Наскрізна аналітика маркетингу: покроковий туторіал від UTM до дашборду

Є цитата, яку маркетологи повторюють вже більше ста років. Її приписують американському ритейлеру Джону Ванамейкеру: “Половина грошей, які я витрачаю на рекламу, витрачається марно. Проблема в тому, що я не знаю, яка саме половина” . Сказано це було наприкінці XIX століття, коли реклама виходила в газетах і жодних інструментів відстеження не існувало. Але дивна річ: у 2026 році, коли є Google Ads, Meta, TikTok, пікселі, cookies і десятки аналітичних платформ, більшість маркетологів живуть з тією самою проблемою. Просто тепер вони дивляться в три різні кабінети, і кожен показує свій ROAS. Разом вони не сходяться ніколи.

Саме тут і починається наскрізна маркетингова аналітика.

Що таке наскрізна аналітика і чим вона відрізняється від GA4

Наскрізна аналітика – це система, яка відстежує весь шлях клієнта: від першого рекламного оголошення до реальної оплати в CRM або касі. Не до кліку, не до заповнення форми, а до грошей на рахунку.

Звучить логічно. Але більшість компаній зупиняються значно раніше.

Від першого кліку до оплати: повний шлях клієнта

Типовий шлях покупця в e-commerce або B2B виглядає приблизно так:

Без наскрізної аналітики кожен з цих етапів живе у своїй системі і не взаємодіє з іншими. GA4 бачить конверсії на сайті, але не знає, скільки з них перетворились на реальні угоди. CRM знає про угоди, але не знає, звідки прийшов клієнт. Meta Ads впевнена, що всі продажі – її особиста заслуга.

End-to-end аналітика маркетингу вирішує це, збираючи всі дані в одне місце і простежуючи кожен контакт з клієнтом від першого до останнього.

Чому GA4 + рекламні кабінети – це ще не аналітика

GA4 є чудовим інструментом для аналізу поведінки на сайті. Але він має кілька принципових обмежень, про які рідко говорять вголос:

З рекламними кабінетами ще складніша ситуація. Кожна платформа (Google, Meta, TikTok) вважає конверсії за власними правилами і в межах власного вікна атрибуції. Якщо клієнт побачив рекламу в Meta у вівторок, а купив через Google у п’ятницю – обидві платформи запишуть цю конверсію собі. У підсумку сума ROAS з усіх кабінетів може в рази перевищувати реальний дохід бізнесу.

Саме тому маркетингова аналітика в Україні (і не тільки) дедалі частіше будується не навколо GA4, а навколо єдиного сховища даних, куди стікаються всі джерела. І де можна побачити правду.

Коротко: GA4 показує, що відбувається на сайті, наскрізна аналітика показує, що відбувається з бізнесом. Різниця принципова.

3 моделі атрибуції конверсій: яку обрати

Атрибуція конверсій – це правило, за яким система вирішує, якому каналу зарахувати продаж. Здається технічною деталлю, але насправді саме від цього залежить, куди піде ваш бюджет наступного місяця.

Last Click: проста, але недостовірна

Модель Last Click дає 100% кредиту останньому каналу, з якого прийшов клієнт перед конверсією. Саме вона стоїть за замовчуванням у більшості систем.

Уявіть такий сценарій: користувач побачив банер у Meta → загуглив назву бренду → перейшов з Google і купив. Last Click запише всю заслугу Google. Meta отримає нуль. Наступного місяця таргетолог отримає урізаний бюджет, хоча саме його реклама запустила ланцюжок.

Коли Last Click прийнятна: для простих продуктів з коротким циклом прийняття рішення, де клієнт купує з першого дотику.

Linear та Time Decay

Це складніші моделі, які розподіляють кредит між кількома точками контакту:

Жодна з них не є правильною, усі є спрощенням реальності. Але будь-яка з них чесніша за Last Click у більшості сценаріїв.

Data-Driven атрибуція (Google)

Data-Driven є моделлю на основі машинного навчання, яку Google запустив у Google Ads і GA4. Вона аналізує реальні шляхи конверсій у вашому акаунті і розподіляє кредит на основі того, які канали статистично збільшували ймовірність покупки.

