W skrócie
9 min czytaniaW raportach analitycznych segmentacja użytkowników dzieli jedną populację odwiedzających na grupy o wspólnej cesze, takiej jak źródło ruchu, urządzenie, kraj czy zrealizowany cel, dzięki czemu jedna średnia dla całej witryny zmienia się w liczby, które można porównać. GA4 rozróżnia segmenty użytkowników, sesji i zdarzeń, a każdy z nich zwraca inne wiersze dla tego samego warunku. Segment warto czytać tylko wtedy, gdy obejmuje tylu odwiedzających, że jego współczynnik konwersji nie ginie w szumie próby, i gdy przed obwinieniem któregoś z segmentów sprawdzono ich ogólny udział w ruchu.
Czym jest segmentacja użytkowników w raportach analitycznych?
W raportach analitycznych segmentacja użytkowników polega na podzieleniu jednej populacji odwiedzających na grupy o wspólnej cesze, takiej jak źródło ruchu, urządzenie, kraj czy zrealizowany cel, dzięki czemu jedna średnia dla całej witryny zmienia się w kilka liczb, które można porównać. Raport stosuje warunek do każdego odwiedzającego, zostawia pasujących i przelicza te same metryki tylko dla tej grupy. Korzystaj z niej zawsze, gdy główna liczba się zmienia i chcesz wiedzieć, która grupa za to odpowiada.
Google definiuje to pojęcie prosto w centrum pomocy GA4 jako podzbiór danych używany do analizy w Explorations: "A segment is a subset of your Analytics data that can be used in Explorations for analysis."
Czym różnią się segmenty użytkowników, sesji i zdarzeń?
Segment użytkowników zachowuje każdego odwiedzającego, który spełnił warunek, wraz z całą jego aktywnością w zakresie dat, segment sesji zachowuje tylko pasujące sesje, a segment zdarzeń tylko pasujące zdarzenia. GA4 nazywa wszystkie trzy: segmenty użytkowników to "subsets of users who engaged with your site or app", segmenty sesji to "subsets of the sessions that occurred on your site or app", a segmenty zdarzeń to "subsets of events that were triggered on your site or app."
Zakres zmienia odpowiedź nawet przy identycznym warunku. Weźmy warunek „dokonał zakupu”:
| Zakres segmentu | Co zwraca warunek „zakup” | Na jakie pytanie odpowiada |
|---|---|---|
| Użytkownik | Każdą sesję i każde zdarzenie osoby, która w tym zakresie kupiła co najmniej raz | Co kupujący robią podczas wszystkich swoich wizyt? |
| Sesja | Tylko sesje, w których doszło do zakupu | Jak wygląda wizyta zakończona zakupem? |
| Zdarzenie | Tylko same zdarzenia zakupu | Co kupiono i za jaką kwotę? |
Przykład Google'a dobrze objaśnia zakres użytkownika: segment osób ze zdarzeniem zakupu zwróci całą ich aktywność z wczoraj i dziś, "A user segment for users with a purchase event will return all the activities of these users from yesterday and today." Wybierz zakres, zanim wybierzesz warunek, bo segment użytkowników obejmujący kupujących pokaże też ich wizyty bez zakupu, a segment sesji je ukryje. Omówienie odsłon, sesji i użytkowników wyjaśnia, jak te trzy jednostki się ze sobą sumują.

Według jakich cech można segmentować odwiedzających?
Odwiedzających możesz segmentować według tego, skąd przyszli, z czego korzystali, gdzie są i co zrobili, a pierwsze trzy kategorie w ogóle nie wymagają tożsamości. Tabela grupuje typowe cechy według danych, od których zależą.
| Rodzina cech | Przykłady | Dane, od których zależy |
|---|---|---|
| Pozyskanie | Strona odsyłająca, utm_source, utm_medium, utm_campaign | Adres URL wejścia i nagłówek referrer |
| Technologia | Typ urządzenia, przeglądarka, system operacyjny | User-agent |
| Geografia | Kraj, region, miasto | Sprawdzenie adresu IP w chwili żądania |
| Zachowanie | Odwiedzenie cennika, realizacja celu, dotarcie do kroku lejka | Zdarzenia zapisane w sesji |
| Wartość | Dokonanie zakupu, przychód powyżej progu | Płatność powiązana z sesją |
Segmenty pozyskania zależą od spójnych tagów kampanii: facebook w jednym linku i Facebook w drugim tworzą dwa segmenty, czemu zapobiegają zasady tagowania UTM. Cechy demograficzne, takie jak wiek i płeć, celowo pominięto w tabeli, bo zależą od profilu reklamowego osoby, a w GA4 dane demograficzne należą do czynników uruchamiających progi danych, które ukrywają wiersze w raporcie.

