Współczynnik sesji / kliknięć, czyli co zrobić, gdy tylko 50% kliknięć zamienia się w sesje

Nie tak dawno temu, za kilkoma witrynami, za czterema Analyticsami i niezliczoną liczbą wykresów, żyły sobie kampanie Google Ads. Generowały ruch. Generowały sprzedaż. Wszyscy byli szczęśliwi. Do czasu.

Sprzedaż rosła, ambicje rosły razem z nią, aż w końcu stało się jasne: żeby iść dalej, trzeba sięgnąć po działania zasięgowe. Marketerzy zrobili to, co w takich momentach robią najlepiej — zajrzeli w dane. I wtedy zapadła cisza.

Google Ads raportował mnóstwo kliknięć. Google Analytics już niekoniecznie. Liczba sesji ledwo dobijała do połowy kliknięć. Połowy. Specjaliści wiedzieli jedno: ruch trzeba zwiększyć. Wiedzieli też drugie: coś tu bardzo nie gra.

Jak generować więcej sesji, skoro połowa kliknięć znika bez śladu?

Brzmi znajomo? Jeśli tak — dobrze trafiłeś / trafiłaś. Jeśli nie — sprawdź współczynnik sesji / kliknięć w swoich kampaniach. Koniecznie w podziale na typy kampanii. Ostrzegamy: wyniki potrafią być emocjonujące.

A teraz wróćmy do naszej historii i przejdźmy przez ten sam proces myślowy, przez który przeszli jej bohaterowie — specjaliści SEM i zespół Google Analytics z data.rocks.

Czy różnica w sesjach i kliknięciach to problem?

To było pierwsze pytanie, jakie padło. I odpowiedź pojawiła się niemal natychmiast, jak mantra świata analityki:

To zależy.

Kliknięcia i sesje to dwie zupełnie różne metryki, więc ich wartości prawie nigdy nie będą sobie równe. I to jest normalne.

Kliknięcia w Google Ads oznaczają każde kliknięcie reklamy. Zliczane są w momencie interakcji z reklamą — bez względu na to, czy strona docelowa faktycznie się załaduje i czy użytkownik zrobi na niej cokolwiek sensownego.

Sesje w Google Analytics zaczynają się dopiero wtedy, gdy kod Analytics poprawnie uruchomi się w przeglądarce użytkownika. Jedna sesja obejmuje wszystkie działania użytkownika w określonym czasie (domyślnie do 30 minut braku aktywności).

Współczynnik sesji / kliknięć pokazuje więc, jak bardzo te dwa światy się rozmijają. Liczymy go prosto:

• Google Ads: 1000 kliknięć
• GA4: 500 sesji
• Współczynnik sesji / kliknięć: 50%

I tu zaczyna się cała lista powodów, przez które kliknięcia nie chcą zamieniać się w sesje.

Najczęstsze z nich to:

• Strona nie zdąży się załadować — użytkownik kliknie reklamę, ale zamknie kartę szybciej, niż Analytics zdąży się obudzić.
• Blokowanie skryptów — adblockery, ustawienia prywatności, brak zgody cookies. Klasyka.
• Jedno kliknięcie, wiele sesji (albo odwrotnie) — Google Ads liczy kliknięcia, Analytics sesje. Jeśli użytkownik kliknie reklamę dwa razy w ciągu 30 minut w tej samej przeglądarce, Analytics może zarejestrować tylko jedną sesję. A jeśli zapisze link z oznaczeniem kliknięcia (gclid) w zakładkach albo wyśle go dalej — jedno kliknięcie potrafi wygenerować kilka sesji.
• Różnice w czasie — Ads przypisuje kliknięcie do momentu kliknięcia reklamy, Analytics sesję do momentu wejścia na stronę.
• Nieoptymalne kampanie — na przykład reklamy wyświetlane w aplikacjach z grami dla dzieci. Kliknięcia są, sesji brak. Zaskoczenie? Niespecjalnie.

W praktyce GA4 prawie zawsze rejestruje mniej sesji niż Google Ads kliknięć. I dopóki ta różnica mieści się w rozsądnych granicach — nie ma powodu do paniki.

A jakie to granice?

