GA4:n tärkeimmät mittarit

Viisi lukua riittää melkein aina

Kun raportilla on kolmekymmentä lukua, katsoja ei tiedä mihin katsoa eikä kukaan huomaa kun jokin niistä hajoaa. Käytännössä pk-yrityksen verkkosivun tila kerrotaan viidellä mittarilla, ja loput ovat porautumista siihen, miksi jokin näistä viidestä liikkui.

Alla oleva lista on tärkeysjärjestyksessä alhaalta ylös: hankintakanava selittää istunnot, istunnot selittävät avaintapahtumat, ja avaintapahtumat ovat se luku, jonka takia mittausta ylipäätään tehdään.

• Avaintapahtumat (key events) — montako liiketoiminnan kannalta merkityksellistä tekoa tapahtui
• Istuntokohtainen avaintapahtuma-aste (session key event rate) — kuinka suuri osa käynneistä johti tekoon
• Istunnot ja niiden jakauma kanavittain — mistä liikenne tuli
• Sitoutumisaste (engagement rate) — kuinka suuri osa käynneistä oli oikeita käyntejä
• Keskimääräinen sitoutumisaika istuntoa kohden — kuinka kauan sivustolla oikeasti oltiin

Kaikki muu — sivunäytöt, tapahtumamäärät, laitejakaumat, maakohtaiset raportit — on selittävää dataa. Se on hyödyllistä silloin kun jokin viidestä luvusta muuttui, ja pelkkää täytettä silloin kun ei.

Käyttäjät ja istunnot: mitä luvut oikeasti laskevat

GA4:n käyttäjämittarit ovat kaksi eri asiaa, ja sekaannus niiden välillä on tavallinen. Aktiiviset käyttäjät (active users) on se luku, jota GA4 näyttää oletuksena useimmissa raporteissa ja jonka se merkitsee yksinkertaisesti nimellä "Käyttäjät". Kaikki käyttäjät (total users) on eri mittari ja lähes aina suurempi.

Ero on siinä, että aktiiviseksi lasketaan käyttäjä, jolla oli sitoutunut istunto tai josta kertyi sitoutumisaikaa. Pelkkä sivun avaaminen ja välitön poistuminen ei riitä. Tämä on tarkoituksellista: aktiivisten käyttäjien luku on lähempänä sitä, mitä ihminen tarkoittaa sanoessaan "kävijä".

Kumpikaan ei silti laske ihmisiä. Molemmat laskevat selaimia ja laitteita, joilla ei ole yhteistä tunnistetta. Sama ihminen puhelimella ja läppärillä on kaksi käyttäjää, ellei käytössä ole user_id-tunnistetta tai Google-signaaleja. Evästeiden hylkääminen ja niiden poistaminen kasvattavat lukua entisestään. Käyttäjämäärä on siis suunta, ei laskettu määrä ihmisiä — ja se on hyvä syy olla rakentamatta tavoitteita sen varaan.

• Istunto (session) alkaa session_start-tapahtumasta ja päättyy 30 minuutin käyttämättömyyteen. Aikakatkaisu on säädettävissä.
• GA4:n istunto ei katkea keskiyöllä eikä silloin kun käyttäjä palaa uudesta kampanjasta. Universal Analyticsissa se katkesi molemmissa, mikä on yksi syy siihen etteivät vanhat ja uudet luvut ole vertailukelpoisia.
• Uudet käyttäjät (new users) laskee ensimmäisiä käyntejä. Se ei ole "käyttäjät miinus palaavat", vaan oma mittarinsa, ja summa uusista ja palaavista voi ylittää käyttäjien kokonaismäärän.
• Näkymät (views) yhdistää sivunäytöt ja sovellusnäytöt. Se ei ole enää oma keskeinen mittarinsa vaan yksi tapahtumatyyppi muiden joukossa.
• Tapahtumien määrä (event count) on GA4:n perusyksikkö, mutta sellaisenaan lähes hyödytön raportilla: se kasvaa aina kun mittaukseen lisätään mitä tahansa uutta.

Sitoutumisaste on GA4:n paras yksittäinen laatumittari

Sitoutumisaste on niiden istuntojen osuus, jotka GA4 laskee sitoutuneiksi. Istunto on sitoutunut, jos se täyttää yhdenkin kolmesta ehdosta: se kesti yli kymmenen sekuntia, siinä oli vähintään kaksi sivunäyttöä, tai siinä tapahtui avaintapahtuma.

