Atrybucja oparta na danych (DDA) vs last click: dlaczego ostatnie kliknięcie myli zarząd

TL;DR
Last click przypisuje 100% sprzedaży ostatniemu kliknięciu, więc systematycznie zawyża brand, remarketing i Shopping, a zaniża kanały, które tworzą popyt: Meta, YouTube, Demand Gen i ogólne frazy w Search.
Od września 2023 (Google Ads) i listopada 2023 (GA4) modele regułowe typu first click czy linear zniknęły. Zostały dwie opcje: atrybucja oparta na danych (DDA) i ostatnie kliknięcie.
DDA porównuje ścieżki, które kończą się konwersją, z tymi, które się nie kończą, i dzieli zasługę według tego, jak bardzo dany punkt styku zwiększa szansę zakupu.
W symulacji z tego artykułu mechaniczna realokacja budżetu według last click obcina kanały inicjujące o 80–90%, a według DDA o 30–40%.
DDA nie mierzy przyrostu. Lepiej dzieli zasługi, ale dowodem, że kanał sprzedaje, nie jest. Decyzje o dużych przesunięciach budżetu weryfikuj testem.

Aktualizacja: 30 września 2026 · Autor: Szymon Sanecznik, SEMownia

Na wielu posiedzeniach zarządu raport kanałów wygląda tak samo: kampania brandowa ma ROAS 15, remarketing 12, a Meta i YouTube ledwo zwracają wydatki. Wniosek wydaje się oczywisty: tnijmy to, co „nie sprzedaje”, i dołóżmy tam, gdzie zwrot jest najwyższy. Po dwóch–trzech miesiącach sprzedaż spada, a raport dalej pokazuje świetny ROAS na brandzie, tylko przy mniejszych liczbach. Kto zawinił?

Zespół zwykle nie. To skutek modelu atrybucji. Rozkładam tu na czynniki pierwsze, jak działa atrybucja oparta na danych w GA4 i Google Ads, gdzie last click systematycznie wprowadza zarząd w błąd i jak te błędy przekładają się na budżet, a na koniec dostajesz tabelę alokacji na jawnych założeniach, listę pułapek DDA i plan wdrożenia na cztery tygodnie.

Czym jest atrybucja oparta na danych (DDA)?

Atrybucja oparta na danych (data-driven attribution, DDA) to model, który dzieli zasługę za konwersję między punkty styku na ścieżce klienta na podstawie danych z Twojego konta, a nie sztywnej reguły. Algorytm porównuje ścieżki zakończone konwersją ze ścieżkami bez konwersji i przypisuje każdej interakcji część zasługi proporcjonalną do tego, jak zwiększa prawdopodobieństwo zakupu.

Model regułowy, taki jak ostatnie kliknięcie (last click), z góry zakłada, kto zasłużył na sprzedaż, i robi to tak samo dla każdego sklepu, każdej branży i każdej ścieżki, niezależnie od tego, czy klient kupił po jednym kliknięciu, czy po trzech tygodniach porównywania ofert. DDA to szacuje na podstawie danych. Dla zarządu różnica jest spora: last click odpowiada na pytanie „co było ostatnie”, a DDA próbuje odpowiedzieć na pytanie „co pomogło”. Żaden z nich nie odpowiada na pytanie „czego by nie było bez tego kanału”. Do tego wrócę w osobnej sekcji.

Jakie modele atrybucji są dostępne w GA4 i Google Ads w 2026 roku?

Wybór jest dziś znacznie węższy niż kilka lat temu, bo Google wycofał modele first click, linear, time decay i position-based: w Google Ads we wrześniu 2023 r. (konwersje używające tych modeli przełączono automatycznie na DDA), w GA4 w listopadzie 2023 r. Według Google korzystało z nich wtedy mniej niż 3% konwersji internetowych w Google Ads.

