Samma kampanj - olika siffor: så funkar attribution

Attribution handlar om att tillskriva en konvertering till en specifik källa eller annons.

Varför skiljer sig siffror mellan annonsplattformar?

När du köper trafik från olika plattformar, som Meta och Google Ads, är det vanligt att siffrorna inte stämmer överens.

Exempel:

  • Meta visar 150 000 kr i intäkter
  • GA4 visar 4 000 kr för samma period

Detta beror oftast på att plattformarna använder olika sätt att mäta resultat.

Vad är en attributionsmodell?

Attribution handlar om att tillskriva en konvertering till en specifik källa eller annons.

En attributionsmodell avgör:
Vilken kanal som får “äran” för ett köp eller en lead

Olika plattformar använder olika regler för detta.

Hur fungerar Metas attributionsmodell?

Meta använder en mer generös modell.

Det kan räcka att:

  • en användare ser din annons
  • utan att klicka

Om personen senare:

  • går till Google
  • klickar på en annons
  • genomför ett köp

kan Meta ändå tillskriva sig konverteringen

Hur fungerar GA4:s attributionsmodell?

Google Analytics 4 använder en mer restriktiv modell.

Den liknar:
last click

Det innebär:

  • den senaste trafikkällan får krediten
  • kräver oftast ett faktiskt klick

Hur fungerar Google Ads?

Google Ads använder en modell som liknar GA4.

Därför är skillnaden mellan:

  • GA4 och Google Ads → liten
  • GA4 och Meta → stor

Hur vet man vilka siffror som stämmer?

Det finns ingen “perfekt siffra” från en enskild plattform.

Du behöver en neutral referenspunkt:

Single Source of Truth

Rekommenderat verktyg

Det vanligaste valet är:

Google Analytics 4

Alternativ:

  • Matomo
  • Plausible

Hur ska du tänka i praktiken?

När du analyserar resultat:

→ använd GA4 (eller annat neutralt verktyg)

När du optimerar kampanjer:

→ använd plattformens egna data

Båda behövs — men till olika saker

Slutsats

Skillnader i data beror på olika sätt att mäta.

För att fatta rätt beslut behöver du:

  • förstå skillnaderna
  • använda rätt verktyg i rätt sammanhang

Tips

dataJämför alltid resultat i ett neutralt verktyg, annars jämför du äpplen och päron.