W skrócie
8 min czytaniaNiestandardowe wymiary wypełniają lukę między surowymi metrykami a użytecznymi wnioskami, dodając do każdej wizyty i działania w analityce kontekst taki jak poziom subskrypcji, kategoria treści czy rola użytkownika.
Same odsłony mówią tylko, że /docs dostało ruch. Analityka wdrożona na miarę mówi, czy ten ruch szukał dokumentacji API, instrukcji migracji czy pomocy w rozliczeniach i na jakim planie był czytelnik.
Niestandardowe wymiary zmieniają ogólną analitykę w użyteczną. Odsłony mówią, że /docs dostało ruch. Niestandardowy wymiar powie, czy dotyczył on dokumentacji API, instrukcji migracji, poradników dla początkujących czy stron konfiguracji dla dużych firm.
Sztuka polega na dodaniu kontekstu biznesowego bez zamieniania analityki w inwigilację. Dobre niestandardowe wymiary są ogólne, przewidywalne i powiązane z decyzjami. Złe są osobiste, dowolne i niemożliwe do opanowania.
- /docs dostało ruch
- Brak sygnału o intencji
- Brak możliwości porównania planów
- Ruch podzielony według content_type: dokumentacja API, instrukcje migracji, pomoc w rozliczeniach
- Wizyty oznaczone przez plan_tier
- Odpowiedzi na pytania, na które domyślna analityka nie odpowie
Czym są niestandardowe wymiary
Niestandardowy wymiar to dodatkowy atrybut dołączony do zdarzenia analitycznego, odsłony lub wizyty. Zamiast raportować tylko domyślne pola, takie jak ścieżka, źródło odesłania, przeglądarka i kraj, możesz raportować według pól dopasowanych do modelu twojego produktu lub treści.
Przykłady:
plan_tier: free, pro, business, enterprisecontent_type: blog, docs, comparison, changelogpage_category: pricing, onboarding, support, integrationaccount_age: new, active, maturerole: owner, admin, memberexperiment_variant: a, b
Są tak przydatne, bo odpowiadają na pytania, na które domyślna analityka nie odpowie: czy odwiedzający z dużych firm czytają strony o bezpieczeństwie przed umówieniem prezentacji? Czy użytkownicy darmowego planu docierają do dokumentacji aktywacji? Które kategorie treści przynoszą rejestracje na okres próbny?

Dobieraj wymiary na podstawie decyzji
Nie zaczynaj od pytania „co możemy śledzić?”. Zacznij od decyzji:
- Które kanały marketingowe przynoszą wartościowy ruch?
- Która dokumentacja zmniejsza liczbę zgłoszeń do wsparcia?
- Które obszary produktu napędzają aktywację?
- Który segment planów przechodzi z okresu próbnego na płatny?
- Które kampanie przyciągają odwiedzających, którzy naprawdę korzystają z produktu?
Następnie zdefiniuj najmniejszy potrzebny zestaw wymiarów.
| Decyzja | Przydatny wymiar | Czego unikać |
|---|---|---|
| Porównanie strategii treści | content_type, topic | e-mail autora, identyfikator czytelnika |
| Poprawa onboardingu | setup_stage | dokładny stan listy zadań użytkownika |
| Segmentacja ruchu B2B | company_size_bucket | nazwa firmy bez potrzeby |
| Analiza cen | plan_tier | wartość indywidualnej umowy |
| Prowadzenie eksperymentów | experiment_variant | trwały identyfikator między witrynami |
Zasady prywatności dla niestandardowych wymiarów
To właśnie w niestandardowych wymiarach zespoły analityczne przypadkiem zbierają dane osobowe. RODO definiuje dane osobowe szeroko, a CCPA obejmuje informacje, które można racjonalnie powiązać z konsumentem lub gospodarstwem domowym. Wymiar nie musi być nazwiskiem, by stwarzać ryzyko.