Jak zbudować segment, który odpowiada na pytanie?
Zacznij od jednego pytania i jednej grupy porównawczej, a przed odczytaniem wyniku sprawdź wielkość i udział segmentów. Poniższa procedura nie pozwala, aby segmentacja zmieniła się w poszukiwanie dowolnego podziału, który wygląda ciekawie.
- Najpierw zapisz pytanie. „Dlaczego w zeszłym tygodniu spadła liczba rejestracji na okres próbny?” wskazuje metrykę, okres i wynik. „Spójrzmy na mobile” nie wskazuje niczego.
- Wybierz jedną cechę podziału. Dziel według urządzenia albo źródła, ale nie obu naraz. Skrzyżowanie dwóch cech mnoży grupy i rozdrabnia próbę w każdej z nich.
- Określ porównanie. Porównuj segment z jego dopełnieniem (mobile z całą resztą) albo z tym samym segmentem w poprzednim okresie, nigdy z niczym.
- Czytaj wskaźniki, nie liczby bezwzględne. Segment, który podwoił rejestracje, ale potroił liczbę odwiedzających, wypadł gorzej. Porównuj współczynnik konwersji, przychód na odwiedzającego i porzucenia na każdym kroku lejka.
- Sprawdź wielkość segmentu. Oblicz margines błędu dla wskaźnika segmentu (następna sekcja) i przerwij, jeśli różnica między grupami jest od niego mniejsza.
- Sprawdź strukturę ruchu. Zanim uznasz, że zmieniło się zachowanie segmentu, potwierdź, że udział ruchu w każdym segmencie nie zmienił się między okresami.
- Obejrzyj sesje z segmentu. Gdy podział wskaże na przykład płatność na urządzeniach mobilnych, obejrzyj kilka takich sesji, aby zobaczyć przyczynę, której liczby nie pokażą.
Jak mały może być segment, zanim liczby przestaną cokolwiek znaczyć?
Segment staje się nieczytelny, gdy margines błędu jego wskaźnika jest równie duży jak różnica, którą chcesz zobaczyć, a dzieje się to szybciej, niż sugeruje większość raportów. Dla współczynnika konwersji 95-procentowy margines błędu wynosi:
margin = 1.96 × √(p × (1 − p) / n)
Weźmy witrynę z 10 000 odwiedzających i konwersją 3%. Dla całej witryny margines to 1,96 × √(0,03 × 0,97 / 10 000), czyli 0,3 punktu procentowego, więc prawdziwy wskaźnik mieści się między 2,7% a 3,3%. Teraz wydzielmy płatny ruch mobilny z 300 odwiedzającymi, także z konwersją 3%. Margines rośnie do 1,96 × √(0,03 × 0,97 / 300), czyli 1,9 punktu procentowego, więc prawdziwy wskaźnik może wynosić od 1,1% do 4,9%. Konkurencyjny segment z wynikiem 4% mieści się w tym przedziale i niczego nie dowodzi.
Przy poziomie ufności 95% jedno na dwadzieścia porównań przekracza próg przypadkiem, więc podzielenie raportu na dwadzieścia sposobów i zachowanie tego, który „się wyróżnia”, oznacza raportowanie szumu. Podziały ustal przed otwarciem raportu.
Dlaczego każdy segment może się poprawić, a całość pogorszyć?
Każdy segment może się poprawić, a wskaźnik całej witryny spaść, gdy udział ruchu przesuwa się w stronę segmentu o niższej konwersji. Właśnie dlatego procedura ma krok 6. To zjawisko nosi nazwę paradoksu Simpsona, a podział według urządzeń dobrze je pokazuje:
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
| Segment | Odwiedzający, tydzień 1 | Wskaźnik, tydzień 1 | Odwiedzający, tydzień 2 | Wskaźnik, tydzień 2 |
|---|---|---|---|---|
| Komputery | 6 000 | 5,0% (300 rejestracji) | 4 000 | 5,5% (220 rejestracji) |
| Urządzenia mobilne | 4 000 | 2,0% (80 rejestracji) | 6 000 | 2,2% (132 rejestracje) |
| Wszyscy odwiedzający | 10 000 | 3,8% (380 rejestracji) | 10 000 | 3,52% (352 rejestracje) |
Komputery poprawiły wynik i urządzenia mobilne też, a mimo to całość spadła z 3,8% do 3,52%, bo kampania skierowała na witrynę więcej użytkowników mobilnych. Na stronie nic się nie zepsuło. Czytaj wskaźniki segmentów razem z ich udziałami, a gdy udziały się zmieniły, podaj zmianę struktury ruchu jako przyczynę, zamiast szukać błędu.
Czym segmentacja różni się od filtra, podziału i kohorty?
Segment zachowuje podzbiór odwiedzających i przelicza dla nich każdą metrykę, filtr usuwa wiersze z jednego raportu, podział zestawia obok siebie wszystkie wartości jednego wymiaru, a kohorta grupuje ludzi według wspólnej daty startu i śledzi ich dalej. W praktyce te cztery narzędzia się przenikają, więc różnica tkwi w tym, co każde z nich utrzymuje na stałym poziomie.
- Filtr: „Pokaż tylko stronę
/pricing”. Zawęża jedną tabelę, a resztę raportu zostawia bez zmian. - Podział: „Pokaż konwersję według kraju”. Każdy kraj dostaje wiersz, co pomaga znaleźć segment wart wyodrębnienia.
- Segment: „Pokaż wszystko dla odwiedzających z płatnego wyszukiwania”. Każdy wykres w raporcie opisuje teraz tę grupę.
- Kohorta: „Pokaż tygodniową retencję użytkowników zarejestrowanych w marcu”. Osią jest czas od daty startu. Przewodnik po analizie kohortowej wyjaśnia, jak czytać powstałą tabelę.
Mapy cieplne stosują tę samą ideę na poziomie elementów: mapa konfetti dzieli kliknięcia według źródła i urządzenia, czyli jest segmentacją narysowaną na stronie. Przewodnik po mapach cieplnych witryny wyjaśnia, kiedy takie podziały przestają być wiarygodne.
Czy segmentacja użytkowników wymaga plików cookie lub danych osobowych?
