Analytics• CTR

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.

2026. november 14.8 perc olvasás5 megtekintés
X
Server-side tracking a magyar e-kereskedelemben: Megéri havi 40 eurót áldozni a pontos mérésért?

SEO Cím: Szerveroldali mérés (Server-Side GTM) bevezetése: Útmutató magyar webshopoknak

Meta leírás: Hogyan ment meg egy 200M+ HUF árbevételű magyar webshopot a szerveroldali tracking? Telepítési költségek, sGTM tippek, Facebook CAPI és a valós ROI.

A böngészőalapú mérésekre épülő marketinganalitika klinikailag halott, mégis a 50 és 500 millió forint közötti éves árbevételű magyar webshopok több mint 70%-a még mindig kizárólag a kliensoldali Google Tag Manager (GTM) kódokra bízza a jövőjét. Az adblokkolók brutális hazai terjedése, az iOS 17+ Link Tracking Protection szigorításai, valamint a Safari ITP (Intelligent Tracking Prevention) 7 napos süti-korlátozásai miatt a hirdetési rendszerek ma már vakon repülnek. Nem az a kérdés, hogy pontatlan-e a GA4 vagy a Meta Pixel adatszolgáltatása, hanem az, hogy hajlandóak vagyunk-e tudomásul venni: a gyenge minőségű adatok közvetlenül 15-30%-os felesleges CPA (Conversion Per Acquisition) növekedést és torzított ROAS mutatókat okoznak a hazai kampányokban.

Miért fontos ez most

A magyar e-commerce piac szereplői jelenleg kettős szorításban működnek. Egyfelől az akvirálási költségek drasztikusan emelkednek – az e-commerce szektorban az átlagos kattintási költségek (CPC) a Google Ads hálózatán belül sok kategóriában már régen átlépték a 120-180 HUF közötti sávot, míg a telítettebb divat és elektronikai szegmensekben a Meta hirdetési árak is rekordokat döntenek. Másfelől a felhasználók adatvédelmi tudatossága és a technológiai korlátozások soha nem látott mértékben szűrik ki a hagyományos mérőkódokat.

A Google Chrome folyamatos adatvédelmi szigorításai és a Safari ITP motorja miatt a kliensoldali (böngészőben futó) cookie-k élettartama drasztikusan lecsökkent. Ha egy visszatérő vásárló 8 nap után konvertál a webshopban egy 150 000 HUF értékű kosárral, a Safari böngészőben futó hagyományos GA4 új látogatóként fogja őt azonosítani, és a konverzió forrásaként a "Direct" csatornát jelöli meg, ahelyett, hogy jóváírná a ténylegesen konverziót hozó Google Search vagy Meta kampánynak.

Magyarországon az adblokkolók (AdBlock, uBlock Origin, Brave böngésző) használata a vásárlóképes, tech-szempontból tudatosabb lakosság körében eléri a 35-42%-ot. Ez azt jelenti, hogy tízből legalább három-négy vásárlásról a Meta Pixel és a GA4 egyáltalán nem kap információt kliensoldalon. A szerveroldali követés (Server-Side Tracking) bevezetése nem egy kényelmi technológiai frissítés, hanem az egyetlen eszköz arra, hogy a marketing büdzsé elosztása valós adatokon, és ne hibás attribúciós modelleken alapuljon.

---

A szerveroldali mérés technológiai anatómiája

A hagyományos, kliensoldali mérés során a látogató böngészője közvetlenül kommunikál a külső marketingpartnerek szervereivel (Google, Meta, TikTok). Amikor a felhasználó rákattint a "Fizetés" gombra, a böngészőben lefutó JavaScript kódok közvetlenül a `google-analytics.com` vagy a `connect.facebook.net` domainre küldik a tranzakció adatait.

A szerveroldali mérés (sGTM) ezzel szemben egy közbeiktatott, saját kontroll alatt álló szervert (felhő alapú konténert) helyez el a webshop és a hirdetési platformok közé.

```

[ Kliens Böngésző ]

│

│ (1st party adatfolyam saját aldomainen: pl. metrics.webshop.hu)

▼

[ Szerveroldali GTM (sGTM) ] ───► [ Google Analytics 4 ]

│ ───► [ Meta Conversions API ]

│ ───► [ TikTok Events API ]

▼

[ Saját belső adatbázis / CRM ]

```

Az sGTM és a saját aldomain kapcsolata

A technológia igazi ereje a saját aldomain (például `metrics.webshop.hu`) beállításában rejlik. Mivel a mérési adatok a webshop saját aldomainjére futnak be, a böngészők első feles (first-party) adatforgalomként kezelik azokat.

