- Home
- /
- Newsletters
- /
- Дайджест з вебаналітики #53
від 5 Березня 2026р.
Привіт 🙌
Якось перший квартал цього року не дуже багатий на апдейти від сервісів. Наче всі хочуть, щоб ми просто спокійно попрацювали.
У сьогоднішньому випуску не буде новин від команди Google Tag Manager, не буде офіційних новин від Google Analytics 4 і майже не буде апдейтів від команди BigQuery.
Але це зовсім не означає, що в розсилці нічого не буде 🙂 На відміну від інших, наша команда активно працює і як завжди знаходить час поділитись своїми знаннями. Тож вмощуйся зручніше — і поїхали.
🔍 Сьогодні в розсилці:
Наші новини:
🌟 Нова стаття: Міждоменне відстежування в GA4: кому потрібно, як налаштувати і яких помилок уникати.
🌟 Нова стаття: Як насправді працює Data-driven атрибуція в GA4.
🌟 Чому промокоди з цифр можуть не з’являтися у звітах GA4.
Новини Google BigQuery:
🔹 В BigQuery тепер можна відновлювати видалені датасети.
🔹 Кастомні глосарії для AI-агента в BigQuery. (Preview)
Новини Power BI:
🔹 Нові функції DAX: TABLEOF та NAMEOF.
🔹 Input Slicer для фільтрації у звітах (Загальнодоступно).
🔹 Можливість швидко вставити скопійовані значення у слайсер.
🔹 Перехресна фільтрація з візуалу «Картка».
Інші новини:
🔹 Bing почав показувати, як ваш контент використовується в AI-відповідях.
🔹 У США посилюють вимоги до обробки браузерних сигналів конфіденційності.
🔹 Google запустив WebMCP у ранньому доступі.
Корисні матеріали
📰 Міждоменне відстежування в GA4: кому потрібно, як налаштувати і яких помилок уникати
Почнемо, як завжди, з наших новин — хоча цього разу правильніше сказати: з наших корисних матеріалів. Бо «класичних» новин у нас зараз майже немає: курси в самому розпалі, робота по проектах кипить, і ми ще й паралельно активно фіналізуємо розробку мобільного додатку Академії. Дуже сподіваюся, що вже до кінця цього місяця ти теж зможеш його потестити. А там вже й до курсу з аналітики мобільних додатків, може, й дійдемо ;)
Але додаток — додатком, а час на новий матеріал для блогу я все ж таки знайшов. Тим більше, що цей матеріал був навіяний нещодавними проєктами й задачами.
Колись, в епоху Universal Analytics, налаштувати міждоменне відстежування було не те щоб суперскладно… але точно не за «один клік». Тому тоді його частіше не робили навіть там, де воно було необхідне.
Зараз базове налаштування міждоменного в GA4 — це буквально операція на одну хвилину. І я бачу іншу крайність: його нерідко вмикають навіть там, де воно взагалі не потрібно.
У статті я як завжди розклав тему по поличках:
- кому міждоменне відстежування справді потрібне;
- кому — точно ні;
- як його правильно налаштувати в GA4;
- і які підводні камені можна зустріти по дорозі.
Приємного читання!
📰 Як насправді працює Data-driven атрибуція в GA4
Не тільки я в команді мав час на написання якісного контенту.
Моя колега Наташа Федоренко підготувала дуже ґрунтовний матеріал про data-driven підхід і атрибуцію. З мого досвіду, для багатьох data-driven атрибуція це одночасно і загадка, і своєрідна чарівна паличка.
Як мінімум частину про загадку Наташа розкрила в своєму матеріалі.
Там детально пояснюється:
- що таке data-driven підхід в атрибуції загалом;
- які моделі атрибуції існують;
- і які нюанси варто враховувати, перш ніж використовувати їх у роботі.
Матеріал вийшов доволі технічний, але, на мою думку, його точно варто прочитати всім, хто працює з інтернет-маркетингом — включно з власниками бізнесів, які розвивають онлайн-проєкти.
Приємного читання!
P.S. Я завжди думаю, що мої студенти в більшості випадків і так усе вміють і можуть самостійно розв’язувати свої аналітичні задачі. Але, якщо, твоїм друзям, колегам або знайомим потрібна допомога з вебаналітикою, аналітикою мобільних додатків чи будь-якими іншими задачами у цій сфері. У такому випадку наша команда з радістю допоможе.
Просто напиши мені в особисті повідомлення в телеграм, фейсбук або у відповідь на цей лист.
🔥 Як ти знаєш, новини від студентів я теж вважаю нашими новинами.