Tämä korvasi Universal Analyticsin poistumisprosentin, ja korvasi sen paremmalla. Vanha poistumisprosentti laski yhden sivun käynnit poistumisiksi riippumatta siitä, luettiinko sivu läpi vai suljettiinko välilehti heti — mikä teki blogisivuista järjestelmällisesti huonon näköisiä. GA4:n poistumisprosentti on määritelmällisesti sama luku toisin päin: yksi miinus sitoutumisaste.

Mihin sitä käyttää: sitoutumisaste kanavittain kertoo, mikä liikenne on oikeaa. Jos jonkin kanavan sitoutumisaste on selvästi muita matalampi, kyse on lähes aina joko botti- tai roskaliikenteestä, väärin kohdennetusta mainonnasta tai laskeutumissivusta, joka ei vastaa sitä lupausta, jolla klikkaus saatiin.

Yksi varaus: kymmenen sekunnin raja on matala. Sivusto, jolla on automaattisesti käynnistyvä video tai näyttävä animaatio, saa hyvän sitoutumisasteen ilman että kukaan luki mitään. Käytä lukua kanavien vertailuun, älä absoluuttisena laatuarvosanana.

Keskimääräinen sitoutumisaika ei ole aika sivustolla

GA4 mittaa sitoutumisajaksi sen ajan, jonka sivu on selaimessa aktiivisena välilehtenä ja ikkuna edustalla. Taustavälilehdessä auki oleva sivu ei kerrytä aikaa. Tämä on olennainen ero vanhaan "aika sivustolla" -mittariin, joka laski erotusta kahden sivunäytön aikaleimasta ja antoi viimeiselle sivulle nollan.

Käytännön seuraus: GA4:n lukemat ovat pienempiä kuin Universal Analyticsin, ja se on oikein. Ne ovat myös vertailukelpoisia sivujen kesken tavalla, jolla vanhat eivät olleet.

Mittarista on kaksi versiota, ja ne vastaavat eri kysymykseen. Keskimääräinen sitoutumisaika istuntoa kohden kertoo, kuinka pitkä yksi käynti oli. Keskimääräinen sitoutumisaika käyttäjää kohden kertoo, kuinka paljon aikaa yksi käyttäjä käytti koko ajanjaksolla — se kasvaa myös silloin kun sama henkilö palaa useammin. Valitse yksi ja kirjaa raporttiin kumpi se on.

Avaintapahtumat ja kaksi eri konversioastetta

Avaintapahtumat ovat GA4:n nimi entisille konversioille. Ne ovat tavallisia tapahtumia, jotka on merkitty asetuksista merkityksellisiksi. Luku on niin hyvä kuin merkinnät ovat: jos avaintapahtumaksi on merkitty kaikki mahdollinen, luku mittaa lähinnä liikennettä.

Konversioastetta on GA4:ssä kaksi, ja ne ovat eri suuria. Istuntokohtainen avaintapahtuma-aste (session key event rate) on niiden istuntojen osuus, joissa avaintapahtuma tapahtui. Käyttäjäkohtainen avaintapahtuma-aste (user key event rate) on niiden aktiivisten käyttäjien osuus, jotka tekivät avaintapahtuman. Sama data tuottaa kaksi eri prosenttilukua, koska yksi käyttäjä voi käydä monta kertaa.

Kumpi valita: istuntokohtainen sopii mainonnan ja kanavien vertailuun, koska klikkaus vastaa istuntoa. Käyttäjäkohtainen sopii tilanteisiin, joissa ostopäätös kypsyy monen käynnin aikana ja halutaan tietää kuinka moni ihminen lopulta eteni. Väärä vastaus on käyttää molempia ja unohtaa kumpi on kummassa näkymässä.

Kolmas asia, joka kannattaa hyväksyä etukäteen: GA4:n avaintapahtumien määrä ei täsmää Google Adsin konversiolukuun eikä verkkokaupan tilausmäärään. Ads kohdistaa konversion klikkauspäivälle ja käyttää omaa attribuutiomalliaan, GA4 kohdistaa sen tapahtumapäivälle. Verkkokauppa taas tietää peruutukset ja palautukset, joita GA4 ei tiedä. Kaikki kolme voivat olla oikein yhtä aikaa. Sopikaa mikä luku on virallinen missäkin päätöksessä, niin ero lakkaa olemasta ongelma.