Nasi bohaterowie przejrzeli dane różnych klientów data.rocks. Rozbieżności wahały się od 10% do nawet 60%. Wniosek był prosty: im mniejsza rozbieżność, tym spokojniejszy sen. A gdy wynik zbliża się do 50% — warto się zatrzymać i zacząć drążyć temat.

Jak wygląda rozbieżność różnych typów kampanii?

Kolejny krok był naturalny: sprawdzenie, czy wszystkie kampanie zachowują się tak samo.

Nie zachowywały się.

Współczynnik sesji / kliknięć wyraźnie różnił się w zależności od typu kampanii. Najwyższe wartości — kampanie displayowe. Najniższe — sieć wyszukiwania. Czyli dokładnie tak, jak można się było spodziewać.

Dalsza analiza w Google Ads ujawniła kilka niewykorzystanych możliwości optymalizacji, między innymi wykluczenie wyświetlania reklam na stronach i w aplikacjach z grami. To prawdziwe kopalnie przypadkowych kliknięć.

Problem w tym, że to wciąż było za mało.

Kampanie nie miały rażących błędów. Testowały różne grupy docelowe, różne formaty, różne treści. Nie było jednego oczywistego winowajcy. A czas nie działał na niczyją korzyść — klient zaczynał się niecierpliwić.

W tym momencie specjaliści SEM postanowili sięgnąć po wsparcie analityków. Bo jeśli problem nie leży w kampaniach, to może leży… głębiej.

Jak działanie GA4 wpływa na współczynnik sesji / kliknięć?

Analitycy zanurzyli się w konfiguracji GA4 i Google Tag Managera. I dość szybko trafili na kilka interesujących tropów.

Brak danych modelowanych

Dane modelowane dotyczą użytkowników, którzy nie wyrazili zgody na śledzenie w cookie banerze. Jeśli consent mode działa w opcji advanced i GA4 ma wystarczająco dużo danych, algorytmy Google potrafią uzupełnić część braków.

W tym przypadku dane modelowane nie były aktywne. To zwiększało rozbieżność. Niestety nawet ich włączenie nie rozwiązywało problemu w stopniu, który można by uznać za satysfakcjonujący.

Krótkie sesje

I tu — jak to się mówi — był pies pogrzebany.

Okazało się, że tag Google Analytics ładuje się po ponad 5 sekundach. Czasem nawet później. A to oznacza jedno: najkrótsze sesje w ogóle nie były rejestrowane.

Analitycy sięgnęli po swoją tajną broń — narzędzia deweloperskie — i potwierdzili przypuszczenia. W niektórych przypadkach kod GA4 uruchamiał się dopiero po 7 sekundach.

Zainstalowano więc dodatkowe, uproszczone narzędzie do analizy ruchu, które działało już po około 2 sekundach. I wtedy liczby zaczęły mówić same za siebie:

• średnio 26% ruchu znikało w ciągu pierwszych kilku sekund od wejścia na stronę,
• GA4 nie rejestrowało około 20% ruchu z Google Ads, a w przypadku Instagrama — nawet 80%!,
• od kliknięcia reklamy do wywołania zdarzenia session_start potrafiło minąć do 10 sekund,
• rozbieżności były największe na mobile, gdzie błędne kliknięcia zdarzają się częściej.

Problem został zidentyfikowany. Ulga? Przez chwilę.

Analitycy przygotowali rekomendacje dla działu IT: porządki w kodach, usunięcie zbędnych skryptów, zmiany kodu Google Tag Managera. Podstawy deweloperskich zasad BHP.

I wtedy przyszła kolejna wiadomość, która skutecznie ostudziła entuzjazm.

Klient nie miał możliwości zaangażować działu IT. Przynajmniej nie teraz.

Czasu było mało. Presja rosła. A tygodnie prac programistycznych nie wchodziły w grę. Wspólnie z zespołem SEM analitycy zaczęli więc szukać rozwiązania, które da się wdrożyć tu i teraz.

Jak optymalizować kampanie Google Ads pod generowanie sesji w Google Analytics?

Z problemem u źródła — czyli działaniem kodu GA4 — nie dało się w tym momencie wygrać.

— Ale chwila — padło w pewnym momencie. — Czy my naprawdę potrzebujemy kilkusekundowych sesji?

Trudno było się z tym nie zgodzić.

