Google Analytics 4 — צלילה עמוקה | המדריך המלא לשיווק בגוגל

מה יהיה לך בסוף הפרק הזה

GA4 Property מוגדר לחלוטין — Data Retention 14 חודשים, BigQuery Export פעיל, Internal Traffic מסונן, Google Signals מופעל
3-5 Key Events (המרות) מוגדרים עם ערכים כספיים — מותאמים לסוג העסק שלך (E-commerce או Lead Gen)
Funnel Exploration ראשון שמראה את המשפך העסקי שלך — עם זיהוי של נקודות הנטישה המרכזיות
Free-Form Exploration שמציג Landing Page Performance לפי Source/Medium ו-Device — עם פילטר מינימום סשנים
3-4 Custom Audiences מוגדרים וזמינים ב-Google Ads — All Converters, High-Value Visitors, Cart Abandoners (או Pricing Page Visitors)
הבנה מלאה של Attribution Models — עם דוח Model Comparison ותובנות על ביצועי ערוצים
צ'קליסט GA4 Setup שלמה ב-10 נקודות — מאומתת ובוצעה על ה-Property שלך
תוכנית ניתוח שבועית שמשלבת דוחות מובנים, Explorations וקהלים

מה תוכלו לעשות אחרי הפרק הזה

תוכלו להסביר את מודל הנתונים של GA4 — Events, Parameters, User Properties, Sessions — ואיך הוא שונה מ-Universal Analytics
תוכלו להגדיר Custom Events ו-Key Events עם ערכים כספיים, ולייצא אותם ל-Google Ads בצורה נכונה
תוכלו לבנות Explorations מתקדמים — Free-Form, Funnel, Path, Cohort — ולהפיק תובנות אקשנביליות
תוכלו להשוות מודלי Attribution ולהבין את ההשפעה של כל ערוץ על המשפך השיווקי
תוכלו ליצור Custom Audiences ו-Predictive Audiences ולייצא אותם ל-Google Ads לרימרקטינג וביצועים
תוכלו להפעיל BigQuery Export ולהבין את הפוטנציאל של נתונים גולמיים לניתוח מתקדם
תוכלו להגדיר Consent Mode v2, Data Retention, ו-Internal Traffic Filters כדי לשמור על איכות נתונים ופרטיות

לפני שמתחילים

פרקים קודמים: פרקים 1-16 — במיוחד פרק 4 (ארגז הכלים — GA4 בסיסי, GTM התקנה), פרק 11 (מבוא ל-Google Ads — מבנה קמפיינים), פרק 15 (Bidding — Value-Based Bidding ו-Smart Bidding), ופרק 16 (דפי נחיתה ו-CRO — Conversion Tracking ו-Heatmaps). בפרק 4 התקנתם GA4 והגדרתם מעקב בסיסי — עכשיו נצלול לעומק
מה תצטרכו: גישה ל-GA4 Property עם לפחות 30 ימי נתונים, גישה ל-Admin של GA4, חשבון Google Cloud (חינם — ל-BigQuery), חשבון Google Ads מחובר ל-GA4 (אם רלוונטי), ורצוי גישה לקמפיין פעיל שמייצר המרות
זמן משוער: 90-120 דקות קריאה ותרגול

הפרויקט שלך — מפרק 16 לפרק 18

בפרק 16 למדת איך לבנות דפי נחיתה שממירים ולהריץ A/B Testing. עכשיו, בפרק 17, אנחנו בונים את שכבת המדידה המתקדמת — כי בלי GA4 מוגדר נכון, אי אפשר לדעת מה באמת עובד. זה הפרק שמחבר את כל הנקודות: Events שמודדים התנהגות, Key Events שמודדים הצלחה, Explorations שחושפים בעיות, ו-Audiences שמאפשרים פעולה. עד סוף הפרק, ה-GA4 שלך יהיה כלי החלטות אמיתי — לא רק "מונה ביקורים". בפרק 18 (Google Tag Manager — מדריך מלא) נלמד איך להטמיע כל מה שבנינו כאן בלי לגעת בקוד — GTM הוא ה"שכבה" שמפעילה את כל מה שמדדנו כאן.

מילון מונחים — פרק 17

מונח (English)	עברית	הסבר
Event	אירוע	יחידת הנתונים הבסיסית ב-GA4. כל אינטראקציה — צפייה בדף, לחיצה, רכישה — נרשמת כאירוע
Parameter	פרמטר	מידע נוסף שמצורף לאירוע. למשל: page_location באירוע page_view, או value באירוע purchase
User Property	מאפיין משתמש	מאפיין קבוע של משתמש (לא של אירוע). למשל: סוג חשבון, קטגוריית לקוח, שפה
Key Event (Conversion)	אירוע מפתח / המרה	אירוע שסומן כ"חשוב" — GA4 סופר אותו בנפרד בכל הדוחות. החל ממרץ 2024 נקרא Key Event
Exploration	חקירה	כלי ניתוח מתקדם ב-GA4 שמאפשר בניית דוחות מותאמים — Free-Form, Funnel, Path, Cohort ועוד
Funnel	משפך	רצף שלבים שמשתמש עובר עד להמרה. Funnel Exploration מראה נשירה בכל שלב
Cohort	קוהורטה	קבוצת משתמשים שמשותף להם מאפיין (לרוב תאריך הגעה ראשונה). משמש לניתוח שימור לאורך זמן
Segment	פלח / סגמנט	תת-קבוצה של משתמשים שמוגדרת לפי קריטריונים. משמש ל-Explorations להשוואת קהלים
Audience	קהל	קבוצת משתמשים שמוגדרת לפי התנהגות. ניתנת לייצוא ל-Google Ads לרימרקטינג ו-Targeting
Attribution	ייחוס	שיטה לחלוקת קרדיט על המרה בין נקודות המגע (ערוצים) שהובילו אליה
Data-Driven Attribution (DDA)	ייחוס מבוסס נתונים	מודל Attribution של GA4 שמשתמש ב-AI לחלוקת קרדיט לפי השפעה אמיתית — ברירת מחדל
BigQuery	ביג-קוורי	שירות מסד נתונים של Google Cloud. GA4 מייצא אליו נתונים גולמיים — חינמי לרוב העסקים
Custom Dimension	ממד מותאם	פרמטר מותאם שנרשם ב-GA4 כממד — חייב רישום כדי להופיע בדוחות (עד 50)
Consent Mode	מצב הסכמה	מנגנון שמאפשר ל-GA4 לאסוף נתונים מוגבלים כשמשתמש לא נתן הסכמת עוגיות
Enhanced Measurement	מדידה משופרת	אוסף אירועים אוטומטיים (scroll, click, video, file_download) שנאספים ללא הגדרה נוספת
Engagement Rate	שיעור מעורבות	אחוז הסשנים ש"היו מעורבים" — 10+ שניות, Key Event, או 2+ צפיות דף. מחליף את Bounce Rate
Predictive Audience	קהל חזוי	קהל שמבוסס על חיזויי AI — למשל "צפויים לרכוש ב-7 ימים" או "צפויים לנטוש"
LTV (Lifetime Value)	ערך חיי לקוח	סך ההכנסה שלקוח מייצר לאורך כל הקשר העסקי. GA4 מחשב LTV לפי מקור רכישה

מתחיל15 דקותחינםתיאוריה

ארכיטקטורת GA4 — מבנה הנתונים

Google Analytics 4 הוא שונה מהותית מהגרסה הקודמת (Universal Analytics). ההבנה של המבנה היסודי שלו היא המפתח לשימוש אפקטיבי. בואו נפרק את המבנה:

Data Streams — זרמי נתונים

ב-GA4, כל מקור נתונים הוא Data Stream. יש שלושה סוגים:

Web — אתר אינטרנט. זה מה שרוב העסקים צריכים. הגדרתם בפרק 4
iOS App — אפליקציית אייפון
Android App — אפליקציית אנדרואיד

היתרון הגדול של GA4: אם יש לכם גם אתר וגם אפליקציה, כל הנתונים מתאחדים ב-Property אחד. אתם יכולים לעקוב אחרי משתמש שהתחיל באתר ובסוף רכש באפליקציה — משהו שהיה כמעט בלתי אפשרי ב-Universal Analytics.

מודל הנתונים: הכל הוא אירוע (Event)

ב-Universal Analytics, המודל היה Session-based — סשנים, צפיות עמוד, Bounce Rate. ב-GA4, הכל מבוסס על אירועים (Events). כל אינטראקציה — צפייה בדף, לחיצה, גלילה, רכישה — נרשמת כאירוע. כל אירוע יכול לכלול Parameters (פרמטרים) שמוסיפים מידע. למשל: אירוע "page_view" כולל פרמטר "page_location" שמציין את ה-URL.

Events + Parameters

מודל הנתונים של GA4: כל פעולה = Event. כל פרט נוסף = Parameter. אין יותר "צפיות עמוד" ו"אירועים" נפרדים — הכל אירוע

Users, Sessions, Events — ההיררכיה

למרות שהכל מבוסס על אירועים, עדיין יש היררכיה:

User (משתמש) — אדם שמבקר באתר. GA4 מזהה משתמשים דרך: User ID (אם מחוברים), Device ID, או Google Signals
Session (סשן) — ביקור אחד באתר. סשן מתחיל כש-GA4 מתעד אירוע ראשון, ונגמר אחרי 30 דקות ללא פעילות (ברירת מחדל)
Event (אירוע) — כל פעולה ספציפית בתוך הסשן: page_view, scroll, click, purchase, form_submit וכד'
Parameter (פרמטר) — מידע נוסף שמצורף לכל אירוע: page_title, page_location, value, currency, item_id וכד'

User Properties — מאפייני משתמש

בנוסף לאירועים, GA4 מאפשר להגדיר User Properties — מאפיינים קבועים של משתמש. למשל: סוג חשבון (חינם/פרימיום), קטגוריית לקוח (חדש/חוזר), תחום עניין. User Properties נשמרים על המשתמש ולא על אירוע ספציפי, וזמינים לשימוש בקהלים, פילוחים, ודוחות.