Hankinta: kolme eri lähdettä, jotka eivät tarkoita samaa

Tämä on yksittäisistä asioista se, joka tuottaa eniten väärintulkintoja raporteilla. GA4:ssä liikenteen lähde on olemassa kolmella eri tasolla, ja niillä on eri nimet ja eri luvut.

Ensimmäisen käynnin lähde (first user source / medium, first user default channel group) kertoo, mistä käyttäjä löydettiin ensimmäisen kerran. Se on käyttäjätason tieto ja pysyy samana kaikilla myöhemmillä käynneillä. Istunnon lähde (session source / medium, session default channel group) kertoo, mistä tämä nimenomainen käynti tuli. Tapahtumatason lähde kertoo, mikä lähde oli voimassa yksittäisen tapahtuman hetkellä.

Kysymys ratkaisee kumman valitset. "Mistä uudet asiakkaat löytävät meidät" on ensimmäisen käynnin lähde. "Mikä kanava tuotti tämän kuun liidit" on istunnon lähde. Jos raportilla lukee vain "Kanava", kukaan ei tiedä kumpi on kyseessä — ja kaksi ihmistä lukee samaa lukua eri tavalla.

• Oletuskanavaryhmä (default channel group) on Googlen sääntöpohjainen luokittelu lähteestä ja mediumista. Se on paras lähtökohta raportille, koska se on vakio ja vertailukelpoinen.
• Suora liikenne (direct) on kaatoluokka. Sinne päätyy kaikki, mille ei löydy viittaajaa: kirjanmerkit, sähköpostiohjelmien linkit, sovelluksista avatut linkit, QR-koodit ja kaikki UTM-merkkaamaton kampanjaliikenne.
• Kasvava suora liikenne on lähes aina merkki merkkauksen puutteesta, ei brändin vahvistumisesta. Tarkista UTM-parametrit ennen kuin juhlit.
• (not set) tarkoittaa, ettei GA4:llä ole tietoa. Hankintaraportilla se johtuu usein istunnoista, jotka alkoivat ennen kuin lähde ehdittiin määrittää, tai kynnysarvoista.
• Maksupalvelusta palaava liikenne kirjautuu viittaukseksi, ellei viittausten poissulkulistaa ole asetettu. Verkkokaupassa tämä siirtää myynnin väärälle kanavalle.

Mitä Data Studion GA4-liitäntä tekee

Data Studion Google Analytics -liitäntä ei lue GA4:n raportteja vaan hakee datan Google Analytics Data APIn kautta. Käytännössä liitäntä kysyy: nämä dimensiot, nämä mittarit, tältä ajanjaksolta — ja saa takaisin valmiiksi koostetun taulukon. Raakadataa siinä ei ole missään vaiheessa.

Tästä seuraa kaksi asiaa. Ensinnäkin liitännässä on käytettävissä sama mittari- ja dimensiovalikoima kuin APIssa, joten osa GA4:n käyttöliittymän valmiista näkymistä pitää rakentaa itse. Toiseksi kaikki APIn säännöt — skoopit, kiintiöt, otanta, kardinaliteetti ja kynnysarvot — pätevät raporttiin sellaisenaan, vaikka mikään käyttöliittymässä ei niistä kerro.

Liitäntä on silti oikea valinta silloin kun raportti on pieni ja kysymykset vakiot. Se on nopea pystyttää, se ei vaadi Google Cloud -projektia eikä maksa mitään. Rajat tulevat vastaan vasta kun raportti kasvaa — ja seuraavat luvut kertovat, missä ne rajat ovat.

Skoopin sekoittaminen on raportin yleisin virhe

GA4:n data on jaettu neljään skooppiin: käyttäjä, istunto, tapahtuma ja tuote. Dimensio ja mittari kuuluvat kumpikin johonkin näistä, ja kaikkia yhdistelmiä ei ole olemassa. Data Studio antaa rakentaa yhdistelmän, jonka API sitten hylkää — tai pahemmassa tapauksessa palauttaa luvun, joka näyttää oikealta mutta ei ole.

