ניתוח מקיף של משפך המרות באמצעות GA4 ו-BigQuery

תארו לעצמכם אתר מסחר אלקטרוני שמאבד 60% מהמשתמשים בין הוספת מוצר לעגלה לבין תחילת תהליך התשלום. ללא ניתוח מפורט של משפך המרות, איתור הגורם לכך הוא בלתי אפשרי. לדוגמה, לקוח אחד — חנות אלקטרוניקה — איבד 70% מהתנועה בשלב בחירת המשלוח. לאחר ניתוח באמצעות משפך רכישה והקלטות Hotjar, גילינו שהטופס דרש כתובת לפני הצגת עלות המשלוח. שינוי הסדר הגדיל את ההמרה לתחילת תשלום ב-25%, וחסך ללקוח 5,000 דולר בחודש בהכנסות אבודות.

אנו מבצעים ניתוח מקיף של משפך המרות: הגדרת אירועים ב-Google Analytics 4, ייצוא נתונים ל-Google BigQuery, פילוח לפי מכשיר וערוץ, ואיתור נקודות חנק. תוך 3–5 ימי עסקים, תקבלו דוח עם המלצות ספציפיות — מתיקוני טפסים ועד לשינוי לוגיקת רימרקטינג. חיסכון בתקציב הפרסום באמצעות מיקוד מדויק יכול להגיע ל-15%.

הגישה שלנו מבוססת על ניסיון עם פרויקטים בקנה מידה מגוון — מחנויות מקוונות קטנות ועד מרקטפלייסים גדולים, עם למעלה מ-200 פרויקטים שנ przeanalizowano. כל דוח כולל לא רק מספרים אלא גם ניתוח התנהגותי: מדוע משתמשים נושרים בשלב הספציפי הזה.

כיצד לבצע ניתוח משפך המרות

1. ביקורת מעקב אירועים קיים – ודאו את תקינות הנתונים ב-GA4.
2. הגדרת אירועים חסרים – הוסיפו אירועים מותאמים אישית (לדוגמה, "התחלת מילוי טופס") באמצעות gtag או GTM.
3. יצירת משפך ב-GA4 – השתמשו ב-Explore → Funnel exploration עם שלבים ופילוחים.
4. ניתוח עם BigQuery – כתבו שאילתות SQL מותאמות לפילוח קבוצות ותובנות עמוקות יותר. BigQuery מספק פילוח גרנולרי פי 5 יותר מאשר GA4 בלבד.
5. סקירת הקלטות סשן – השתמשו ב-Hotjar/Clarity כדי לראות התנהגות משתמשים בנקודות הנשירה. הקלטות סשן נותנות הבנה טובה פי 2 של התנהגות המשתמשים בהשוואה למספרים בלבד.
6. הגשת דוח – תעדוף נקודות חנק והצעת שינויים.

אילו שלבי משפך אנו מנתחים?

לחנות מסחר אלקטרוני, השלבים האופייניים: צפייה במוצר → הוספה לעגלה → תחילת תשלום → הזנת פרטי תשלום → רכישה. עבור SaaS — הרשמה → הפעלה → שימוש בתכונה מרכזית → תשלום. אנו מתאימים את המשפך למודל העסקי שלכם. להלן דוגמה להמרות אופייניות לפי מכשיר:

סיבות נפוצות לנטישת תשלום

הבעיות השכיחות ביותר — טפסים ארוכים, עלויות בלתי צפויות (משלוח, מסים), או חוסר באמצעי תשלום נוחים. באמצעות הקלטות סשן (Hotjar) ומפות חום, אנו רואים את רגע התסכול המדויק. לדוגמה, לקוח נוטש את הטופס בדיוק בשדה "מספר טלפון" — כלומר, האימות מעורר ספקות. במקרים כאלה, פישוט הטופס או הוספת השלמה אוטומטית עוזרים. בפרויקט אחד, צמצמנו את נטישת התשלום ב-35% על ידי הסרת שלב יצירת חשבון חובה. לקוח SaaS אחר הפחית את נטישת ההרשמה ב-40% לאחר יישום ההמלצות שלנו.

הגדרת מעקב ב-GA4

ראשית, אנו בודקים את תיוג האירועים בכל שלב. אם אין קיים, אנו מיישמים אירועים מותאמים אישית באמצעות gtag או GTM:

// Разметка событий воронки на каждом шаге
// Шаг 1: Просмотр страницы товара
gtag('event', 'view_item', {
  items: [{
    item_id: product.id,
    item_name: product.name,
    price: product.price
  }]
});
// Шаг 2: Добавление в корзину
gtag('event', 'add_to_cart', {
  currency: 'RUB',
  value: product.price,
  items: [{
    item_id: product.id,
    quantity: 1
  }]
});
// Шаг 3: Начало оформления
gtag('event', 'begin_checkout', {
  currency: 'RUB',
  value: cartTotal,
  items: cartItems
});
// Шаг 4: Добавление платёжных данных
gtag('event', 'add_payment_info', {
  payment_type: 'card',
  value: cartTotal
});
// Шаг 5: Покупка
gtag('event', 'purchase', {
  transaction_id: order.id,
  value: order.total,
  currency: 'RUB'
});

לאחר ההגדרה, אנו יוצרים משפך ב-GA4: Explore → New exploration → Funnel exploration. הוסיפו שלבים, כולל פילוח לפי מכשיר ומקור/מדיום.