עשה עכשיו: בדוק את מבנה ה-GA4 שלך

פתחו את GA4 → Admin → Data Streams. בדקו: (1) כמה Data Streams יש לכם? (2) האם Enhanced Measurement מופעל? (3) לכו ל-Admin → Data Settings → Data Retention — האם זה על 2 חודשים (ברירת מחדל) או 14 חודשים? אם 2 חודשים — שנו ל-14 עכשיו. זו פעולה של 10 שניות שמונעת אובדן נתונים.

מתחיל20 דקותחינםכלי

אירועים — הלב של GA4

GA4 מסווג אירועים לארבע קטגוריות. הבנת הקטגוריות עוזרת להבין מה כבר נאסף אוטומטית ומה צריך להגדיר בעצמכם:

1. Automatically Collected Events — אירועים אוטומטיים

אירועים שנאספים אוטומטית ברגע שמותקן GA4, ללא שום הגדרה נוספת:

אירוע	מתי מופעל
first_visit	פעם ראשונה שמשתמש מבקר באתר
session_start	תחילת סשן חדש
user_engagement	משתמש שהאתר שלו ב-Foreground לפחות שנייה
page_view	כל פעם שדף נטען (כולל SPA)

2. Enhanced Measurement Events — אירועי מדידה משופרת

אירועים שנאספים אוטומטית כש-Enhanced Measurement מופעל (ברירת מחדל — דלוק). ניתן לכבות/להפעיל כל אחד בנפרד תחת Admin → Data Streams → [Stream] → Enhanced Measurement:

אירוע	מה מודד	מתי שימושי
scroll	גלילה של 90% מהדף	הבנת מעורבות בתוכן ארוך
click (outbound)	לחיצה על קישור חיצוני	מעקב אחרי יציאות מהאתר
view_search_results	חיפוש פנימי באתר	הבנת מה מבקרים מחפשים
video_start / video_progress / video_complete	צפייה בסרטוני YouTube מוטמעים	מעקב מעורבות וידאו
file_download	הורדת קבצים (PDF, DOCX, ZIP וכד')	מעקב הורדות מסמכים
form_start / form_submit	אינטראקציה עם טפסים	מעקב מילוי טפסים (לא תמיד מדויק — GTM עדיף)

3. Recommended Events — אירועים מומלצים

אירועים שגוגל ממליצה להגדיר ידנית (דרך GTM) לפי סוג העסק. השמות מוגדרים מראש ו-GA4 "מכיר" אותם:

לאיקומרס: add_to_cart, begin_checkout, purchase, refund, view_item, view_item_list, add_to_wishlist, remove_from_cart
ללידים: generate_lead, sign_up, login, share, search
לתוכן: select_content, view_promotion, select_promotion

טיפ: למה להשתמש בשמות המומלצים?

כשאתם משתמשים בשמות מומלצים (כמו "purchase" ולא "my_sale_event"), GA4 מציעה דוחות מיוחדים שמתאימים לאירועים האלה, כולל דוחות E-commerce מפורטים. בנוסף, Google Ads מזהה את האירועים האלה אוטומטית עבור Conversion Tracking.

4. Custom Events — אירועים מותאמים אישית

כל אירוע שלא נכנס לקטגוריות הקודמות. אתם מגדירים אותו בעצמכם — שם, פרמטרים, ותנאי הפעלה. דוגמאות:

chat_opened — משתמש פתח צ'אט תמיכה
pricing_viewed — משתמש צפה בדף מחירים
demo_requested — משתמש ביקש הדגמה
phone_click — משתמש לחץ על מספר טלפון (tel: link)
whatsapp_click — משתמש לחץ על לינק WhatsApp

דוגמה: Custom Event דרך GTM

מטרה: לעקוב אחרי לחיצות על כפתור WhatsApp
Tag: GA4 Event → Event Name: "whatsapp_click"
Trigger: Click → Click URL contains "wa.me" or "api.whatsapp.com"
Parameters: page_title (הדף שממנו לחצו), click_url (הקישור המלא)

עכשיו כל לחיצה על WhatsApp מתועדת ב-GA4 — ואפשר להפוך את זה להמרה.

מגבלות אירועים ב-GA4

עד 500 שמות אירועים ייחודיים לכל Property
עד 25 פרמטרים לכל אירוע
עד 50 Custom Dimensions ו-50 Custom Metrics
שם אירוע: עד 40 תווים, מתחיל באות, ללא רווחים (underscores בלבד)
ערך פרמטר: עד 100 תווים

עשה עכשיו: מפה את האירועים שלך

פתחו את GA4 → Reports → Engagement → Events. רשמו רשימה של כל האירועים שנאספים. סווגו אותם: (1) אוטומטיים — page_view, session_start וכו'. (2) Enhanced Measurement — scroll, click, video וכו'. (3) מותאמים — כל דבר שאתם או GTM הגדרתם. שאלו את עצמכם: איזה אירוע חסר? לחיצה על WhatsApp? לחיצה על טלפון? צפייה בדף מחירים? כתבו 2-3 אירועים שאתם צריכים להוסיף.

מתחיל15 דקותחינםכלי

המרות — Key Events

ב-GA4, המרה (Conversion) — שנקראת עכשיו Key Event (השם שונה במרץ 2024) — היא פשוט אירוע שסימנתם כ"חשוב". כל אירוע יכול להפוך להמרה בלחיצת כפתור.

הגדרת Key Events

דרך ממשק GA4

לכו ל-Admin → Data Display → Events. מצאו את האירוע שרוצים לסמן כהמרה, והפעילו את המתג "Mark as Key Event". זהו. מרגע זה, GA4 סופר את האירוע הזה כהמרה בכל הדוחות.

יצירת אירוע חדש מתוך GA4

אם האירוע לא קיים עדיין, לכו ל-Admin → Data Display → Events → Create Event. הגדירו תנאים (למשל: "event_name = page_view AND page_location contains /thank-you") ותנו שם לאירוע החדש (למשל: "thank_you_page_view"). אחר כך סמנו אותו כ-Key Event.

Conversion Counting — ספירת המרות

GA4 מציע שני מודלים לספירת המרות:

Once per session — סופר את ההמרה פעם אחת לכל סשן, גם אם המשתמש ביצע את הפעולה 5 פעמים. מומלץ ללידים — אם מישהו שלח טופס 3 פעמים, זה עדיין ליד אחד
Every time — סופר כל מופע של ההמרה. מומלץ לאיקומרס — אם מישהו קנה 3 פעמים, אלה 3 רכישות

Conversion Value — ערך המרה

כל המרה יכולה לכלול ערך כספי. ב-E-commerce, הערך מגיע אוטומטית מפרמטר ה-value של אירוע ה-purchase. ב-Lead Gen, אתם מגדירים ערך ידנית — למשל, כל ליד שווה 200 ש"ח בממוצע. הגדרת ערך חיונית ל-Value-Based Bidding ב-Google Ads.

טעות נפוצה: להניח ש-GA4 Key Events זהים ל-Google Ads Conversions

מרץ 2024 ואילך, גוגל הפרידה בין "Key Events" ב-GA4 ל-"Conversions" ב-Google Ads. הם לא אותו דבר! כדי שאירוע GA4 ייספר כהמרה ב-Google Ads, צריך לייצא אותו ל-Google Ads: ב-GA4 → Admin → Product Links → Google Ads → בחרו אילו Key Events לייצא. או ב-Google Ads → Goals → Import from GA4.

עשה עכשיו: הגדר Key Events

לכו ל-GA4 → Admin → Data Display → Events. (1) אם יש לכם אירוע generate_lead, purchase, או phone_click — סמנו אותו כ-Key Event. (2) אם אין — צרו אירוע חדש: Create Event → תנאי: event_name = page_view AND page_location contains "/thank-you" → שם: thank_you_view → סמנו כ-Key Event. (3) הגדירו ערך כספי: כמה שווה המרה אחת? ליד = הכנסה ממוצעת ללקוח x שיעור סגירה. בלי Key Events מוגדרים, GA4 הוא רק מונה ביקורים.

מתחיל15 דקותחינםכלי

דוחות מובנים (Standard Reports)

GA4 מגיע עם סט דוחות מובנים שמכסים את הצרכים הבסיסיים. הנה הסקירה:

Realtime — בזמן אמת

מציג מה קורה עכשיו באתר שלכם: כמה משתמשים פעילים, מאיפה הגיעו, באילו דפים הם, ואילו אירועים מופעלים. שימוש עיקרי: בדיקה שמעקב עובד אחרי שינויים (GTM tag חדש, קמפיין חדש), מעקב אחרי אירועים חיים (השקת מבצע, פרסום מאמר).

Acquisition — רכישת משתמשים

מאיפה מגיעים המבקרים שלכם? שני דוחות מרכזיים:

User Acquisition — מראה את הערוץ הראשון שהביא כל משתמש. שימושי לזהות מה מביא לקוחות חדשים
Traffic Acquisition — מראה את הערוץ של כל סשן, לא רק הראשון. שימושי לזהות מה מביא תנועה שוטפת

ערוצים (Channels) שתראו: Organic Search, Paid Search, Direct, Social (Organic/Paid), Email, Referral, Display, ועוד. בדקו את Default Channel Grouping כדי להבין את החלוקה.