Unikaj wysyłania:
- adresów e-mail
- imion i nazwisk
- numerów telefonów
- identyfikatorów kont
- surowych identyfikatorów użytkowników
- adresów portfeli
- adresów IP
- dokładnej lokalizacji
- numerów faktur
- treści zgłoszeń do wsparcia
- wartości pól formularzy
Stosuj przedziały i etykiety. Użyj company_size: 11-50 zamiast dokładnej liczby pracowników. Użyj account_age: 30-90d zamiast znacznika czasu rejestracji. Użyj country: DE zamiast lokalizacji na poziomie miasta, chyba że miasto jest naprawdę potrzebne i zgodne z prawem.
Wytyczne CNIL dotyczące pomiaru oglądalności to przydatny punkt odniesienia: jeśli chcesz pozostać na obszarze niskiego ryzyka, danych analitycznych nie należy łączyć z niepowiązanymi zbiorami ani wykorzystywać do targetowania.
Wzorzec implementacji
Przed wdrożeniem zdefiniuj schemat zdarzeń:
type AnalyticsContext = {
content_type?: 'blog' | 'docs' | 'pricing' | 'support';
plan_tier?: 'free' | 'pro' | 'business' | 'enterprise';
role?: 'owner' | 'admin' | 'member';
experiment_variant?: 'a' | 'b';
};Następnie konsekwentnie dołączaj wymiary:
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
analytics.track('signup_started', {
plan_tier: 'pro',
page_category: 'pricing',
experiment_variant: 'b',
});W miarę możliwości korzystaj z zamkniętych list wartości. Wolny tekst trudno sprawdzać, tłumaczyć i agregować, a łatwo go nadużyć.
Lista kontrolna zarządzania
Przed dodaniem wymiaru zapisz:
- Właściciela: kto o niego poprosił i kto go utrzymuje.
- Pytanie: jaką decyzję wspiera.
- Dozwolone wartości: dokładną listę lub logikę przedziałów.
- Przegląd prywatności: dlaczego nie są to dane osobowe albo dlaczego przetwarzanie jest zgodne z prawem.
- Retencję: jak długo wymiar pozostaje przydatny.
- Pulpit: gdzie będzie faktycznie używany.
Jeśli nikt nie potrafi wskazać pulpitu ani decyzji, nie dodawaj wymiaru.
Typowe zastosowania
Skuteczność treści: oznaczaj artykuły według tematu, etapu lejka i typu treści. Pokaże to, czy lepiej konwertują poradniki o zgodności z przepisami, samouczki produktowe czy strony porównawcze.
Aktywacja produktu: oznaczaj zdarzenia według etapu konfiguracji. W produkcie SaaS zdarzenia workspace_created, integration_connected i first_report_viewed często znaczą więcej niż każde pojedyncze kliknięcie.
Kwalifikacja B2B: korzystaj z ogólnych przedziałów firmograficznych z własnego CRM tylko wtedy, gdy jest to uzasadnione. Porównuj na przykład ruch samoobsługowy, średnich firm i dużych przedsiębiorstw bez wysyłania nazw firm do analityki.
Eksperymenty: dołączaj nazwę eksperymentu i wariant do zdarzeń ekspozycji i konwersji. Po zakończeniu eksperymentu usuń wymiar, jeśli nie ma dalszej wartości.

Wskazówki dotyczące raportowania
Nie dziel każdej metryki według każdego wymiaru. Powstają wtedy maleńkie segmenty i fałszywe wnioski. Wybierz główny wymiar dla każdego raportu:
- pozyskanie według
utm_source - konwersja według
page_category - aktywacja według
plan_tier - retencja według
account_age - zaangażowanie w dokumentację według
content_type
Zwracaj uwagę na wartości o wysokiej kardynalności. Jeśli wymiar ma tysiące unikalnych wartości, może być zbyt szczegółowy, zbyt osobisty lub zbyt chaotyczny.
Lista kontrolna przed odbiorem wdrożenia
Traktuj ten artykuł jako przewodnik wdrożenia krok po kroku. Przed uruchomieniem niestandardowych wymiarów potwierdź, że:
- Każdy wymiar ma właściciela, decyzję, dozwolone wartości i oczekiwaną retencję.
