Очередная весточка про "нежелательность" Google Analytics 4 в России

У нас в JetStyle есть фоновая активность — отвечать на вопросы про аналитику в отраслевых сообществах. Наташа (head направления) подключает меня к сложным вопросам, а я пишу развернутые ответы. Иногда из таких комментариев даже вырастают лиды (да-да, вот реальный кейс!).

И вот на прошлой неделе в таком вопросе прилетело очередное напоминание что РКТ не спит – автору вопроса пришло предписание в течении 3 дней удалить с сайта код Google Analytics и пиксель одной соцсети, которую нельзя называть.

Что происходит?

– Google Analytics 4 подпадает под закон о локализации данных. Чтобы легально его использовать, нужно уведомить РКН, описав маршрут передачи данных.
– Проблема в том, что Google не раскрывает точные пути миграции данных — в справке GA4 нет четкой схемы.
– В сообществе Яндекс.Метрики пишут, что уведомления с указанием дата-центров США и Финляндии иногда проходят, но РКН все чаще требует просто удалять счетчики.

Почему это важно?

Судя по вот таким новостям, РКН периодически проводит проверки. Выглядит как вопрос отчетности по исполнению законодательства («провели Х мероприятий, устранили Y нарушений»), но риски для бизнеса реальны: штрафы, блокировка сайта, репутационные потери.

💡 Что делать?

– Можно попробовать отправить уведомление в РКН с указанием дата-центров (США, Финляндия). В чате Метрики пишут что кому-то это удалось;
– Дублируйте данные в Яндекс.Метрику — благо в 2024 году они добавили событийную модель (по сути трасформировали параметры визитов в параметры событий), а под конец года выпустили еще и Measurement Protocol для метрики (для передачи данных с бэкенда);
– Если получили предписание: не паникуем, удаляем код GA4, чтобы избежать штрафа (DeepSeek еще посоветовал собрать доказательства устранения нарушения (скриншоты, письмо хостингу) т.к. это может пригодиться при повторной проверке).

GA4 пока остается в серой зоне — его использование возможно, но только с дублированием данных и готовностью к внезапным проверкам. Про аналогичные случаи касательно Google Tag Manager пока не слышал, а в справке GTM прописано что они не собирают персональные данные пользователей.

Почему важно управлять ожиданиями клиента и как вовремя подключенный специалист может исправить ситуацию

На неделе стал свидетелем интересного развития событий. На одном проекте нам понадобилась сквозная аналитика, которая бы связала GA4, Google Ads и AMO CRM.

Будь это Метрика+Директ+AMO – никаких проблем, мы постоянно работаем на этом стеке и знаем все API, но в данном случае проще и быстрее было пойти к подрядчику, у которого продукт собран и заточен конкретно под такую задачу. Мы посоветовали попробовать сходить к таким ребятам и, если что, подключить их продукт.

Клиент обратился. Подрядчик в течении месяца что-то настраивал, периодически информируя о ходе процесса в чате. Из аналитики мы за собой оставили только настройку GA4, поскольку при использовании Google Tag Manager там все понятно и прозрачно. Вроде все движется, но не покидает ощущение некоторой недоинформированности.

Запланирован зум с презентацией текущего стейта и буквально за день до него клиент приходит в чат со словами “Они выставили инвойс на 1200 долларов” О_о

Мы все мягко говоря офигеваем от ценника, поскольку он банально не соразмерен запланированному бюджету и ляжет слишком большими костами на всю рекламную активность, а у нас поджимают сроки запуска. Начинаем обдумывать аналогичные решения и варианты выхода из ситуации.

В процессе выяснения деталей оказывается, что это стоимость не за месяц, а за квартал, просто нужна предоплата. Такой вариант нас уже устраивает, но мы все еще сомневаемся.

На следующий день проходит презентация, на которую команда подключает сильного аналитика. Он проводит глубокий экскурс по продукту, разъясняет все детали, с ним можно обсудить как что считается под капотом и что какая метрика обозначает в интерфейсе. С звонка уходим довольные и без сомнений. Понимаем что все наши потребности будут закрыты. Но мы были на грани отказа, хотя команда потратила на нас время и ресурсы.