Тому в продовження теми data-driven не можу в цьому розділі не поділитись прекрасним мемом від Роми Муртазіна з чату курсу PRO ANALYTICS. Ти знаєш з ким ним потрібно поділитись ;))
👉 Чому промокоди з цифр можуть не з’являтися у звітах GA4
І наостанок — не те щоб новина, радше невелике спостереження з практики.
Моя колега Анна Приходько звернула увагу на один нюанс, пов’язаний із передачею промокодів у GA4. Якщо клієнту важливо бачити статистику по купонах у стандартних звітах, варто врахувати формат, у якому передається значення.
Розробник може передавати промокод як текстове значення, але якщо сам код складається лише з цифр, аналітика іноді автоматично сприймає його як число (int). І тут з’являється нюанс: стандартний параметр coupon у звітах працює зі строковими значеннями. Тому код, який був інтерпретований як число, може просто не з’явитися у стандартному звіті по купонах.
Щоб показати різницю, Аня окремо зареєструвала кастомний параметр coupon і порівняла, як виглядають дані. На скрині нижче добре видно різницю між тим, що потрапляє у стандартний параметр, і тим, що бачить кастомний.
Тож якщо клієнт планує аналізувати ефективність промокодів у GA4, цей нюанс із форматом значення варто обов’язково враховувати.
На цьому наші новини все. Перейдімо до новин сервісів, які ми всі щодня використовуємо 🔥
Як і казав на початку, новин від команди Google Analytics та GTM цього разу немає. Та, чесно кажучи, і від команди BigQuery їх небагато. Але є дві, про які варто згадати. Давай з них і почнемо.
👉 Google BigQuery
🚩 В BigQuery тепер можна відновлювати видалені датасети.
Напевно, найважливіша новина останніх двох тижнів від команди BigQuery — це те, що тепер можна відновити видалений датасет.
Можливо, ти вже навіть помітив цю зміну. Вікно видалення датасету трохи змінилося. Раніше при видаленні потрібно було підтвердити операцію, а тепер система ще й попереджає, що dataset можна відновити протягом time travel window.
Сама команда досить проста і виконується вона швидко, а результат виглядає як на скріншоті нижче.
Детальніше про цей новий функціонал можна почитати за посиланням >>>
Також на всякий випадок нагадаю, що в BigQuery вже давно можна відновлювати видалені таблиці. Щоправда, цей механізм працює трохи інакше — його не можна зробити через звичайний SQL у консолі, але можна виконати через Cloud Shell.
Можливо це лише моє відчуття, але мені здається, що Google поступово додає такі функції для того, щоб дати більше свободи AI-інструментам працювати з BigQuery.
Бо коли AI почне активніше писати запити і змінювати структуру даних, можливість швидко відновити випадково видалені таблиці чи датасети точно стане у пригоді :)
Тут от аж проситься ще один мем від Роми, думаю ми завтра побачимо його в чаті.
🚩 Кастомні глосарії для AI-агента в BigQuery. (Preview)
Ну і наступна новина, яка хоча б трохи заслуговує твоєї уваги від команди BigQuery — теж у продовження теми використання AI в BigQuery.
Як ти знаєш, зараз у BigQuery є функціонал conversational analytics agent, який дозволяє працювати з даними через запити природною мовою. Поки що ця можливість знаходиться у Preview, але команда продовжує її поступово розширювати.
Тепер у цьому агенті з’явилась нова опція: можна створювати та редагувати власні glossary terms — тобто фактично глосарій термінів твого бізнесу.
Ідея в тому, що ти можеш описати специфічні для компанії поняття, метрики або назви, щоб агент краще розумів контекст і правильніше інтерпретував запити.
Виглядає як логічний крок у розвитку conversational analytics у BigQuery.
👉 Power BI
Апдейти від команди Power BI цього разу не те щоб дуже значні — але в порівнянні з командами Google їх все-таки трохи більше, і певний інтерес вони все ж представляють. Тому давай коротко їх розберемо.
🚩 Нові функції DAX: TABLEOF та NAMEOF
NAMEOF насправді не така вже й нова, але офіційну довідку до неї додали нещодавно.
TABLEOF та NAMEOF дозволяють посилатися на об’єкти моделі, і при цьому вони автоматично адаптуються до перейменування. Тобто якщо ти змінюєш назву таблиці або іншого об’єкта в моделі, посилання, створені через ці функції, не ламаються.