  • Sütik élettartama: A Safari ITP nem korlátozza le a 7 napos vagy 24 órás limitre a sütiket, mert azok közvetlenül a szerverről (`metrics.webshop.hu`), HTTP-fejlécek útján (`Set-Cookie` paranccsal, `HttpOnly` és `Secure` flaggel ellátva) jönnek létre. Így a sütik élettartama akár 1-2 év is lehet.
  • Adblokkolók kikerülése: A reklámblokkolók a külső szkriptek URL-jeit (pl. `google-analytics.com/analytics.js`) tiltják le. Mivel a mérés a `webshop.hu/gtm/js` végpontról töltődik be, a blokkolók nem akadályozzák meg a mérőkód lefutását, hiszen az a weboldal működéséhez szükséges első feles kódnak látszik.

A Meta Conversions API (CAPI) integrációja

A szerveroldali mérés legfontosabb gyakorlati alkalmazása a Meta Conversions API. Ahelyett, hogy a böngészőben betöltődésre érzékeny Meta Pixeltől várnánk a vásárlási események leadását, a webshop motor szervere (Shopify, WooCommerce, egyedi fejlesztésű motor) közvetlenül a háttérben küld be egy biztonságos API hívást a Meta szervereinek.

A sikeres működéshez elengedhetetlen a deduplikáció. Ha a böngésző és a szerver is elküldi ugyanazt a `Purchase` eseményt, a Meta rendszere duplán számolná a konverziókat, ami irreálisan magas ROAS-t mutatna. Ehhez egy egyedi azonosítót (`event_id`, pl. a rendelési számot) kell mindkét oldalról elküldeni. Ha a Meta megkapja a böngészőtől és a szervertől is az eseményt ugyanazzal az `event_id`-val, akkor a böngészőset megtartja, a szerveroldalit pedig eldobja, de a hiányzó adatokat a szerveroldaliból pótolja.

---

A webshopméret szerinti költség-haszon elemzés

Sok kis- és középvállalkozás (KKV) azért riad vissza a technológia bevezetésétől, mert félnek a brutális szerverköltségektől és a magas ügynökségi díjaktól. Lássuk a valós piaci számokat a magyar e-commerce szegmensben, lebontva árbevétel kategóriák szerint.

| Webshop Éves Árbevétel | Tipikus Platform | sGTM Infrastruktúra Havi Költsége | Magyar Ügynökségi Implementációs Díj (Egyszeri) | Becsült ROI (Havi szinten) |

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

| 50M - 150M HUF | WooCommerce, Shoprenter | 10 000 - 15 000 HUF (Stape.io) | 250 000 - 400 000 HUF | 150-200%: 15-20%-kal több mért konverzió, pontosabb FB hirdetési célzás. |

| 150M - 500M HUF | Shopify, UNAS, Shoptet | 15 000 - 35 000 HUF (Stape/GCP) | 400 000 - 800 000 HUF | 250-400%: Alacsonyabb CPA, hosszabb távú LTV és kohorsz elemzések pontossága. |

| 500M HUF felett | Custom Laravel, Magento, Shopify Plus | 40 000 - 120 000 HUF+ (Google Cloud Engine) | 800 000 - 1 800 000 HUF | 500%+: Személyre szabott hirdetési listák, CRM adatintegráció, teljes csalásmegelőzés. |

Kis és közép-webshopok (50M - 150M HUF)

Ezen a szinten a Google Cloud Platform (GCP) közvetlen használata feleslegesen bonyolult és drága lehet. A GCP esetében minimum 3 darab App Engine példányt (instance) kell futtatni a magas rendelkezésre állás (high availability) miatt, aminek az alapdíja havi 30 000 - 45 000 HUF körül alakul, még alacsony látogatottság mellett is.