ניתוח באמצעות BigQuery

לפילוח עמוק יותר, אנו משתמשים ב-Google BigQuery — הוא מספק פילוח מפורט פי 5 יותר מאשר GA4 בלבד. שאילתות מאפשרות חישוב המרה בכל מעבר והשוואה בין קבוצות:

-- Конверсия на каждом шаге воронки
WITH funnel AS (
  SELECT
    user_pseudo_id,
    MAX(CASE WHEN event_name = 'view_item' THEN 1 ELSE 0 END) AS viewed,
    MAX(CASE WHEN event_name = 'add_to_cart' THEN 1 ELSE 0 END) AS added,
    MAX(CASE WHEN event_name = 'begin_checkout' THEN 1 ELSE 0 END) AS checkout,
    MAX(CASE WHEN event_name = 'purchase' THEN 1 ELSE 0 END) AS purchased
  FROM `project.analytics.events_*`
  WHERE _TABLE_SUFFIX BETWEEN '20240301' AND '20240331'
  GROUP BY user_pseudo_id
)
SELECT
  COUNT(*) AS total_users,
  SUM(viewed) AS viewed,
  SUM(added) AS added_to_cart,
  SUM(checkout) AS started_checkout,
  SUM(purchased) AS purchased,
  ROUND(SUM(added) * 100.0 / SUM(viewed), 1) AS view_to_cart_rate,
  ROUND(SUM(checkout) * 100.0 / SUM(added), 1) AS cart_to_checkout_rate,
  ROUND(SUM(purchased) * 100.0 / SUM(checkout), 1) AS checkout_to_purchase_rate,
  ROUND(SUM(purchased) * 100.0 / SUM(viewed), 2) AS overall_cvr
FROM funnel;

פילוח וכלים

פילוח לפי מכשיר מראה שהמרה בנייד נמוכה ב-30% — יש צורך בהתאמת טופס. אנו גם משתמשים בשאילתות לפילוח:

-- Воронка в разрезе устройств
SELECT device_category,
       COUNT(DISTINCT CASE WHEN step >= 1 THEN user_id END) AS step1_users,
       COUNT(DISTINCT CASE WHEN step >= 2 THEN user_id END) AS step2_users,
       COUNT(DISTINCT CASE WHEN step >= 3 THEN user_id END) AS step3_users,
       ROUND(COUNT(DISTINCT CASE WHEN step >= 3 THEN user_id END) * 100.0 / NULLIF(COUNT(DISTINCT CASE WHEN step >= 1 THEN user_id END), 0), 1) AS cvr
FROM funnel_data
GROUP BY device_category;

כדי לזהות נקודות נשירה, אנו משתמשים לא רק במספרים אלא גם בכלים התנהגותיים:

• Hotjar/Clarity: הקלטות סשן של משתמשים שעצרו בשלב בעייתי
• מפות חום: היכן הם לוחצים וגוללים
• ניתוח טפסים: שדות שבהם הם נוטשים

// Отслеживание abandonment на форме чекаута
document.querySelectorAll('#checkout-form input').forEach(field => {
  field.addEventListener('blur', () => {
    gtag('event', 'checkout_field_blur', {
      field_name: field.name,
      has_value: field.value.length > 0
    });
  });
});

// Отслеживание выхода со страницы без отправки
window.addEventListener('beforeunload', () => {
  if (document.querySelector('#checkout-form') && !formSubmitted) {
    gtag('event', 'checkout_abandonment', {
      last_field: lastFocusedField
    });
  }
});

השוואת שיטות ניתוח

GA4 הוא הטוב ביותר לתמונות מצב מהירות, BigQuery לייחוס מורכב (חזק פי 5), ו-Hotjar להבנה איכותית. זמן ניתוח ממוצע הוא 3-5 ימים, המאפשר יישום מהיר של שיפורים והגדלת CVR ב-15-30%. ניתוח בסיסי עולה בין 500 ל-1,500 דולר בהתאם למורכבות.

היקף העבודה

• ביקורת תיוג אירועים נוכחי — בדיקת תקינות הנתונים ב-GA4.
• הגדרת אירועים חסרים — הוספת אירועים מותאמים אישית (לדוגמה, "התחלת מילוי טופס").
• יצירת משפך ב-GA4 ו-BigQuery — עם פילוח לפי מכשיר, ערוץ וקבוצה.
• ניתוח נטישה — סקירת הקלטות סשן ומפות חום בשלבים בעייתיים.
• דוח עם המלצות — רשימת נקודות חנק, סדרי עדיפויות ושינויים ספציפיים (ללא יישום).
• ייעוץ — שיחה או התכתבות להסברת התוצאות.

טעויות נפוצות בהגדרת משפך: מבנה אירועים שגוי (לדוגמה, אי-התאמת מטבע), חוסר ב-User ID לניתוח חוצה מכשירים, סדר שלבים שגוי (נשירה מנופחת), והתעלמות מפילוח ערוצים. ללא פילוח, לא תראו ש-50% מההפסדים מגיעים מתנועה ממומנת.

לוח זמנים ועלות

ניתוח בסיסי (הגדרה + דוח) אורך 3–5 ימי עסקים. אם נדרש יישום, לוח הזמנים מתארך ל-10 ימים. העלות מחושבת באופן אישי בהתאם למורכבות המשפך ומספר השלבים. קבלו הערכת פרויקט — צרו קשר, ונכין הצעה מסחרית.

עם ניסיון של למעלה מ-10 שנים ו-200+ פרויקטים, אנו מבטיחים תובנות ישימות. קבלו ייעוץ על ניתוח משפך המרות — נזהה נקודות חנק ונציע פתרונות שיגדילו את ה-CVR ב-15–30%. צרו קשר כדי להתחיל.