Engagement — מעורבות

Pages and Screens — איזה דפים הכי פופולריים? כמה זמן בילו בהם? מה ה-Conversion Rate של כל דף? זהו הדוח שתשתמשו בו הכי הרבה
Events — כל האירועים שמתרחשים, עם מספר מופעים ומשתמשים. בדקו שהאירועים שהגדרתם עובדים
Conversions (Key Events) — כמה המרות מכל סוג, ערך כולל, ולפי מקור תנועה
Landing Pages — מעולה לניתוח CRO: איזה דף נחיתה ממיר הכי טוב? איזה דף גורם לנטישה?

Retention — שימור

האם משתמשים חוזרים? דוח Retention מראה כמה משתמשים חזרו אחרי יום, שבוע, חודש. חשוב במיוחד ל-E-commerce ול-SaaS — עסק שמצליח לשמר לקוחות שווה הרבה יותר מעסק שצריך לרכוש לקוחות חדשים כל הזמן.

Demographics — דמוגרפיה

גיל, מגדר, תחומי עניין, מיקום גיאוגרפי, שפה. הערה: נתונים דמוגרפיים דורשים הפעלת Google Signals (תחת Admin → Data Settings → Data Collection). בישראל, הנתונים על גיל ומגדר זמינים אבל לא תמיד מכסים 100% מהמשתמשים.

עדכון 2024: Google Signals כבר לא ב-Reporting Identity ברירת המחדל

החל מ-12 בפברואר 2024, Google Signals הוסר מ-Reporting Identity ברירת המחדל ב-GA4 (Blended Identity). המשמעות: הוא כבר לא משפיע על דוחות סטנדרטיים — וכתוצאה מכך ה-thresholding על נתונים דמוגרפיים ירד והדוחות הראשיים נראים שלמים יותר.

עם זאת, Signals עדיין חיוני ל: (1) דוחות Demographics & Interests, (2) Audiences ו-Remarketing, (3) אופטימיזציה של המרות ב-Google Ads. השאירו אותו דלוק — הוא רק משנה איך משתמשים בו, לא אם להשתמש בו.

טיפ: התאמה אישית של דוחות

ב-GA4 אפשר להתאים אישית כל דוח: הוסיפו/הסירו עמודות, שנו Dimensions, הוסיפו Filters. לכו ל-Library (ספריה) כדי להוסיף דוחות חדשים לתפריט. למשל: צרו דוח "Landing Page Performance" עם Conversion Rate, Sessions, ו-Revenue — והוסיפו אותו לתפריט הקבוע.

עשה עכשיו: סקור את 5 הדוחות החשובים

פתחו את GA4 ובדקו כל אחד מהדוחות הבאים — רשמו תובנה אחת מכל אחד: (1) Acquisition → Traffic Acquisition — מאיפה מגיעה רוב התנועה? (2) Engagement → Pages and Screens — מה הדף הכי פופולרי? (3) Engagement → Events — האם כל האירועים שהגדרתם עובדים? (4) Retention — מה אחוז המשתמשים שחוזרים אחרי שבוע? (5) Realtime — האם יש תנועה עכשיו? 5 דקות, 5 דוחות, 5 תובנות.

מתחיל20 דקותחינםכלי

Explorations — ניתוח מתקדם

Explorations הם הכלי החזק ביותר ב-GA4 — ממשק ניתוח גמיש שמאפשר לחקור את הנתונים בעומק שהדוחות המובנים לא מאפשרים. הם נמצאים תחת Explore בתפריט הראשי.

Free-Form Exploration — חקירה חופשית

הפורמט הגמיש ביותר. גררו Dimensions (ממדים) ו-Metrics (מדדים) לטבלה, ויצרו כל דוח שתרצו. דומה ל-Pivot Table ב-Excel. דוגמה: טבלה שמראה Conversion Rate לפי Landing Page x Device Category x Source/Medium — כדי לזהות בדיוק איזה שילוב של דף נחיתה, מכשיר ומקור תנועה ממיר הכי טוב.

Funnel Exploration — ניתוח משפך

מגדירים שלבים (Steps) של משפך — למשל: page_view → add_to_cart → begin_checkout → purchase — ורואים כמה משתמשים עברו כל שלב, ואיפה נטשו. זה הכלי הכי חשוב ל-CRO — הוא מראה בדיוק איפה "החור" במשפך.

דוגמה: Funnel Exploration לחנות אונליין

שלב 1: view_item — 10,000 משתמשים
שלב 2: add_to_cart — 2,500 (25% המרה) → 75% נטשו
שלב 3: begin_checkout — 1,200 (48% המרה) → 52% נטשו
שלב 4: purchase — 600 (50% המרה) → 50% נטשו

תובנה: הנטישה הגדולה ביותר (75%) היא בין צפייה במוצר לבין הוספה לסל. משמעות: דפי המוצר לא משכנעים. צריך לשפר תמונות, תיאורים, מחירים, או Social Proof בדף המוצר.

Path Exploration — ניתוח נתיבים

מראה את הנתיב שמשתמשים עוברים באתר — מאילו דפים מגיעים, לאילו דפים ממשיכים, איפה יוצאים. שימושי לזהות נתיבים מפתיעים — אולי משתמשים מגיעים לדף שאתם לא מצפים? אולי הם "תקועים" בדף מסוים ולא ממשיכים?

Segment Overlap — חפיפת פלחים

מראה כמה משתמשים משותפים בין 2-3 Segments (פלחים). למשל: כמה מהמשתמשים שביקרו בדף מחירים גם צפו בהדגמה וגם מילאו טופס? עוזר להבין את הקשר בין התנהגויות שונות.

Cohort Exploration — ניתוח קוהורטות

קיבוץ משתמשים לפי מאפיין משותף (בדרך כלל תאריך הגעה ראשונה) ומעקב אחרי ההתנהגות שלהם לאורך זמן. שימוש קלאסי: "משתמשים שנרכשו בינואר — כמה מהם חזרו לרכוש בפברואר? במרץ?"

User Lifetime — ערך חיי משתמש

מראה את ערך חיי הלקוח (LTV — Lifetime Value) לפי מקור רכישה, קמפיין, או כל ממד אחר. זה הדוח שמשנה את הדרך שבה אתם חושבים על שיווק. אולי Google Ads מביא לקוחות עם CPA של 150 ש"ח, אבל הם קונים שוב ושוב ו-LTV שלהם הוא 3,000 ש"ח. לעומת Facebook שמביא לידים ב-50 ש"ח אבל LTV של 200 ש"ח בלבד.

מדריך מעשי: Free-Form Exploration צעד אחרי צעד

בואו נבנה יחד Free-Form Exploration שעונה על שאלה עסקית ממשית: "איזה שילוב של מקור תנועה + מכשיר + דף נחיתה ממיר הכי טוב?"

פתחו Exploration חדש

לכו ל-Explore → + (Blank). תראו ממשק עם שלושה אזורים: Variables (משמאל), Tab Settings (באמצע), ואזור הנתונים (מימין). שנו את שם ה-Exploration ל-"Landing Page Performance by Source & Device".

הוסיפו Dimensions

לחצו על ה-"+" ליד Dimensions והוסיפו: Session source/medium, Device category, Landing page + query string. אלה הממדים שלפיהם נחלק את הנתונים.

הוסיפו Metrics

לחצו על ה-"+" ליד Metrics והוסיפו: Sessions, Conversions (Key Events), Session conversion rate, Average engagement time per session, Bounce rate. אלה המדדים שנרצה לראות לכל שילוב.

בנו את הטבלה

גררו את Session source/medium ל-Rows. גררו את Device category ל-Columns. גררו את Session conversion rate ל-Values. עכשיו אתם רואים טבלת Pivot שמציגה את שיעור ההמרה לכל שילוב של מקור תנועה ומכשיר.

הוסיפו פילטר

גררו Sessions לאזור ה-Filters, והגדירו: Sessions > 10. כך תסננו שילובים עם מעט מדי נתונים שעלולים לטעות. עכשיו יש לכם תמונה ברורה של מה עובד ומה לא.

דוגמת תובנה מ-Exploration

מהטבלה מגלים ש-google / cpc ממיר ב-8.2% בדסקטופ אבל רק 2.1% במובייל. תובנה: דף הנחיתה לא מותאם למובייל, או שהטופס קשה לשימוש בטלפון. פעולה: שפרו את חוויית המובייל בדף הנחיתה (פרק 16), או הוסיפו Click-to-Call כחלופה לטופס.

מדריך מעשי: Funnel Exploration — בניית משפך מותאם

הנה איך לבנות Funnel Exploration מותאם שמתאים בדיוק לעסק שלכם:

הגדירו את השלבים

לכו ל-Explore → Funnel Exploration. הגדירו שלבים (Steps) לפי ה-Funnel שלכם. לדוגמה, לאתר B2B:
Step 1: session_start (ביקור באתר)
Step 2: page_view — where page_location contains "/services" (צפייה בדף שירותים)
Step 3: page_view — where page_location contains "/pricing" (צפייה בדף מחירים)
Step 4: generate_lead (מילוי טופס)

הגדירו Open vs Closed Funnel

Closed Funnel (ברירת מחדל) — מציג רק משתמשים שעברו את שלב 1 בדיוק. מתאים כשיש סדר הגיוני (כמו Checkout).
Open Funnel — מציג משתמשים שנכנסו בכל שלב, גם אם דילגו על שלב קודם. מתאים כשהנתיב לא לינארי (אתר תוכן).

פרסו לפי Dimension

גררו Dimension כמו Device category ל-Breakdown. עכשיו תראו את המשפך מפולח לפי מכשיר — ותזהו אם מובייל נושר יותר בשלב מסוים מאשר דסקטופ. זו תובנה שלא ניתן לקבל מדוח רגיל.