Зокрема, ці функції можуть бути корисними, якщо у своїй роботі ти використовуєш UDF (User Defined Functions). До речі, хороший приклад використання TABLEOF у UDF — можеш подивитись у цьому пості >>>
Команда Power BI вже підготувала детальну довідку по цьому. Вона теж містить приклади використання, тому рекомендую ознайомитись.
Переглянути в довідці про TABLEOF >>>
Переглянути в довідці про NAMEOF >>>
🚩 Input Slicer для фільтрації у звітах (Загальнодоступно)
Функціонал Input Slicer для фільтрації або введення даних у звітах тепер став загальнодоступним.
Якщо раніше ти не стикався з цим функціоналом у режимі Preview, то це інструмент, який може додати трохи більше гнучкості до фільтрації текстових значень у твоїх звітах.
Як це виглядає на практиці — дивись на скрині нижче.
🚩 Можливість швидко вставити скопійовані значення у слайсер
Ще один невеликий, але зручний апдейт. Тепер можна легко вставляти скопійовані елементи у будь-який фільтр (слайсер) звіту.
Для цього просто вибери потрібний візуальний елемент і скористайся стандартною комбінацією клавіш для вставки — зазвичай Ctrl + V. Слайсер автоматично розпізнає та застосує всі відповідні вибрані значення одночасно.
Такий підхід не лише економить час, але й зменшує ймовірність пропустити потрібні значення.
🚩 Перехресна фільтрація з візуалу «Картка»
Тепер вибір категорій у картці дозволяє активувати перехресне фільтрування інших візуальних елементів на сторінці.
Тобто картку можна використовувати не лише як елемент відображення метрики, а і як інтерактивний елемент фільтрації.
Приклад того, як це виглядає, дивись нижче.
Звісно, це не всі оновлення, але інші, на мою думку, особливої уваги не варті, тому буквально одним реченням:
- трохи оновили діалогові вікна умовного форматування;
- покращили діалогові вікна помилок у Power BI Desktop;
- і ще трохи підкрутили роботу Copilot.
Детальніше про ці та інші апдейти можеш почитати за посиланням >>>
На цьому завершились новини від сервісів, які я зазвичай використовую, але є інші важливі новини зі світу інтернету та маркетингу, про які тобі варто знати.
Можливо, на перший погляд вони не здаються такими, що сильно впливають на твою роботу прямо зараз. Але, як на мене, на них точно варто звернути увагу.
👉 Bing почав показувати, як наш контент використовується в AI-відповідях
Все більше людей шукають інформацію не через класичний пошук, а через AI-інтерфейси. Наприклад, за останніми відомими даними (грудень 2025) Google AI Mode вже використовують понад 75 мільйонів користувачів щодня, і приблизно 93% таких пошуків закінчуються без переходу на сайт.
Тобто люди отримують відповідь прямо в інтерфейсі AI і не клікають на результати пошуку.
А це ж тільки Google, а уявіть ще скільки запитують загалом через всі інструменти.
Це означає, що для маркетологів і аналітиків з’являється нова проблема — як взагалі вимірювати присутність бренду чи контенту в AI-відповідях.
І можливо ми бачимо перше рішення.
У Bing Webmaster Tools з’явився новий звіт AI Performance (поки що у режимі preview). Він дозволяє зрозуміти, як ваш контент використовується в AI-відповідях.
У цьому звіті можна побачити:
- total citations — скільки разів AI використовував твій контент як джерело;
- average cited pages per day — середню кількість сторінок, які цитуються щодня;
- grounding queries — фрази, які AI використовував, коли знаходив твій контент;
- page-level citation activity — на яких сторінках відбувається цитування;
- visibility trends — динаміку видимості у часі.
Так, мова йде саме про Bing, тому фактично дані стосуються Copilot і AI-пошуку Bing. Але я повністю погоджуюсь з Simo Ahava (саме з його листа я дізнався про цю новину): в умовах того, що по AI-відповідях загалом майже немає прозорої аналітики, навіть така інформація вже може бути для нас джерелом корисних інсайтів.
А враховуючи, що в сучасному AI середовищі досить часто нові підходи в інструментах з’являються спочатку в однієї компанії і майже одразу стають стандартом індустрії (як наприклад вже було з MCP від Antropic), я не здивуюсь, якщо рішення від команди Bing в недалекому майбутньому адаптує під себе й Google.
Приклад того, як це виглядає, дивись на скрині нижче.
👉 У США посилюють вимоги до обробки браузерних сигналів конфіденційності
Ця новина особливо актуальна, якщо ти працюєш на ринок США. Але навіть якщо ні — на неї все одно варто звернути увагу. Бо зміни у сфері конфіденційності зазвичай починаються там, або в Європі, і потім поступово стають стандартом і для інших ринків.