Что бы я сделал иначе в данной ситуации?

Добавил больше прозрачности в вопросе стоимости и того, что клиент за нее получит, а чего не получит – чтобы сразу формировать правильные ожидания. А тут возникло ощущение что тебя ставят перед фактом – отказать вроде уже не так комфортно, ведь команда проделала работу, но и платить столько ты просто не готов.

Меня как клиента всегда интересует вопрос сколько я заплачу и что конкретно я получу за свои деньги. А также за что и в каком примерно объеме придется доплачивать. Я люблю предсказуемость.

И по моему субъективному опыту чаще всего на этапе приемки возникали вопросы именно когда не совпадали ожидание-реальность, либо ожидание было заведомо сформировано ошибочно.

Помню на моей первой работе, году эдак в 14-15, был SEO-проект. Его продали с оскорбительной спам-рассылки, которая начиналась с условного “Ваш сайт говно и вот почему”, причем капсом и красным шрифтом.

В том проекте клиенту занимавшемуся шкафами купе в Екатеринбурге обещали топ выдачи. Платил он, если не изменяет мне память, тысяч 15 рублей в месяц, а сайт был на админке от Айтекса. Кто сталкивался тот поймет, у нас на Урале это можно сказать легенда =)

Мы ему чуть ли не редизайн+адаптив бахнули посидев с разрабом пару часов в дебаггере хрома. Накатили каталог по всем типам шкафов и кухонь. Тогда еще было реально с сайтом-визиткой как-то конкурировать в выдаче в такой тематике. Целевой трафик стабильно рос, какие-то запросы даже приближались к топу, но каждая встреча начиналась с одного и того же вопроса “Ну что, когда будет топ?”, а клиент так и оставался недоволен проделанной работой.

Что я подчеркнул?

Мне очень понравилось, как вовремя подключенный высококлассный специалист изменил наши ощущения от ситуации. Вообще я по опыту знаю что присутствие лида на презентации резко повышает шансы. Но все равно это то, что я возьму себе на заметку. Правда нужен рабочий механизм вовремя, а не постфактум выявлять такие моменты.

Начал смотреть запись стрима с Ильей Красинским на тему «Почему в компаниях делают аналитику неэффективно» и первая же озвученная идея так мне срезонировала что я пошел писать этот пост.

Илья озвучивает мысль про то, что наш IT-мир поделен на изолированные коммьюнити, “Пузыри”, внутри которых взращивается какое-то экспертное знание, но они почти не пересекаются.

Ну например, маркетологи, продакты, бренд-менеджеры, SEO-специалисты, дата-аналитики и т.д. У всех них есть свои сильные стороны, какие-то свои специфические навыки. Но в то же время встречается определенная специфичность взгляда на вещи в рамках своей экспертизы.

Ну представьте себе SEO-специалиста, который не разбирается в других каналах привлечения клиентов и маркетинге в целом – с высокой долей вероятности он будет решать задачу через знакомый инструмент, вероятно даже в случаях когда есть более оптимальные способы.

И вот тут как-раз на помощь приходит концепция T-shaped специалиста. Я встретил её достаточно давно в блоге Buffer (такой сервис для кросспостинга).

Она описывает профессионала, сочетающего глубокие знания в одной узкой области с широким кругозором и пониманием смежных дисциплин. Визуально эта идея представляется в виде буквы T:

– Вертикальная черта «T» – это глубокая экспертиза в одной основной области. Для меня ею всегда было SEO, но в последние 4 года я активно развиваю экспертизу в анализе данных.

– Горизонтальная черта «T» – это базовые знания в других смежных дисциплинах. Например, я базово понимаю концепции общего маркетинга, отстройки от конкурентов и позиционирования, всех основных видов онлайн-рекламы, веб-разработку (HTML, CSS, PHP), Dev-ops (работу с Docker, базовое администрирование ClickHouse и Aifrlow) и самое главное – могу их ограниченно применять в работе.