טיפ: Funnel Exploration + Segments

הוסיפו Segments ל-Funnel כדי להשוות קהלים. לדוגמה: צרו Segment של "מבקרים מ-Google Ads" ו-Segment של "מבקרים מ-Organic Search" ובדקו: איזה קהל עובר את המשפך בצורה טובה יותר? אם Google Ads נושר ב-Step 2 (דף שירותים) הרבה יותר מאורגני — אולי ה-Message Match בין המודעה לדף לא טוב.

עשה עכשיו: בנה Funnel Exploration ראשון

לכו ל-GA4 → Explore → Funnel Exploration. בנו משפך של 3-4 שלבים שמתאים לעסק שלכם. לאיקומרס: view_item → add_to_cart → begin_checkout → purchase. ל-Lead Gen: session_start → page_view (דף שירותים) → page_view (דף מחירים) → generate_lead. גררו Device category ל-Breakdown. שאלו: באיזה שלב הנשירה הגדולה ביותר? האם יש הבדל בין מובייל לדסקטופ? זו התובנה הראשונה שלכם מ-Explorations.

מתחיל15 דקותחינםתיאוריה

מודלים של Attribution

Attribution (ייחוס) עונה על השאלה: "מי צריך לקבל קרדיט על ההמרה?". לקוח שראה מודעה YouTube, אחר כך חיפש בגוגל, לחץ על מודעת Search, ואז נכנס ישירות והמיר — מי "אשם" בהמרה?

Data-Driven Attribution (DDA) — ברירת מחדל

זהו מודל ברירת המחדל של GA4 מ-2023. ה-AI של גוגל מחלק את הקרדיט בין כל נקודות המגע (Touchpoints) לפי ההשפעה האמיתית שלהן. הוא לומד מנתוני ההמרה שלכם ומבין אילו ערוצים באמת תורמים להמרות. זה המודל המומלץ ברוב המקרים.

מודלים נוספים (זמינים ב-Advertising Reports)

מודל	איך עובד	מתי שימושי
Last Click	100% קרדיט לנקודת מגע אחרונה לפני ההמרה	כשרוצים לדעת "מה סגר את העסקה"
First Click	100% קרדיט לנקודת מגע ראשונה	כשרוצים לדעת "מה הביא את הלקוח לראשונה"
Linear	חלוקה שווה בין כל נקודות המגע	כשכל שלב במשפך חשוב באותה מידה
Time Decay	יותר קרדיט לנקודות מגע קרובות יותר להמרה	כשפעילות אחרונה חשובה יותר
Position Based	40% ראשון, 40% אחרון, 20% אמצע	כשחשוב גם מה הביא את הלקוח וגם מה סגר

טיפ: השוואת מודלים

ב-GA4, לכו ל-Advertising → Attribution → Model Comparison כדי לראות איך ערוצים שונים מדורגים תחת מודלים שונים. אם Google Ads נראה חזק ב-Last Click אבל חלש ב-First Click, זה אומר שהוא טוב בסגירה אבל לא בהכנסת לקוחות חדשים למשפך. השתמשו בהשוואה הזו כדי לקבל החלטות תקציב מאוזנות.

השוואה מפורטת: כל מודל Attribution בפעולה

בואו נראה דוגמה מעשית שממחישה את ההבדלים בין המודלים. לקוח עובר 4 נקודות מגע (Touchpoints) לפני רכישה של 1,000 ש"ח:

נקודת מגע	ערוץ	Last Click	First Click	Linear	Time Decay	Position Based
1 (ראשון)	YouTube Ad	₪0	₪1,000	₪250	₪100	₪400
2	Organic Search	₪0	₪0	₪250	₪200	₪100
3	Display Remarketing	₪0	₪0	₪250	₪300	₪100
4 (אחרון)	Google Ads Search	₪1,000	₪0	₪250	₪400	₪400

הלקח: לפי Last Click, רק Google Ads Search מקבל קרדיט — ויכול להיות שנסגור את קמפיין YouTube כי "הוא לא ממיר". אבל לפי First Click, YouTube הוא שהביא את הלקוח בכלל! Data-Driven Attribution של GA4 לומד מנתוני כל ההמרות שלכם ומחלק את הקרדיט בצורה חכמה — לא לפי כלל קבוע אלא לפי ההשפעה האמיתית של כל ערוץ.

Conversion Paths — ניתוח נתיבי המרה

ב-GA4, לכו ל-Advertising → Attribution → Conversion Paths כדי לראות את הנתיבים הנפוצים ביותר שלקוחות עוברים לפני המרה. תוצאות מפתיעות שתגלו:

רוב ההמרות דורשות 2+ נקודות מגע — רק מיעוט הלקוחות ממירים בביקור הראשון. ב-B2B, הממוצע הוא 4-7 נקודות מגע
Assisted Conversions חשובים לא פחות מ-Last Click — ערוץ שלא "סוגר" אבל תמיד מופיע בנתיב הוא ערוץ קריטי. אל תכבו אותו
הזמן עד המרה — ב-E-commerce, 60% מההמרות קורות ביום הראשון. ב-B2B ושירותים, 60% קורות אחרי 3+ ימים. התאימו את חלון ה-Lookback Window בהתאם

טעות נפוצה: התאמת Attribution ב-GA4 — Lookback Window שגוי

כדי לשנות את מודל ה-Attribution ב-GA4: Admin → Data Display → Attribution Settings. כאן תוכלו לבחור בין Data-Driven (מומלץ) ל-Last Click. תוכלו גם להגדיר את ה-Lookback Window — אבל שימו לב לברירת המחדל הנכונה:

לרוב ה-Key Events (לידים, רכישות, וכו'): ברירת המחדל היא 90 ימים (אפשרויות זמינות: 30 / 60 / 90 ימים).
לאירועי רכישת משתמשים — first_visit / first_open: ברירת המחדל היא 30 ימים (אפשרויות זמינות: 7 / 30 ימים בלבד).

המלצה: 90 ימים מתאים לרוב העסקים. לעסקים עם מחזור מכירה קצר במיוחד (E-commerce אימפולסיבי) אפשר לקצר ל-30/60. אם שיניתם בעבר ל-30 ימים בטעות — חזרו ל-90 ימים כדי לא לפספס המרות מאוחרות בעסקי B2B / נדל"ן / שירותים.

עשה עכשיו: השווה מודלי Attribution

לכו ל-GA4 → Advertising → Attribution → Model Comparison. בחרו תקופת זמן של 30 ימים לפחות. השוו בין Data-Driven ל-Last Click. חפשו ערוצים עם פער גדול: ערוץ שמדורג גבוה ב-DDA אבל נמוך ב-Last Click = ערוץ שתורם להמרות אבל לא "סוגר" — חשוב, אל תכבו אותו. ערוץ שמדורג גבוה ב-Last Click אבל נמוך ב-DDA = ערוץ ש"סוגר" אבל לא מביא לקוחות חדשים. בדקו גם את Attribution Settings: האם Lookback Window מתאים למחזור המכירה שלכם?

מתחיל15 דקותחינםכלי

קהלים מותאמים אישית (Custom Audiences)

קהלים (Audiences) ב-GA4 הם קבוצות של משתמשים שמוגדרות לפי התנהגות, דמוגרפיה, או מאפיינים אחרים. שתי סיבות עיקריות ליצור קהלים: (1) ניתוח — פילוח דוחות לפי קהלים. (2) פרסום — ייצוא קהלים ל-Google Ads לרימרקטינג ו-Audience Signals.

יצירת קהל מותאם

Admin → Data Display → Audiences → New Audience. הנה הקהלים שכל עסק צריך:

All Converters — כל מי שהמיר

תנאי: key_event = [שם ההמרה]. שימוש: Exclusion — הוציאו אותם מקמפיינים לרכישת לקוחות חדשים כדי לא לבזבז כסף על מי שכבר לקוח.

High-Value Visitors — מבקרים באיכות גבוהה

תנאי: session_duration > 120 seconds AND page_views_per_session > 3. מבקרים שבילו זמן רב ועניין — מועמדים מצוינים לרימרקטינג.

Cart Abandoners — נוטשי עגלה

תנאי: add_to_cart = true AND purchase = false בחלון של 7 ימים. הקהל עם ה-ROI הגבוה ביותר לרימרקטינג.

Pricing Page Visitors — צופים בדף מחירים

תנאי: page_view where page_location contains "/pricing" or "/prices". מבקרים שהגיעו לדף מחירים מגלים כוונה גבוהה — הם שוקלים רכישה.

Predictive Audiences — קהלים חזויים

GA4 מציע קהלים שמבוססים על חיזויי AI — לא על מה שכבר קרה, אלא על מה שצפוי לקרות:

Likely 7-day purchasers — משתמשים שצפויים לרכוש ב-7 הימים הקרובים. מעולה לרימרקטינג אגרסיבי
Likely 7-day churners — משתמשים שצפויים לנטוש. מעולה לקמפיינים של שימור (Retention)
Predicted revenue — משתמשים לפי הכנסה צפויה. מאפשר Value-Based Bidding

דרישות ל-Predictive Audiences

קהלים חזויים זמינים רק אם יש מספיק נתונים: לפחות 1,000 משתמשים חיוביים (רכשו) ו-1,000 שליליים (לא רכשו) ב-28 הימים האחרונים. עסקים קטנים עם מעט תנועה לא תמיד עומדים בסף הזה.

Predictive Audiences — שימושים מעשיים מתקדמים

קהלים חזויים (Predictive Audiences) משנים את הכללים. במקום לעשות רימרקטינג ל"כל מי שביקר באתר ב-30 יום האחרונים" (קהל רחב ולא ממוקד), אתם יכולים למקד ב"מי שצפוי לרכוש ב-7 הימים הקרובים" — קהל הרבה יותר מדויק ורווחי.