Tyypillinen tapaus: taulukkoon otetaan dimensioksi ensimmäisen käynnin kanavaryhmä (käyttäjäskooppi) ja mittariksi istunnot (istuntoskooppi). Kyse ei ole makuasiasta vaan siitä, ettei istuntoa voi yksikäsitteisesti kohdistaa käyttäjän ensimmäiseen kanavaan. Data Studio näyttää tällöin konfiguraatiovirheen, ja oikea korjaus on vaihtaa dimensio istunnon kanavaryhmäksi — ei etsiä kiertotietä.

Käytännön sääntö: rakenna yksi kaavio yhdellä skoopilla. Jos samalla sivulla tarvitaan sekä käyttäjätason että istuntotason näkymä, ne ovat kaksi kaaviota, eivät yksi.

-- Poistumisprosenttia ei ole liitännässä omana kenttänä.
-- Se on määritelmällisesti sitoutumisasteen käänteisluku.
1 - Engagement rate

-- Sitoutumisaste käsin laskettuna. Sama luku, mutta
-- toimii myös silloin kun taulukko on suodatettu.
Engaged sessions / Sessions

-- HUOM: tämä EI ole konversioaste.
-- Laskee avaintapahtumia, ei istuntoja joissa niitä tapahtui.
Key events / Sessions

-- Konversioaste on tämä valmis mittari:
Session key event rate

Ero kahden viimeisen välillä näkyy heti, kun yksi istunto voi laukaista useamman avaintapahtuman — esimerkiksi kun sekä lomakelähetys että puhelinklikkaus on merkitty avaintapahtumiksi. Silloin "Key events / Sessions" voi ylittää sadan prosentin, mikä on hyvä muistutus siitä ettei se ole osuus mistään.

Kolme syytä, miksi Data Studion luku ei täsmää GA4:n kanssa

Kun raportilla ja GA4:n käyttöliittymässä on eri luku, syy on lähes aina yksi kolmesta. Kaikki kolme ovat APIn ominaisuuksia, eivät vikoja, ja kaikki kolme katoavat siirtymällä BigQuery-vientiin.

• Otanta (sampling). Kun kysely kohdistuu suureen tapahtumamäärään, GA4 laskee vastauksen osajoukosta ja skaalaa. Ilmaisversion raja on kymmenen miljoonaa tapahtumaa; 360-versiossa se on olennaisesti korkeampi. Data Studio ei nosta otantaa näkyviin yhtä selvästi kuin GA4:n oma käyttöliittymä, joten sen kanssa voi elää tietämättään.
• Kardinaliteetti eli (other)-rivi. Kun dimensiolla on paljon eri arvoja — sivun URL-osoitteita, hakusanoja, tuotenimiä — GA4 säilyttää suurimmat ja niputtaa loput yhdelle (other)-riville. Standardiraporttien rivirajaksi on dokumentoitu 50 000 riviä vuorokaudessa. Summa pysyy oikeana, mutta yksittäisiä rivejä puuttuu ja pitkä häntä katoaa.
• Kynnysarvot (thresholding). Kun Google-signaalit ovat päällä tai raportissa on demografiatietoja, GA4 piilottaa rivit, joissa käyttäjiä on niin vähän että yksittäinen henkilö voisi olla tunnistettavissa. Piilotettu rivi ei näy raportilla lainkaan, joten osasummat eivät täsmää kokonaissummaan.

Neljäs, tylsempi syy kannattaa sulkea pois ensin: eri aikavyöhyke tai eri ajanjakson rajaus. Data Studion päivämääräsuodatin ja GA4:n oma valinta eivät aina tarkoita samaa, ja GA4-omaisuuden aikavyöhykeasetus siirtää päivän rajan. Tarkista tämä ennen kuin etsit monimutkaisempaa selitystä.

Kiintiövirheet: miksi raportti toimii aamulla mutta ei iltapäivällä

Data APIssa on kiintiöt, ja ne lasketaan GA4-omaisuutta kohden — eivät raporttia, käyttäjää tai tiliä kohden. Jokainen kaavio jokaisessa raportissa, jokainen kolmannen osapuolen työkalu ja jokainen skripti syö samaa kiintiötä. Siksi raportti, joka toimi eilen, voi näyttää tänään konfiguraatiovirhettä ilman että siihen on koskettu.

