Analytics• CTR

GA4 attribúciós modellek kivezetése: Így elemezd a magyar kampányok valódi megtérülését

A Google végleg megsemmisítette a szabályalapú attribúciós modelleket a GA4-ben, ami komoly fejtörést okoz a többcsatornás magyar e-kereskedőknek. Ebből a gyakorlati útmutatóból megtudhatja, hogyan torzít a Data-driven modell a hazai piacon, és pontosan milyen egyéni riportokkal mentheti meg a konverziós adatokat.

2026. november 22.8 perc olvasás1 megtekintés
X
GA4 attribúciós modellek kivezetése: Így elemezd a magyar kampányok valódi megtérülését

Title: GA4 új attribúciós modellek és a magyar e-commerce realitás: Így kerüld el a hibás büdzséallokációt data-driven modellekkel

Meta leírás: Hogyan torzít a Google Analytics 4 adatvezérelt (Data-Driven) attribúciós modellje a magyar piacon? Gyakorlati útmutató haladó marketingeseknek, valós HUF példákkal, CPC adatokkal és a Google rejtett csapdáival.

A Google Analytics 4 (GA4) egyoldalú döntése, amellyel kivezette az első kattintásos, a lineáris, az időbeli lecsengéses és a pozícióalapú attribúciós modelleket, nem technológiai evolúció, hanem kényszerzubbony a magyar e-commerce döntéshozókra. Azzal, hogy szinte kizárólagosan a Data-Driven (adatvezérelt) és az utolsó kattintásos (Last Click) modellek maradtak meg, a Google sikeresen terelte a hirdetőket a saját, mesterséges intelligencia által vezérelt kampánytípusai (pl. Performance Max) felé. Ez a szűkítés torzítja a marketingcsatornák valós hozzájárulását, és ha vakon bízol a GA4 alapértelmezett számaiban, havonta milliókat égethetsz el alulteljesítő Meta kampányokban vagy túlértékelt Google Search hirdetésekben. A következőkben bemutatjuk, hogyan kell navigálni ebben az új környezetben úgy, hogy a marketingbüdzsé ne a Google profitját, hanem a te webshopod növekedését szolgálja.

Miért fontos ez most

A magyar e-commerce piac 2026-os realitása a konszolidációról és a könyörtelen profitabilitási kényszerről szól. Az Alza, az eMAG és a Temu dominanciája miatt a hazai tulajdonú, 200M és 1,5 Milliárd HUF közötti éves árbevételű webshopok mozgástere drasztikusan beszűkült. Ebben a környezetben a marketingköltségek minden egyes forintjának mérhető profitot kell termelnie.

Az akvizíciós költségek drasztikus növekedése közvetlenül látszik a számokon:

  • A Google Search CPC (kattintásonkénti költség) a népszerűbb e-commerce kategóriákban (pl. otthon és kert, divat, szépségápolás) 90 HUF-ról 140–220 HUF közé emelkedett. B2B szolgáltatások vagy pénzügyi szegmens esetén nem ritka a 600–1200 HUF közötti CPC sem.
  • A Meta hirdetések CPM (ezer megjelenítésre jutó költség) árai az őszi és karácsonyi szezonban elérik az 1800–2800 HUF-ot, ami azt jelenti, hogy a vásárlók elérése drágább, mint valaha.
  • A magyar ügynökségi díjak szintén követték az inflációt: egy tapasztalt senior PPC/Analytics szakértő óradíja jelenleg 25 000 és 45 000 HUF + ÁFA között mozog, míg a teljes körű fiókkezelés havidíjai a 250 000 HUF-os belépő szinttől indulnak a mikrovállalkozások felett.

Ha a GA4 adatvezérelt modellje (Data-Driven Attribution – DDA) tévesen allokálja a konverziókat, a havi 2-5 millió HUF-os hirdetési kerettel gazdálkodó marketingvezető olyan csatornákat fog leállítani, amelyek valójában a vásárlási út elején termelik a keresletet. Az attribúció kérdése már régen nem elméleti analytics-vita: ez határozza meg, hogy van-e jövője a vállalkozásodnak a piacon.

---

A GA4 Adatvezérelt (Data-Driven) modelljének sötét oldala

A Google marketingkommunikációja szerint a Data-Driven attribúció a gépi tanulás csúcsa, amely igazságosan osztja el a konverziós érdemeket a csatornák között. Ez az állítás azonban komoly módszertani és üzleti torzításokat takar.

Hogyan torzít a Google algoritmusa a saját maga javára?

