בקצרה
בעידן שאחרי cookies של צד שלישי, attribution הפך משאלת דיווח לשאלת תשתית. GA4 עבר ל-Data-Driven Attribution כברירת מחדל, אבל בלי הסכמת משתמש הוא עובר למצב הערכה. המדריך הזה מסביר את שלושת העמודים של מדידה ב-2026, מדידה מבוססת נתונים, מודל תמהיל מדיה ובדיקות אינקרמנטליות, ואיך בונים מהם מערכת אחת שאפשר לסמוך עליה.
בסוף 2023, גוגל אנליטיקס 4 הסיר את כל מודלי ה-attribution מבוססי הכללים והחליף אותם ב-Data-Driven Attribution כברירת מחדל. כלומר כל מי שעובד היום ב-GA4 עובד עם מדידה מבוססת נתונים, גם אם לא בחר בזה. במקביל, ככל שיותר משתמשים לא נותנים הסכמה למעקב, GA4 עובר ל-modeling mode ומעריך מה הם כנראה עשו לפי משתמשים שכן הסכימו. הנתונים מראים שזה משנה את כל ההיגיון של מדידה. attribution כבר לא דוח שמסתכלים בו בסוף החודש, הוא תשתית שצריך לבנות.
למה ה-attribution הישן נשבר
שני דברים שברו את המודל שהכרנו. הראשון הוא היעלמות ה-cookies של צד שלישי ומגבלות פרטיות במכשירים, שחתכו את היכולת לעקוב אחרי משתמש לאורך מסע הרכישה. השני הוא הסכמה. כשמשתמש לא מאשר מעקב, אין נתון אמיתי, יש הערכה. הנתונים מראים בעיה נלווית: כ-67% מההטמעות של Consent Mode v2 נכשלות בעמידה בתקן. כלומר חלק גדול מהמשווקים בכלל לא אוספים נכון את ההסכמות, ואז המודל שמבוסס עליהן מתחיל מנקודה שגויה.
💡 ההבחנה החשובה
בהטמעה תקינה של Consent Mode, מידול ההמרות משחזר לפי הערכות 30% עד 50% מההמרות שאבדו, וחלק מהסוכנויות מדווחות על שחזור גבוה יותר. אבל זה תקף רק כשההטמעה תקינה. הטעות הנפוצה היא לבלבל בין נתון מדוד לבין הערכה ולהתייחס לשניהם כאל אותו דבר.
שלושת העמודים של מדידה ב-2026
אף שיטה אחת לא נותנת תמונה מלאה. החברות המובילות מריצות שלוש שיטות במקביל ומיישבות ביניהן רבעון אחר רבעון. כל אחת עונה על שאלה אחרת:
Data-Driven Attribution, מדידה מבוססת נתונים
נותן אותות גרנולריים לאופטימיזציה ברמת הקמפיין. זו ברירת המחדל התפעולית ב-GA4. עונה על השאלה: איזה ערוץ תרם להמרה הזו.
Marketing Mix Modeling, מודל תמהיל מדיה
מודל סטטיסטי שמסתכל על התמונה הגדולה ומקצה תקציב אסטרטגי. לא דורש מעקב ברמת המשתמש, ולכן עמיד לפרטיות. עונה על: לאן להזיז את התקציב.
Incrementality, בדיקות אינקרמנטליות
ניסוי מבוקר שמודד מה באמת קרה בזכות הקמפיין לעומת מה שהיה קורה ממילא. זו אמת המידה שמכיילת את שתי השיטות האחרות.
החלוקה הזו חשובה כי כל שיטה לבדה מטעה. DDA מדייק בתוך הפלטפורמה אבל לא רואה את מה שמחוצה לה. MMM רואה את התמונה הרחבה אבל לא יורד לרמת הקמפיין הבודד. בדיקת אינקרמנטליות נותנת אמת קרקעית, אבל היא נקודתית ויקרה להריץ. ביחד הן מכסות אחת את החולשות של השנייה. הנתונים מראים שזה משתלם: מנהלים בכירים שייחסו חשיבות גבוהה ל-MMM היו בסבירות גבוהה פי שניים לעבור את יעדי ההכנסה ב-10% ויותר, ו-46.9% מהמשווקים בארה"ב מתכננים להגדיל השקעה ב-MMM בשנה הקרובה.
שכבת התשתית: server-side tracking
לפני שמדברים על מודלים, צריך לתקן את איסוף הנתונים עצמו. מעבר למעקב בצד השרת, server-side tracking, משחזר בדרך כלל 20% עד 40% מההמרות שאבדו בצד הדפדפן. הדוגמה המוכרת היא Meta Conversions API, שמשחזר בממוצע 20% עד 30% מנתוני ההמרה בהטמעה טיפוסית, ועד 30% עד 40% בטראפיק עם נתח iOS גבוה. הנתונים מראים גם שיפור בביצועים בפועל: בממוצע כ-19% יותר המרות מדווחות ו-13% פחות עלות להמרה. זה לא קסם, זו פשוט החזרה של מידע שהדפדפן חסם.
