Donošenje odluka na temelju loših analitičkih podataka — evo koliko to zapravo košta

Metrika koja je uvjerila čitavu industriju da se kladi na pogrešnu stvar

Jedna jedina propuštena varijabla u marketinškoj analitici može učiniti više od iskrivljavanja izvještaja. Može promijeniti proračune, preoblikovati strategiju i gurnuti čitavu industriju prema odlukama koje temeljni podaci o publici nikada nisu opravdavali.

Na primjer, između 2015. i 2016. godine Facebook je jednu od svojih ključnih metrika za video-oglašavanje — prosječno vrijeme gledanja videa — izračunavao metodom koja je iz izračuna u potpunosti isključivala svaki pregled kraći od tri sekunde. To je dovelo do umjetnog povećanja prosječnog vremena gledanja, zbog čega je video-publika izgledala mnogo angažiranije nego što je zapravo bila.

Facebook je 2016. priznao da je metrika bila precijenjena za 60 do 80 posto. Oglašivači koji su kasnije podnijeli tužbu tvrdili su da je precjenjivanje bilo znatno veće — u nekim slučajevima čak i do 900 posto — te da su napuhani brojevi već utjecali na odluke o kupnji prije nego što je problem u potpunosti obznanjen.

Posljedice su se proširile daleko izvan Facebookova oglašivačkog proizvoda. Facebook je mogao naplaćivati više za video-oglase, dok se dio medijske industrije preusmjerio prema publici koju su podaci navodno pokazivali: smanjivali su broj novinara, zapošljavali video-producente i iznova gradili strategije oko rasta videa. Rezultati nisu odgovarali obećanju. Video-publika Fox Sportsa u tom je razdoblju naglo pala, a nekoliko izdavača, uključujući Vox, kasnije je promijenilo smjer i ponovno zaposlilo novinare nakon što video-strategija nije donijela očekivano. Oglašivači koji su kupovali video-oglase na temelju napuhanih brojki pokrenuli su skupnu tužbu, koju je Facebook 2019. pristao riješiti nagodbom u iznosu od 40 milijuna dolara.

Nitko nije namjerno donio lošu odluku. No jedna pogrešno izmjerena metrika bila je dovoljna da godinama oblikuje medijsku strategiju. Upravo to loše analitičke podatke čini opasnima: oni ne stvaraju samo problem u izvještavanju, već stvaraju povjerenje u pogrešnu odluku. A Facebookov slučaj nije bio izolirana iznimka.

Taj obrazac je važan jer većina loših podataka ne dolazi u obliku skandala. Obično se pojavljuje kao naizgled uobičajena nadzorna ploča, uvjerljiv izvještaj ili metrika koju nitko nema vremena preispitati. Trošak počinje onog trenutka kada timovi tu nepotpunu sliku počnu tretirati kao operativnu istinu.

Najnovije istraživanje Adverityja pokazalo je da je 45 % podataka koje marketingaši koriste za donošenje poslovnih odluka nepotpuno, netočno ili zastarjelo. Isto istraživanje pokazalo je da 43 % direktora marketinga (CMO-a) smatra da se manje od polovice njihovih marketinških podataka može smatrati pouzdanima.

Što govore brojke: osnovni trošak loših marketinških podataka

Adverityjevo istraživanje iz 2025. godine pod nazivom „Fixing the Foundation” (Popravljanje temelja) sugerira da to nije rubni problem. Podaci o 45 % netočnosti i 43 % nepovjerenja vrijedili su bez obzira na veličinu tvrtke, sektor ili regiju. Kada su direktori marketinga upitani što bi najviše poboljšalo marketinški učinak, kvalitetu podataka rangirali su iznad automatizacije radnih procesa i boljeg pristupa podacima.

Osnovni problem je fragmentacija. Kako pokazuje MarTechevo istraživanje iz 2025., prosječan marketinško-tehnološki paket (“tech stack”) danas obuhvaća 17 do 20 zasebnih platformi — oglašivačke platforme, GA4, CRM, alate za newslettere, CMS i ostalo. Svaki alat može drugačije definirati „konverziju” ili „lead”, a te se definicije često međusobno ne podudaraju. To nije greška u sustavu. To je uobičajeno stanje stvari.