Takie wizyty zapychają listy remarketingowe, ale rzadko niosą ze sobą realną wartość. A skoro nie da się poprawić GA4, może da się nauczyć kampanie dostarczania lepszych sesji?

Konfiguracja konwersji w Google Ads

Zespół postanowił przetestować kampanie optymalizowane nie pod kliknięcia, a pod sesje rejestrowane w GA4. Wymagało to stworzenia zestawu nietypowych konwersji, które miały świadczyć o realnym zaangażowaniu użytkownika.

Konwersje świadczące o zaangażowaniu

To był najbardziej naturalny zestaw — oparty na zachowaniach użytkowników na stronie. Znalazły się tu m.in.: kliknięcie w produkt, dodanie do koszyka, wyświetlenie koszyka, rozpoczęcie checkoutu, dodanie danych płatności czy użycie wyszukiwarki produktów.

Ten typ konwersji najlepiej sprawdza się w kampaniach displayowych, które rzadko dowożą sprzedaż bezpośrednio, ale mogą skutecznie budować zainteresowanie. Oczywiście — wiele zależy od branży i samej witryny. Jeśli użytkownicy mają powód, by zostać na stronie dłużej (blog, rozbudowana oferta, kolekcje do przeglądania), testy potrafią dać bardzo obiecujące wyniki. Cel był prosty: docierać do ludzi, którzy faktycznie wchodzą w interakcję z treściami. A to — jak dobrze wiemy — pierwszy krok do zakupu.

Akceptacja zgód w cookie bannerze

Druga grupa była bardziej techniczna. Zdarzenie page_view_consent_granted gwarantuje zliczenie sesji niezależnie od danych modelowanych. Brzmi dobrze? Prawie. Jego słabą stroną jest potencjał do generowania ruchu niższej jakości — bo nie każda osoba, która kliknie „Akceptuję”, naprawdę interesuje się ofertą. Dlatego ta konwersja trafiła tylko do wybranych kampanii i miała pełnić rolę punktu odniesienia w testach.

Minimalne zaangażowanie w sesji

Trzeci zestaw był próbą znalezienia złotego środka. Dwie odsłony strony (2_page_views) i minimum 10 sekund spędzonych w witrynie — czyli odpowiednik zdarzenia user_engagement w GA4. Taki próg pozwalał odsiać zupełnie przypadkowe wejścia, a jednocześnie zwiększyć liczbę sesji, które kampanie były w stanie realnie dostarczyć.
Specjaliści SEM dodali te konwersje do wybranych kampanii displayowych i zaczęli uważnie obserwować, jak zmienia się współczynnik sesji / kliknięć oraz koszt sesji. Cel był jasny: dostarczyć jak najwięcej jakościowego ruchu, który faktycznie zostanie na stronie — i zapamięta markę.

Optymalizacja kampanii

Gdy mikrokonwersje zaczęły już działać w kampaniach, wcale nie zrobiło się spokojniej. Było już wiadomo, co mierzyć. Nadal jednak nie było pewne, który z tych sygnałów naprawdę poprowadzi kampanie w stronę wartościowego ruchu, a nie tylko ładnych wykresów.

Przed zespołem stało kilka dróg. Każda wyglądała obiecująco. Każda mogła skończyć się rozczarowaniem. A budżet — jak to budżet — nie przepada za eksperymentami bez efektów.

Dlatego kampanie zaczęły działać równolegle w różnych konfiguracjach. Testowano między innymi:

• miks sygnałów zaangażowania — kampanie optymalizowane pod miks zdarzeń świadczących o zainteresowaniu (2_page_views + zaangażowanie + zakup)
• sygnał techniczny — wykorzystanie zdarzenia akceptacji śledzenia w cookie bannerze (page_view_consent_granted) jako punktu odniesienia, pokazujący, jak wygląda ruch najłatwiejszy do zdobycia
• klasyczne podejście oparte na kliknięciach — zostawione celowo jako grupa kontrolna

W powietrzu wisiało jedno pytanie: czy algorytmy rzeczywiście „zrozumieją”, że nie chodzi o byle wejście, tylko o takie, które ma szansę przerodzić się w coś więcej?

Nowy rozdział: Demand Gen

Do tej pory naturalnym wyborem przy budowaniu zasięgu była sieć reklamowa. Szeroka. Obecna wszędzie. Przewidywalna. Ale też coraz częściej rozczarowująca. Nawet po odcięciu najbardziej podejrzanych miejsc wciąż zostawało wrażenie, że część ruchu to tylko cyfrowy szum.