- Wartości pochodzą z zamkniętej listy lub przedziałów, gdy to możliwe.
- Nie są wysyłane adresy e-mail, imiona i nazwiska, numery telefonów, identyfikatory kont, pełne adresy IP, tokeny, numery faktur ani wolny tekst z formularzy.
- Pola o wysokiej kardynalności są zamierzone i sprawdzone.
- Pulpity faktycznie korzystają z wymiaru.
- Testy potwierdzają zgodność przesyłanych danych ze słownikiem zdarzeń.
Niestandardowe wymiary są cenne, bo dodają kontekst. Stają się ryzykowne, gdy po cichu dodają tożsamość.
Podsumowanie
Niestandardowe wymiary sprawdzają się najlepiej, gdy dodają kontekst, a nie tożsamość. Używaj ich do rozumienia grup, stron, kampanii i etapów produktu. Utrzymuj je w małej liczbie, pod kontrolą i z myślą o prywatności, a twoja analityka stanie się bardziej użyteczna, nie stając się bardziej inwazyjna.
Standard nazw i wartości
Przed wdrożeniem napisz krótki standard. Nazwy wymiarów powinny być pisane małymi literami, czytelne i stałe, na przykład page_category, plan_tier, content_type lub signup_source. Wartości powinny w miarę możliwości pochodzić z listy dozwolonych: pricing, docs, blog, starter, business, enterprise. Unikaj wartości ujawniających osobę, firmę, dokładny przychód, domenę e-mail lub wolny tekst.
Zdecyduj też, jak mają wyglądać brakujące wartości. Konsekwentnie używaj unknown albo nie ustawiaj właściwości, i nie mieszaj pustych pól, wartości null i własnych etykiet w różnych zdarzeniach. Nieuporządkowane wartości powodują błędy w raportach i utrudniają przeglądy prywatności. Przejrzysty standard ułatwia późniejsze wyszukiwanie, tłumaczenie, dokumentowanie i usuwanie wymiarów.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Najczęściej zadawane pytania
Czym jest niestandardowy wymiar w analityce?
Niestandardowy wymiar to dodatkowy atrybut dołączony do zdarzenia, odsłony lub wizyty, oprócz domyślnych pól takich jak ścieżka, źródło odesłania, przeglądarka i kraj. Pozwala raportować według modelu twojego produktu lub treści, na przykład według plan_tier czy content_type. Ten kontekst sprawia, że z ogólnej liczby odsłon można wyciągnąć konkretne działania.
Czym niestandardowy wymiar różni się od domyślnego pola analitycznego?
Pola domyślne są wbudowane w narzędzie analityczne: ścieżka, źródło odesłania, przeglądarka, kraj. Niestandardowe wymiary definiujesz sam, dopasowując je do swojego produktu, na przykład role, page_category czy experiment_variant. Odpowiadają na pytania, na które pola domyślne nigdy nie miały odpowiadać.
Ile niestandardowych wymiarów powinna śledzić witryna?
Utrzymuj ich niewiele i pod kontrolą, zamiast śledzić wszystko, co dostępne. Każdy potrzebuje właściciela, decyzji, którą wspiera, i pulpitu, na którym jest faktycznie używany. Jeśli nikt nie potrafi wskazać pulpitu ani decyzji, zrezygnuj z niego.
Czy niestandardowy wymiar może zawierać surowy identyfikator użytkownika?
Surowe identyfikatory użytkowników, kont i podobne są na liście rzeczy do unikania, bo zamieniają wymiar w dane osobowe. Zamiast tego stosuj przedziały i etykiety, na przykład company_size: 11-50 zamiast dokładnej liczby. Celem jest kontekst, a nie tożsamość.
Czym account_age różni się od znacznika czasu rejestracji?
