שירותי הגדרת אנליטיקה עבור 1C-Bitrix

מדוע האנליטיקה של 1C‑Bitrix מטעה?

המונה מותקן, הפיקסלים מוצבים, ה‑CRM מחובר — ובכל זאת המספרים סוטים לכל הכיוונים. המרות מסחר אלקטרוני לא עוברות ל‑dataLayer. תגי UTM הולכים לאיבוד בהפניות URL. איש השיווק רואה 100 לידים, המנהל המסחרי רואה 70 עסקאות, וכל צד מחשב אחרת. ההחלטות מתקבלות על פי אינטואיציה ותקציב הפרסום מתאדה.

אנחנו מגדירים אנליטיקה ל‑1C‑Bitrix כבר למעלה מעשור. טיפלנו ביותר מ‑500 פרויקטים — מחנויות מקוונות קטנות ועד רשתות קמעונאיות פדרליות עם מחזור של 18–26 מיליון דולר. הניסיון מראה: ב‑90% מהמקרים ה‑dataLayer חסר או מכיל שגיאות שגונבות 30–40% מאירועי המסחר האלקטרוני. הגישה שלנו היא לא "להתקין מונה ולשכוח", אלא אנליטיקה מלאה מקצה לקצה עם העברה נכונה מובטחת של כל הפרמטרים הקריטיים. לפי המאמר על אנליטיקת ווב, מעקב תקין מפחית פערי ייחוס (attribution) בעד 80%.

אנליטיקה ספציפית לפלטפורמה: Yandex.Metrica ו‑Google Analytics 4

התקנה בסיסית וטעויות נפוצות

כולם מתקינים את מונה Metrica. רק מעטים עושים זאת נכון.

• התקנה דרך GTM, לא על ידי הכנסה ל־header.php — אחרת המונה הולך לאיבוד בעדכון תבנית.
• יעדים: לא "לחיצה על כפתור" כללי, אלא יעדים ספציפיים — basket_add, שליחת טופס bx_form_submit, ניווט ל־/personal/order/make/.
• Webvisor: מופעל, אבל מקליט רק 1% מהסשנים כי הגדרת דגימה. הגדר את אחוז ההקלטה ל־20–30% לאיזון נתונים — ואל תתעלם מחוק 152 הפדרלי.
• סינון תעבורה פנימית: בלעדיו, תעבורת עובדים מוסיפה 15–20% ביקורים זבל. סנן לפי IP, עוגיית _ym_debug וכותרים (headers).

התקנה מבוססת GTM מהירה פי שלושה מהכנסת קוד ישירה ומפחיתה שגיאות פריסה ב־70% — זה לבדו חוסך לך שבועות של פתרון בעיות.

מסחר אלקטרוני — התכונה הכי לא מוערכת

מודול ה‑eCommerce ב‑Metrica מעביר את שרשרת התנהגות הלקוח המלאה. הבעיה היא שב‑Bitrix, כברירת מחדל, הוא עובד רק עם רכיב sale.order.ajax, וגם אז בצורה גרועה — הוא מאבד את remove_from_cart בעדכוני עגלת AJAX.

אנחנו מעבירים את הנתונים הבאים ל‑dataLayer:

• צפייה במוצר — id, name, brand, category, price. בלי מותג, Metrica לא תיבנה דוח מותגים; בלי קטגוריה — לא תיבנה דוח קטגוריות.
• הוספה לסל — אנחנו תופסים את אירוע onBXAddToBasket דרך JS, לא דרך ה־handler OnSaleBasketItemAdd בשרת. ה‑handler בשרת לא יודע על הקונטקסט של JS.
• הסרה מהסל — מלכודת: רכיב sale.basket.basket הסטנדרטי לא מייצר אירוע הסרה נפרד בעדכוני AJAX. נדרש observer מותאם אישית.
• רכישה — מועבר ב־sale/order/complete/, כולל קופון והכנסות עם הנחות.

איך לתקן את ה‑dataLayer למסחר אלקטרוני ב‑1C‑Bitrix?

השגיאה הנפוצה ביותר: מפתחים דוחפים אירועים מצד השרת ללא קונטקסט JS. כתוצאה מכך, GA4 מקבל מערך BX.addCustomEvent('onBXAddToBasket', function(product) { window.dataLayer.push({ 'event': 'add_to_cart', 'ecommerce': { 'items': [{ 'item_id': product.id, 'item_name': product.name, 'price': product.price, 'quantity': 1 }] } }); }); שבור. הגישה הנכונה — להשתמש באירועי JavaScript של Bitrix ולדחוף אחרי ש‑DOM מוכן.

דוגמה להגדרת dataLayer מתוקנת עבור PRODUCT_ID:

BX.addCustomEvent('onBXAddToBasket', function(product) { window.dataLayer.push({ 'event': 'add_to_cart', 'ecommerce': { 'items': [{ 'item_id': product.id, 'item_name': product.name, 'price': product.price, 'quantity': 1 }] } }); }); 

נתונים שנשלחים ל‑Metrica ול‑GA4

למה GA4 דורש הגדרה ידנית עבור Bitrix

GA4 עובד על אירועים, לא על היטים. אין "צפיות עמוד" במובן הרגיל — יש view_item_list → select_item → view_item → add_to_cart → view_cart → begin_checkout → add_shipping_info → add_payment_info → purchase כאחד האירועים. עבור Bitrix, זה אומר שמעברי AJAX (סינון קטלוג, פגינציה) צריכים להידחף ידנית.