Звучить ідеально, і справді працює краще за правилові моделі. Але є нюанс: вона повністю залишається всередині екосистеми Google і не враховує офлайн-дотики, дзвінки, CRM-дані. Тобто для повноцінної наскрізної аналітики її недостатньо, вона лише один із вхідних сигналів.

Висновок по атрибуції: для більшості бізнесів оптимальна стратегія – використовувати Data-Driven всередині Google, але паралельно будувати власну модель атрибуції в єдиному сховищі даних, де є і CRM, і офлайн, і всі канали одночасно.

Як зібрати дані з усіх маркетингових каналів

Перш ніж будувати дашборди і рахувати ROI, потрібно, щоб дані взагалі збиралися коректно. Це найнудніша, але найважливіша частина всієї системи. Якщо тут помилитися,  всі подальші звіти будуть красиво виглядати, але показувати неправду.

Правильне налаштування UTM-міток

UTM мітки – це параметри, які додаються до URL і дозволяють GA4 та іншим системам розуміти, звідки прийшов користувач.

Стандартна структура UTM виглядає так (приклад):

https://iwis.io/?utm_source=google&utm_medium=cpc&utm_campaign=brand_search&utm_content=ad1

Головна проблема, з якою стикається більшість компаній – відсутність єдиного стандарту. Один маркетолог пише utm_source=Google, інший – utm_source=google, третій – utm_source=Google_Search. У GA4 це три різні джерела. Дані розпорошуються, зведення не сходяться.

Підключення рекламних кабінетів (Google Ads, Meta, TikTok)

Кожна платформа має власний API, через який можна витягнути дані про витрати, покази, кліки та конверсії. Є два підходи:

Порівняння підходів:

Інтеграція з CRM та системою продажів

Це найважливіший і найчастіше пропущений крок. Без CRM-даних ви бачите ліди, але не знаєте, скільки з них стали реальними клієнтами і скільки грошей принесли.

Технічно це реалізується через передачу Client ID з GA4 у CRM у момент заповнення форми, і далі зворотну передачу даних про угоди через Measurement Protocol або вбудовані інтеграції (для Salesforce, HubSpot, Pipedrive є готові конектори).

Після цього кроку ви вперше побачите не скільки лідів прийшло з Meta, а скільки грошей принесла Meta. І це зовсім інша картина.

Якщо вам потрібна аналітика та автоматизація для бізнесу під ключ, команда IWIS будує такі системи від архітектури до дашборду.

Архітектура наскрізної аналітики

Якщо попередні розділи були про те, які дані збирати, то цей буде про те, як їх організувати так, щоб вони не перетворились на купу таблиць, у яких ніхто не розбирається.

Єдине сховище маркетингових даних

Центральний елемент будь-якої наскрізної аналітики – це Data Warehouse: єдине місце, куди стікаються дані з усіх джерел. Рекламні кабінети, GA4, CRM, система оплат  – все потрапляє сюди, нормалізується за єдиною схемою і зберігається в одному форматі.

Найпоширеніші рішення для маркетингового сховища:

Для більшості українських компаній середнього розміру оптимальний старт – BigQuery + Looker Studio або BigQuery + Power BI. Це дає достатню потужність без надмірних витрат на інфраструктуру, і саме на цих інструментах будується BI-аналітика для інтернет-магазину.

Типова архітектура виглядає так:

Рекламні кабінети (Google Ads, Meta, TikTok)

             ↓

         ETL / Connectors

             ↓

      Data Warehouse (BigQuery)

             ↓

    Шар трансформацій (dbt / SQL)

             ↓

     Візуалізація (Power BI / Looker)

Шар трансформацій – це місце, де сирі дані перетворюються на зрозумілі метрики: вартість ліда по каналу, ROI кампанії, конверсія по воронці. Без цього кроку сховище залишається просто великою базою даних, а не аналітичним інструментом.

Дашборд маркетолога vs дашборд CMO

Однією з найпоширеніших помилок є побудова одного дашборду для всіх. У результаті він або занадто детальний для керівника, або занадто поверхневий для спеціаліста.

Правильна логіка – два рівні:

Такий поділ дозволяє кожному рівню бачити те, що потрібно для прийняття рішень, без втрати деталей там, де вони критичні.