Model	Gdzie	Jak dzieli zasługę	Co widzi
Oparty na danych (DDA)	GA4, Google Ads (domyślny)	ułamkowo, według wpływu na prawdopodobieństwo konwersji	GA4: kanały płatne i bezpłatne z kliknięć/wizyt; Google Ads: interakcje z reklamami Google
Płatne i bezpłatne — ostatnie kliknięcie	GA4	100% dla ostatniego kanału przed konwersją (z pominięciem bezpośrednich wejść)	wszystkie kanały z wizytą na stronie
Kanały płatne Google — ostatnie kliknięcie	GA4	100% dla ostatniego kliknięcia w reklamę Google	tylko Google Ads
Ostatnie kliknięcie	Google Ads	100% dla ostatniej klikniętej reklamy i słowa kluczowego	tylko Google Ads

Kilka ustawień zmienia liczby w raportach bardziej, niż wiele zarządów się spodziewa:

• Okno ruchu wstecz (lookback window) w GA4: dla zdarzeń pozyskania (first_visit, first_open) domyślnie 30 dni, do wyboru 7. Dla pozostałych zdarzeń kluczowych domyślnie 90 dni, do wyboru 60 lub 30. Zmiana działa od momentu jej wprowadzenia, nie wstecz.
• Bezpośrednie wejścia nie dostają zasługi w żadnym modelu GA4, chyba że cała ścieżka składa się wyłącznie z wejść bezpośrednich.
• Konwersje mogą być przepisywane między kanałami do 7 dni po zdarzeniu, więc raport z wczoraj i ten sam raport oglądany za tydzień potrafią się różnić, co na spotkaniach zarządu regularnie budzi podejrzenia, że ktoś „poprawiał liczby”.
• Zarządzanie konwersjami w GA4 (w wersji beta od stycznia 2026) pozwala ustawiać atrybucję osobno dla każdej konwersji. Od 11 sierpnia 2026 r. można tam wpisać własne okno konwersji po kliknięciu (1–90 dni) i po zaangażowanym obejrzeniu (1–30 dni).

Który raport jest u Was raportem zarządczym? Ustal to, zanim zaczniesz dyskusję o budżecie.

Jak DDA liczy zasługę krok po kroku?

Dokumentacja GA4 opisuje DDA jako podejście kontrfaktyczne: model zestawia to, co się wydarzyło, z tym, co mogłoby się wydarzyć bez danego punktu styku. Proces ma dwa etapy.

1. Model prawdopodobieństwa konwersji. Algorytm uczy się na ścieżkach użytkowników, zarówno tych, którzy kupili, jak i tych, którzy nie kupili, biorąc pod uwagę m.in. kolejność interakcji, czas między interakcją a konwersją, format reklamy i sygnały z zapytania.
2. Podział zasługi. Dla każdej ścieżki model szacuje, jak zmienia się prawdopodobieństwo konwersji, gdy usuniemy konkretny punkt styku. Im większy spadek, tym większa część zasługi.

Google podaje w dokumentacji prosty przykład: ścieżka z czterema interakcjami ma 3% szans na konwersję, a bez ostatniej interakcji 2%. Ta różnica jest podstawą do przypisania zasługi. Kanał, który „zawsze jest na końcu”, ale niewiele zmienia w prawdopodobieństwie zakupu (typowo: brand, gdy klient i tak by wrócił), dostaje w DDA mniej niż w last click.

Czy DDA w GA4 i DDA w Google Ads to to samo? Nie, i ta różnica często umyka:

• DDA w Google Ads analizuje interakcje z reklamami Google, czyli kliknięcia i zaangażowania w Search (z Shopping), YouTube, sieci reklamowej i Demand Gen. Nie widzi Meta, e-maila ani ruchu organicznego.
• DDA w GA4 w trybie „płatne i bezpłatne” widzi wszystkie kanały, które przyprowadziły wizytę na stronę, ale nie widzi wyświetleń reklam, które nie skończyły się kliknięciem, np. obejrzenia reklamy wideo w Meta bez przejścia na stronę.