Наличие таких знаний и опыта очень сильно помогает в поиске оптимального решения в процессе работы над любыми проектами.

К примеру, большую часть недели я провел за тем, что в свободное от коммерческих задач время переверстывал и дорабатывал разделы нашего сайта, фиксил костыли на которых держалось портфолио и верстал черновые версии страниц для трех услуг.

Мы даже немного посмеялись сегодня над этим придумав тему для доклада – “Как живется вебмастеру* в агентстве в 2025 году”. Кто достаточно “олд”, тот поймет без сноски =)

Теперь же, имея под рукой ChatGPT, возможности становятся практически безграничными. Ведь нужно иметь именно насмотренность, понимать существование каких-либо подходов и решений, а дальше уже AI поможет разобраться глубже.

Я искренне считаю что развиваться нужно именно так.

Ну и конечно же нетворкинг, для меня стали открытием походы на Random Coffee, благодаря чему я познакомился с кучей классных людей, а некоторые новые технологии уже подтащил в текущие проекты.

P.S: Термин «вебмастер» активно использовался в 90-х и начале 2000-х, когда сайты чаще всего делали «под ключ» одним человеком. В то время вебмастер выполнял все задачи по созданию, администрированию и продвижению сайтов: писал код, занимался дизайном, размещал контент, настраивал SEO и даже решал вопросы с хостингом.

Ну и как же без этого мема

Последние четыре года я плотно занимаюсь анализом и визуализацией данных, и это кардинально изменило мое восприятие систем веб-аналитики и маркетинговой отчетности.

Недавно, разбираясь с данными в Яндекс.Метрике, я поймал себя на мысли: раньше я видел в ней просто набор красивых отчетов — посещаемость, источники трафика, портрет пользователя, технологии. При этом в моей голове не было связи между различными срезами в этих отчетах. А теперь все это для меня — лишь представление над сырыми логами.

Как только я начал работать с Logs API, я увидел Метрику иначе: всего две таблицы. Одна содержит логи визитов (какой пользователь зашел и какие у него характеристики), а другая — логи действий в ходе этих визитов (что он делал на сайте). Всё. Больше ничего нет.

🚀 Весь интерфейс Метрики — просто UI-оболочка для этих данных.

И так со всей аналитикой. Если раньше я воспринимал отчеты как конечный результат, то теперь вижу в них лишь выборку из сырых данных метрики, при этом если возникает вопрос я моментально прикидываю какой набор срезов и показателей посмотреть в первую очередь.

Еще одна интересная особенность – развившаяся подозрительность. Теперь, глядя на любой отчет, в голове сразу возникают вопросы:

– Что за данные передо мной?
– Как они собраны, какова их природа?
– Насколько они достоверны?
– Если они агрегированых то как? Как считаются метрики?
– Если это данные из разных источников, как их можно связать?
– и так далее...

Аналитика — это не просто отчеты, это способ мышления. Чем глубже погружаешься, тем меньше доверяешь "готовому" и тем больше хочется понимать что под капотом.

А еще иногда начинаешь душнить 😅

Немного о том, как мы стажировали аналитиков

Вчера у @ustimenko_in_digital вышла статья, о том как у нас в отделе стажировались менеджеры.

И как вы можете узнать из статьи – параллельно мы проводили стажировку для аналитиков и SEO-специалистов. Изначально это должны были быть две разные стажировки, но по итогам отбора мы объединили их в одну.

Первое и самое важное, что я вынес из стажировки — я могу учить людей — это интересно, мне есть что рассказать, а они готовы меня слушать и впитывать новую информацию.

Одно из самых крутых заданий, которое я придумал — развернул 5 копий нашего сайта на тестовом хостинге, каждому стажеру достался свой экземпляр. Их задачей было — с нуля настроить аналитику: установить Google Tag Manager на сайт, подключить Google Аналитику и Яндекс.Метрику, настроить цели и события, трекинг форм, микро- и макроконверсий.

Еще один важный плюс – за три месяца у меня было достаточно времени и возможности увидеть как они мыслят, как быстро учатся и насколько предсказуемы.