Számukra a Stape.io vagy hasonló dedikált sGTM tárhelyszolgáltató a racionális döntés. Havi 10-20 USD (kb. 3 600 - 7 200 HUF) közötti összegért stabil, menedzselt szerverkörnyezetet kapnak, ahol nem kell szerveradminisztrációval foglalkozni. Az egyszeri bevezetési költség egy megbízható magyar szabadúszónál vagy kisebb ügynökségnél 250 000 HUF-tól indul.

Nagyobb webshopok (150M - 500M HUF+)

Ebben a tartományban már kötelező a többcsatornás mérés (GA4 mellett Meta CAPI, Google Ads offline konverziók, TikTok CAPI és esetleg Pinterest tag). Itt a Google Cloud Platform (GCP) javasolt, mivel közvetlen, natív integrációt biztosít a Google egyéb rendszereivel (pl. BigQuery).

Az ügynökségi díjak itt már magasabbak (400 000 - 800 000 HUF), mivel a strukturált adatok tisztítása, az ügyfél-azonosítók (hashed email, phone number) pontos hash-elése (SHA-256 algoritmus használatával) és a Consent Mode v2 integrációja komoly fejlesztői és analitikusi munkaórát igényel.

---

Adatbiztonság, GDPR és a szürkezónás "Adblocker Bypass"

Az egyik legnagyobb szakmai és etikai ellentmondás a szerveroldali követés körül az adblokkolók tudatos kijátszása. Sok ügynökség úgy értékesíti ezt a technológiát a gyanútlan magyar webshop tulajdonosoknak, mint egy olyan csodafegyvert, amellyel végre "el lehet lopni" azon felhasználók adatait is, akik explicit módon tiltakoztak a követés ellen.

Szakmai véleményünk: Ez a megközelítés nemcsak jogilag veszélyes, de hosszú távon üzletileg is öngyilkosság. A Nemzeti Adatvédelmi és Információszabadság Hatóság (NAIH) egyre szigorúbban ellenőrzi a Consent Mode v2 megfelelőséget és a hozzájárulás nélküli adatgyűjtést.

A szerveroldali mérés nem arra való, hogy megkerüljük a felhasználó akaratát. Ha a látogató a Cookie Banner-en a "Nem járulok hozzá" (Reject) gombra kattint, a szerveroldali konténerben ugyanúgy le kell tiltani az adatok továbbítását a Meta és a Google felé, mint a böngészőoldalon.

Hogyan működik a legális adatszépítés sGTM-en keresztül?

Ahelyett, hogy illegálisan követnénk a tiltakozókat, a szerveroldali méréssel azokat a felhasználókat mérjük pontosabban, akik hozzájárultak a méréshez, de a böngészőjük (pl. egy Safari ITP vagy egy alapbeállításokkal futó Brave) technikai okokból blokkolná a külső scripteket.

Emellett az sGTM kiváló eszköz az adatszivárgás megakadályozására. A kliensoldali Meta Pixel mindent lát a böngészőben: a konkurens bővítményeket, a felhasználó egyéb adatait, a URL-ben maradt érzékeny paramétereket. Az sGTM-en keresztül a webshop tulajdonosa dönti el, hogy pontosan milyen adatokat enged át a külső hirdetési rendszereknek. Ki lehet szűrni az érzékeny adatokat (pl. gyógyszer webshopnál a megvásárolt termék nevét, ha az különleges adatnak minősül), mielőtt az adat elhagyná a szervert.

---

Esettanulmány: Egy 350M HUF éves árbevételű magyar divat webshop digitális megújulása

A vizsgált vállalkozás egyedi tervezésű hazai ruházati termékeket értékesít. A látogatók jelentős része (48%-a) iOS eszközről érkezik, ahol a Safari ITP és az Apple App Tracking Transparency (ATT) rendszere miatt a mérések pontossága a bevezetés előtt katasztrofális volt.