Google Ads rekomenduje dla DDA co najmniej 200 konwersji i 2000 interakcji z reklamami w obsługiwanych sieciach w ciągu 30 dni, ale zaznacza, że model działa także przy mniejszym wolumenie i każda konwersja się kwalifikuje. Przy małej liczbie danych model może opierać się na danych zagregowanych. Przy kilkudziesięciu konwersjach miesięcznie DDA działa. Magicznie precyzyjne nie jest, a wynik mniej mówi o Twoim biznesie.

Dlaczego last click oszukuje zarząd: cztery patologie

Błędy last click dzielę na cztery rozłączne grupy według tego, który etap ścieżki jest zniekształcony: początek, środek, koniec i to, czego model w ogóle nie widzi.

1. Kanały inicjujące dostają zero

Klient widzi reklamę na Instagramie, tydzień później ogląda recenzję na YouTube, a kupuje po wpisaniu nazwy sklepu w Google. W last click Meta i YouTube mają 0 zł przychodu. Na dashboardzie wyglądają jak czysty koszt. A przecież to one stworzyły zapytanie brandowe.

2. Środek lejka jest niewidoczny

Ogólne frazy w Search, porównania, remarketing dynamiczny i e-mail często pracują w środku ścieżki. To ich rola. Last click nagradza je tylko wtedy, gdy przypadkiem są ostatnie, więc wynik kanału w raporcie zależy bardziej od kolejności, w jakiej klient akurat trafił na reklamy, niż od tego, ile ten kanał faktycznie wniósł do decyzji o zakupie.

3. Koniec ścieżki zbiera całą zasługę

Brand, remarketing i Shopping na frazach produktowych są blisko decyzji. W last click mają wysoki ROAS. Część tej sprzedaży i tak by się wydarzyła (więcej o tym w tekście o kanibalizacji ruchu brandowego). Zarząd widzi „najlepszy kanał”. Często patrzy na kasę, przy której klient już stał w kolejce.

4. Punkty styku bez kliknięcia nie istnieją

Wyświetlenia wideo, rekomendacja znajomego, odpowiedź w AI Overviews albo w ChatGPT nie zostawiają kliknięcia. Last click (i częściowo DDA w GA4) przypisze sprzedaż temu, co przyszło po nich, zwykle wyszukiwaniu brandu lub wejściu bezpośredniemu.

Każda z tych patologii działa w tę samą stronę: przesuwa zasługę z kanałów budujących popyt na kanały go zbierające, więc błędy, zamiast się znosić, kumulują się w kolejnych decyzjach budżetowych, miesiąc po miesiącu, aż prospecting zostaje obcięty do zera. Ten scenariusz widuję często.

Tabela alokacji budżetu: jak błędna atrybucja obcina kanały inicjujące

Tabela niżej to symulacja na wymyślonym sklepie, żaden klient za nią nie stoi. Pokazuje mechanizm, który widzę w wielu firmach: zarząd przesuwa budżet do kanałów z najwyższym ROAS w raporcie, a raport zależy od modelu.

Założenia: sklep internetowy, budżet 100 000 zł miesięcznie, przychód 500 000 zł. Udziały w przychodzie według obu modeli są przyjęte przeze mnie jako typowy układ dla sklepu z aktywnym prospectingiem (kampaniami docierającymi do osób, które jeszcze nie znają marki); nikt ich nie mierzył. Reguła decyzyjna: budżet na kolejny miesiąc dzielony proporcjonalnie do przychodu przypisanego przez model (to uproszczenie „dajmy więcej tam, gdzie ROAS jest wyższy”).

Kanał	Budżet dziś	Przychód last click	ROAS last click	Przychód DDA	ROAS DDA	Nowy budżet wg last click	Nowy budżet wg DDA
Meta — pozyskanie nowych odbiorców	20 000 zł	20 000 zł	1,0	70 000 zł	3,5	4 000 zł	14 000 zł
YouTube / Demand Gen	10 000 zł	5 000 zł	0,5	30 000 zł	3,0	1 000 zł	6 000 zł
Search — frazy ogólne	30 000 zł	125 000 zł	4,2	150 000 zł	5,0	25 000 zł	30 000 zł
Performance Max / Shopping	25 000 zł	140 000 zł	5,6	130 000 zł	5,2	28 000 zł	26 000 zł
Search — brand	10 000 zł	150 000 zł	15,0	80 000 zł	8,0	30 000 zł	16 000 zł
Remarketing	5 000 zł	60 000 zł	12,0	40 000 zł	8,0	12 000 zł	8 000 zł
Razem	100 000 zł	500 000 zł	5,0	500 000 zł	5,0	100 000 zł	100 000 zł

Co z niej wynika?