A GA4 adatvezérelt modellje egy zárt rendszerű, úgynevezett "black box" (fekete doboz) algoritmus, amely a Shapley-érték elméletén alapul. Bár matematikailag ez egy elismert játékelméleti modell, a gyakorlatban a Google-nek közvetlen pénzügyi érdeke fűződik ahhoz, hogy a saját platformjait mutassa hatékonyabbnak.

A fő probléma a mérési aszimmetriából adódik:

  • A Meta/TikTok mérések vakfoltja: A GA4 kizárólag a kattintás alapú (click-through) interakciókat látja a külső platformokról. Ha egy felhasználó meglát egy kreatívot Instagramon (view-through), nem kattint azonnal, de 2 órával később beírja a Google-be a márkanevet, a GA4 a konverziót 100%-ban a Google Search-nek fogja tulajdonítani.
  • A PMax és a Brand Search kannibalizációja: A Performance Max kampányok előszeretettel célozzák meg a visszatérő vásárlókat és a saját márkaneves kereséseket (brand termek). Mivel ezek a felhasználók már a vásárlási döntés végén járnak, a GA4 DDA modellje hatalmas súlyt fog adni a PMax-nak, miközben a valódi igényt generáló Meta vagy SEO kampányokat elértékeli.

A Shapley-érték korlátai alacsony konverziószámnál

A DDA stabil működéséhez óriási mennyiségű adatra van szükség. Bár a Google hivatalosan eltörölte a korábbi konverziós limitet (ami régebben 30 nap alatt minimum 400 konverzió volt), a matematikai realitás nem változott.

Ha egy magyar webshop egy adott kategóriában havi 100-nál kevesebb konverziót produkál, a GA4 algoritmusa nem tud valós statisztikai mintákat azonosítani. Ilyenkor a DDA csendben visszalép egy kvázi Last Click (utolsó kattintás) logikára, de ezt a felületen továbbra is "Data-Driven" néven futtatja, megtévesztve a marketingest.

---

A "Reporting" vs. "User acquisition" attribúció közötti kritikus különbség

A legtöbb marketinges naponta követ el súlyos hibát azzal, hogy nem érti a GA4 két teljesen eltérő adatmodelljét: az akvizíciós (Acquisition) jelentéseket és a konverziós (Attribution) jelentéseket.

| Dimenzió / Riport típus | Mi alapján mér? | Mikor használd? | Jellemző hiba |

| :--- | :--- | :--- | :--- |

| First User Source/Medium | Az első látogatás forrása (User-level) | Új vevők szerzésének elemzésére (TOFU) | Összekeverik a havi direkt értékesítéssel |

| Session Source/Medium | Az adott munkamenet forrása (Session-level) | Rövid távú kampányok, promóciók mérésére | Nem mutatja meg a hosszú (multi-touch) utakat |

| Conversions (Advertising) | Kiválasztott attribúciós modell (Property-level) | Büdzséallokáció csatornák között | Csak a "Konverziók" riportban érvényesül teljes körűen |

First User Medium vs. Session Medium: A nagy tévedés

Ha a Reports > Acquisition > Traffic acquisition riportot nézed, ott a Session source/medium dimenziót látod. Ez a riport alapértelmezetten a "Last Non-Direct Click" (utolsó nem közvetlen kattintás) modellt használja, függetlenül attól, hogy a tulajdon beállításaiban mi van megadva.

Ha viszont az Acquisition > User acquisition riportot elemzed, ott a First user source/medium szerepel, amely a felhasználó legelső látogatását rögzíti örökre (vagy a cookie lejárati idejéig, ami az iOS Safari esetén az ITP miatt gyakran csak 1-7 nap). Ha a Meta hirdetésed behozott egy új látogatót, aki 5 nap múlva Google Search-en keresztül vásárolt, a User acquisition riport a Meta-nak fogja adni a konverziót, míg a Traffic acquisition a Google-nek. Ha ezt a két riportot egybemosod, teljesen hibás következtetésekre jutsz.

---

Valós magyar esettanulmány: Egy 350M HUF árbevételű lakberendezési webshop esete

Nézzük meg egy valós, anonimizált magyar webshop példáját. A cég prémium kategóriás design bútorokat és kiegészítőket értékesít.

  • Éves árbevétel: 350 000 000 HUF
  • Átlagos kosárérték (AOV): 42 000 HUF
  • Havi marketingbüdzsé: 3 500 000 HUF (ebből Meta Ads: 1.8M HUF, Google Ads: 1.2M HUF, Árukereső: 200k HUF, SEO/Egyéb: 300k HUF)

A konfliktus

A Meta Ads Manager szerint a havi költés 180 konverziót hozott, 7,56M HUF értékben (ROAS: 4,2x).

