Progowanie danych (ang. data thresholding) to mechanizm ochrony prywatności w Google Analytics 4, który ukrywa w raportach wiersze dotyczące zbyt małej liczby użytkowników, aby na podstawie połączenia cech demograficznych, zainteresowań i zachowań nie dało się zidentyfikować pojedynczej osoby. Dla marketera oznacza to, że sumy w raporcie mogą nie zgadzać się z sumą widocznych wierszy, a część segmentów po prostu „znika” — zwłaszcza gdy włączone są Google Signals i raport odwołuje się do danych demograficznych.
Jak działa progowanie danych w GA4?
GA4 stosuje progowanie automatycznie i po stronie systemu — użytkownik nie może ustawić własnego progu ani go wyłączyć bezpośrednio. Gdy w raporcie lub eksploracji dany wiersz (np. kombinacja miasta, płci i grupy wiekowej) dotyczy zbyt małej liczby użytkowników, GA4 nie pokazuje tego wiersza. O zadziałaniu mechanizmu informuje ikona jakości danych przy nagłówku raportu z komunikatem, że zastosowano progowanie.
Progowanie występuje przede wszystkim w dwóch sytuacjach:
- Włączone są Google Signals, a raport zawiera wymiary demograficzne lub zainteresowania (pochodzące z danych zalogowanych użytkowników Google).
- Tożsamość na potrzeby raportowania ustawiona jest na tryb „Mieszane” lub „Zaobserwowane”, przez co GA4 uwzględnia sygnały Google w liczeniu użytkowników — wtedy progowanie może pojawić się nawet w raportach bez wymiarów demograficznych.
Mechanizm dotyczy zarówno raportów standardowych, jak i eksploracji oraz zapytań przez Data API. Nie ma natomiast wpływu na dane eksportowane do BigQuery — tam trafiają surowe zdarzenia bez progowania (ale też bez danych demograficznych z Google Signals). Szczegóły opisuje oficjalna dokumentacja Google Analytics.
Progowanie a próbkowanie i (not set) — czym się różnią?
Trzy zjawiska często mylone przez początkujących użytkowników GA4 mają zupełnie inne przyczyny i inne środki zaradcze.
| Zjawisko | Co widzisz | Przyczyna | Jak ograniczyć |
|---|---|---|---|
| Progowanie danych | Brak wierszy, sumy się nie zgadzają, ikona jakości danych | Ochrona prywatności przy Google Signals / tożsamości mieszanej | Zmiana tożsamości na „Na podstawie urządzenia”, wyłączenie sygnałów w tożsamości, szerszy zakres dat |
| Próbkowanie | Wyniki oparte na części danych, ikona z procentem próby | Zapytanie w eksploracji przekracza limit zdarzeń | Krótszy zakres dat, mniej wymiarów, BigQuery |
| (not set) | Wiersz o nazwie „(not set)” | Brak wartości wymiaru dla zdarzenia (np. brak parametru) | Poprawa implementacji tagowania |
Warto zapamiętać prostą regułę: progowanie ukrywa wiersze, próbkowanie szacuje wartości, a (not set) sygnalizuje brak danych w samej implementacji. Więcej pojęć znajdziesz w kategorii Google Analytics 4.
Kiedy progowanie jest problemem, a kiedy nie?
Progowanie nie jest błędem — to celowe działanie GA4. Staje się problemem, gdy:
- Serwis ma niewielki ruch i wiele kombinacji wymiarów wpada poniżej progu, przez co raporty tracą użyteczność.
- Analizujesz wąskie segmenty (np. konwersje z jednej kampanii w jednym mieście), których liczba użytkowników jest naturalnie mała.
- Porównujesz sumy z raportów GA4 z danymi z innych systemów i różnice wyglądają jak błąd zbierania danych.
Jeśli dane demograficzne nie są dla Twojej analizy istotne, najprostszym rozwiązaniem jest ustawienie tożsamości raportowania na „Na podstawie urządzenia” — progowanie wtedy nie występuje. Ustawienie to można zmieniać w dowolnym momencie bez utraty danych, ponieważ wpływa tylko na sposób prezentacji, a nie na zbieranie. Alternatywnie w konfiguracji Google Signals można wyłączyć ich uwzględnianie w tożsamości raportowania, zachowując jednocześnie możliwość remarketingu w Google Ads.
Najczęstsze błędy
- Włączanie Google Signals „bo się da”, bez analizy, czy dane demograficzne będą faktycznie wykorzystywane.
- Interpretowanie brakujących wierszy jako błędu tagowania i szukanie usterki w Google Tag Managerze.
- Porównywanie raportu z progowaniem z raportem bez progowania i wyciąganie wniosków o „spadku” ruchu.
- Ignorowanie ikony jakości danych, która wprost informuje o zastosowanych ograniczeniach.
Progowanie danych w praktyce ICBM
Podczas wdrożeń GA4 decyzję o włączeniu Google Signals i wyborze tożsamości raportowania podejmujemy świadomie, w zależności od celu klienta. Sklepom stawiającym na remarketing w Google Ads zwykle rekomendujemy sygnały Google, ale z tożsamością opartą na urządzeniu, aby zachować kompletność raportów. Dla serwisów o niższym ruchu kluczowe analizy przenosimy do BigQuery, gdzie progowanie nie występuje. Jeśli chcesz mieć pewność, że Twoja konfiguracja nie ukrywa istotnych danych, sprawdź naszą usługę wdrożenia GA4.
Najczęściej zadawane pytania
Czy progowanie danych można całkowicie wyłączyć?
Nie ma przełącznika „wyłącz progowanie”, ale można wyeliminować jego przyczyny. Ustawienie tożsamości na potrzeby raportowania na „Na podstawie urządzenia” lub wyłączenie uwzględniania Google Signals w tożsamości sprawia, że raporty nie są progowane.
Jak sprawdzić, czy w raporcie zastosowano progowanie?
Przy tytule raportu GA4 pojawia się ikona jakości danych (zwykle w kolorze pomarańczowym). Po najechaniu na nią widać komunikat o zastosowaniu progowania oraz krótkie wyjaśnienie przyczyny.
Czy progowanie wpływa na dane w BigQuery?
Nie. Eksport do BigQuery zawiera surowe zdarzenia bez progowania, dlatego jest dobrym miejscem na analizy wąskich segmentów. Trzeba jednak pamiętać, że w eksporcie nie znajdą się dane demograficzne z Google Signals.