W tym momencie do historii dołączył nowy bohater — kampanie Demand Gen.

Na pierwszy rzut oka robiły coś podobnego: budowały widoczność marki. W praktyce działały w innym środowisku, np. na YouTube czy kartach Discover — bliżej treści, bliżej użytkownika, bliżej momentów, w których uwaga jest czymś więcej niż przypadkiem. I właśnie ta różnica zaczęła powoli zmieniać bieg wydarzeń.

Tam, gdzie tradycyjny display często kończył się na kliknięciu bez dalszego ciągu, Demand Gen coraz częściej doprowadzał użytkownika faktycznie na stronę. Nie zawsze na długo. Nie zawsze od razu z intencją zakupu. Ale wystarczająco często, by dane zaczęły wyglądać inaczej.

Gdy liczby zaczęły mówić innym tonem

Mijały kolejne tygodnie, kampanie uczyły się nowych sygnałów, a budżety były przesuwane ostrożnie.

I wtedy stało się coś, na co wszyscy czekali — liczby przestały się ze sobą kłócić.

Kampanie optymalizowane pod zestaw sygnałów zaangażowania zaczęły dostarczać sesje wyraźnie taniej niż te oparte wyłącznie na kliknięciach. Co ważniejsze, rosła nie tylko liczba sesji, ale też ich jakość mierzona dalszymi interakcjami użytkowników.

• Kampanie Demand Gen optymalizowane pod miks (2_page_views + zaangażowanie + zakup), dostarczały sesje przy najniższym koszcie jednostkowym – często poniżej 1 zł.
• Podczas gdy kampanie na max. kliknięć (np. typowa kampania GDN) notowały współczynnik sesji do kliknięć na poziomie marnych 5%, kampanie optymalizowane pod mikrokonwersje osiągały wyniki powyżej 20%, 30%, a w szczytowych momentach nawet 50%!

Zamiast ścigać jak najtańsze kliknięcia, kampanie zaczęły szukać użytkowników, którzy mieli szansę zostać na stronie choć trochę dłużej. Zamiast maksymalizować liczbę wejść, zaczęto maksymalizować sens tych wejść.

I choć nie była to droga najprostsza ani najszybsza, pozwoliła wyjść z pułapki, w której połowa kliknięć znikała gdzieś między reklamą a pierwszym oddechem strony.

Czy to znaczy, że problem zniknął całkowicie? Nie do końca. Wciąż pozostawały pytania o skalę, o powtarzalność wyników, o to, jak bardzo można zaufać algorytmom uczącym się na sygnałach pośrednich. Ale jedno było już jasne: zmiana celu, pod który uczą się kampanie, potrafi zmienić bieg wydarzeń.

I pracowali długo i szczęśliwie..?

Po tygodniach analiz i testów, po niezliczonych spotkaniach wewnętrznych i zewnętrznych, udało się zdiagnozować problem i wprowadzić rozwiązanie omijające dział IT klienta. Udało się wdrożyć konwersje mikro i zoptymalizować pod nie kampanie. Poprawić współczynnik sesji do kliknięć i obniżyć koszty sesji. Uspokoić zniecierpliwionego klienta. Kosztowało to parędziesiąt godzin pracy wielu członków zespołu i trwało ponad trzy miesiące.

I wszystko zdawało się zmierzać do szczęśliwego zakończenia, gdy na horyzoncie pojawiło się nowe zagrożenie.

Był rok 2025, w branży zaczynano mówić o tym, że kliknięcia odchodzą w niepamięć. Tak zwany zero-click marketing, czyli sytuacja, gdy użytkownicy wyszukują treści – w Google Search, w narzędziach AI, w social media – ale nie klikają w nie. Prawdziwy koszmar digital marketerów, którzy przez długie lata raportowali jak kliknięcia przekładają się na akcje użytkowników na stronach – zakupy, pozostawienie danych kontaktowych, dodania do koszyka. Jak mierzyć efektywność kampanii, gdy klienci coraz rzadziej klikają w reklamy, a ich ścieżka do konwersji jest coraz mniej oczywista?

Ale to już zupełnie inna historia.