Ugyanebben az időszakban a GA4 alapértelmezett Data-Driven riportja a Meta-nak mindössze 58 konverziót tulajdonított, 2,43M HUF értékben (ROAS: 1,35x).

A cégvezetés az alacsony GA4 ROAS láttán követelte a Meta büdzsé lefelezését, és a pénz átcsoportosítását Google PMax-ra és az Árukeresőre, mivel ezek a csatornák a GA4-ben 8,5x-ös, illetve 12x-es ROAS-t mutattak.

A konverziós utak modellezése

Hogy kiderítsük az igazságot, lefuttattunk egy elemzést a GA4 Advertising > Attribution > Conversion paths riportjában. A vizsgálat során kiderült a valóság:

| Vásárlási Útvonal Típusa | Utak száma | Első interakció (TOFU) | Középső interakció (MOFU) | Utolsó interakció (BOFU) | Konverziós érték |

| :--- | :--- | :--- | :--- | :--- | :--- |

| 1. Típus (Felfedező) | 42 eset | Meta Ads (Prospecting) | Google Search (Generic) | Google Search (Brand) | 1 764 000 HUF |

| 2. Típus (Összehasonlító) | 35 eset | Meta Ads (Prospecting) | Meta Retargeting | Árukereső | 1 470 000 HUF |

| 3. Típus (Direkt konverzió) | 18 eset | Google Shopping (PMax) | - | Google Shopping (PMax) | 756 000 HUF |

Mi történt a háttérben?

  • A vásárlók nem vesznek meg egy 120 000 HUF-os design fotelet az első Instagram hirdetés láttán. A vásárlási út átlagosan 14 napig tartott és 4 különböző érintkezési pontot (touchpoint) tartalmazott.
  • Az 1. Típusú útnál a Meta indította el a vágyat. A GA4 DDA modellje a konverziós érték 70%-át a Google Brand Search-nek adta, mert a felhasználó végül a márkanévre keresve vásárolt. De ha nincs a Meta hirdetés, soha nem keresett volna rá a márkanévre.
  • A 2. Típusú útnál az Árukereső "rabolta el" a konverziót az utolsó pillanatban, amikor a vásárló már a szállítási díjakat vagy a garanciális feltételeket akarta ellenőrizni. Az Árukereső kapta meg a dicsőség 80%-át a GA4-ben, pedig ők csak egy passzív gyűjtőoldalként funkcionáltak.

A katasztrofális döntés és a korrekció

A webshop tulajdonosa a javaslatunk ellenére mégis lefelezte a Meta hirdetések büdzséjét (1.8M HUF-ról 900k HUF-ra), és átcsoportosította Google Ads-re.

Az eredmény 45 nap után:

  • A teljes webshop árbevétel 32%-kal visszaesett (havi 29M HUF-ról 19,7M HUF-ra).
  • A Google Brand Search keresési volumene 41%-kal csökkent, mivel elmaradt a Meta által generált TOFU forgalom.
  • A Google PMax ROAS-a 8,5x-ről visszaesett 3,8x-re, mert elfogyott a meleg, retargetálható közönség.

A tanulság: A GA4 adatvezérelt modellje teljesen vak volt a keresletgenerálás fázisára. A megoldást az jelentette, hogy bevezettük a Blended MER (Marketing Efficiency Ratio) mutatószámot, és a Meta-t nem önmagában, hanem a teljes sales funnel motorjaként kezdtük el mérni.

---

Amit SOHA ne tegyél: Gyakori attribúciós hibák a hazai gyakorlatban

A magyar kkv-szektorban dolgozó marketingesek gyakran esnek olyan csapdákba, amelyeket a technológiai óriások marketingje ásott nekik.

1. Hiba: A Meta és a GA4 konverziós számainak közvetlen összehasonlítása

Soha ne várd el, hogy a Meta Ads Manager és a GA4 konverziós számai egyezzenek. A két rendszer alapvetően eltérő logikával mér:

  • A Meta alapértelmezetten a 7 napos kattintás és 1 napos megtekintés (7-day click, 1-day view) modellt használja. Ha valaki meglátta a hirdetést, nem kattintott, de másnap vásárolt, a Meta magának tulajdonítja a konverziót.
  • A GA4 nem látja a Meta megtekintéseket (view-through), és a kattintásokat is csak akkor tudja követni, ha a UTM paraméterezés tökéletes, és a felhasználó nem utasította vissza a cookie-kat (Consent Mode v2).

Ha megpróbálod a kettőt összeegyeztetni, csak frusztrációt és hibás döntéseket kapsz. Helyette határozz meg egy állandó "eltérési szorzót" (például ha tudod, hogy a GA4 általában a Meta konverziók 40%-át méri, akkor ezt vedd bázisnak).

