Når GA4 fungerer bedst i en webshop, føles det næsten kedeligt: Du kan stole på omsætningen, du kan se, hvor i checkout folk falder fra, og du kan forklare, hvorfor en kanal får mere budget end en anden. Når det ikke fungerer, ender du med at optimere på mavefornemmelser, fordi data enten mangler, dobbelttæller eller giver “æren” til de forkerte touchpoints.

GA4 kan godt levere et stærkt beslutningsgrundlag til e-commerce, men det kræver to ting: præcis konverteringssporing og attribution, du faktisk kan bruge i praksis.

Hvad “god” e-commerce-sporing i GA4 egentlig betyder

GA4 er hændelsesbaseret. Det lyder banalt, men det ændrer hele måden, du skal tænke tracking på: Du bygger et sæt hændelser, der afspejler kundens trin fra interesse til køb, og du sørger for, at hvert trin bærer de rigtige parametre med.

Det er også her, mange webshops bliver snydt. De får måske et purchase, men mangler items-data, eller de har fine klik-events, men ingen stabil sammenhæng til omsætning pr. kanal.

En praktisk minimumspakke til de fleste webshops er at få disse hændelser på plads og ensartet sendt med GA4’s anbefalede felter:

view_item
add_to_cart
begin_checkout
add_shipping_info
add_payment_info
purchase

Når de sidder, kan du udvide med mikro-konverteringer (fx view_item_list, select_item, kampagnebannere, tilmeldinger), men først når fundamentet er stabilt.

Konverteringer: makro, mikro og det, der flytter din bundlinje

I GA4 kan alle hændelser markeres som “vigtige hændelser” (konverteringer). Det frister at markere mange, men det bliver hurtigt støj. En god tommelfingerregel er at skelne skarpt mellem:

Makro-konverteringer: køb, lead, booking, sign-up der har klar forretningsværdi.
Mikro-konverteringer: adfærd, der indikerer fremdrift, men ikke er et resultat i sig selv.

Mikro-konverteringer er stadig værdifulde, især når du vil finde friktion i et flow eller måle tidlige effekter af SEO/indhold. De skal bare ikke forveksles med “success”.

Her er en enkel måde at prioritere e-commerce-events og de parametre, der ofte afgør, om dine rapporter bliver brugbare.

Event (GA4)	Hvad den skal fortælle dig	Parametre du bør kræve (minimum)	Typiske fejl
`view_item`	Hvilke produkter der skaber interesse	`items` med `item_id` og/eller `item_name`	Manglende `item_id`, blandede navne/ID’er
`add_to_cart`	Hvad der reelt ryger i kurven	`items`, `currency`, gerne `value`	Value beregnes forkert eller mangler
`begin_checkout`	Om checkout starter, og med hvilket kurvindhold	`items`, `currency`, `value`	Triggeres for tidligt eller dobbelt
`add_shipping_info`	Om fragtvalget stopper salget	`shipping_tier`, `value`, `currency`	Triggeres ikke pga. step ikke kan måles
`add_payment_info`	Om betalingsvalg er en stopklods	`payment_type` (hvis muligt), `value`	Afhænger af checkout-teknik, ofte mangler
`purchase`	Omsætning, transaktioner, produkter	`transaction_id`, `value`, `currency`, `items`	Dobbeltkøb, manglende items, forkert valuta

Et enkelt, men afgørende punkt: purchase skal sendes én gang pr. ordre, og transaction_id skal være entydig. Hvis den ikke er det, kan du ikke deduplikere, og dine tal begynder at drive.

Implementering i praksis: dataLayer, GTM og ro i maven

Der er flere veje til målet: plugins/apps, direkte gtag.js, eller Google Tag Manager med dataLayer. I e-commerce ender mange med GTM, fordi det giver fleksibilitet, når checkout, tema og apps ændrer sig.

Det mest robuste set-up er typisk at få webshoppen til at “skubbe” ensartede ecommerce-objekter til dataLayer ved hvert trin, og så lade GTM sende GA4-events baseret på dem. Det gør debug og fejlfinding markant nemmere.

Hvis du vil holde det praktisk, så tænk i disse byggesten:

Et klart skema for items (ID, navn, pris, antal, kategori)
En fast regel for value (brutto eller netto, og inkl. fragt eller ej)
En strategi for user_id (hvis du har login og kan gøre det korrekt)
En plan for samtykke, så du ved, hvilke huller der kommer i data

Et bureau, der fungerer som ekstern marketingafdeling for webshops, vil ofte kombinere tracking med konverteringsoptimering: Når du kan stole på begin_checkout og purchase, kan du måle effekten af ændringer i fragt, betalingsmetoder, trust-elementer og e-mail flows uden gætteri.

Datakvalitet: de fejl der ødelægger attribution før du når at kigge på den

Attribution kan ikke blive bedre end de signaler, du fodrer GA4 med. Mange “attribution-problemer” er i virkeligheden tracking-fejl, der får kanaler til at se for gode eller for dårlige ud.