אם אתם כבר מתמודדים עם שינויי המדידה של גוגל, כתבתי בנפרד על הפיצול בין GA4 ל-Google Ads והצ'קליסט שצריך. וכמו שטענתי בכתבה על מדדי האימייל, הכלל זהה גם כאן: מדד שאי אפשר לסמוך על מקורו לא שווה יותר ממדד שלא מודדים בכלל.
⚠️ טעות שאני רואה הרבה
משווקים מרכיבים שלוש שיטות מדידה ואז מתייחסים למספרים שלהן כאילו הם אמורים להיות זהים. הם לא. DDA, MMM ובדיקת אינקרמנטליות נותנים מספרים שונים בכוונה, כי הם מודדים דברים שונים. המטרה היא לא להגיע למספר אחד, אלא ליישב את הפערים ולהבין למה הם קיימים.
איך בונים את זה בשלבים
אי אפשר להקים את הכל ביום אחד, וגם לא צריך. סדר ההקמה ההגיוני הוא לפי תלות: קודם איסוף נתונים נקי, אחר כך מודל תפעולי, ובסוף שכבות אסטרטגיות.
תקנו את ההסכמה והאיסוף
ודאו ש-Consent Mode מוטמע נכון ושיש מעקב צד שרת. בלי זה כל מודל מתחיל מנתון שגוי.
בססו את GA4 כבסיס תפעולי
DDA הוא נקודת ההתחלה לאופטימיזציה יומיומית. הכירו את מגבלות המידול שלו לפני שמסיקים מסקנות.
הוסיפו MMM לתקציב
כשיש מספיק היסטוריה, מודל תמהיל מדיה עוזר להחליט לאן להזיז תקציב ברמת הערוץ.
כיילו עם אינקרמנטליות
הריצו בדיקה מבוקרת רבעונית כדי לבדוק שהמודלים לא סוטים מהמציאות.
החשיבה הזו לא ייחודית למדידת המרות. גם מדידת נוכחות המותג ב-AI עובדת באותו עיקרון: מגדירים מקור אמת, מודדים בעקביות, ומיישבים בין שיטות. ואם רוצים את הנתונים על מה באמת מניע ROI, הדוח של HubSpot מראה את אותה מסקנה ברמת התעשייה.
שאלות נפוצות
האם attribution מבוסס cookies מת לגמרי?
לא לגמרי, אבל הוא כבר לא אמין כשיטה יחידה. cookies של צד שלישי ומגבלות פרטיות חתכו את הכיסוי, ולכן ב-2026 מסתמכים על שילוב של מדידה מבוססת נתונים, מודל תמהיל מדיה ובדיקות אינקרמנטליות במקום על מעקב משתמש בודד.
מה ההבדל בין DDA ל-MMM?
DDA, מדידה מבוססת נתונים, מייחס המרות לערוצים ברמת הקמפיין ומשמש לאופטימיזציה יומיומית. MMM, מודל תמהיל מדיה, הוא מודל סטטיסטי שמסתכל על התמונה הרחבה ומקצה תקציב אסטרטגי בלי לדרוש מעקב ברמת המשתמש.
כמה המרות מחזיר מעקב צד שרת?
בדרך כלל 20% עד 40% מההמרות שאבדו בצד הדפדפן. Meta Conversions API, לדוגמה, משחזר 20% עד 30% בהטמעה טיפוסית, ועד 30% עד 40% בטראפיק עם נתח iOS גבוה.
מאיפה כדאי להתחיל?
מתיקון ההסכמה והאיסוף. ודאו ש-Consent Mode מוטמע נכון ושיש מעקב צד שרת, לפני שמשקיעים במודלים מתקדמים. מודל שמבוסס על נתון שגוי ייתן מסקנה שגויה.
מה עושים עם זה
פעולה אחת להתחיל בה השבוע: בדקו אם ה-Consent Mode שלכם מוטמע נכון. עם 67% מההטמעות שנכשלות בעמידה בתקן, יש סיכוי ממשי שאתם בקבוצה הזו, ואם כן, כל מודל מדידה שבניתם מעליו מתחיל מנתון פגום. זו הבדיקה שמחזירה את ההשקעה הכי מהר, לפני שמוסיפים MMM או בדיקות אינקרמנטליות. תקנו את הבסיס, ואז בנו מעליו.
📌 עיקרי הדברים
- GA4 עבר ל-Data-Driven Attribution כברירת מחדל, ובלי הסכמה הוא עובר ל-modeling mode.
- שלושת העמודים: מדידה מבוססת נתונים לאופטימיזציה, מודל תמהיל מדיה לתקציב, ובדיקות אינקרמנטליות לכיול.
- מעקב צד שרת משחזר 20% עד 40% מההמרות שאבדו, ו-CAPI מוסיף בממוצע כ-19% המרות.
- כ-67% מהטמעות Consent Mode v2 נכשלות בתקן. זו נקודת ההתחלה לתיקון.
- אל תצפו למספר אחד משלוש השיטות. המטרה היא ליישב את הפערים, לא לבטל אותם.
📲 כל כתבה חדשה, ישר לטלגרם
בלי אלגוריתם ובלי פיד. עדכון אחד בערוץ בכל פעם שעולה כתבה.