Znacznik czasu rejestracji jest dokładny i można go powiązać z jedną osobą. Wartość account_age w przedziale takim jak 30-90d daje tę samą wartość analityczną, czyli informację, czy użytkownik jest nowy, czy doświadczony, bez precyzji, która stwarza ryzyko dla prywatności. Ogólna zasada dla niestandardowych wymiarów brzmi: przedziały zamiast dokładnych wartości.
Kto powinien być właścicielem niestandardowego wymiaru?
Każdy wymiar potrzebuje wskazanego właściciela, czyli osoby, która o niego poprosiła i będzie go utrzymywać. Na liście kontrolnej zarządzania znajduje się to obok wspieranej decyzji, dozwolonych wartości, przeglądu prywatności i planu retencji. Bez właściciela wymiar zaczyna się rozjeżdżać, a nikt nie zauważa, gdy przestaje działać.
Czy po zakończeniu eksperymentu należy usunąć niestandardowy wymiar?
Tak. Nazwa eksperymentu i wariant są dołączane do zdarzeń ekspozycji i konwersji w trakcie testu, ale po jego zakończeniu wymiar nie ma już wartości. Usunięcie go utrzymuje porządek w schemacie i zapobiega gromadzeniu wymiarów, których nikt nie sprawdza.
Czym jest wysoka kardynalność i dlaczego ma znaczenie dla niestandardowych wymiarów?
Wysoka kardynalność oznacza, że wymiar ma tysiące unikalnych wartości zamiast rozsądnego zestawu. To znak, że jest zbyt szczegółowy, zbyt osobisty lub zbyt chaotyczny, by przydać się w raporcie. Traktuj to jako sygnał, by pogrupować wartości w przedziały albo ponownie przemyśleć wymiar.
Czy wolny tekst jest dopuszczalną wartością niestandardowego wymiaru?
Wolny tekst trudno sprawdzać, tłumaczyć i agregować, a łatwo go nadużyć, dlatego w miarę możliwości lepsze są zamknięte listy wartości. Lista dozwolonych, taka jak pricing, docs, blog, starter, business, enterprise, ułatwia wyszukiwanie i przegląd prywatności. Treść zgłoszeń do wsparcia i inne pola dowolne znajdują się wprost na liście danych, których nie należy wysyłać.
Jak wytyczne CNIL dotyczące pomiaru oglądalności odnoszą się do niestandardowych wymiarów?
Wytyczne CNIL uznają dane analityczne za niskiego ryzyka tylko wtedy, gdy nie są łączone z niepowiązanymi zbiorami ani wykorzystywane do targetowania. To przydatny punkt odniesienia właśnie dla niestandardowych wymiarów, bo łatwo dodać pole, które po cichu zbliża analitykę do profilowania. Trzymanie się kontekstu wspierającego decyzje, a nie tożsamości, utrzymuje wymiar na obszarze niskiego ryzyka.
Czy ten artykuł był pomocny?
Chętnie poznamy opinię!
Częściej widoczni w Google
Jedno kliknięcie ustawia Flowsery jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych artykułach, trybie AI i Przeglądach od AI.
Jeszcze jedno...
Flowsery
Analityka witryny skupiona na przychodach
Każdy odwiedzający, źródło i konwersja w czasie rzeczywistym. Prosto, skutecznie i bez plików cookie.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Powiązane artykuły


Pojęcia analityki internetowej: niestandardowe wymiary i właściwości
Niestandardowe wymiary dodają do zdarzeń analitycznych kontekst biznesowy. Do czego służą, co potrafią po cichu zepsuć i jakie zasady nazewnictwa utrzymują porządek.
Śledzenie testów A/B za pomocą tagów i zdarzeń konwersji
Jak śledzić testy A/B: porównuj warianty za pomocą tagów, mierz konwersje i prowadź lekkie eksperymenty w analityce szanującej prywatność.


Najlepsza wtyczka analityczna do WordPressa: jak wybrać
Najlepsza wtyczka analityczna do WordPressa zależy od tego, gdzie mają trafiać dane: Site Kit od Google, samodzielnie hostowane Matomo, Koko bez plików cookie czy Jetpack Stats.