Kiintiöt on mitoitettu tokeneina, ja raskas kysely kuluttaa niitä enemmän kuin kevyt. Nykyiset rajat ilmaisversiossa ovat suuruusluokaltaan 200 000 tokenia vuorokaudessa ja 40 000 tunnissa omaisuutta kohden, minkä lisäksi yksittäisellä projektilla on oma tuntikohtainen osuutensa ja samanaikaisia pyyntöjä sallitaan kymmenen. Tarkat luvut kannattaa tarkistaa Googlen dokumentaatiosta, koska niitä on nostettu useaan otteeseen.

Kulutuksen näkee raportilta: klikkaa kaaviota hiiren oikealla ja valitse Google Analyticsin tokenien käyttö. Se kertoo mikä kaavio on kallis, mikä on yleensä yllätys — kalleimmat ovat harvoin ne, jotka näyttävät monimutkaisimmilta.

• Vähennä kaavioiden määrää sivulla. Jokainen kaavio on oma kyselynsä, ja sivun avaaminen laukaisee ne kaikki.
• Käytä Data Studion Pura dataa -toimintoa (extract data). Se ottaa datasta tilannevedoksen ajastetusti, jolloin raportin avaaminen ei kysy GA4:ltä mitään.
• Pidennä datalähteen välimuistin kestoa. Harva johdon raportti tarvitsee tunnin tarkkuutta.
• Rajaa oletusajanjakso lyhyeksi. Kahdentoista kuukauden oletus tekee jokaisesta avauksesta kalliin.
• Vältä montaa suodatinta ja porautumistasoa samassa kaaviossa — jokainen niistä kasvattaa kyselyn hintaa.
• Kun mikään näistä ei riitä, siirry BigQuery-vientiin. Siinä ei ole kiintiötä, otantaa, kardinaliteettia eikä kynnysarvoja.

Ilman vertailua luku ei kerro mitään

Tämä on tulkinnan perussääntö, ja se on riippumaton työkalusta. "Istuntoja 12 400" ei ole tieto. "Istuntoja 12 400, edellisenä kuukautena 9 800" on tieto. "Istuntoja 12 400, edellisenä kuukautena 9 800, kasvu tuli kokonaan yhdestä kanavasta" on peruste toimia.

Data Studiossa vertailu tehdään päivämäärävertailulla, joka kannattaa laittaa päälle jokaiseen tunnuslukuruutuun heti kun sellainen luodaan. Valinta edellisen jakson ja edellisen vuoden välillä ei ole makuasia: kausiluonteisessa liiketoiminnassa edellinen jakso johtaa harhaan joka kerta, kun taas tasaisessa liiketoiminnassa edellinen vuosi reagoi liian hitaasti.

Toinen puoli tulkintaa on tietää mikä muuttui. Suurin osa yllättävistä muutoksista analytiikkaluvuissa selittyy jollakin, mikä ei ole markkinointia: sivusto julkaistiin uudelleen, evästebanneri vaihtui, mittaus rikkoutui, botti löysi sivuston. Kirjatkaa muutokset ylös jonnekin, mistä ne löytyvät kolmen kuukauden päästä. Ilman sitä jokainen poikkeama tutkitaan uudelleen alusta.

Yhden sivun raportti, joka riittää useimmille

Tämä rakenne vastaa niihin kysymyksiin, joita johto oikeasti kysyy, ja mahtuu yhdelle sivulle myös puhelimessa. Se on myös riittävän kevyt, ettei se törmää kiintiöihin.

• Ylärivi: neljä tunnuslukuruutua vertailulla — istunnot, sitoutumisaste, avaintapahtumat, istuntokohtainen avaintapahtuma-aste.
• Aikasarja: istunnot ja avaintapahtumat samalla akselilla, viikkotasolla. Päivätaso näyttää vain kohinaa.
• Kanavataulukko: istunnon oletuskanavaryhmä riveinä, sarakkeina istunnot, sitoutumisaste, avaintapahtumat ja avaintapahtuma-aste. Tämä on raportin tärkein elementti.
• Laskeutumissivut: kymmenen suurinta, samoilla sarakkeilla. Kertoo mikä sisältö tuo liikennettä ja mikä siitä muuttuu teoiksi.
• Yksi suodatin: ajanjakso. Enemmän suodattimia tarkoittaa, että katsojat päätyvät eri lukuihin ja kiistelevät siitä kumpi on oikea.

