Чем похожи и чем отличаются Google Analytics 4 и Яндекс Метрика? Разбор функций + таблица со сравнением

Рядовому пользователю, которому необходимо отслеживать только базовые показатели сайта (объем и источники трафика + целевые действия), как правило, удобнее использовать Яндекс Метрику. У нее интуитивно понятный интерфейс и давно кардинально не обновлялся функционал, поэтому в интернете легко можно найти интересующие руководства и гайды, чего не скажешь о недавно вышедшем Google Analytics 4.

Если говорить об опытных специалистах веб-аналитики и анализе крупных проектов, у Google Analytics 4 для них куда больший потенциал. Эта система лучше подходит для анализа поведения пользователей на сайте, но чтобы раскрыть все возможности, нужны определенные навыки — например, нужно уметь продумывать таксономию разметки или настраивать отслеживание событий. Также желательно уже иметь опыт работы с системами аналитики и понимать, как они устроены изнутри.

Подробнее остановимся на ключевых моментах интерфейса.

События

Это один из основных пунктов для сравнения систем аналитики, события — это действия пользователей на сайте. В Яндекс Метрике они отсутствуют как класс, в то время как в Google Analytics 4 все взаимодействия пользователей отслеживаются с помощью событий.

При попытке воспроизвести такой же функционал событий в Яндекс Метрике специалисты будут сталкиваться с определенными проблемами. Если в Яндекс Метрике попробовать отслеживать все события через цели, то лимит целей быстро израсходуется. Например, в Google Analytics 4 легко можно получить детализацию кликов по отдельным пунктам меню, создав событие «Клик меню» и добавив к нему параметр «Текст элемента». В Яндекс Метрике же не получится создавать цель под каждый пункт меню, иначе для всех конверсионных событий не хватит целей.

Цели лучше использовать для рекламных кампаний, но не для анализа поведения пользователей.

Функционал событий в Яндекс Метрике можно воспроизвести с помощью параметров визитов. Правда, работа с ними в интерфейсе очень ограничена — их неудобно использовать в сегментах. Не получится применить регулярные выражения, и к ним часто применяются «чувствительные данные», которые могут деанонимизировать пользователей.

Чтобы полноценно пользоваться собранными данными в параметрах визитов, приходится выгружать сырые данные по Logs API и обрабатывать их с помощью Python на рабочем устройстве. Такой метод не подходит для проектов, где миллионы хитов за день, так как это будет требовать большой производительности от «железа», поскольку хит — это любое взаимодействие пользователя с сайтом, которое улетает в Яндекс Метрику. 1 хит в выгрузке = 1 строка, а миллион хитов — это выгрузка CSV на миллион строк.

В Google Analytics 4 при работе с событиями важно учитывать лимиты длины параметров. Например, лимит на длину параметров событий (100 символов), которого может не хватать при некоторых сценариях использования.

Если вы работаете преимущественно с сырыми данными, то использование параметров визитов в Яндекс Метрике вам понравится больше.

Цели

В Google Analytics 4 удобнее настраивать цели, чем в Яндекс Метрике. Точнее, ранее настроенные события можно выбрать в качестве целевых.

В Яндекс Метрике, как уже говорилось, все действия пользователей не получится разметить целями на крупном проекте. То есть нельзя заранее разметить все действия пользователей и при необходимости выбрать целевое — цель придется настраивать с нуля.

При этом, у Яндекс Метрики лимит на количество целей — 200 штук, а у Google Analytics 4 — 30 штук. Это будет ощутимо на крупных проектах. Лимит на цели в Universal Analytics можно было обойти через добавление новых представлений, в Google Analytics 4 такого функционала пока нет.

В платной версии Google Analytics 4 360 лимит на цели — 50 штук, но этого тоже крайне мало. В Яндекс Метрике Про — 1000 штук, но доступ к ней есть только у сертифицированных агентств.

Воронки

Функционал воронок в интерфейсе Яндекс Метрики очень ограничен. Их можно реализовать, но воронки необходимо создать заранее как составную цель. На практике это очень неудобно, особенно на крупных проектах — невозможно заранее предугадать все возможные последовательности событий, которые необходимо будет изучить при анализе поведения пользователей.

В Google Analytics 4, наоборот, достаточно разметить событиями действия пользователей, и можно будет строить любую воронку, чтобы протестировать все гипотезы.