שימוש 1: Remarketing אגרסיבי ל-Likely Purchasers

צרו קהל Likely 7-day purchasers וייצאו אותו ל-Google Ads. צרו קמפיין Display/YouTube ממוקד רק בקהל הזה, עם הצעה חזקה (הנחה, משלוח חינם, מתנה). מכיוון שהאנשים האלה כבר "חמים" — שיעורי ההמרה יהיו גבוהים משמעותית מרימרקטינג רגיל. ROAS אופייני: פי 2-3 מרימרקטינג סטנדרטי.

שימוש 2: מניעת נטישה (Churn Prevention)

צרו קהל Likely 7-day churners — משתמשים שצפויים לא לחזור. שלחו להם מיילים עם הצעות שימור, הצגת מודעות עם תוכן חדש או מבצעים, או הפעילו קמפיין Push Notifications. עלות שימור לקוח קיים נמוכה פי 5-7 מרכישת לקוח חדש.

שימוש 3: Value-Based Bidding עם Predicted Revenue

קהל Predicted top spenders — משתמשים עם הכנסה צפויה גבוהה. השתמשו בקהל הזה כ-Audience Signal ב-Performance Max, כדי ש-Smart Bidding ישקיע יותר במשתמשים שצפויים להוציא יותר. זה בעצם Value-Based Bidding מבוסס AI, והוא עובד מצוין ב-E-commerce עם מגוון רחב של סכומי הזמנה.

שימוש 4: Exclusion — הוצאת קהלים מקמפיינים

הוציאו את Likely 7-day purchasers מקמפיינים של Awareness (YouTube, Display רחב). למה? כי הם כבר הולכים לרכוש — אין צורך לשלם על חשיפה נוספת. חסכו את התקציב ללקוחות חדשים.

טיפ: בדקו את Predictive Metrics ב-Explorations

GA4 מציע גם Predictive Metrics שניתן להשתמש בהם ב-Explorations: Purchase probability, Churn probability, Predicted revenue. הוסיפו אותם כ-Metrics ב-Free-Form Exploration כדי לנתח: איזה מקור תנועה מביא משתמשים עם סיכוי רכישה גבוה? איזה דף נחיתה "מושך" משתמשים עם ערך צפוי גבוה? זו רמה של ניתוח שלא היתה אפשרית לפני AI.

ייצוא קהלים ל-Google Ads

כל קהל שיצרתם ב-GA4 מיוצא אוטומטית ל-Google Ads (אם החשבונות מחוברים). ב-Google Ads, הקהלים מופיעים תחת Tools → Shared Library → Audience Manager. שם אתם יכולים להשתמש בהם ל:

רימרקטינג — הצגת מודעות לקהלים ספציפיים
Exclusion — הוצאת קהלים מקמפיינים
Audience Signals — ב-PMax ו-Demand Gen
Similar Audiences / Lookalike — יצירת קהלים דומים (תלוי בגודל הקהל)

עשה עכשיו: צור 3 קהלים מותאמים

לכו ל-GA4 → Admin → Data Display → Audiences → New Audience. צרו את שלושת הקהלים הבאים: (1) All Converters — כל מי שביצע Key Event. שימוש: Exclusion מקמפיינים לרכישת לקוחות חדשים. (2) High-Value Visitors — ביקור 10+ שניות ו-2+ דפים. שימוש: רימרקטינג. (3) Pricing/Cart Visitors — ל-Lead Gen: page_view עם "pricing" ב-URL. לאיקומרס: add_to_cart ללא purchase ב-7 ימים. אם Google Ads מחובר, הקהלים מיוצאים אוטומטית.

מתחיל15 דקותחינםכלי

GA4 + BigQuery — נתונים גולמיים

BigQuery הוא שירות מסד נתונים של Google Cloud שמאפשר ניתוח של כמויות עצומות של נתונים. GA4 מציע ייצוא חינמי של כל הנתונים הגולמיים ל-BigQuery — וזו אחת מהתכונות החשובות ביותר לעסקים שרוצים שליטה מלאה בנתונים.

למה BigQuery?

נתונים גולמיים — גישה לכל אירוע, כל פרמטר, כל משתמש. ללא המגבלות של ממשק GA4
שמירת נתונים ארוכה — GA4 שומר נתונים ל-14 חודשים (Standard) או עד 50 חודשים (360, ברמת אירוע). ב-BigQuery, אתם שולטים בתקופת השמירה — אפשר לשמור לתמיד
ניתוח מתקדם — שאילתות SQL על הנתונים הגולמיים. מאפשר ניתוח שלא קיים בממשק
חיבור לכלי BI — Looker Studio, Tableau, Power BI
חינם (כמעט) — ייצוא GA4 ל-BigQuery חינמי. אחסון 10GB חינמי. שאילתות 1TB/חודש חינמי. לרוב העסקים הקטנים, זה מספיק

טעות נפוצה: מתעלמים ממכסת ה-1M אירועים ביום ב-Daily Export

ל-Properties רגילים (Standard, לא 360), Daily Export מוגבל ל-1 מיליון אירועים ביום. אם האתר שלכם עובר את הסף הזה (אתרי תוכן בנפח גדול, חנויות E-commerce עם תנועה גבוהה), Google ידחה את הייצוא היומי ותחסר לכם נתונים.

הפתרון: (1) בדקו את נפח האירועים היומי שלכם תחת Reports → Engagement → Events → הסתכלו על Event count יומי. (2) אם אתם קרובים ל-1M ביום — עברו ל-Streaming Export (אין הגבלה על כמות אירועים, אבל יש עלות BigQuery לאחסון/streaming). (3) אם אתם מעל 1M ביום באופן קבוע — שקלו GA4 360.

Analytics Advisor — Gemini בתוך GA4 עצמו (חדש ב-2025)

בנוסף ל-Gemini ב-BigQuery, יש עכשיו Analytics Advisor — צ'אט בינה מלאכותית מובנה ישירות בתוך GA4 שמבוסס על Gemini ועונה על שאלות בשפה טבעית.

מה זה: צ'אט שעונה על שאלות כמו "מה ה-ROAS שלי בערוץ Paid Search השבוע?", "איזה דף נחיתה מביא הכי הרבה לידים?", "תסכם לי את הביצועים של הקמפיין X". התשובה כוללת מספרים, גרפים, וקישור לדוח המקורי
מתי הושק: Beta הוצגה ב-Google Marketing Live מאי 2025. השקה רחבה לכל חשבונות Ads ו-GA4 באנגלית — דצמבר 2025
זמינות: חינם — עובד ב-GA4 Standard וב-360 כאחד. כרגע נתמך באנגלית, עברית בהמשך
איפה למצוא: סמלית ה-Gemini בפינה הימנית-עליונה של GA4 (Star icon / Sparkle), או Ask Analytics בתפריט

טיפ: Analytics Advisor חוסך זמן Explorations

לפני Analytics Advisor, שאלה כמו "איזה Source/Medium מביא משתמשים עם Engagement Rate הגבוה ביותר השבוע?" דרשה Free-Form Exploration של 5 דקות. עכשיו — שאלה אחת בצ'אט והתשובה מגיעה תוך 10 שניות. זה לא מחליף את Explorations (לניתוח עמוק עדיין צריך), אבל לשאלות יומיות מהירות — זה מנצח. הגדירו את עצמכם להתחיל כל בוקר עם 2-3 שאלות ב-Analytics Advisor.

הפעלת BigQuery Export

Admin → Product Links → BigQuery Links → Link. בחרו Google Cloud Project (אם אין — צרו חינם ב-console.cloud.google.com). בחרו Daily Export (חינמי, מתעדכן פעם ביום) או Streaming Export (כמעט בזמן אמת, עלול לעלות כסף).

טיפ: גם אם לא משתמשים עכשיו — הפעילו BigQuery Export

ה-Export מתחיל לצבור נתונים מרגע ההפעלה — הוא לא יוצא לאחור. גם אם אתם לא יודעים SQL ולא מתכוונים לנתח את הנתונים היום, הפעילו את BigQuery Export עכשיו. ביום שתרצו לעשות ניתוח מתקדם, הנתונים יהיו שם. זו ביטוח חינמי.

עשה עכשיו: הפעל BigQuery Export

(1) אם אין לכם Google Cloud Project — לכו ל-console.cloud.google.com וצרו פרויקט חינמי. (2) חזרו ל-GA4 → Admin → Product Links → BigQuery Links → Link. (3) בחרו את הפרויקט, בחרו Daily Export (חינמי). (4) לחצו Submit. זה הכל. מהיום הנתונים נצברים. גם אם לא תיגעו ב-BigQuery עוד שנה — הנתונים יחכו שם. עלות: אפס. ערך: בלתי ניתן לשחזור אם לא הפעלתם.

מתחיל10 דקותחינםתיאוריה

פרטיות, Consent Mode ו-GDPR

פרטיות המשתמש היא לא רק חובה משפטית — היא גם משפיעה ישירות על איכות הנתונים שלכם. עם ביטול עוגיות צד שלישי (Third-Party Cookies) ורגולציית פרטיות מחמירה, חשוב להבין את הכלים:

Google Consent Mode v2

Consent Mode מאפשר ל-GA4 ול-Google Ads להתנהג אחרת בהתאם להסכמת המשתמש. אם המשתמש לא נתן הסכמה לעוגיות — GA4 ממשיך לאסוף נתונים אנונימיים (ללא מזהים אישיים) ומשתמש ב-AI כדי למלא פערים (Behavioral Modeling).