Pet konkretnih načina na koje loši podaci praćenja uništavaju marketinšku vrijednost

Pet učestalih propusta u praćenju obično narušava marketinšku vrijednost jer otežava odgovor na isto temeljno pitanje: koja je aktivnost zapravo generirala prihod?

1. Duplicirani ili nedostajući događaji konverzije čine da kampanje izgledaju bolje ili lošije nego što stvarno jesu, zbog čega se proračun preusmjerava na pogrešna mjesta.
2. Slijepe točke atribucije skrivaju koji su kanali zapravo utjecali na prodaju, zbog čega marketingaši mogu podcijeniti važne dodirne točke ili pretjerano ulagati u posljednji vidljivi klik.
3. GDPR način rada s pristankom (consent mode) i gubitak podataka uzrokovan zaštitom privatnosti smanjuju količinu korisničkih podataka koje je moguće pratiti, zbog čega su izvještaji manje potpuni, a odluke manje sigurne.
4. Kanal „Unassigned” (nedodijeljeno) u analitičkim izvještajima znači da promet nije moguće ispravno povezati s izvorom, zbog čega učinak po kanalima postaje nejasan.
5. Redizajn web-mjesta, promjena platforme ili migracija CMS-a mogu narušiti postavke praćenja, što uzrokuje gubitak povijesnog kontinuiteta i nepouzdane podatke o učinku nakon lansiranja.

Zajedno, ovi problemi smanjuju marketinšku vrijednost jer čine podatke o učinku nepouzdanima. Kada se konverzije, kanali i korisnička putovanja pogrešno mjere, marketingaši ne mogu jasno vidjeti što funkcionira, gdje se proračun troši uzalud, niti odakle zapravo dolazi rast. Šteta se tada seli iz proračunske tablice u sobu za sastanke: timovi prve minute sastanka provode raspravljajući o tome što pokazuje GA4 nasuprot onome što pokazuje oglašivačka platforma, a što CRM, prije nego što se uopće dođe do rasprave o strategiji. S vremenom to usporava odlučivanje, slabi povjerenje u izvještavanje i stvara dojam da se ulaganje u analitiku ne isplati — što je, u vrlo stvarnom smislu, točno ako nitko ne vjeruje onome što mu ona govori.

Moderni algoritmi za nadmetanje naspram ručnog izvještavanja — kako to prerasta u problem cijelog proračuna?

U okruženjima s ručnim izvještavanjem jedan loš podatak obično naruši jedan izvještaj. Netko može primijetiti problem, obuzdati ga, ispraviti i nastaviti dalje. Moderni sustavi za nadmetanje su drugačiji. Oni koriste podatke koje primaju za kontinuirano i automatsko donošenje odluka, zamjenjujući mnoge ručne prosudbe koje su marketingaši nekada donosili sami. To funkcionira dobro sve dok sustav ne počne optimizirati na temelju oštećenih, nepotpunih ili ograničenih podataka — bilo da je uzrok kvar u praćenju, propust u načinu rada s pristankom ili neki drugi signal koji nedostaje.

Sustav tada uči na temelju nepotpune slike koja mu je dana. Nastavlja pronalaziti sve više događaja koji unutar tog manjkavog skupa podataka izgledaju vrijedno, čak i kada ti događaji pouzdano ne generiraju prihod. Rezultat je lažan osjećaj optimizacije: kampanja može djelovati pametnije dok se proračun sve više udaljava od stvarnih poslovnih rezultata.

Gdje to najviše boli: plaćeni proračuni, SEO prioriteti i pipeline potencijalnih klijenata (leadova)

Tri dijela poslovanja upijaju najveći dio štete od loših podataka praćenja, a svaki dio zakazuje na pomalo drugačiji način.