Реальний ROI по каналах: як рахувати правильно

ROI маркетингових каналів – це те, що виходить після порівняння витрат на канал з реальним доходом від клієнтів, яких цей канал привів. А не те, що показує рекламний кабінет.

Формула така:

ROI = (Дохід від каналу − Витрати на канал) / Витрати на канал × 100%

Але дохід тут – це реальні оплати з CRM. І саме тут більшість компаній отримують неприємні сюрпризи.

Три типові помилки при підрахунку ROI:

1. Рахують ліди, а не гроші. Канал може давати багато лідів з низькою якістю. І виглядати ефективним за CPL, але збитковим за реальним доходом.
2. Не враховують вартість команди. У витрати на канал треба включати не лише рекламний бюджет, а і зарплату або агентські комісії за управління кампаніями.
3. Порівнюють різні вікна атрибуції. Google Ads рахує конверсії за 30 днів, Meta – за 7 днів після кліку або 1 день після перегляду. Якщо порівнювати їх в лоб, цифри будуть некоректними.

Правильний підхід: всі конверсії беруться з CRM за датою закриття угоди, прив’язуються до джерела через Client ID або UTM першого дотику, і лише після цього порівнюються з витратами з рекламних кабінетів за той самий період.

Саме це і дає наскрізна аналітика: замість трьох оптимістичних звітів з трьох кабінетів, один чесний звіт з одного джерела.

Галузевий кейс: як e-commerce скоротив витрати на рекламу без втрати продажів

Розглянемо узагальнений сценарій, який відображає типову ситуацію інтернет-магазину після впровадження наскрізної аналітики. 

Вихідна ситуація. Інтернет-магазин одягу з місячним рекламним бюджетом близько 15000$. Активні канали: Google Search, Meta та email-розсилки. GA4 показував стабільну конверсію, усі три канали звітували про позитивний ROAS. При цьому прибуток не ріс, а власник не розумів чому.

Що виявила наскрізна аналітика. Після підключення CRM до єдиного сховища і побудови атрибуції за першим дотиком картина змінилась кардинально:

• Google Brand Search (реклама на запити з назвою бренду) показував ROAS 8x у кабінеті, але після аналізу виявилось, що 74% цих користувачів і так би купили, вони вже були в базі або прийшли після email-розсилки.
• Meta генерувала найбільше лідів, але конверсія в оплату була вдвічі нижчою, ніж у Google Performance Max.
• Email-канал в GA4 атрибутувався як “direct” через відсутність UTM у частині листів, і фактично зникав зі звітів.

Що змінили. Бюджет з Brand Search частково перерозподілили на Performance Max і нові аудиторії в Meta. Email отримав повноцінну UTM-розмітку. Для Meta змінили стратегію: замість конверсійних кампаній зробили акцент на awareness з ремаркетингом через Google.

Результат через 3 місяці. Рекламний бюджет скоротився на 22% за рахунок відключення неефективних кампаній. Кількість реальних оплат залишилась на тому ж рівні, а CAC знизився на 18%.

Ключовий інсайт: проблема була не в тому, що канали погано працювали. Проблема була в тому, що без наскрізної аналітики неможливо було зрозуміти, які саме працюють.

Чеклист готовності до наскрізної аналітики

Перш ніж будувати дашборди і підключати сховища, варто перевірити базу. Ось мінімальний набір умов, без яких наскрізна аналітика просто не запрацює:

Якщо більше половини пунктів не виконані, це не привід відкладати аналітику, а чіткий план з чого починати.

Безкоштовна консультація з маркетингової аналітики

Побудова наскрізної аналітики – це система, яка потребує правильної архітектури з самого початку. Помилки на рівні збору даних або атрибуції коштують дорого: не грошима, а місяцями рішень на основі неправдивих цифр.

Команда IWIS будує такі системи для українського бізнесу: від аудиту поточного стану до повноцінного дашборду з інтеграцією CRM і рекламних кабінетів.

Якщо хочете зрозуміти, де у вашій аналітиці зараз втрачаються дані і які канали насправді приносять гроші,  запишіться на консультацію з маркетингової аналітики. Без зобов’язань, конкретно по вашій ситуації.