הגדרות פרטיות חובה (2026)

Cookie Banner — אם יש לכם מבקרים מאירופה (וסביר שיש), חובה להציג באנר הסכמה. כלים: CookieBot, OneTrust, Iubenda
Data Retention — ב-GA4, הגדירו כמה זמן לשמור נתונים ברמת משתמש: 2 חודשים (ברירת מחדל) או 14 חודשים. שנו ל-14 חודשים ב-Admin → Data Settings → Data Retention
IP Anonymization — ב-GA4, כתובות IP אנונימיות כברירת מחדל. אין צורך בהגדרה
Google Signals — מאפשר נתונים דמוגרפיים אבל דורש הסכמה. הפעילו ב-Admin → Data Settings → Data Collection

המשמעות הפרקטית: נתונים חסרים

בגלל באנרי הסכמה ומדיניות פרטיות, GA4 לא מודד 100% מהמבקרים. בישראל, בדרך כלל 75-90% מהנתונים נאספים. באירופה, יכול לרדת ל-50-70%. GA4 משתמש ב-Behavioral Modeling כדי לאמוד את ה-30% החסרים, אבל הנתונים לא מושלמים. קבלו החלטות על בסיס מגמות, לא מספרים מוחלטים.

מתחיל20 דקותחינםכלי

GA4 לאיקומרס — Enhanced E-commerce Tracking

אם יש לכם חנות אונליין, Enhanced E-commerce ב-GA4 הוא חובה מוחלטת. הוא מעקב מלא אחרי כל שלב במשפך הרכישה — מצפייה במוצר ועד רכישה (והחזרה).

אירועי E-commerce ב-GA4

אירוע	מתי מופעל	פרמטרים חשובים
view_item_list	צפייה ברשימת מוצרים (קטגוריה, חיפוש)	items[] (מערך מוצרים)
view_item	צפייה בדף מוצר בודד	items[], value, currency
add_to_cart	הוספת מוצר לסל	items[], value, currency
remove_from_cart	הסרת מוצר מהסל	items[], value, currency
begin_checkout	תחילת תהליך Checkout	items[], value, currency, coupon
add_shipping_info	הוספת פרטי משלוח	items[], shipping_tier
add_payment_info	הוספת אמצעי תשלום	items[], payment_type
purchase	רכישה מוצלחת	transaction_id, value, currency, items[], tax, shipping
refund	זיכוי/החזרה	transaction_id, value, items[]

יישום Enhanced E-commerce

אם אתם משתמשים ב-Shopify — האינטגרציה כמעט אוטומטית עם Google & YouTube app. ב-WooCommerce — התוסף Google Listings & Ads או MonsterInsights. ב-פלטפורמה מותאמת — צריך לבנות Data Layer ידנית ולהטמיע דרך GTM.

מה מקבלים מ-Enhanced E-commerce?

ברגע שהאירועים מותקנים, GA4 מציע דוחות E-commerce ייעודיים:
Monetization Overview — סך הכנסות, מספר רכישות, הכנסה ממוצעת לרכישה
E-commerce Purchases — ביצועי מוצרים: כמה נמכר, הכנסה, שיעור המרה
Purchase Journey — Funnel אוטומטי: view → cart → checkout → purchase
Checkout Journey — ניתוח מפורט של שלבי ה-Checkout
Promotions — ביצועי מבצעים ובאנרים פנימיים

מתחיל20 דקותחינםכלי

GA4 לעסקי Lead Generation — מדריך מעשי

רוב ההדגשה בתיעוד של GA4 היא על E-commerce, אבל רוב העסקים בישראל הם עסקי Lead Generation (שירותים, B2B, מומחים). הנה מה שצריך לדעת על GA4 כשההמרה שלכם היא ליד ולא רכישה:

אירועים מומלצים לעסקי לידים

אירוע	מתי מופעל	סוג: Key Event?	ערך מומלץ
generate_lead	שליחת טופס ליצירת קשר / בקשת הצעת מחיר	Key Event (Primary)	ערך ממוצע של ליד (למשל 200 ש"ח)
phone_click	לחיצה על מספר טלפון (tel: link)	Key Event (Primary)	ערך ממוצע של שיחה (למשל 150 ש"ח)
whatsapp_click	לחיצה על כפתור WhatsApp	Key Event (Secondary)	100 ש"ח (פחות מטלפון — פחות Committed)
pricing_viewed	צפייה בדף מחירים / תעריפים	Micro-Conversion	לא חייב
scroll_milestone_90	גלילה של 90% בדף שירותים	Micro-Conversion	לא חייב
form_start	משתמש התחיל למלא טופס	Micro-Conversion	לא חייב

למה חשוב להגדיר ערך להמרות Lead Gen

כשמגדירים ערך כספי להמרות Lead Gen, מאפשרים ל-Google Ads להשתמש ב-Value-Based Bidding. לדוגמה: אם ליד מטלפון שווה 200 ש"ח וליד מ-WhatsApp שווה 100 ש"ח, Smart Bidding ישקיע יותר בהבאת שיחות טלפון. בלי ערכים — כל ליד שווה, ו-Smart Bidding לא יודע לתעדף. חישוב ערך ליד: הכנסה ממוצעת ללקוח x שיעור סגירה. אם לקוח ממוצע שווה 5,000 ש"ח וסוגרים 1 מכל 10 לידים, ערך ליד = 500 ש"ח.

דוח Lead Gen מותאם ב-GA4

צרו דוח מותאם (Custom Report) שממוקד בלידים: לכו ל-Library → Create new report. הוסיפו: Dimensions: Session source/medium, Landing page, Device category. Metrics: Sessions, Key Events (generate_lead), Key Events (phone_click), Session conversion rate, Engagement rate. Filter: רק sessions עם Key Events > 0 (כדי לראות רק סשנים שהמירו). שמרו והוסיפו לתפריט הקבוע.

עשה עכשיו: הגדר אירועי Lead Gen או E-commerce

ל-Lead Gen: בדקו שיש לכם לפחות 3 אירועים מוגדרים: generate_lead (שליחת טופס), phone_click (לחיצה על טלפון), whatsapp_click (לחיצה על WhatsApp). לכל אחד הגדירו ערך כספי. לאיקומרס: ודאו שאירועי Enhanced E-commerce פועלים — לכו ל-Realtime ובצעו רכישת טסט. בדקו שרואים view_item, add_to_cart, begin_checkout, purchase. אם חסרים אירועים — פרק 18 (GTM) ילמד אתכם איך להוסיף אותם.

מתחיל10 דקותחינםתיאוריה

טעויות נפוצות ב-GA4

GA4 הוא כלי עוצמתי, אבל גם כלי שקל לטעות בו. הנה הטעויות הנפוצות ביותר:

1. Data Retention על 2 חודשים

הבעיה: ברירת המחדל ב-GA4 היא שמירת נתונים ברמת משתמש ל-2 חודשים בלבד. אחרי זה, הנתונים מצטמקים ו-Explorations לא עובדים על נתונים ישנים.
הפתרון: Admin → Data Settings → Data Retention → 14 months. שנו עכשיו.

2. לא הפעילו BigQuery Export

הבעיה: חינמי, קל, ושומר את כל הנתונים לנצח. אבל רוב העסקים לא מפעילים כי "לא צריך עכשיו".
הפתרון: הפעילו Daily Export. חינם. עכשיו.

3. Conversion Tracking כפול

הבעיה: אותה המרה נספרת פעמיים — פעם מתג GA4 ופעם מתג Google Ads Conversion נפרד. התוצאה: מספרי המרות מנופחים, Smart Bidding "מבולבל".
הפתרון: בחרו מקור אחד: או GA4 Key Events (מיוצאים ל-Ads), או Google Ads Conversion Tag. לא שניהם לאותה המרה.

4. לא מסננים Internal Traffic

הבעיה: ביקורים של הצוות שלכם, מפתחים, וספקים נכללים בנתונים ומעוותים את התמונה.
הפתרון: Admin → Data Streams → [Stream] → Configure Tag Settings → Define Internal Traffic. הוסיפו את כתובות ה-IP של המשרד. אחר כך: Admin → Data Settings → Data Filters → Internal Traffic → Active.

5. לא מגדירים Goals / Key Events

הבעיה: GA4 ללא המרות מוגדרות הוא רק "מונה ביקורים". אין ערך עסקי.
הפתרון: הגדירו לפחות 2-3 Key Events: המרה עיקרית (רכישה/ליד) + Micro-Conversions (הורדת מדריך, צפייה בדף מחירים, Click-to-Call).

6. שימוש ב-Bounce Rate הישן

הבעיה: ב-GA4, Bounce Rate הוחלף ב-Engagement Rate — אחוז הסשנים ש"היו מעורבים" (נמשכו 10+ שניות, כללו Key Event, או 2+ צפיות עמוד). Bounce Rate ב-GA4 הוא ההפך: אחוז הסשנים שלא היו מעורבים.
הפתרון: התרגלו ל-Engagement Rate. 60% Engagement Rate = טוב. 40% = צריך שיפור.

7. לא מחברים GA4 ל-Google Ads

הבעיה: בלי חיבור, אין ייצוא קהלים, אין ייבוא המרות, אין Attribution מדויק.
הפתרון: Admin → Product Links → Google Ads → Link. חברו את כל חשבונות Google Ads הרלוונטיים.

8. Custom Dimensions לא רשומים

הבעיה: שולחים פרמטרים מותאמים אישית לאירועים, אבל לא רושמים אותם כ-Custom Dimensions. התוצאה: הנתונים נאספים אבל לא זמינים בדוחות.
הפתרון: Admin → Data Display → Custom Definitions. רשמו כל פרמטר מותאם אישית שאתם רוצים לראות בדוחות.

9. לא משתמשים ב-UTM Parameters

הבעיה: קמפיינים ב-Social Media, Email, ו-SMS מגיעים כ-"Direct" או "Unassigned" כי אין UTM.
הפתרון: השתמשו תמיד ב-UTM Parameters לכל לינק שיווקי: utm_source, utm_medium, utm_campaign. השתמשו ב-Google Campaign URL Builder ליצירת לינקים עם UTM.