2. Hiba: PMax kampányok értékelése kizárólag GA4 DDA alapján

A Google Performance Max egy igazi fekete doboz. Ha nem zárod ki belőle a saját márkanevedet (Brand Exclusion list használatával), a PMax le fogja tarolni a brand kereséseket. A GA4 DDA pedig boldogan odaadja a konverziók nagy részét a PMax-nak, mert az volt az utolsó kattintás. Ezért fizetsz a Google-nek olyan kattintásokért, amelyeket az organikus találati listán ingyen is megkapnál.

3. Hiba: Az "Árukereső-effektus" figyelmen kívül hagyása

Magyarország sajátossága az árösszehasonlító oldalak rendkívül erős pozíciója. Ha egy vásárló a teljes kutatási fázist nálad végzi el (blogcikkeket olvas, Meta videókat néz), majd a vásárlás előtt rákeres a termékre Árukeresőn, hogy megnézze, valóban nálad a legolcsóbb-e, akkor az Árukereső átveszi az utolsó kattintás szerepét. Ha kizárólag a GA4 utolsó kattintásos vagy akár a DDA modelljét nézed, az Árukereső tűnik a legjobb csatornának. De ha leállítod a Meta-t, az Árukeresőből érkező konverzióid is el fognak tűnni, mert senki nem fogja ismerni a márkádat.

---

Akcióterv: Így építsd fel a modern attribúciós rendszeredet

Ahhoz, hogy a 2026-os magyar piaci versenyben ne égess el feleslegesen milliókat hirdetésekre, hajtsd végre a következő lépéseket.

1. Lépés: A Consent Mode v2 Advanced implementálása

Ha még nem tetted meg, azonnal állítsd be a Consent Mode v2 Advanced verzióját (például Cookiebot vagy Complianz segítségével).

Magyarországon a felhasználók 20-35%-a utasítja vissza a cookie-kat. Advanced Consent Mode nélkül ezek a látogatók teljesen láthatatlanok a GA4 számára.

Ha be van kapcsolva az Advanced mód, a Google mesterséges intelligenciája modellezni tudja a hiányzó konverziókat, így a DDA modell sokkal pontosabb képet ad a valóságról.

2. Lépés: Egyedi Csatornacsoportok (Custom Channel Groupings) létrehozása

A GA4 alapértelmezett csatornacsoportosítása túl általános. Válaszd szét a kritikus csatornákat:

  • Menj a Admin > Data display > Channel groups menüpontba.
  • Hozz létre egy új csoportot.
  • Válaszd le a Google Paid Search - Brand (saját márkanévre futó hirdetések) és a Google Paid Search - Generic (általános kulcsszavak) csatornákat.
  • Válaszd le a Meta Paid Prospecting (hideg célzás) és Meta Paid Retargeting (meleg célzás) csatornákat UTM paraméterek alapján (pl. használj `utm_campaign=prospecting` és `utm_campaign=retargeting` címkéket).

3. Lépés: A vásárlási utak hosszának és idejének elemzése

Vizsgáld meg a Advertising > Attribution > Path length és Time lag riportokat.

  • Ha az utak több mint 60%-a 1 lépésből áll, és 1 napon belül lezajlik, akkor a Last Click és a DDA között minimális az eltérés. Nyugodtan használhatod a GA4 alapértelmezett számait.
  • Ha az utak több mint 50%-a 3 vagy több lépésből áll, és a vásárlásig eltelik legalább 7 nap, akkor azonnal abba kell hagynod a csatornák egyenkénti (silóban történő) értékelését.

4. Lépés: A Blended MER és a Cohort-alapú mérés bevezetése

Ne az egyes kampányok ROAS-át nézd külön-külön. Vezesd be a Marketing Efficiency Ratio (MER) mutatót:

$$\text{Blended MER} = \frac{\text{Összes Webshop Árbevétel (HUF)}}{\text{Összes Marketing Költés (HUF)}}$$

Egy egészséges, növekvő magyar webshop esetén a MER értékének 6,5x és 10x között kell mozognia (azaz a teljes árbevétel 10-15%-át költik marketingre). Ha a MER stabil, akkor a Meta TOFU kampányok jól végzik a dolgukat, még akkor is, ha a GA4 DDA riportja szerint alulteljesítenek.