• Łączny ROAS jest identyczny (5,0) w obu modelach. Model atrybucji zmienia wyłącznie to, komu przypisujesz sprzedaż. Samej sprzedaży nie rusza. Dlatego spór o model często wygrywa ten, kto kontroluje raport, niekoniecznie ten, kto ma rację.
• Last click tnie kanały inicjujące o 80–90%: Meta z 20 000 do 4 000 zł, YouTube z 10 000 do 1 000 zł. DDA też je obniża (o 30–40%), ale zostawia je przy życiu.
• Last click potraja budżet na brand (z 10 000 do 30 000 zł). Tyle że popyt na brand jest ograniczony liczbą osób, które wpisują Twoją nazwę, więc dodatkowe 20 000 zł nie kupi trzy razy więcej zapytań brandowych; najczęściej podniesie CPC albo zostanie niewydane.
• Skutek jest opóźniony. Po obcięciu prospectingu przez pierwsze tygodnie brand dalej zbiera popyt zbudowany wcześniej. Spadek widać po 1–3 miesiącach, zwykle wtedy, gdy nikt już nie łączy go z decyzją budżetową.

Żeby było jasne: DDA w tej tabeli też nie jest wyrocznią. Mówi, że Meta ma ROAS 3,5, czyli poniżej średniej. Czy to prawda? Może tak, a może DDA wciąż nie docenia wyświetleń bez kliknięcia. Żaden model atrybucji tego nie rozstrzygnie. Rozstrzyga test.

Czego DDA nie mierzy? Przyrost to inne pytanie

Atrybucja, także DDA, dzieli zasługę za konwersje, które już się wydarzyły, ale nie mówi, ile z nich by się nie wydarzyło bez danego kanału, bo to osobne pytanie o przyrost (inkrementalność), na które odpowiada dopiero eksperyment z grupą kontrolną.

Czy ta różnica ma znaczenie w pieniądzach? Gordon, Moakler i Zettelmeyer (Marketing Science, 2023) porównali metody obserwacyjne z 663 randomizowanymi eksperymentami na Facebooku. Metody nieeksperymentalne zawyżały efekt reklamy mniej więcej trzykrotnie. DDA jest metodą obserwacyjną, więc ma te same ograniczenia, choć mniejsze niż last click.

Ograniczenia DDA, o których zarząd powinien wiedzieć:

• Korelacja, nie przyczynowość. Jeśli remarketing trafia do osób, które i tak były blisko zakupu, model może uznać go za wartościowy, bo pojawia się na ścieżkach kupujących.
• Tylko to, co zmierzone. Brak zgody na cookies, blokery i Safari ucinają ścieżki. Mechanikę zgód opisuję w tekście o Consent Mode v2 i modelowaniu konwersji.
• Czarna skrzynka. Widzisz wynik modelu, jego wag już nie. Audytować go tak, jak reguły, się nie da.
• Ekosystem Google. DDA w Google Ads nie widzi innych platform, a DDA w GA4 nie widzi wyświetleń bez kliknięcia, a Meta ma własny model i własne raporty, które z GA4 się nie sumują.

Dlatego stosuję prostą hierarchię: atrybucja do bieżącej optymalizacji, testy przyrostowe do dużych decyzji budżetowych, a łączny koszt pozyskania klienta (blended CAC) jako wskaźnik kontrolny. Szerzej opisuję to w artykule o łączeniu danych PPC i SEO.

DDA a strategie stawek: dlaczego model ma znaczenie dla algorytmu

Model atrybucji w Google Ads to coś więcej niż ustawienie raportu. Konwersje przypisane przez model trafiają do kolumny „Konwersje”, na której uczą się strategie stawek: docelowy CPA, docelowy ROAS, maksymalizacja wartości konwersji.

