Basic a Advanced Consent Mode: Architektura sygnałów (pings)
Podczas wdrażania Consent Mode v2, architekci danych muszą dokonać wyboru między dwoma odmiennymi ramami implementacyjnymi: podstawową (Basic) a zaawansowaną (Advanced). Kluczowa różnica sprowadza się całkowicie do sposobu, w jaki system obsługuje użytkowników, którzy odmawiają zgody lub ignorują baner.
Basic Consent Mode (Blokowanie twarde)
W implementacji podstawowej tagi Google są całkowicie blokowane przed wykonaniem, dopóki użytkownik wyraźnie nie udzieli zgody.
- Jak to działa: System zarządzania tagami pełni rolę rygorystycznego strażnika. Jeśli użytkownik kliknie „Odmów”, tagi pozostają w stanie uśpienia.
- Rezultat: Do Google nie są przesyłane żadne dane — nawet żądania sieciowe. Choć jest to absolutnie najbezpieczniejsza droga dla zachowania ścisłej zgodności, prowadzi ona do ogromnej luki w danych. Utracona zostaje 100% widoczność działań użytkowników, którzy nie wyrazili zgody, co uniemożliwia dokładne modelowanie.
Advanced Consent Mode (Sygnały bez plików cookie)
Jest to konfiguracja silnie rekomendowana przez Google i to tutaj ujawnia się prawdziwa moc inżynieryjna Consent Mode.
- Jak to działa: Tagi Google ładują się natychmiast po otwarciu strony, ale ich działanie jest dynamicznie ograniczane na podstawie domyślnego stanu zgody. Jeśli użytkownik odmówi zgody, tagi nie odczytują ani nie zapisują żadnych plików cookie. Zamiast tego przesyłają do serwerów Google anonimowe sygnały (tzw. „pings”) pozbawione ciasteczek.
- Rezultat: Sygnały te przenoszą nieidentyfikowalne dane funkcjonalne (np. znaczniki czasu, user-agenty, strony odsyłające oraz podstawowe dane o zdarzeniach). Ponieważ nie wykorzystuje się żadnych osobistych identyfikatorów ani plików cookie, metoda ta szanuje wybory użytkowników w zakresie prywatności, dostarczając jednocześnie backendowi Google surowe, zagregowane sygnały niezbędne do uczenia maszynowego.
W jaki sposób GA4 i Google Ads modelują dane w trybie zaawansowanym
Sygnały bezciasteczkowe zebrane w ramach zaawansowanego Consent Mode stanowią matematyczny fundament modeli uczenia maszynowego Google. Bez tych sygnałów Google nie posiada punktu odniesienia, z którego mogłoby ekstrapolować wyniki. Oto jak platformy przekładają anonimowe sygnały na użyteczne raporty i dane licytacyjne.
Modelowanie behawioralne w GA4
Gdy użytkownik odmawia zgody na analytics_storage, GA4 nie może wygenerować ani odczytać standardowego pliku cookie Client ID, aby połączyć jego odsłony w spójną sesję.
Aby rozwiązać ten problem, GA4 wykorzystuje modelowanie behawioralne. System analizuje pełne, obserwowalne ścieżki użytkowników, którzy wyrazili zgodę, aby wytrenować swoje modele uczenia maszynowego. Następnie stosuje te modele do sygnałów bezciasteczkowych generowanych przez użytkowników, którzy odmówili zgody. Algorytm w sposób probabilistyczny szacuje, ilu unikalnych użytkowników odwiedziło stronę, ile sesji miało miejsce i które zdarzenia zostały wywołane. W interfejsie GA4 (jeśli tożsamość raportowania jest ustawiona na „Mieszaną”) zapobiega to drastycznemu, sztucznemu spadkowi metryk ruchu i zachowuje dokładność ogólnych współczynników konwersji.
Modelowanie konwersji w Google Ads
Jeśli użytkownik kliknie reklamę, ale odrzuci ad_storage oraz ad_user_data, Google Ads nie może użyć tradycyjnych plików cookie (takich jak GCLID lub DCLID), aby przypisać późniejszy zakup do początkowego kliknięcia.
Ponieważ jednak zaawansowany Consent Mode pozwala na wysłanie sygnału konwersji bez ciasteczek, Google wie, że zakup faktycznie miał miejsce. Silnik Google wykorzystuje modelowanie konwersji do analizy zagregowanych danych — takich jak czas od interakcji z reklamą, typ urządzenia, przeglądarka i region geograficzny — aby probabilistycznie powiązać anonimowy sygnał konwersji z kliknięciem w reklamę.
Mechanizm ten jest siłą napędową inteligentnego określania stawek (Smart Bidding). Algorytmy takie jak Docelowy CPA (tCPA) czy Docelowy ROAS (tROAS) wymagają stałego strumienia danych o konwersjach do optymalizacji stawek. Bez modelowania konwersji algorytm ślepo zakładałby, że reklamy przestały działać, co powodowałoby ograniczenie emisji reklam i załamanie wyników kampanii.