Mitä tähän ei kuulu: laitejakauma, maakohtainen raportti, selainversiot ja reaaliaikanäkymä. Ne ovat hyödyllisiä silloin kun jokin on rikki, eli omalla sivullaan tai omassa raportissaan — eivät johdon näkymässä, jossa ne vievät tilan olennaiselta.

Milloin liitäntä ei enää riitä

Raja tulee vastaan yleensä yhdestä neljästä syystä: raportti kaatuu kiintiöön, pitkä häntä katoaa (other)-riville, GA4:n data pitäisi yhdistää myyntiin tai CRM:ään, tai mittari halutaan laskea eri tavalla kuin GA4 sen laskee. Kaikkiin näihin vastaus on sama: BigQuery-vienti ja mallinnuskerros sen päälle.

Vienti on ilmainen ja se kannattaa kytkeä päälle riippumatta siitä tarvitaanko sitä vielä. Se ei ole takautuva, joten jokainen kytkemättä jätetty kuukausi on kuukausi, jota ei myöhemmin ole olemassa.

Alla oleva kysely laskee istunnot, sitoutuneet istunnot ja sitoutumisasteen suoraan vientitauluista. Sama logiikka, ei otantaa eikä rivirajaa.

with istunnot as (
  select
    parse_date('%Y%m%d', event_date) as pvm,
    concat(user_pseudo_id, '-', cast(
      (select value.int_value from unnest(event_params)
         where key = 'ga_session_id') as string)) as istunto_id,
    -- session_engaged tulee viennissä useimmiten merkkijonona '1',
    -- mutta osassa tapahtumia kokonaislukuna. Käsittele molemmat.
    logical_or(coalesce(
      (select value.string_value from unnest(event_params)
         where key = 'session_engaged'),
      cast((select value.int_value from unnest(event_params)
              where key = 'session_engaged') as string)) = '1') as sitoutunut
  from `projekti.analytics_123456789.events_*`
  where _table_suffix between '20260201' and '20260228'
  group by pvm, istunto_id
)
select
  pvm,
  count(*)                                as istunnot,
  countif(sitoutunut)                     as sitoutuneet,
  safe_divide(countif(sitoutunut), count(*)) as sitoutumisaste
from istunnot
group by pvm
order by pvm

Luku ei täsmää GA4:n käyttöliittymän kanssa viimeistä desimaalia myöten, eikä sen kuulukaan: käyttöliittymä käyttää istuntojen laskentaan arviomenetelmää ja käsittelee tunnistamattomat istunnot omalla tavallaan. Ero on tyypillisesti prosentin luokkaa. Olennaista on, että BigQueryssa laskusääntö on näkyvissä ja sen voi muuttaa — käyttöliittymässä kumpikaan ei ole mahdollista.

Yleisimmät virheet lyhyesti

• Raportilla lukee "Kanava" ilman että kukaan tietää onko kyseessä ensimmäisen käynnin vai istunnon kanava. Kaksi lukijaa, kaksi tulkintaa.
• Konversioasteeksi on laskettu avaintapahtumat jaettuna istunnoilla. Se ei ole osuus mistään ja voi ylittää sadan prosentin.
• Käyttäjämäärää käsitellään ihmisten lukumääränä ja sille asetetaan tavoite. Luku laskee selaimia, ja evästekäytäntöjen muutos siirtää sitä ilman että mikään todellisuudessa muuttui.
• Sitoutumisaikaa verrataan Universal Analyticsin aikaan sivustolla. Mittarit mittaavat eri asiaa, joten vertailu näyttää romahdusta jota ei tapahtunut.
• Suoran liikenteen kasvua tulkitaan brändin vahvistumisena, vaikka kyse on merkkaamattomasta kampanjaliikenteestä.
• Data Studion ja GA4:n eroa selitetään vialla, vaikka kyse on otannasta, kardinaliteetista tai kynnysarvoista.
• Raportti on rakennettu suoraan liitännän päälle ja kasvanut kolmeenkymmeneen kaavioon. Kiintiö loppuu kesken kuukauden, eikä kukaan osaa yhdistää virhettä syyhyn.
• Tunnuslukuruuduissa ei ole vertailua. Luku näytetään ilman kontekstia, eikä katsoja tiedä onko se hyvä vai huono.
• Avaintapahtumia on merkitty kymmenen, joista kaksi on oikeita tavoitteita. Konversioluku mittaa lähinnä sivuston käyttöä.