• Przy last click algorytm uczy się, że wartość mają głównie ostatnie kliknięcia, i robi z tej lekcji dokładnie to, czego można się spodziewać: podnosi stawki na brand i frazy produktowe, obniża na frazy ogólne i sieci górnego lejka.
• Przy DDA część wartości trafia do kliknięć wcześniej na ścieżce, więc algorytm chętniej licytuje frazy ogólne i formaty, które inicjują zakup.

Zmiana modelu w trakcie działania strategii stawek zmienia dane, na których algorytm się uczy, więc rób ją świadomie, jedną akcję konwersji naraz, i przez kilka tygodni porównuj wyniki biznesowe obok liczb w panelu. Dotyczy to zwłaszcza Performance Max, który sam rozdziela budżet między kanały.

Jak przedstawić atrybucję zarządowi, żeby nie wywołać wojny kanałów?

Najczęstszy konflikt, jaki widzę, wygląda tak: zespół Meta pokazuje raport Meta, zespół Google raport Google Ads, a suma „przypisanych” przychodów przekracza sprzedaż w księgowości. Skąd to się bierze? Każdy raport platformy ma własny model i własne okno. Suma zawsze będzie większa niż 100%.

Pytanie zarządu	Właściwe narzędzie	Czego nie używać
Ile zarobiliśmy na marketingu?	przychód i marża z systemu sprzedaży, blended CAC	sumy przychodów z paneli platform
Który kanał jak pracuje na ścieżce?	DDA w GA4 (płatne i bezpłatne) + raport ścieżek	last click jako jedyny raport
Czy dołożyć 30% budżetu do kanału X?	test przyrostowy (geo, holdout, Conversion Lift)	ROAS z atrybucji
Jak ustawić stawki w Google Ads?	DDA w Google Ads na konwersjach z wartością	konwersje z GA4 w last click, jeśli nie ma powodu
Czy kampania jest rentowna?	zysk po kosztach produktu i reklamy (POAS)	sam ROAS

Na ostatni wiersz zwracam szczególną uwagę, bo nawet idealna atrybucja przychodu nie mówi nic o zysku. Kanał z wysokim ROAS na produktach o niskiej marży może tracić pieniądze, nawet jeśli w każdym raporcie wygląda na lidera, bo raport atrybucji pokazuje przychód, a o wyniku firmy decyduje to, co zostaje po odjęciu kosztu towaru, wysyłki i zwrotów. O tym piszę w artykule ROAS a POAS.

Z last click na DDA w 4 tygodnie

Tydzień 1: inwentaryzacja. Spisz wszystkie akcje konwersji w Google Ads i zdarzenia kluczowe w GA4: model, okno, czy są konwersjami podstawowymi (używanymi w stawkach), a przy okazji sprawdź, czy raport zarządczy powstaje z GA4, z Google Ads, czy z arkusza, i jakim modelem.

Tydzień 2: porównanie modeli. Zestaw przychód per kanał w last click i DDA za ostatnie 90 dni. Najlepiej obok siebie. Kanały, które zyskują w DDA najwięcej, to kandydaci do ochrony budżetu, a te, które najwięcej tracą (zwykle brand i remarketing), trafiają na listę do testu przyrostowego.

Tydzień 3: ujednolicenie. Ustal jeden model i jedno okno dla raportu zarządczego. Jeden. W Google Ads przełącz główne akcje konwersji na DDA, po jednej, z adnotacją w historii zmian. Nie zmieniaj w tym samym czasie celu stawek.

Tydzień 4: test. Zaprojektuj jeden test przyrostowy dla kanału, o którym toczy się spór (np. wstrzymanie kampanii brandowej w wybranych regionach albo test geo dla Meta). Ustal z góry, jaki wynik zmienia decyzję budżetową.

Checklista na koniec:

• jeden raport zarządczy, jeden model, jedno okno, zapisane w dokumentacji,
• przychody z paneli platform nie są sumowane w raporcie dla zarządu,
• każda duża zmiana budżetu ma przypisaną metodę weryfikacji,
• blended CAC i marża raportowane co miesiąc obok atrybucji.