В Яндекс Метрике, если появилась идея посмотреть новую воронку, придется грузить данные из Logs API, так как составные цели «задним числом» не работают. А работа с Logs API требует от аналитика определенных навыков и мощный рабочий компьютер, если на проекте много данных.

Сегментирование

У Яндекс Метрики можно выделить две ключевые проблемы сегментирования:

• воронки;

• условие отрицания.

Если вы хотите подробно изучить характеристики и поведение пользователей, совершивших определенную последовательность шагов, то вам остается надеяться, что кто-то из коллег заранее создал составную цель. Как я отметил выше, на практике в Яндекс Метрике нет нужного количества составных целей.

В Google Analytics 4 можно сделать сравнение и использовать аудиторию, которая совершила определенную последовательность шагов. Это работает не так интуитивно, как в Universal Analytics, где сразу в сегменте можно было задать очередность шагов. Зато такая возможность есть.

Периодически в рамках анализа необходимо выделять аудиторию, которая не посещала страницу Х, чтобы увидеть ее отличительные особенности.

К сожалению, в Яндекс Метрике этого не сделать.

В Яндекс Метрике если задать условие в формате «Не главная страница», то в такой сегмент попадают пользователи, у которых в визите была любая страница, кроме главной. При этом в таких визитах могла быть и главная страница, что не соответствует требованиям задачи. Если речь идет о параметрах уровня визита (браузер, ОС), то в Яндекс Метрике можно выделить аудиторию по условию «все, кроме...».

В Google Analytics 4 не возникает проблем с исключением аудитории из анализа.

Ecommerce

Яндекс Метрика может обработать только часть пушей с Ecommerce для Google Analytics. Сами шаги представлены в таблице:

При работе с Яндекс Метрикой чаще всего не хватает пушей для чекаутов при оформлении покупки, так как очень важно анализировать саму корзину товаров — например, не слишком ли сложные формы.

Кроме того, в Яндекс Метрике неудобно делать сегменты с использованием Ecommerce: сложно анализировать, откуда именно добавляют товары в корзину (из блока рекомендаций или со страницы товара).

Часть информации, которая есть в интерфейсе, отсутствует при выгрузке из Logs API (добавления в корзину), поэтому рекомендую дополнительно передавать пуши в параметры визитов. Тогда можно будет передать и чекауты, а воронку строить на сырых данных.

Если говорить о передаче офлайн-данных Ecommerce, в Google Analytics 4 есть Measurement Protocol, который позволяет полностью имитировать хиты пользователей, в том числе и Ecommerce.

В Яндекс Метрике, есть возможность передавать офлайн-заказы из CRM-системы, но гибкость передачи офлайн-данных ограничена. Также не хватает функционала чекаутов, в которых можно было бы передать промежуточные шаги покупки, например, замер, договор. Аналитику придется работать не с интерфейсом, а с сырыми данными.

Measurement Protocol

Иногда возникает потребность передать данные в систему аналитики из офлайна или отправить информацию с сервера. Например, когда пользователь записался на мероприятие на сайте и пришел на него офлайн, для анализа воронки полезно передавать такую информацию в систему аналитики.

В Google Analytics 4 для этого предусмотрен Measurement Protocol — он позволяет передать данные о хите пользователя напрямую с сервера. При этом данные нативно добавляются к отчетам, будто эти события были отправлены браузером пользователя. Это помогает гибко использовать Google Analytics 4: можно изучить, как ведет себя один и тот же пользователь на сайте, в приложении, в чат-боте Telegram и в офлайне.

В Яндекс Метрике нет полноценного аналога Measurement Protocol. Можно импортировать статусы заказов из CRM-системы, параметры посетителей или офлайн-конверсии, но это решение не гибкое. Например, нельзя полноценно настроить взаимодействие с чат-ботом ВКонтакте или Тelegram через Яндекс Метрику. Особенно, если чат-бот — это полноценный проект с множеством вариантов ответов.

Когорты

Если вам необходимо провести когортный анализ, в интерфейсе Google Analytics 4 есть такая возможность. Подробнее — в справке Google Analytics 4. Когортный анализ проводят, чтобы изучить поведение групп пользователей, имеющих общие признаки или свойства, чтобы впоследствии использовать эти результаты, например, в финансовых целях (апсейл, кросс-сейл).

В Яндекс Метрике нет инструментов для когортного анализа. Поэтому, если вы хотите провести подобный анализ, а на страницах установлен только счетчик Яндекс Метрики, вам придется работать с сырыми данными через Logs API. Это требует определенного уровня навыков и времени от аналитика.