• Proračuni za plaćene medije trpe najizravniji udarac: pogrešna atribucija preusmjerava potrošnju prema kanalu koji na manjkavom modelu samo izgleda učinkovito, a ne prema onome koji zapravo generira prihod.
• Tehničke SEO odluke trpe suptilniji udarac: Core Web Vitals ima dva različita izvora podataka — laboratorijske podatke, koji se generiraju trenutačno u kontroliranom testu, i terenske podatke, prikupljene od stvarnih posjetitelja i ažurirane svakih 28 dana putem Googleova izvještaja Chrome User Experience Report. Timovi koji jure za dobrim rezultatom laboratorijskih podataka mogu potrošiti stvarno vrijeme razvoja na „popravljanje” stranice za koju terenski podaci pokazuju da uopće nije problem za stvarne korisnike, dok se pravi problem uočen u terenskim podacima tjednima ne rješava jer ga odgođeni prikaz na razini skupina stranica u Search Consoleu jasno ne prikazuje.
• Pipeline potencijalnih klijenata i prihoda trpe treću vrstu udarca: automatizacija i praćenje prodaje izgrađeni na leadovima koji su dvostruko izbrojani, pogrešno označeni ili tiho izgubljeni na razini praćenja — što je opisano u dijelu o automatizaciji — neprimjetno usmjeravaju prodajne napore prema pogrešnim klijentima, a udaljavaju ih od pravih.

Sva tri ova problema često vode do istog korijena: tehničkog problema u implementaciji na razini web stranice. Redizajn, novi alat za izradu stranica, migracija platforme — trenutak u kojem se sama web stranica mijenja najčešće je trenutak u kojem se praćenje pokvari, zbog čega kvaliteta analitičkih podataka i kvaliteta izrade web-mjesta u praksi rijetko predstavljaju odvojene probleme.

Uzmimo grubi primjer. Tvrtka koja mjesečno troši 8000 eura na plaćene medije, čak i uz konzervativan jaz u atribuciji od 10 %, samo na oglašavanju pogrešno usmjerava otprilike 9600 eura godišnje. Ako jedan od deset stvarnih leadova nikada ne pokrene praćeni događaj konverzije, a svaki lead vrijedi makar skromnu svotu u budućem prihodu, riječ je o pipeline-u koji tiho nestaje — ne o „gubitku” u tradicionalnom smislu, već o prihodu za koji nitko nikada nije znao da postoji. Dodate li tome nekoliko sati mjesečno koje tim provede na usklađivanje podataka, ukupan iznos — čak i prije nego što se uračuna bilo kakav SEO napor — redovito može doseći pet znamenki godišnje za tvrtku sa skromnim marketinškim proračunom.

Odakle krenuti s popravkom bez potpune analitičke rekonstrukcije

Kada se pojavi problem s praćenjem, prvi instinkt često je planirati potpunu promjenu platforme ili analitičku rekonstrukciju od temelja. To je obično pogrešan prvi potez. Većini tvrtki prije projekta treba trijaža: identificirati šačicu događaja koji su zaista bitni za odluke o prihodu — kupnje, leadove, rezervacije i ključne obrasce — te njih dovesti u red prije nego što se dotakne bilo što drugo.

Popravci s najvećim učinkom nisu komplicirani. Najprije provjerite okidanje oznaka (tagova) na događajima vezanima uz prihod te ispravite duplikate ili praznine prije bilo čega drugog. Dogovorite jedinstvenu definiciju „leada” ili „konverzije” i provedite je dosljedno u GA4-u, oglašivačkim platformama i CRM-u, tako da ista riječ u svakom sustavu znači istu stvar. Uspostavite osnovni nadzor nad šačicom događaja koji su bitni, kako bi se pokvarena oznaka uočila istog tjedna kad se pokvari, a ne osam mjeseci kasnije. Ništa od ovoga ne zahtijeva odbor za upravljanje niti migraciju platforme. Zahtijeva samo nekoga tko će gledati, zajedničku definiciju onoga što je bitno i plan da se nastavi gledati.

Kontaktirajte nas i postavite analitiku koja pokazuje koji kanali stvarno donose prodaju.