10. לא משתמשים ב-Debug View

הבעיה: מגדירים אירועים מותאמים אישית ומניחים שהם עובדים, בלי לבדוק בפועל. אחרי חודש מגלים שהאירוע לא נשלח או נשלח עם פרמטרים חסרים.
הפתרון: השתמשו ב-DebugView ב-GA4 (Admin → DebugView). כדי להפעיל, התקינו את תוסף GA Debugger ב-Chrome או הוסיפו debug_mode: true ב-GTM Tag. DebugView מציג אירועים בזמן אמת, כולל פרמטרים, ומאפשר לאתר בעיות לפני שהן הופכות לנתונים חסרים.

11. הסתכלות על נתונים יומיים

הבעיה: נתונים יומיים מושפעים מתנודות אקראיות. "אתמול היו 5% פחות מבקרים — מה קרה?!" (לא קרה כלום, זה נורמלי).
הפתרון: הסתכלו על מגמות שבועיות וחודשיות. השוו שבוע לשבוע (Week-over-Week) או חודש לחודש. שינוי אמיתי נראה לאורך שבועות, לא ימים.

צ'קליסט GA4 — ודאו שהכל מוגדר

1. Data Retention = 14 months
2. BigQuery Export = Active
3. Internal Traffic Filter = Active
4. Google Signals = Enabled
5. Key Events (Conversions) = Defined
6. Google Ads Link = Connected
7. Search Console Link = Connected
8. Enhanced Measurement = Enabled
9. Custom Dimensions = Registered
10. E-commerce Events = Implemented (if applicable)

12. לא מנצלים Cross-Platform Tracking

הבעיה: יש לכם אתר ואפליקציה, אבל כל אחד נמדד בנפרד. משתמש שגולש באתר ורוכש באפליקציה מופיע כשני משתמשים שונים — ו-Attribution שבור.
הפתרון: GA4 נבנה בדיוק לזה. הוסיפו Web + iOS + Android Data Streams לאותו Property. השתמשו ב-User ID (מזהה משתמש ייחודי שאתם מגדירים בזמן Login) כדי לאחד משתמשים בין פלטפורמות. התוצאה: User Journey מלא מ-Web ל-App.

GA4 Advanced: שאילתות SQL שימושיות ב-BigQuery

אם הפעלתם BigQuery Export (ואתם צריכים!), הנה שלוש שאילתות SQL שכל משווק מתקדם צריך להכיר:

שאילתה 1: Top Converting Landing Pages

שאילתה שמוצאת את דפי הנחיתה עם שיעור ההמרה הגבוה ביותר, מסוננים לדפים עם לפחות 100 סשנים. מאפשרת לזהות "דפי זהב" שאתם רוצים לשכפל.

שאילתה 2: User Paths to Conversion

שאילתה שמראה את הרצף של דפים שמשתמשים שביצעו המרה עברו לפני ההמרה. מגלה נתיבים שלא ידעתם עליהם — אולי 40% מהלקוחות קוראים את דף ה-FAQ לפני שממירים.

שאילתה 3: Time to Conversion by Channel

שאילתה שמחשבת כמה זמן (בימים) עובר מהביקור הראשון עד להמרה, מפולח לפי ערוץ תנועה. מגלה ש-Google Ads ממיר תוך 2 ימים בממוצע, בעוד Organic לוקח 14 ימים — מה שמשפיע על הערכת ביצועי הערוצים.

טיפ: לא יודעים SQL? אין בעיה

השתמשו ב-Gemini ב-BigQuery — כתבו שאלה בשפה טבעית ("Show me the top 10 landing pages by conversion rate for the last 30 days") ו-Gemini ייצר את שאילתת ה-SQL בשבילכם. לחלופין, חפשו "GA4 BigQuery SQL templates" — יש עשרות תבניות מוכנות לשימוש.

עשה עכשיו: רוץ על צ'קליסט GA4 Setup

פתחו את GA4 ועברו על 10 הנקודות: (1) Data Retention = 14 months? (2) BigQuery Export = Active? (3) Internal Traffic Filter = Active? (4) Google Signals = Enabled? (5) Key Events = Defined? (6) Google Ads Link = Connected? (7) Search Console Link = Connected? (8) Enhanced Measurement = Enabled? (9) Custom Dimensions = Registered? (10) E-commerce Events = Implemented (if applicable)? סמנו V ליד כל פריט שעשיתם. כל פריט שלא — עשו עכשיו. זו רשימת הבסיס. בלי כל 10, אתם מפסידים נתונים.

מתחיל10 דקותחינםתיאוריה

טעויות שעולות ביוקר — ואיך להימנע מהן

טעות נפוצה: מודדים הכל אבל לא מנתחים כלום

מה קורה: GA4 מוגדר מושלם — Key Events, Custom Dimensions, BigQuery Export — אבל אף אחד לא באמת מסתכל על הנתונים. הדוחות נצברים, אבל ההחלטות מתקבלות "מהבטן".
למה זה קורה: הגדרת GA4 מרגישה כמו "עשיתי את העבודה". אבל ההגדרה היא רק 20% — 80% הערך מגיע מניתוח שוטף ופעולה על סמך תובנות.
הפתרון: קבעו "GA4 Review" שבועי קבוע של 30 דקות. השתמשו בשגרת העבודה מהמשך הפרק הזה. כלל אצבע: אם לא שיניתם שום דבר בגלל נתון מ-GA4 בחודש האחרון — אתם לא משתמשים בו באמת.

טעות נפוצה: מתייחסים למספרים מוחלטים ולא למגמות

מה קורה: "אתמול היו 247 מבקרים במקום 260 — מה קרה?!" (לא קרה כלום, תנודה יומית נורמלית). או: "אין לנו מספיק תנועה לעשות A/B Testing" (כי מסתכלים על מספר מוחלט ולא על שיעור).
למה זה קורה: GA4 מציג מספרים מדויקים (247 סשנים, 12 המרות) וזה מפתה להתייחס אליהם כ"אמת מוחלטת". אבל עם Consent Mode ו-Behavioral Modeling, המספרים הם אומדנים.
הפתרון: (1) תמיד השוו שבוע-לשבוע או חודש-לחודש, לא יום-ליום. (2) התמקדו בשיעורים (Conversion Rate, Engagement Rate) ולא במספרים מוחלטים. (3) שינוי אמיתי = מגמה עקבית של 2+ שבועות.

טעות נפוצה: לא מפרידים בין GA4 Key Events ל-Google Ads Conversions

מה קורה: מגדירים המרה ב-GA4 וגם מתקינים Google Ads Conversion Tag נפרד לאותה פעולה. התוצאה: ספירה כפולה. Smart Bidding רואה כפול המרות מהמציאות, מעלה Bid-ים, ו-CPA מתנפח.
למה זה קורה: מבולבלים בין המערכות. לפני מרץ 2024 הם היו אותו דבר, אבל עכשיו הם נפרדים.
הפתרון: בחרו שיטה אחת: או (א) הגדירו Key Events ב-GA4 וייצאו אותם ל-Google Ads, או (ב) השתמשו ב-Google Ads Conversion Tag ישירות. לא שניהם לאותה המרה. בדקו עכשיו: Google Ads → Goals → Conversions — האם יש המרות כפולות?

מתחיל10 דקותחינםכלי

Frameworks להחלטות

מסגרת החלטה 1: מודל AIME — ניתוח GA4 שיטתי

ארבעה שלבים לניתוח GA4 שמוביל לפעולה:

A — Ask (שאל שאלה עסקית)
לפני שפותחים GA4, הגדירו שאלה ספציפית: "למה Conversion Rate ירד השבוע?", "איזה מקור תנועה מביא את הלקוחות הכי רווחיים?", "באיזה שלב נוטשים הכי הרבה?".

I — Investigate (חקור בנתונים)
בחרו את הכלי המתאים: שאלה על מגמות → דוחות מובנים. שאלה על "למה" → Explorations. שאלה על משפך → Funnel. שאלה על ערוצים → Attribution.

M — Meaning (הסק מסקנה)
מה הנתונים אומרים? תרגמו מספרים לתובנה: "שיעור המרה במובייל נמוך ב-60% מדסקטופ → בעיית חוויית מובייל בדף הנחיתה".

E — Execute (פעל)
כל ניתוח חייב להסתיים בפעולה אחת ספציפית: "שפר את דף הנחיתה למובייל ובדוק שוב בעוד שבוע". ניתוח בלי פעולה = בזבוז זמן.

מסגרת החלטה 2: מפת ה-3 שכבות — מה למדוד ב-GA4

שלוש שכבות מדידה שכל עסק צריך:

שכבה 1: בסיסי (כל העסקים)
• Key Events מוגדרים עם ערכים
• Traffic Sources — מאיפה מגיעה תנועה
• Landing Page Performance — איזה דפים ממירים
• Device Split — מובייל vs דסקטופ

שכבה 2: ביניים (עסקים עם תנועה)
• Funnel Exploration — איפה נושרים
• Custom Audiences — לרימרקטינג
• Attribution — חלוקת קרדיט בין ערוצים
• UTM Tracking — מעקב מדויק אחרי קמפיינים

שכבה 3: מתקדם (עסקים גדולים)
• BigQuery + SQL — ניתוחים מותאמים
• Predictive Audiences — קהלים חזויים
• Cross-Platform Tracking — Web + App
• Value-Based Bidding — עם ערכי LTV

התחילו משכבה 1 ועלו בהדרגה. שכבה 1 = 80% מהערך.