Вебвизор/карта кликов

Вебвизор и карта кликов есть в Яндекс Метрике и нет в интерфейсе Google Analytics 4. Анализируя записи визитов или изучая тепловые зоны, можно оценивать эффективность сайта и находить новые идеи для роста конверсии.

Это один из тех функционалов, ради которого ставят Яндекс Метрику, когда на сайте уже установлен Google Analytics 4.

Семплинг/чувствительные данные

Семплирование — выборка части данных с целью получить значимую информацию о полном наборе данных. Сервисы веб-аналитики вынуждены вводить семплинг, чтобы снижать нагрузку на свои сервера, и система работала быстрее. Например, при семплинге в 10% берутся случайные 10% данных и экстраполируются на оставшиеся 90%. Искажение реальных данных при этом может быть весьма существенным.

Для средних и малых проектов в Google Analytics 4 и Яндекс Метрике семплинг не создает проблем, так как объема данных достаточно для анализа. Если количество визитов превышает 500 000 в нужном периоде, необходимо подключать платные версии Google Analytics 4 и Яндекс Метрики.

В Яндекс Метрике помимо семплинга есть «Чувствительные данные». Это данные, которые могут деанонимизировать пользователей, и они рассчитываются алгоритмами Яндекса. Например:

• социально-демографические (пол, возраст);

• адреса страниц входа;

• поисковые фразы;

• информация о роботах и другие.

Такая информация выдается только в том случае, если количество посетителей в выборке больше 10. Это может привести к тому, что «параметры визитов» (аналоги событий) в интерфейсе станет использовать затруднительно, если нужно передавать детализированную информацию о действиях пользователей, а пользователей с одинаковыми параметрами меньше 10.

Сырые данные

В Яндекс Метрике и Google Analytics 4 есть возможность экспорта сырых данных. В Яндекс Метрике с помощью Logs API можно выгрузить сырые данные себе на компьютер, или если у вас Метрика Про, можно с помощью нативного коннектора экспортировать данные в ClickHouse.

В Google Analytics 4 предусмотрен экспорт данных в Google BigQuery. Если рассматривать бесплатную версию BigQuery, то данные стриминга хранятся только 60 дней, а лимит на объем хранимых данных — 10 Гб.

Для небольших проектов вариант с экспортом сырых данных через Logs API в Яндекс Метрике более удобный, чем бесплатный вариант от Google Analytics 4. Стоит учитывать, что скорость обработки сырых данных ограничена мощностью вашего устройства. В то время как в BQ эти мощности не требуются.

Если сравнивать платные версии Google Analytics 4 и Яндекс Метрики Про, то экспорт и дальнейшая работа с сырыми данными в Google Analytics 4 реализована проще, так как не надо рассчитывать и разворачивать инфраструктуру под ClickHouse.

Политические риски

Ключевое ограничение при выборе продуктов от Google для компаний из России — это политические риски.

При построении аналитической экосистемы очень важна целостность данных. Google в одностороннем порядке может ограничить сбор данных на проекте, если компания, на сайтах которой установлены счетчики Google Analytics 4, попадет в санкционный список — в нашем опыте такие случаи были. Перенести ранее собранные данные в другую экосистему будет очень затруднительно.

Так что выбрать?

Если компания не ограничена выбором счетчика, то лучше ставить сразу оба от Google и Яндекса, чтобы использовать функционал обеих систем.

Если необходимо выбрать что-то одно, то выбор будет складываться из многих факторов. Предположу:

1. Небольшим проектам стоит выбрать Яндекс Метрику, так как у нее интуитивно удобный интерфейс, и у самого проекта, скорее всего, не так много запросов для системы аналитики.

2. Средним проектам, которым не страшны политические факторы, подойдет Google Analytics 4 из-за его гибкого интерфейса с точки зрения функционала.

3. Крупным проектам стоит остановиться на Яндекс Метрике, чтобы минимизировать политические риски. Недостатки интерфейса можно компенсировать возможностью работы с сырыми данными, настроив стриминг в ClickHouse с помощью нативного коннектора от Метрики Про и подготовив на этих сырых данных необходимые для анализа дашборды.

Надеюсь, данная статья помогла вам сравнить Google Analytics 4 и Яндекс Метрику. Если какие-то важные аспекты не упомянул, пишите в комментариях, буду рад дополнить.