Отже, з 1 січня 2026 року у 12 штатах США сайти юридично зобов’язані враховувати так званий Global Privacy Control (GPC).
GPC — це сигнал на рівні браузера, який означає, що користувач відмовляється від продажу або передачі своїх персональних даних третім сторонам, наприклад рекламним платформам. Якщо цей сигнал увімкнений, сайт повинен автоматично це врахувати — без додаткових кліків чи запитів користувача.
Серед штатів, де ця вимога вже діє або почне діяти найближчим часом: California, Colorado, Connecticut, Montana, Nebraska, New Hampshire, New Jersey, Minnesota, Maryland, Delaware, Oregon, Texas.
До того ж це вже не просто рекомендації. Наприклад, Tractor Supply отримала штраф $1,35 млн за порушення вимог щодо механізмів відмови від передачі даних. І це показує, що регулятори реально перевіряють, чи сайти обробляють такі сигнали коректно.
Ще одна важлива деталь: зараз GPC підтримують переважно privacy-focused браузери (наприклад Brave або Firefox). Але вже ухвалені вимоги, які можуть значно змінити ситуацію — наприклад до 2027 року великі браузери на кшталт Chrome, Safari та Edge повинні також підтримувати GPC для користувачів у Каліфорнії. А це означає, що таких сигналів стане значно більше.
Тому якщо ти працюєш з аудиторією зі США, перевірка підтримки GPC у вашому стеку аналітики та трекінгу вже стає важливою частиною аудиту конфіденційності.
Детальніше почитати про ці зміни можна тут:
Детальніше про регулювання у штатах США >>>
👉 Google запустив WebMCP у ранньому доступі
Це остання новина, яка, на мою думку, теж варта уваги маркетологів, аналітиків і взагалі всіх, хто працює з сайтами в інтернеті.
Компанія Google запустила WebMCP у режимі раннього доступу.
Фактично це новий підхід до того, як AI-системи можуть взаємодіяти з сайтами. Ідея в тому, щоб створити більш зрозумілий і стандартизований спосіб, як AI-інструменти можуть отримувати інформацію з вебресурсів і працювати з нею (думаю, це буде ще один стандарт індустрії).
Поки що цей інструмент знаходиться у ранньому доступі, але сам напрямок виглядає доволі показовим. Схоже, що ми поступово рухаємося до епохи, де сайти потрібно буде оптимізувати не тільки для людей і пошукових систем, а й для AI агентів.
Якщо хочеш одним із перших підготувати свій сайт до того, щоб AI-системам було зручно з ним працювати, можливо, вже варто почати придивлятися до цього підходу.
Детальніше про WebMCP можна почитати тут >>>
На цьому новини все - переходимо до корисних матеріалів
🔥 Як прогнозувати LTV у BigQuery за допомогою SQL і ML
У цьому матеріалі розбирається практичний приклад використання BigQuery ML для прогнозування LTV, хоча, звісно, сам підхід можна адаптувати і під інші задачі.
А ділюсь я цим матеріалом сьогодні, оскільки мені здається, що BigQuery ML поступово переходить із категорії якихось поодиноких кейсів використання, які на моїй практиці почали з'являтись десь в 2019 (і про що я десь з 2021 розповідаю на курсі PRO ANALYTICS) у щось, що вже скоро стане для нас досить стандартним інструментом.
Свого часу приблизно так само виглядав і сам BigQuery — щось нове, незрозуміле і ніби не зовсім обов’язкове. Зараз схожий процес, як на мене, відбувається з ML та AI-функціями всередині BigQuery.
Тому рекомендую іноді вивчати і тестувати такі практичні матеріали.
🔥 Незадокументовані можливості PBIP у Power BI
Я вже писав в одній із попередніх розсилок, що команда Power BI вже почала використовувати PBIP як основний формат для збереження проєктів. Один із головних плюсів цього підходу — можливість нормально відслідковувати зміни через Git (це була причина чому ми в команді перейшли на нього раніше офіційного релізу), але насправді у цього формату є ще багато інших цікавих можливостей.
Одна з них — це можливість виконувати деякі не задокументованими фічі, за рахунок прямої зміни JSON-файлів всередині PBIP-проєкту.
І корисне відео від Edward Charles якраз показує один із таких цікавих прикладів.
На всяк випадок нагадую, що існує англомовна версія розсилки на LinkedIn, на яку ти теж можеш підписатися та поділитися з англомовними колегами.
Твій сенсей, Макс Гапчук 🔥
Будь в курсі актуальних новин зі світу аналітики!