5. Lépés: Inkrementalitási tesztek (Geo-testing) futtatása

Ha meg akarod tudni egy csatorna valódi értékét, teszteld le. Magyarország kiválóan alkalmas a földrajzi alapú tesztelésre (Geo-testing):

  • Válaszd ki Kelet-Magyarország megyéit (pl. Hajdú-Bihar, Szabolcs-Szatmár-Bereg) tesztcsoportnak, és Nyugat-Magyarország megyéit (pl. Győr-Moson-Sopron, Vas) kontrollcsoportnak.
  • A tesztcsoportban állítsd le a Meta hirdetéseket teljesen 3 hétre, míg a kontrollcsoportban hagyd futni változatlan büdzsével.
  • Mérd meg a teljes (Google + Meta + Organikus) konverziók visszaesését a tesztcsoportban a kontrollcsoporthoz képest.

Ez a módszer feketén-fehéren megmutatja a Meta valódi, inkrementális hozzáadott értékét, függetlenül attól, hogy mit mutat a GA4 fekete doboza.

Kapcsolódó cikkek

Olvasd tovább

GA4 attribúciós modellek a gyakorlatban: Hogyan mérjük a valódi ROI-t a last-click után?
Analytics

GA4 attribúciós modellek a gyakorlatban: Hogyan mérjük a valódi ROI-t a last-click után?

A Google kivezette a szabályalapú attribúciós modelleket, így a magyar e-kereskedőknek újra kell gondolniuk a kampányok értékelését. Ez a gyakorlati útmutató bemutatja, hogyan elemezd a data-driven modellt, és hogyan építs saját riportokat BigQuery segítségével, hogy ne hozz hibás PPC döntéseket.

8 perc
Server-Side Tracking a gyakorlatban: Hogyan állítsd meg az adatvesztést a magyar webshopodban?
Analytics

Server-Side Tracking a gyakorlatban: Hogyan állítsd meg az adatvesztést a magyar webshopodban?

A böngészőoldali mérések korlátozása miatt a hazai e-kereskedők átlagosan a konverziós adatok 20-35%-át veszítik el. Ez a gyakorlati útmutató bemutatja, hogyan építhető ki a szerveroldali mérés sGTM-mel, és milyen valós Google Cloud költségekre, valamint fejlesztési erőforrásra van szükség a hazai piacon.

8 perc
Server-side tracking a magyar e-kereskedelemben: Megéri havi 40 eurót áldozni a pontos mérésért?
Analytics

Server-side tracking a magyar e-kereskedelemben: Megéri havi 40 eurót áldozni a pontos mérésért?

Az ITP és a hirdetésblokkolók miatt a kliensoldali mérések a magyar webshopoknál is akár 20-30%-os adatvesztést okoznak. Megmutatjuk, hogyan építhető fel egy szerveroldali GTM rendszer Google Cloud vagy Stape alapon, és kiszámoljuk, milyen bevételkategória felett térül meg a beruházás.

8 perc
Looker Studio dashboard sablonok magyar PPC ügynökségeknek: Így spórolj havi 20 óra manuális riportálást
Analytics

Looker Studio dashboard sablonok magyar PPC ügynökségeknek: Így spórolj havi 20 óra manuális riportálást

A manuális riportálás az ügynökségi profitabilitás legnagyobb ellensége. Bemutatjuk, hogyan építhető fel olyan Looker Studio dashboard, amely automatizálja a Google Ads, Facebook Ads és GA4 adatokat, miközben a magyar kkv-k számára is érthető, üzleti fókuszú marad.

8 perc
Kövesd a CTR.hu-t Facebookon

Napi 5 poszt friss marketing hírekkel és gyors taktikákkal.

Facebook oldal
Népszerű a kategóriában

Legolvasottabb: Analytics

  1. 01

    Server-side tracking sGTM-mel: Megéri a havi 50-150 dolláros plusz költség a magyar webshopoknak?

    8 perc34 megtekintés
  2. 02

    Server-side tracking a gyakorlatban: Költségvetés, technikai buktatók és a valós ROI a magyar piacon

    8 perc27 megtekintés
  3. 03

    Looker Studio dashboardok a magyar PPC-valóságban: Így törj ki az automatizált riportcsapdából

    7 perc27 megtekintés
  4. 04

    Server-side GTM magyar webshopoknak: Megéri havi 50-100 ezer forint plusz költséget a pontosabb mérés?

    8 perc24 megtekintés
  5. 05

    Looker Studio sablonok magyar PPC ügynökségeknek: Így spórolj havi 40 munkaórát a riportáláson

    7 perc23 megtekintés
Heti Marketing Brief

Iratkozz fel a CTR.hu heti hírlevelére, és minden hétfő reggel 5 perc alatt átlátod a magyar és nemzetközi marketing világ elmúlt heti legfontosabb történéseit.

Feliratkozom