Segmentacja według źródła, kampanii, urządzenia, przeglądarki, kraju lub zachowania na stronie nie wymaga plików cookie ani danych osobowych, bo każda z tych cech wynika z samego żądania i sesji. Dane osobowe pojawiają się dopiero wtedy, gdy segment zależy od tego, kim jest dana osoba: od domeny e-mail, profilu demograficznego czy aktywności łączonej przez miesiące. Opieraj segmenty na cechach, które niesie sama wizyta, a kwestia prywatności pozostanie prosta.
Flowsery działa właśnie w ten sposób. Raportuje lokalizację odwiedzających z dokładnością do kraju, regionu i miasta, a także dane o urządzeniu, przeglądarce i systemie oraz wszystkie pięć parametrów UTM, bez ustawiania plików cookie, a identyfikatory odwiedzających są haszowane i zmieniane codziennie. Wyniki można podzielić według stron, stron odsyłających, kampanii, krajów, urządzeń i przeglądarek, a połączone płatności ze Stripe, Paddle, Polar, Lemon Squeezy lub Shopify są wiązane z sesją, która przyniosła konwersję, więc przychód na odwiedzającego widać przy każdym segmencie. Flowsery nie stosuje próbkowania danych, dzięki czemu małe segmenty nie są szacowane. Strona o śledzeniu przychodów pokazuje, jak działa ta atrybucja.
Najczęściej zadawane pytania
Jaki jest przykład segmentacji użytkowników?
Podzielenie rejestracji na okres próbny z zeszłego miesiąca według urządzenia to segmentacja użytkowników. Raport pokazuje konwersję 5% na komputerach i 2% na urządzeniach mobilnych, co kieruje analizę na mobilny proces rejestracji. Ten sam podział zastosowany do przychodu na odwiedzającego pokazuje, którą grupą warto zająć się najpierw.
Czy segmenty można stosować w standardowych raportach GA4?
Nie. Google stwierdza, że segmenty są dostępne tylko w module Explore, "Segments are available only within the Explore module", więc działają w Explorations, a nie w raportach standardowych. GA4 pozwala na maksymalnie 10 segmentów w jednej eksploracji, do czterech zastosowanych jednocześnie w jednej technice i do 50 zapisanych segmentów w standardowej usłudze.
Czy segmenty GA4 działają wstecz?
Tak. Google opisuje segment jako "fully retroactive", co oznacza, że segment kupujących obejmuje każdego użytkownika, który dokonał zakupu w zakresie dat zapytania. Inaczej jest z odbiorcami: Google definiuje ich jako "a group of users who meet a set of conditions", czyli grupę spełniającą określone warunki, i to oni mają logikę członkostwa, której segment nie ma.
Ilu odwiedzających potrzebuje segment?
Tylu, aby margines błędu jego wskaźnika był mniejszy niż różnica, którą chcesz wykryć. Przy konwersji 3% 300 odwiedzających daje margines 1,9 punktu procentowego, a 10 000 odwiedzających 0,3 punktu. Oblicz margines przed porównaniem dwóch segmentów i odrzuć każde porównanie, które się w nim mieści.
Czym różni się segment od kohorty?
Segment grupuje odwiedzających według dowolnej wspólnej cechy i mierzy ich w zakresie dat. Kohorta grupuje użytkowników według wspólnego zdarzenia początkowego, na przykład tygodnia rejestracji, i śledzi tę grupę w czasie. Każda kohorta jest segmentem z osią czasu, ale większość segmentów nie jest kohortami.
Dlaczego ogólny współczynnik konwersji spadł, choć każdy segment się poprawił?
Udział ruchu przesunął się w stronę segmentu o niższej konwersji, a to właśnie paradoks Simpsona. Jeśli udział urządzeń mobilnych wzrósł z 40% do 60% odwiedzających, całość spada nawet wtedy, gdy komputery i urządzenia mobilne konwertują lepiej niż wcześniej. Zanim zaczniesz szukać zepsutej strony, porównaj udział każdego segmentu w obu okresach.
Co uruchamia progi danych GA4 w segmencie?
Google wymienia dwa czynniki. Dane mogą zostać ukryte w raporcie lub eksploracji zawierającej dane demograficzne, takie jak wiek i płeć, albo odbiorców zdefiniowanych na ich podstawie, a wiersz z informacją o zapytaniu w wyszukiwarce może zostać ukryty, gdy łączna liczba użytkowników jest zbyt mała. Progi ustala system i nie można ich zmienić, ale szerszy zakres dat zmniejsza szansę ich pojawienia się.
Ile segmentów może jednocześnie używać jedna eksploracja GA4?
GA4 pozwala na maksymalnie 10 segmentów w jednej eksploracji, z czego do czterech można zastosować jednocześnie w jednej technice. Usługa może mieć łącznie do 50 zapisanych segmentów, a każdy z nich nadal działa tylko w module Explore.
Dlaczego niespójne tagi UTM dzielą jedno źródło ruchu na dwa segmenty?
Segment pozyskania powstaje z dokładnego ciągu znaków w tagu, więc facebook w jednym linku i Facebook w drugim są odczytywane jako dwa osobne segmenty, choć wskazują ten sam kanał. Spójne tagowanie kampanii sprawia, że jeden kanał pozostaje jednym segmentem.
Co się dzieje, gdy segmentujesz według dwóch cech naraz?
Podział według dwóch cech jednocześnie mnoży liczbę grup i rozkłada między nie odwiedzających, więc każda grupa kurczy się poniżej wielkości dającej wiarygodny wskaźnik. Dlatego procedura zaleca wybór jednej cechy na segment, aby każda grupa pozostała wystarczająco duża do odczytu.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
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 hasła ze słownika