Jeśli nie wiesz, w jakim stanie jest pomiar na Twoim koncie, zacznij od szybkiego audytu konta Google Ads.

FAQ

Czy w GA4 można jeszcze wybrać model first click lub linear?

Nie jako model raportowania. Google wycofał modele first click, linear, time decay i position-based w listopadzie 2023 r. w GA4 i we wrześniu 2023 r. w Google Ads. Do wyboru zostały DDA oraz warianty ostatniego kliknięcia.

Ile konwersji potrzeba do atrybucji opartej na danych w Google Ads?

Google rekomenduje co najmniej 200 konwersji i 2000 interakcji z reklamami w ciągu 30 dni, ale DDA jest dostępna dla każdej akcji konwersji niezależnie od wolumenu. Przy małej liczbie danych model działa, ale jest mniej specyficzny dla Twojego konta.

Dlaczego GA4 pokazuje inne konwersje niż Google Ads?

Głównie przez różne modele, okna i zakres danych. Google Ads widzi tylko interakcje z reklamami Google i przypisuje konwersję do daty kliknięcia, a GA4 widzi wszystkie kanały z wizytą i przypisuje ją do daty konwersji. Do tego dochodzą różnice w zgodach i czasie przetwarzania.

Czy DDA jest lepsza od last click?

Do oceny kanałów na ścieżce zwykle tak, bo nie oddaje całej zasługi ostatniemu kliknięciu. Nie jest jednak pomiarem przyrostu i nie widzi wyświetleń bez kliknięcia ani innych platform w Google Ads. Traktuj ją jako lepszą mapę, a nie dowód skuteczności.

Dlaczego suma konwersji z Meta i Google Ads jest większa niż sprzedaż?

Każda platforma przypisuje sobie konwersję według własnego modelu i okna, więc ta sama sprzedaż jest liczona dwa razy. Raport zarządczy opieraj na danych z systemu sprzedaży, a atrybucję platform traktuj jako narzędzie optymalizacji wewnątrz kanału.

Czy zmiana modelu atrybucji wpływa na strategię stawek?

Tak. Strategie stawek w Google Ads uczą się na konwersjach przypisanych przez model, więc zmiana modelu zmienia dane wejściowe algorytmu. Zmieniaj model po jednej akcji konwersji i nie łącz tego ze zmianą celu CPA lub ROAS.

Mini-słownik pojęć

• Atrybucja — zasada podziału zasługi za konwersję między punkty styku na ścieżce klienta.
• Last click (ostatnie kliknięcie) — model przypisujący 100% zasługi ostatniemu kanałowi lub reklamie przed konwersją.
• DDA (data-driven attribution) — atrybucja oparta na danych, dzieląca zasługę według wpływu interakcji na prawdopodobieństwo konwersji.
• Okno ruchu wstecz (lookback window) — okres przed konwersją, z którego interakcje mogą dostać zasługę.
• Przyrost (inkrementalność) — konwersje, których nie byłoby bez danego kanału, mierzone eksperymentem.
• Blended CAC — łączne wydatki marketingowe podzielone przez liczbę nowych klientów ze wszystkich źródeł.
• Kanały inicjujące — kanały, które tworzą popyt na początku ścieżki, np. Meta, YouTube, Demand Gen.

Dokumentacja i dane

• Google Analytics Help: Get started with attribution — modele atrybucji w GA4
• Google Analytics Help: Attribution settings — okna ruchu wstecz
• Google Analytics Help: What’s new in Google Analytics — informacje o wersjach 2026
• Google Ads Help: About data-driven attribution
• Google Ads Help: About attribution models
• Search Engine Roundtable: wycofanie regułowych modeli atrybucji
• Gordon, Moakler, Zettelmeyer: Close Enough? A Large-Scale Exploration of Non-Experimental Approaches to Advertising Measurement, Marketing Science 2023
• Search Engine Land: Why attribution and impact are no longer the same thing in PPC