етап воронки за типами пристроїв — mobile, desktop, tablet та іншими доступними категоріями.

Це вже дає більше контексту. У моєму прикладі від view_item до add_to_cart переходять 6,11% користувачів desktop і 4,67% — mobile. Це показує різницю між пристроями, але ще не доводить проблему мобільної версії сайту. Натомість це вже конкретний напрямок для подальшої перевірки. 

Подивіться, скільки часу займають переходи між етапами

Ще одна корисна можливість — Show elapsed time (показ середнього часу між етапами воронки). Після її ввімкнення в таблиці з’явиться колонка Elapsed time, де GA4 покаже, скільки часу в середньому потрібно користувачам, щоб перейти від попереднього кроку до поточного.

У моєму прикладі від view_item до add_to_cart у середньому проходить 21 год 18 хв. Наступні переходи відбуваються швидше: від add_to_cart до begin_checkout — 3 год 39 хв, а від begin_checkout до purchase — 3 год 31 хв.

Довший час не означає проблему: для різних товарів і сценаріїв покупки поведінка користувачів відрізняється. Але цей показник допомагає помітити етапи, які варто дослідити окремо, особливо якщо разом із тривалим переходом спостерігається і високий відсоток користувачів, які не йдуть далі. 

Важливо також правильно читати цей показник. Наприклад, 21 год 18 хв між view_item та add_to_cart не означає, що користувач увесь цей час безперервно перебував на сайті. Це середній проміжок часу між двома зафіксованими етапами для користувачів, які дійшли до add_to_cart.

За потреби цей аналіз можна деталізувати ще більше. Наприклад, у поєднанні з Breakdown → Device category можна порівняти, скільки часу займає той самий перехід у користувачів mobile та desktop. У моєму прикладі шлях від begin_checkout до purchase займає в середньому 3 год 55 хв на mobile і 2 год 5 хв на desktop. Це не доводить, що на мобільних пристроях є проблема, але дає ще один сигнал, який можна перевірити разом з іншими показниками.

Використовуйте сегменти, фільтри та Next action для глибшого аналізу

Якщо загальної воронки недостатньо, у Segment comparisons (порівняння сегментів) можна зіставити окремі групи користувачів. Funnel Exploration дозволяє одночасно застосувати до чотирьох сегментів. 

Наприклад, можна окремо порівняти Paid traffic, Organic traffic і Direct traffic та побачити, чи однаково користувачі з різних каналів проходять шлях від view_item до purchase. Так можна визначити, на якому етапі поведінка аудиторій із різних джерел починає відрізнятися. 

Filters працюють трохи інакше: вони не порівнюють групи, а обмежують дані у дослідженні за заданою умовою. Наприклад, замість усіх даних у дослідженні можна залишити лише ті, що відповідають заданій умові, і детальніше проаналізувати потрібну частину аудиторії. 

За допомогою фільтра Country = United States можна залишити у воронці лише дані користувачів зі США. 

Ще одна цікава можливість — Next action (наступна дія користувача після окремого етапу воронки). Вона показує найпоширеніші значення вибраного параметра після цього кроку. 

Наприклад, після add_to_cart у Next action можна вибрати dimension Event name і подивитися, які події користувачі найчастіше виконували далі. Це може бути повторний view_item, view_cart, remove_from_cart або інша подія, налаштована на сайті. Так можна краще зрозуміти, як користувачі поводяться після додавання товару в кошик.

У результаті Funnel Exploration дозволяє перейти від простого питання «де користувачі припиняють шлях?» до більш конкретних: для кого це відбувається частіше, скільки часу займають переходи та що користувачі роблять після окремих кроків.

Що врахувати під час аналізу воронки

Під час роботи з Funnel Exploration важливо враховувати логіку, за якою GA4 зараховує користувачів до окремих етапів.

1. Тип воронки. У закритій воронці користувач має почати з першого заданого кроку, а у відкритій може увійти з будь-якого. Водночас після входу у воронку задані кроки потрібно проходити у визначеній послідовності: якщо користувач пропустить один із них, GA4 не зарахує його до наступних етапів цієї послідовності.

2. Повторне проходження воронки. Якщо один користувач виконає задану послідовність кілька разів протягом вибраного періоду, Funnel Exploration врахує лише першу послідовність. Тому цифри у воронці не варто сприймати як кількість усіх можливих проходжень цих етапів.

3. Оцінка окремого показника без контексту. Наприклад, 4,92% переходу від view_item до add_to_cart ще не говорять, хороший це результат чи поганий. Корисніше порівняти його з попереднім періодом, іншою категорією пристроїв або окремим сегментом користувачів. Так можна зрозуміти не просто значення показника, а те, як він змінюється і для якої аудиторії відмінності найбільш помітні.

Висновки

1. Funnel Exploration у GA4 допомагає об’єднати окремі ecommerce-події в послідовний шлях користувача до покупки й побачити, як він проходить кожен із його етапів. Це дає більше контексту для аналізу, ніж окремий показник кількості покупок. 

2. Для базової ecommerce-воронки можна використати послідовність view_item → add_to_cart → begin_checkout → purchase. Водночас результат залежить не лише від самих подій, а й від того, як налаштована воронка: її типу, порядку кроків та логіки переходів між ними.

3. Можливості Funnel Exploration дають змогу поглибити аналіз під конкретне питання. Наприклад, порівняти проходження воронки між різними групами користувачів або пристроями, подивитися середній час переходу між етапами, відфільтрувати потрібну частину аудиторії чи перевірити, які дії користувачі виконують після окремого кроку. 

4. Воронка не пояснює причину проблеми автоматично. Якщо на певному етапі багато користувачів не переходять далі, це насамперед сигнал, де варто продовжити аналіз. Funnel Exploration допомагає звузити пошук і перейти від загальних цифр до конкретної ділянки користувацького шляху.