Jak ocenić, jaki współczynnik konwersji jest dobry dla twojej witryny
Benchmarki różnie odpowiadają na pytanie, jaki współczynnik konwersji jest dobry dla e-commerce, SaaS i generowania leadów, a jedna mediana ukrywa więcej, niż pokazuje.


Dlaczego współczynnik odrzuceń w GA4 to odwrócony współczynnik zaangażowania
Współczynnik odrzuceń w GA4 to odsetek sesji bez zaangażowania. Sprawdź, jak definiuje go Google, czym różni się od Universal Analytics i gdzie go dodać.


Co się stało z wycofywaniem plików cookie stron trzecich w Chrome
Wycofywanie plików cookie stron trzecich w Chrome: od planu z 2020 r. do odwrotu w 2025 r. Wszystkie ogłoszenia Google, stan obecny i ich znaczenie.


Jak oblicza się liczbę stron na sesję i co mówi ona o wizycie
W GA4 liczba stron na sesję to Views per session: wyświetlenia stron i ekranów podzielone przez sesje. Wzór, miejsce w raportach i sposób interpretacji.
Co rejestruje śledzenie kliknięć na stronie i które kliknięcia gubi
Śledzenie kliknięć zapisuje, w który element, na jakiej stronie i kiedy kliknął odwiedzający. Poznaj trzy metody, pola do wysłania i powody znikania kliknięć.


Jak parametry zdarzeń w GA4 przenoszą szczegóły każdego zdarzenia
Google ogranicza parametry zdarzeń w GA4 do 25 na zdarzenie. Poznaj limity nazw i wartości, nazwy zastrzeżone i powód, dla którego własne parametry nie trafiają do raportów.
Powiązane artykuły


Reguła pisowni stojąca za Referer i Referrer
Referer czy referrer: nagłówek HTTP zachował literówkę z 1996 roku, a document.referrer i Referrer-Policy pisze się poprawnie. Sprawdź, gdzie użyć której nazwy.


Jak mierzyć współczynnik porzuceń formularza, pole po polu
Współczynnik porzuceń formularza porównuje formularze rozpoczęte z wysłanymi. Wzór, definicje rozpoczęcia w GA4 i Zuko oraz przykład na poziomie pól.


Jak działa częstotliwość próbkowania odtwarzania sesji w Sentry, PostHog i innych
Częstotliwość próbkowania odtwarzania sesji określa, jaka część wizyt jest nagrywana. Zobacz, jak opisują ją Sentry, PostHog, LogRocket, Datadog i Clarity.