A kiinduló állapot és a problémák

  • Éves árbevétel: 350 000 000 HUF
  • Havi hirdetési büdzsé: 3 500 000 HUF (80% Meta Ads, 20% Google Ads)
  • Probléma: A Shopify adminisztrációs felületén rögzített valós megrendelések száma és a GA4-ben, valamint a Meta Ads Managerben jelentett konverziók között 26%-os eltérés volt. A Meta kampányok ROAS mutatója folyamatosan csökkent, a CPA pedig emelkedett, mert a Meta algoritmusa nem kapott elég visszajelzést a sikeres vásárlásokról a konverziós optimalizációhoz.
  • EMQ (Event Match Quality) pontszám: A Meta felületén a vásárlási események egyezési minősége mindössze 4.2 / 10 volt.

Az implementált megoldás

A webshop a Stape.io infrastruktúráját választotta (üzleti csomag, havi 35 USD ~ 12 600 HUF).

A fejlesztőcsapat beállította a `metrics.gardrobe.hu` első feles aldomaint, majd az sGTM konténeren keresztül aktiválta a Meta Conversions API-t és a GA4 szerveroldali adatfolyamot.

Minden egyes tranzakciónál a szerver elküldte a következő hash-elt vásárlói adatokat a Meta felé (természetesen csak a Consent Mode hozzájárulás után):

  • SHA-256 kódolt e-mail cím
  • SHA-256 kódolt telefonszám
  • Vezetéknév és keresztnév (hash-elve)
  • Irányítószám és város
  • IP cím és User Agent

A deduplikációhoz a Shopify által generált egyedi rendelési azonosítót (`event_id`) használtuk fel.

Az eredmények 3 hónap elteltével

Az adatok tisztítása és a mérés stabilizálása elképesztő változásokat hozott a hirdetések hatékonyságában:

```

[ Mérés előtti állapot ] ──► Adateltérés: 26% ──► Meta EMQ: 4.2/10 ──► Valós CPA: 4 200 HUF

[ Szerveroldali mérés ] ──► Adateltérés: 2.1% ──► Meta EMQ: 8.8/10 ──► Valós CPA: 3 450 HUF

```

  • Adatpontosság: A Shopify backend és a GA4 közötti eltérés 26%-ról 2,1%-ra csökkent.
  • Event Match Quality emelkedés: A Meta EMQ pontszáma 4.2-ről 8.8-ra ugrott. A Meta algoritmusa sokkal pontosabban tudta azonosítani, hogy a vásárlók melyik Facebook/Instagram profillal rendelkeznek.
  • Hirdetési hatékonyság (CPA): Mivel a Meta algoritmusa újra látta a vásárlókat, az LAL (hasonmás) közönségek és az Advantage+ kampányok optimalizációja látványosan javult. A kosárelhagyási kampányok pontosabbak lettek, az átlagos CPA 4 200 HUF-ról 3 450 HUF-ra csökkent (17.8%-os javulás).
  • ROAS növekedés: A pontosabb attribúciónak köszönhetően a kampányok jelentett ROAS értéke 2.8-ról 3.9-re emelkedett, így a marketing vezető magabiztosan tudta skálázni a havi büdzsét 3.5 millióról 5 millió forintra anélkül, hogy az adatok felhígultak volna.

---

Gyakori hibák: Mit NE csinálj a bevezetés során

Az elmúlt időszakban tucatnyi elrontott szerveroldali integrációt kellett kijavítanunk. Íme a legfájdalmasabb hibák, amelyeket a hazai webshopok elkövetnek:

1. Az "event_id" hiánya vagy hibás generálása

A leggyakoribb hiba, amikor az ügynökség bekapcsolja a Meta Pixelt a böngészőben, és ezzel párhuzamosan a Meta Conversions API-t a szerveren, de nem küldenek közös `event_id`-t, vagy az nem egyezik meg karakterre pontosan.

  • A következmény: A Meta nem tudja deduplikálni az eseményeket. Minden vásárlást duplán fogsz látni az Ads Managerben. Olyan ROAS mutatóid lesznek, mintha a webshopod a világ legjobb üzlete lenne, miközben a bankszámládon nem jelenik meg a pénz.

2. A teszt üzemmód (Sandbox) élesben hagyása

A Google Cloud Platformon az sGTM beállításakor választható az ingyenes teszt környezet (App Engine Sandbox). Ez kiváló a fejlesztés alatt, de éles üzemben, amikor a webshopra egyszerre rázúdul 50-100 látogató (például egy hírlevél kiküldés vagy Black Friday kampány során), a Sandbox azonnal korlátozza a sávszélességet.