В итоге из пятерых человек один прошел на испытательный срок и спустя год у меня есть вполне самостоятельный младший аналитик (по ссылке крутая статья с грейдами аналитиков от Жени Козлова). Она снимает с меня кучу задач и даже ведет самостоятельную коммуникацию по некоторым проектам.

Изначально тема стажировки была достаточно узкой, но по факту мы также учили ребят контексту, различным аспектам работы в SEO, объясняли как устроен маркетинг и реклама. В общем старались дать пощупать разное, потому что многие на старте вообще не представляют, чем им предстоит заниматься. А на мой взгляд аналитику важно не только в цифрах разбираться, но и понимать предметную область – что стоит за этими цифрами, чтобы корректно их интерпретировать.

P.S: 1 апреля стартует стажировка для менеджеров и если у вас есть знакомые, кому это может быть интересно – кидайте им эту анкету!

Пока собирал дашборд с популярностью нейросетей для странички услуги на сайте задался вопросом:

"А есть ли трафик из нейросетей и если да то в каком объеме?"

У меня получились следующие цифры:

– E-com в сфере электроники, РФ: 0.000873%
– Региональное СМИ, РФ: 0.0068%
– Фарма (в русскоязычном сегменте): 0.00115%
– Англоязычный сайт в авто-тематике: 0.092%
– Крупная металлургия, РФ: 0.135%
– B2B SAAS в IT-сфере, РФ: 0.285%

Везде смотрел долю от поискового трафика.

Чаще всего встречаются chatgpt и perplexity, устойчивый тренд заметил только в IT-тематике. Хотя везде визиты из нейросетей стали встречаться чаще.

Попутно написал небольшой гайд как в Яндекс Метрике и Google Analytics отследить трафик из нейросетей: https://datahints.ru/analyzing-ai-traffic/

P.S: дашборд выложу завтра

Обещал дашборд по нейросетям – держите!

Но сначала расскажу небольшую предысторию.

Впервые идея визуализации поискового спроса пришла мне в голову на Чайнакарах – исследовании которое мы делали для того чтобы попробовать в ABM-маркетинг. Тот дашборд все еще доступен на страничке проекта, правда давно не обновлялся.

И как обычно я потащил зацепившие меня подходы в работу над проектами. В ходе использования дэш претерпел изменения: поменялась логика фильтров, добавилось сравнение год к году, добавились различные скейлы (по неделям, по месяцам), сильно расширилась семантика которую мы отслеживаем на проекте.

Мы постоянно сверяемся со спросом когда анализируем эффективность брендовых рекламных кампаний, а также SEO-трафик.

На одном проекте мы активно работаем вместе с ребятами из команды Яндекс Рекламы и мне было очень приятно что ребята утащили идею к себе внутрь. Как я это понял? Просто в какой-то момент в ответ на наш вопрос ребята поделились дашбордом очень похожим на наш, но со скорректированной семантикой. Вот так.

Сейчас я разрабатываю страничку услуги про дашборды с визуализацией спроса и в качестве иллюстрации решил собрать такой дашборд с данными по популярным нейросетям.

Как им пользоваться: в дашборде представлены данные Яндекс Вордстата. Они разбиты по названию нейросети, ее типу, разработчику а также поисковому интенту. Все эти поля можно использовать для фильтрации по датасету.

Самое важное что нужно понимать – понятие интента. Это по сути намерение пользователя выраженное в ключевом слове.

Например:
аккаунт – означает что пользователь искал “название нейросети + аккаунт”
вход – значит искал как войти.
и т.д.

Еще одно важное понятие – чистота интента

Не все фразы, использованные в датасете означают исключительно название нейросети. Такие фразы помечены как имеющие "Смешанный интент".

Пример: "кандинский" – в статистику по данной фразе входит как название нейросети, так и фамилия художника.

По-умолчанию они отфильтрованы из выборки. Я постарался вынести все примечания в тултипы к селекторам.

В общем если будут вопросы – пишите в комментариях, если их будет много то запишу видео с разбором.