אירועי מסחר אלקטרוני מרכזיים: purchase. כל אירוע דורש סט פרמטרים משלו. transaction_id ללא add_to_cart לא ייספר. items ללא מערך user_type חסר ערך. GA4 יבלע בשקט נתונים לא תקינים ויציג דוחות ריקים. לפי הסטטיסטיקה שלנו, ב‑60% מפרויקטי Bitrix, GA4 מוגדר בניגוד למפרט Enhanced E-commerce. זה מוביל לאובדן של עד 40% מהעסקאות בדוחות. חוסר בפרמטר מותג לבדו גורם ל־70% משגיאות מעקב המסחר האלקטרוני — תיקון של 20 דקות יכול להחזיר 15–20% מהנראות האבודה.

פרמטרי משתמש שבאמת חשובים

אל תעביר הכל. חמישה פרמטרים שנותנים 80% מהערך:

• user_group — אורח / רשום / סיטונאי
• order_count — קבוצת משתמשים מ‑Bitrix
• cumulative_discount — מספר הזמנות למשתמש
• first_source — הנחה שנצברה
• (direct) — UTM של הביקור הראשון

אנליטיקה מקצה לקצה ודשבורדים

Metrica רואה ביקורים. CRM רואה עסקאות. חשבונות פרסום רואים הוצאות. אבל הקשר ביניהם שבור. מנהל סוגר עסקה ב־500 אלף דולר, אבל Metrica מציגה מקור <cite>По нашим данным, после внедрения сквозной аналитики клиенты перераспределяют бюджет в пользу каналов с высоким LTV, и ROI растёт в среднем на 25% за квартал.</cite> כי הלקוח הגיע דרך סימנייה ישירה, בעוד שהמגע הראשון היה דרך חיפוש ממומן לפני שלושה חודשים.

אנליטיקה מקצה לקצה סוגרת את השרשרת: קליק מודעה → ביקור → ליד ב‑CRM → עסקה → תשלום → ROI. אחרי יישום אנליטיקה מקצה לקצה, לקוחות בדרך כלל מקצים מחדש תקציב לערוצים עם LTV גבוה, וה‑ROI גדל בממוצע ב־25% לרבעון. חנות Bitrix בינונית מפסידה 30,000–50,000 דולר בשנה בגלל המרות עם ייחוס שגוי — אחרי תיקון ה‑dataLayer לקוח אחד ראה עלייה של 120,000 דולר בהכנסות עם ייחוס נכון. לקוח אחר חסך 15,000 דולר בחודש בהוצאות פרסום מבוזבזות תוך שבועיים מהתיקון.

איך אנחנו אוספים ומאגדים נתונים

1. תגי UTM נשמרים בעוגייה עם TTL של 90 יום ומועתקים למערכת מקצה לקצה.
2. כשנוצר ליד ב‑Bitrix24, אנחנו כותבים UTM לשדות עסקה מותאמים אישית.
3. מעקב שיחות מחליף את המספר ומקשר את השיחה לביקור.
4. המנהל מזיז את העסקה במשפך, סוגר אותה — הסכום מקושר למקור.
5. השירות מאגד הוצאות דרך APIs של חשבונות פרסום.
6. ROI = (הכנסות — הוצאות) / הוצאות עבור כל קמפיין.

השוואת כלים

איפה בדיוק החור במשפך שלך?

משפך חנות Bitrix טיפוסי:

הנשירה בתשלום היא היקרה ביותר. המשתמש כבר רצה לקנות, כבר הוסיף לסל, ואז b_sale_basket זורק שגיאת 500 בגלל handler משלוח לא מוגדר. אחרי ביקורת משפך, אנחנו מתקנים את הבעיה, והמרת התשלום עולה פי 1.5–2 תוך חודש.

ניתוח קוהורטות ותובנות LTV

אנחנו מקבצים לפי חודש רכישה ראשונה, בודקים שימור אחרי 30, 60, 90 יום. ב‑DataLens, זה נבנה דרך שאילתת SQL ל־sale.order.ajax עם sale.order.ajax. התובנה המרכזית: איזה ערוץ מושך לקוחות עם LTV גבוה. קונטקסט עשוי לתת הזמנות ראשונות זולות אבל אפס שיעור חוזר. תעבורת SEO ממירה גרוע יותר אבל חוזרת. בלי הניתוח הזה, אתה מסתכן בתשלום יתר על ערוצים שמביאים קונים חד־פעמיים.

מה כלול בשירות הגדרת האנליטיקה שלנו

• תיעוד: מפה מלאה של כל אירוע, פרמטר וטריגר — משמשת לביקורות עתידיות ולהדרכת חברי צוות חדשים.
• גישה: דשבורדים משותפים ב‑DataLens / Looker Studio (DataLens מציג נתונים פי שניים מהר יותר עבור מערכי נתונים גדולים), בנוסף לדוחות CRM.
• הדרכה: מפגש של שעה למשווקים ולמחלקה המסחרית על איך לקרוא דוחות ולזהות חריגות.
• תמיכה: חודש תמיכה טכנית לאחר ההשקה — כולל דיבאג חי אם דוחות Metrica או GA4 נראים חשודים.

איך להתחיל: ביקורת והגדרה

בוא נבדוק אם אתה מפסיד כסף על אנליטיקה: נערוך ביקורת של ההגדרה הנוכחית שלך ביום אחד. הזמן הגדרת אנליטיקה מקצה לקצה וקבל דשבורד עם ROI אמיתי לכל ערוץ תוך שבועיים בלבד. קבל ייעוץ על תיקון dataLayer ובחירת הכלי הנכון לאנליטיקה מקצה לקצה עבור פרויקט Bitrix שלך. קבע אבחון היום — נראה לך בדיוק איפה הנזילות. צור קשר כדי להתחיל את מהפכת האנליטיקה שלך ולהשיב לעצמך כל דולר עם ייחוס שגוי.