מסגרת החלטה 3: בחירת Exploration — מה מתי

שאלת "איזה Exploration להשתמש" עולה הרבה. הנה המפתח:

"מה הנתונים שלי?" → Free-Form Exploration (הכי גמיש — טבלה, גרף, עוגה)
"איפה אנשים נושרים?" → Funnel Exploration (שלבי המשפך + נשירה)
"לאן אנשים הולכים?" → Path Exploration (נתיבים באתר)
"כמה משותף בין קהלים?" → Segment Overlap (חפיפה בין 2-3 פלחים)
"האם לקוחות חוזרים?" → Cohort Exploration (שימור לאורך זמן)
"מי הלקוחות הכי שווים?" → User Lifetime (LTV לפי מקור)

כלל אצבע: 70% מהניתוחים ייפתרו עם Free-Form + Funnel. התחילו שם.

מתחיל5 דקותחינםכלי

שגרת עבודה — GA4

שגרת עבודה מצטברת — עד פרק 17

יומי (1-3 משימות, 10 דקות)

בדקו Realtime ב-GA4 — האם הכל עובד? אירועים נרשמים? (3 דקות, פרק 17)
בדקו ביצועי קמפיינים ב-Google Ads — CPA, ROAS (5 דקות, פרקים 11-15)
בדקו הודעות ב-Google Business Profile (2 דקות, פרק 2)

שבועי (3-5 משימות, 60 דקות)

GA4 Review — 30 דקות (חדש בפרק 17): Traffic Acquisition, Pages and Screens, Key Events, Funnel Exploration. כתבו 3 תובנות + 1 פעולה
Google Ads — Search Terms, Quality Score, Bidding (15 דקות, פרקים 12-15)
Google Search Console — ביצועי SEO (10 דקות, פרקים 5-8)
ביקורות GBP + תגובות (5 דקות, פרק 2)

חודשי (2-4 משימות, 3 שעות)

Attribution Review (חדש בפרק 17): Model Comparison — האם ערוצים מקבלים קרדיט נכון? Conversion Paths — כמה נקודות מגע לפני המרה? (45 דקות)
Audiences Review (חדש בפרק 17): האם הקהלים מתמלאים? גודל מספיק לרימרקטינג? (30 דקות)
CRO — Heatmaps, A/B Testing, שיפורי דפי נחיתה (60 דקות, פרק 16)
דוח ביצועים מלא — הכנסות, עלויות, ROI (45 דקות, כל הפרקים)

מתחיל30 דקותחינםתרגול

תרגילים מעשיים

תרגיל 1: GA4 Setup Audit — ביקורת הגדרות מלאה

מטרה: לוודא שה-GA4 שלכם מוגדר כמו שצריך.
משימה: עברו על צ'קליסט 10 הנקודות מסוף הפרק. לכל נקודה: (1) בדקו את המצב הנוכחי. (2) אם לא מוגדר — הגדירו עכשיו. (3) תעדו בטבלה: פריט | סטטוס | תאריך ביצוע | הערות.
תוצר: טבלת GA4 Setup Audit מלאה — כל 10 הפריטים מסומנים כ"בוצע".
זמן: 30-45 דקות.

תרגיל 2: Funnel Exploration + תובנות

מטרה: לבנות משפך מותאם ולמצוא את נקודת הנשירה הגדולה ביותר.
משימה: (1) בנו Funnel Exploration עם 4 שלבים שמתאימים לעסק שלכם. (2) הפעילו Breakdown לפי Device category. (3) הפעילו Breakdown לפי Session source/medium. (4) זהו: באיזה שלב הנשירה הגדולה ביותר? האם יש הבדל בין מובייל לדסקטופ? בין Organic ל-Paid?
תוצר: צילום מסך של המשפך + 3 תובנות כתובות + פעולה אחת שתנקטו.
זמן: 20-30 דקות.

תרגיל 3: Free-Form Exploration — Landing Page Performance

מטרה: לזהות את דפי הנחיתה הטובים והגרועים ביותר.
משימה: בנו Free-Form Exploration לפי המדריך בפרק: (1) Rows: Landing page + query string. (2) Columns: Device category. (3) Values: Session conversion rate, Sessions, Bounce rate. (4) Filter: Sessions > 20. (5) מיינו לפי Conversion Rate. זהו: (א) 3 דפי נחיתה עם CR הגבוה ביותר — מה משותף להם? (ב) 3 דפי נחיתה עם CR הנמוך ביותר — מה הבעיה?
תוצר: רשימה של "Top 3" ו-"Bottom 3" עם הסבר + פעולות שיפור.
זמן: 20-30 דקות.

תרגיל 4: Audiences + Google Ads Integration

מטרה: ליצור קהלים שישפרו את ביצועי הקמפיינים.
משימה: (1) צרו 4 קהלים: All Converters (Exclusion), High-Value Visitors (Remarketing), Cart/Pricing Abandoners (High-Intent Remarketing), ו-7-Day Active Users (Engagement). (2) ודאו שהם מיוצאים ל-Google Ads. (3) ב-Google Ads, לכו ל-Audience Manager ובדקו שהקהלים מופיעים. (4) הוסיפו לפחות קהל אחד כ-Exclusion וקהל אחד כ-Audience Signal בקמפיין קיים.
תוצר: 4 קהלים פעילים + שינוי אחד בקמפיין Google Ads.
זמן: 30-40 דקות.

מתחיל5 דקותחינםכלי

אם אתה עושה רק דבר אחד

אם אתה עושה רק דבר אחד מהפרק הזה 15 דקות פעם, 5 דקות בשבוע

בנה Funnel Exploration אחד שמראה את המשפך העסקי שלך — ובדוק אותו כל שבוע.

למה דווקא זה? כי Funnel Exploration מחבר את כל מה שלמדת: הוא מבוסס על Events שהגדרת (אירועים), מראה Conversion Rate בכל שלב (Key Events), מאפשר Breakdown לפי Source/Medium (Attribution), ומגלה בעיות CRO (דפי נחיתה). במקום להסתכל על 20 דוחות — יש לך דוח אחד שאומר "באיזה שלב אתה מפסיד את רוב הלקוחות".

הפעולה: בנו Funnel Exploration עם 3-4 שלבים. שמרו אותו ב-Saved Explorations. כל יום ראשון — פתחו ובדקו. אם הנשירה בשלב מסוים עלתה → חקרו ופעלו. זה לוקח 5 דקות בשבוע ומייצר 80% מהתובנות.

מתחיל5 דקותחינםתרגול

בדוק את עצמך

בדוק את עצמך — האם עברת את הפרק?

מה ההבדל בין Event ל-Parameter ב-GA4? תנו דוגמה (רמז: page_view + page_location).
מהם ארבעת סוגי האירועים ב-GA4? איזה סוג דורש הגדרה ידנית? (רמז: Custom Events).
מה ההבדל בין Key Event ב-GA4 ל-Conversion ב-Google Ads? למה זה חשוב? (רמז: ההפרדה החלה במרץ 2024).
מה ההבדל בין User Acquisition ל-Traffic Acquisition? (רמז: ערוץ ראשון מול ערוץ של כל סשן).
מתי תשתמשו ב-Funnel Exploration לעומת Free-Form Exploration? (רמז: שלבים מסודרים מול ניתוח גמיש).
מה היתרון של Data-Driven Attribution על פני Last Click? מתי Last Click עדיין שימושי?
מהו Predictive Audience? מה הדרישות המינימליות להפעלתו? (רמז: 1,000 ב-28 יום, חיוביים ושליליים).
למה חשוב להפעיל BigQuery Export גם אם לא יודעים SQL? (רמז: הוא לא יוצא לאחור).
מה ההבדל בין Bounce Rate ל-Engagement Rate ב-GA4? מה נחשב "טוב"? (רמז: 60% Engagement = טוב).
מה ברירת המחדל של Lookback Window עבור Key Events רגילות? למה זה שונה מ-first_visit?

אם ענית על 8 מתוך 10 — עברת!

מתחיל5 דקותחינםסיכום

סיכום — מה בנית + הצעד הבא

סיכום הפרק

GA4 הוא הכלי שמחבר את כל מה שלמדנו בקורס — מ-SEO דרך Google Ads ועד CRO. בלי מדידה נכונה, כל האופטימיזציות הן ניחושים. בפרק הזה הבנת שב-GA4 הכל אירוע — Events עם Parameters, User Properties, Sessions — מודל שונה מהותית מ-Universal Analytics. הגדרת Key Events עם ערכים כספיים, שזה הבסיס לכל אופטימיזציה ב-Google Ads. בנית Funnel Exploration שמגלה איפה נושרים ו-Free-Form Exploration שמראה ביצועי דפי נחיתה. הבנת שאף ערוץ לא עובד בבידוד, ו-Data-Driven Attribution נותן תמונה מדויקת יותר מ-Last Click. יצרת קהלים מותאמים שמיוצאים ל-Google Ads לרימרקטינג וביצועים. ועברת על צ'קליסט 10 נקודות ווידאת שה-GA4 שלך מוגדר כמו שצריך — Data Retention 14 חודשים, BigQuery Export פעיל, Internal Traffic מסונן.

הוספנו גם הערות חשובות על המציאות של 2026: Google Signals ירד מ-Reporting Identity ברירת המחדל בפברואר 2024 (אבל עדיין חיוני ל-Audiences ול-Ads), Lookback Window ברירת מחדל הוא 90 ימים לרוב ההמרות (לא 30 כפי שרבים חושבים), ויש עכשיו Analytics Advisor — Gemini מובנה ב-GA4 שעונה על שאלות בשפה טבעית. ול-Standard Daily Export ב-BigQuery יש מכסה של 1M אירועים ביום שכדאי להיות מודעים אליה.

בפרק הבא: בפרק 18 (Google Tag Manager — מדריך מלא) נלמד את הכלי שמאפשר להטמיע כל מה שבנינו כאן בלי לגעת בקוד. GTM הוא ה"שכבה" שמפעילה את כל המעקב — Custom Events, Enhanced E-commerce, Consent Mode, ועוד. אם GA4 אומר "מה למדוד", GTM אומר "איך למדוד". זמן משוער: 90-120 דקות.