→ Попробовать дашборд можно по ссылке: https://datalens.yandex/10q4hx5xamjmn

Небольшая подборка про сегментацию

Наткнулся вчера на большой гайд по сегментации от JetMetrics.

На одной доске в Miro ребята собрали:

– основные модели сегментации (для e-commerce, B2B, SaaS);
– когортный анализ и практические примеры его использования;
– рекомендации по сбору и обработке данных;
– частые ошибки при сегментации клиентов;
– продвинутые подходы и RFM-анализ;
– этические нюансы и правила конфиденциальности.

Заодно хочу посоветовать подборку видео по сегментации от Ильи Красинского и Вани Замесила:

📼 Сегментация и рост конверсии (Илья Красинский, часть 1)

📼 Сегментация и генераторы инцидентов (Илья Красинский, часть 2)

📼 Основы Jobs To Be Done (Ваня Замесин)

📼 Как выбрать сегмент и отстроиться от конкурентов с помощью Advanced Jobs To Be Done (Ваня Замесин)

📼 Стрим JTBD сегментация. Отвечаем на вопросы (Илья Красинский, Ваня Замесин)

P.S: Не скажу про себя что я эксперт по сегментации, но одно я усвоил четко – никогда не смотри ни на какую метрику в среднем. Всегда проверяй как она ведет себя в различных срезах и сегментах.

Наткнулся на интересный выпуск подкаста с Ириной Назаровой – CEO Evil Martians.

Мне очень отозвалась мысль про аудиторию – ниша это конечно классно, но тебе должна быть интересна аудитория в той нише, в которой ты делаешь продукт.

И если тебе эта аудитория не интересна, не отзывается – из этого ничего крутого не вырастает, либо нужно иметь очень сильную нацеленность на заработок чтобы перебороть себя.

P.S: вырезал для вас веселую историю про работу с обращениями и Ruby on Rails

Топовая спецодежда!

Ставьте 🔥 кто пропел в голове

Я много смотрю Youtube и мне нравится его система рекомендаций. Для своего удобства я даже завожу тематические каналы, где подписываюсь и смотрю видео по одной большой тематике (например IT, маркетинг и аналитика) чтобы не захламлять себе ленту и получать больше классных рекомендаций по тематике.

А после того как наткнулся на что-то годное я постоянно делюсь этим с коллегами. Поэтому завожу рубрику #ГодныйКонтент в которой буду делиться видео, плейлистами и прикольными статьями на которые наткнулся в работе и не только.

Сегодня в нее попадает данное видео: Потратил $600 на 4000 НОВЕЙШИХ исследований GPT по промпт-инжинирингу

Автор разобрал самые свежие исследования по промпт-инжинирингу за январь-март 2025.

Ключевые тезисы:

Из 4 000 исследований автор отобрал 300 самых полезных

– Максимальное уточнение роли в запросах: конкретные роли в промптах (не просто "эксперт", а "эксперт по линейной алгебре") повышают качество и позволяют активировать более релевантные знания модели.

– Мультиагентность: пошаговое задание нескольких ролей (например, турагент, логист, тревел-блогер), каждая из которых выполняет определенную задачу помогает решать сложные задачи и давать разносторонний результат.

– Chain of Thought: метод все еще остается важным инструментом, пошаговая логика и самопроверка повышают качество вывода. Можно заставлять модель саму расписывать шаги, либо предлагать цепочку действий самостоятельно.

– Псевдокод: описание решений в стиле Python-кода без его выполнения помогает нейросети структурировать мысли и точнее решать задачи.

Мы с этого на мат-мехе начинали изучать программирование – описывали на лекциях логику программы на листочке в виде блок-схемы с условными операторами. А написание классов на C++ на листочке в ходе зачета на втором курсе я запомнил на всю жизнь (кстати код должен был быть валидным!)

– Дерево решений: предлагается разбивать задачу на подзадачи и предусматривать альтернативные пути решения, а в случае неудачи откатываться на предыдущий шаг.

– Контрастные ответы: предлагается дать и сравнить верные и неверные решения что развивает критическое мышление модели.