  • A következmény: A mérések leállnak, a szerver 503-as hibakódokat ad vissza, rosszabb esetben a weboldal betöltése is lelassul, a potenciális vásárlók pedig elhagyják az oldalt. Éles üzemben minimum a "Flexible" vagy jól méretezett "Standard" App Engine környezetet kell konfigurálni automatikus skálázással.

3. Az IP-címek és földrajzi adatok elhagyása

A sGTM szerver egy proxyként viselkedik. Amikor a szerver küldi el az adatot a Meta felé, ha nem vigyázol, a szerver saját IP-címét (pl. egy írországi Google adatközpont IP-jét) küldi el a felhasználó IP-címe helyett.

  • A következmény: A Meta azt fogja hinni, hogy az összes vásárlód Írországban él, és a hirdetési optimalizációd teljesen félre fog menni. Mindig át kell adni a `client_ip_address` és `client_user_agent` paramétereket a szerveroldali hívásokban.

---

Akcióterv: lépésről lépésre

Ha elhatároztad, hogy 2026-ban nem akarsz vakon hirdetni a magyar piacon, az alábbi lépéseken kell végighaladnod a sikeres szerveroldali átálláshoz:

  • Auditáld a jelenlegi mérési pontosságot: Hasonlítsd össze az elmúlt 30 nap valós (számlázott) megrendeléseit a GA4-ben és a Meta Ads Managerben látott tranzakciókkal. Ha az eltérés meghaladja a 10%-ot, a szerveroldali tracking azonnal megtérülő beruházás lesz.
  • Válaszd ki az infrastruktúrát: Ha a webshopod havi látogatottsága 50 000 munkamenet (session) alatt van, regisztrálj a Stape.io-ra és válaszd a 10-20 USD-s csomagot. Ha e felett van a forgalmad, indíts el egy dedikált projektet a Google Cloud Platformon (GCP).
  • Hozz létre egy aldomaint a tárhelyeden: A domain regisztrátorodnál (pl. Tarhely.eu, DotRoll, stb.) hozz létre egy CNAME rekordot (pl. `metrics.webshop.hu`), és irányítsd azt a Stape vagy a Google Cloud által megadott DNS címre. Győződj meg róla, hogy az SSL tanúsítvány (HTTPS) aktív.
  • Konfiguráld le az sGTM konténert: A Google Tag Manager felületén hozz létre egy új konténert, de a típusánál a "Server" opciót válaszd. Kapcsold össze a szerver konténert a létrehozott saját aldomainnel.
  • Állítsd be aGA4 és Meta CAPI tageket:

* A kliensoldali GTM-ben módosítsd a GA4 konfigurációs taget úgy, hogy az adatokat ne a Google szervereinek, hanem a saját `metrics.webshop.hu` aldomainednek küldje.

* A szerveroldali GTM-ben állítsd be a GA4 Client-et, amely fogadja ezeket az adatokat, majd küldd tovább őket a GA4 Server Tag és a Meta Conversions API Tag segítségével.

  • Valósítsd meg a szigorú deduplikációt: Biztosítsd, hogy a fejlesztőd vagy a webshop motorod (Shopify/WooCommerce plugin) minden egyes `PageView`, `AddToCart`, `InitiateCheckout` és `Purchase` eseménynél generáljon egy teljesen egyedi `event_id` azonosítót, amelyet a kliens és a szerver is megkap.
  • Integráld a Consent Mode v2-t: Konfiguráld be, hogy a szerveroldali tag-ek csak akkor tüzeljenek és küldjenek személyes adatokat (email, telefon, IP), ha a felhasználó a cookie banneren aktívan hozzájárult a marketing célú adatgyűjtéshez (`ad_storage` és `ad_user_data` állapota `granted`).
  • Tesztelj és ellenőrizz: Használd a Meta Events Manager "Test Events" funkcióját. Ellenőrizd, hogy az eseményeknél megjelenik-e a "Deduplicated" státusz, és hogy az Event Match Quality pontszámod eléri-e a minimum 7.5-ös értéket az aktiválás utáni első héten.
Kapcsolódó cikkek

Olvasd tovább

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

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.

8 perc
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
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