Et par klassikere går igen i næsten alle audits:

Betalingsudbydere som referral: Hvis Mollie, Stripe, PayPal eller lignende dukker op som kilde, får de æren for salget; tilføj dem som uønskede henvisninger i GA4, og få cross-domain til at sidde rigtigt.
Dobbelt purchase: Sker typisk ved reload af takkeside, dobbelt tag, eller både app og GTM sender purchase; brug transaction_id til deduplikering og test i DebugView.
Forkert valuta eller value: currency skal være ISO-kode (fx DKK), og value skal være konsistent; ellers bliver ROAS og omsætning pr. kanal skæv.
Samtykke og tabte events: Hvis du kun måler brugere med samtykke, falder konverteringer; det gør ikke dine kampagner dårligere, men det ændrer dit datagrundlag.

Den sidste er vigtig: GA4 viser ikke “sandheden”. GA4 viser det, du har lov til og teknisk kan måle.

Attribution i GA4: hvad du reelt kan vælge, og hvad det betyder

GA4 tilbyder i praksis to spor i standardrapporterne: last click-varianter og datadrevet attribution. De klassiske “lineær”, “time decay” osv. fylder mindre i GA4 i dag, så i hverdagen står valget ofte mellem enkelhed og en mere modelbaseret fordeling.

Last click er let at forklare. Problemet er, at webshops ofte har mange touchpoints, især hvis du kører både SEO, Search, Shopping/Performance Max, e-mail og remarketing. Last click giver næsten altid for meget kredit til brand-søgninger, direkte trafik og de sidste remarketing-tryk.

Datadrevet attribution kan give et mere retvisende billede, men kun hvis du har volumen nok til, at modellen har noget at lære af. Har du få køb eller få leads, falder du ofte tilbage til en mere simpel model, og så skal du kompensere med sund fornuft og supplerende analyser.

Brug GA4’s modellsammenligning aktivt. Den er ikke pynt. Når forskellen mellem last click og datadrevet er stor for en kanal, er det et signal om, at kanalen enten:

arbejder tidligere i købsforløbet, eller
bliver brugt som støttekanal, der sjældent er sidste klik.

En enkelt sætning, der sparer mange penge: Budget bør ikke styres af én attribution-model.

Sådan bruger du attribution uden at gøre det til et analyseprojekt

Attribution giver mest værdi, når den bliver oversat til handling. Det er her, mange går i stå: de kigger på rapporter, men ændrer ikke noget.

Start med at vælge 2-3 spørgsmål, du vil kunne besvare hver måned:

Hvilke kanaler skaber efterspørgsel (første touch eller assisterer ofte)?
Hvilke kanaler lukker salget (sidste touch, høj konverteringsrate)?
Hvor mister vi mest værdi i checkout, og hvilken trafik rammer den friktion?

Når du har spørgsmålene, kan du sætte en fast arbejdsgang op, hvor GA4 spiller sammen med dine annonceplatforme og e-mail.

Et praktisk eksempel: Hvis GA4 viser, at organisk trafik ofte er tidligt touch, men sjældent sidste klik, kan det stadig være en stærk vækstdriver. I den situation giver det mening at måle SEO på flere KPI’er end “køb på sidste klik”, fx andel af nye brugere, produktvisninger, add-to-cart-rate og assisterede konverteringer.

Og hvis e-mail (fx via Klaviyo) ofte ligger sent i stien, er det ikke et argument for at skære i e-mail. Det er et argument for at gøre flows skarpere og sikre, at UTM-tagging er konsekvent, så e-mail ikke ender som “Direct”.

En ugentlig 30-minutters rutine, der holder tracking og attribution skarp

Du behøver ikke et kæmpe dashboard for at få styr på det her, men du skal være konsekvent. Sæt en fast rutine, der både fanger tekniske fejl og giver små optimeringer.

Tjek omsætning og transaktioner i GA4 mod backend (hurtig sanity check).
Gennemgå 5 seneste køb i DebugView eller via testordre og bekræft transaction_id, value, currency, items.
Kig på “Model comparison” for dine topkanaler og notér ændringer siden sidst.
Find ét frafaldspunkt i checkout (fx begin_checkout til purchase) og lav én hypotese, du kan teste.
Kontrollér referrals og kampagnetagging: er der nye betalingsdomæner, eller er e-mail begyndt at blive “Direct”?

Det lyder simpelt, og det er meningen. Stabil attribution kommer oftere fra kedelig disciplin end fra smarte rapporter.

Når GA4 ikke kan stå alene: CRM, offline-konverteringer og BigQuery

Hvis du sælger B2B, højere ordrevalue eller har mange køb der bliver til via tilbud, faktura eller telefon, vil GA4 mangle den sidste del af kæden. Her giver det mening at sende konverteringer ind igen, enten via Data Import eller Measurement Protocol, så GA4 kan koble marketingkilde med det, der faktisk blev til salg.

Det samme gælder, hvis du vil bygge din egen attribution ud fra rådata. En eksport til BigQuery gør det muligt at lave mere kontrollerede analyser, men det kræver, at din event-struktur er konsistent. Ellers flytter du bare rod fra ét sted til et andet.

En god mellemvej for mange webshops er at få styr på GA4’s standard e-commerce-events, få betalingsflowet til at holde op med at stjæle attribution, og få samtykke og deduplikering på plads. Når dét spiller, giver det pludselig mening at gå videre med server-side tagging og dataintegrationer.

GA4 for e‑commerce: Avanceret konverteringssporing og attribution i praksis