– Цепочка черновиков: Суть подхода в том, чтобы модель формулировала промежуточные шаги в виде коротких обобщений до 5 слов. Это заставляет её выражаться лаконично, отбрасывая всё лишнее, что способствует концентрации на сути.

– Множественные парадигмы: Сложные задачи можно решать, задав модель сразу в нескольких ментальных режимах: сначала как психолог, потом как маркетолог, затем как аналитик. Это создаёт синтез подходов и увеличивает глубину проработки.

– Верификация и самокритика: Методика, при которой GPT после ответа проводит самопроверку: оценивает корректность своих шагов по различным параметрам и, если нужно, предлагает улучшенную версию. Это активирует механизм улучшения качества.

– Оценка уверенности: Модель может быть настроена на оценку уверенности своих ответов по шкале от 1 до 10 или 100. Если уверенность низкая — модель автоматически предлагает альтернативный ответ.

Для себя я понял что нет предела совершенству и надо делать более хитрые промпты. А какие из этих подходов вы используете, какие дают крутой результат, или может быть придумали что-то свое?

GA4 сменили формат куки

Вчера ко мне в личку постучалась коллега из E-com с проблемой – у них в GA4 перестали отображаться источники у транзакции. Т.е. сами транзакции есть, но у всех не определен источник.

Первое что мне пришло в голову – сломался механизм сохранения ClientId и его передачи вместе с транзакцией.

Дело в том что на проекте используется Measurement Protocol – это значит что в момент оформления заказа на фронтенде мы сохраняем ClientId пользователя (уникальный идентификатор который ему присваивает система аналитики) и затем прокидываем его с бэкенда вместе со всеми данными транзакции в соответствующий API Google Analytics.

Я посоветовал попросить разработчиков посмотреть логи отправок транзакций на предмет того, какие данные передавались. Ну спустя несколько минут гуглинга наткнулся на следующий пост в LinkedIn

Last week, when I saw Matteo Zambon post about the Хэштег#GA cookie format change, I had a strange feeling that it might actually be important. And… it was.

Multiple accounts show that around the 6th of May, some GA4 implementations using the Measurement Protocol broke. The reason? A change in the GA4 cookie format.

The new format looks like this:
GS2.1.s1747132561$o1$g0$t1747132655$j0$l0$h0

Many Measurement Protocol setups rely on a stupid-simple method: grabbing the session ID directly from the cookie and passing it along with the payload to GA4 or a custom server-side endpoint.

Now, the session ID is the number between .s and the first $ sign.
In the example above, that’s 1747132561.

If you’ve ever heard your developers mention “Measurement Protocol for Google Analytics,” I suggest double-checking that everything is still working as expected, and if not, this cookie update might be why.

P.S. I’d really like to express my deepest thanks and admiration to the #GoogleAnalytics team for their always timely communication and their proactive efforts to keep us informed of changes that may affect data quality. 👏 🙃

А сегодня вот и рассылка прилетела

Google changed the GA4 cookie format in the first week of May without any prior notice or warning.

Old format: GA1.2.123456789.987654321
New format: GS2.1.s1823456789$o2$g1$t1823456890$j1$l1$h1

If your existing tracking setup relies on directly accessing GA cookies, client IDs, or session IDs, you should immediately audit those implementations. This change may silently break data collection, attribution, or integrations that depend on specific cookie formats.

Who’s likely affected:

1) Measurement Protocol setups - many have already broken.
2) Server-side GTM relying on cookie parsing.
3) APIs or middleware forwarding data to GA4 or BigQuery.
4) Attribution tools using _ga for user stitching.
5) Tools linking sessions to leads via client/session IDs.
6) 3rd-party platforms assuming a fixed cookie format.

Так что если у вас где-то используется сохранение / передача ClientId Google Analytics – скорее проверяйте что там происходит.

P.S. а еще очень прикольно когда в непонятной ситуации про тебя вспоминают и приходят в ЛС =)

А еще судя по всему сменилось и название куки – теперь приписывается ID потока