Как e-com проекту собрать retention-отчёт в GA4, когда iOS-атрибуция оставляет лишь 30% покупок

Как e-com проекту собрать retention-отчёт в GA4, когда iOS-атрибуция оставляет лишь 30% покупок

Классика жанра: интернет-магазин с миллионом сессий в месяц, средний чек просел, а маркетинг продолжает лить бюджет в перфоманс по принципу «кто последний кликнул, тот и молодец». Через полгода CFO задаёт резонный вопрос: а сколько из этих новых покупателей вернулось хотя бы раз? И тут начинается квест.

Один из проектов в нише товаров для дома (мелкая бытовая техника и аксессуары) столкнулся именно с этим. Источник: кейс разобран в открытом материале команды Cardinal Path с конференции Measure Summit 2024. Расскажу по шагам, как собирали картинку.

**Задача.** Заменить ручной сбор «вернулись-не вернулись» из CRM на регулярный отчёт в GA4. При этом условия игры неравные: iOS-кампании отдают в веб-аналитику около 28-32% реальных конверсий, остальные уходят в неизвестность из-за privacy-first атрибуции и server-side ограничений. В такой ситуации строить retention только на GA4-данных — значит врать самому себе.

**Решение.** Пошагово.

— **Шаг 1. Разделить аудиторию.** В GA4 создали базовую аудиторию «купил один раз в окне 30 дней» (scope: до 60 дней назад). Это уже даёт отправную точку.

— **Шаг 2. Связать с CRM по client_id, а не по user_id.** Через BigQuery Export забрали сырые события, сопоставили client_id с внутренним customer_id, выгрузили в Looker. Важно: client_id в GA4 не равен человеку на 100%, но в комбинации с email из CRM точность сопоставления вышла около 74%, чего хватило для cohort-анализа (когортного).

— **Шаг 3. Построить когорты по дню первой покупки.** Возвраты считали в окнах 30/60/90/180 дней. Отдельно вынесли канал первой покупки (paid social, search, email, direct), чтобы видеть, какие источники дают повторные покупки, а какие — разовый «купил-и-забыл».

— **Шаг 4. Поднять server-side данные.** Для брендовых кампаний подключили GA4 Server-side (серверный контейнер) и Conversion API. Это подняло видимый объём повторных покупок из iOS-кампаний примерно с 28% до 41% от фактических. Цифры из закрытого дашборда проекта, источник — внутренний отчёт.

— **Шаг 5. Свести в один отчёт.** Финальная панель показывает три разреза: retention по каналу первой покупки, retention по категории товара, LTV (пожизненная ценность клиента) по когорте 90 дней.

**Конкретный результат.** За 6 месяцев после внедрения команда:

— сократила долю рекламы, которая приводит «одноразовых» покупателей, на 19% (перераспределили бюджет в брендовые кампании с Conversion API);

— увидела, что email и direct дают retention (удержание) в 2,3 раза выше, чем paid social, при меньшем объёме первой покупки;

— перешла с разговоров про «сколько MQL принесли» на «какой когортный LTV у источника».

**Урок для читателя.** Retention-отчёт в GA4 — это не про «настроить 3 кнопки и забыть». Это связка: аудитории + BigQuery + когорты + server-side + сопоставление с CRM. В эпоху, когда средний чек в e-com просел на 5-8% и привлекать нового покупателя дороже, чем удержать старого, такой отчёт становится не опцией, а базовой гигиеной. Главное правило: если ваш retention-отчёт считает только то, что GA4 видит, — он системно занижает iOS-аудиторию. Стройте связку с CRM и server-side, иначе будете оптимизировать несуществующий трафик.

— @GA4cookbookRuPro