Το πλάνο της Black Friday είναι έτοιμο. Οι προσφορές έχουν κλειδώσει, τα δημιουργικά περιμένουν και το επόμενο βήμα είναι η αύξηση του διαφημιστικού budget. Πριν όμως επενδύσεις περισσότερα, υπάρχει μια ερώτηση που προηγείται του bidding: μπορείς να εμπιστευτείς τα δεδομένα με τα οποία αποφασίζεις;
Ένα υψηλό ROAS μπορεί να δείχνει αποτελεσματική διαφήμιση. Μπορεί όμως να επηρεάζεται από διπλοκαταγεγραμμένες αγορές, διαφορετικούς ορισμούς εσόδων ή διαφορετικούς κανόνες attribution. Αντίστοιχα, ένα χαμηλό ROAS μπορεί να συνδέεται με ελλιπή καταγραφή και όχι αποκλειστικά με κακή απόδοση. Το ζητούμενο δεν είναι να αποδείξεις ότι κάποιο dashboard έχει πάντα δίκιο. Είναι να καταλάβεις τι μετρά κάθε σύστημα και πόση εμπιστοσύνη μπορείς να έχεις στις αποφάσεις σου.
Ο οδηγός που ακολουθεί προτείνει ένα πρακτικό audit για e-shop, GA4 και Google Ads, με στόχο να εντοπίσεις προβλήματα πριν αυξήσεις τη δαπάνη. Δεν προϋποθέτει ότι όλα τα συστήματα πρέπει να εμφανίζουν ακριβώς τους ίδιους αριθμούς.
Γιατί το audit πρέπει να προηγείται του μεγαλύτερου budget
Αφορμή για το θέμα είναι δημοσίευμα του Search Engine Journal στις 28 Οκτωβρίου 2026. Σύμφωνα με τον τίτλο και την περίληψη που διατίθενται στο RSS του, το GA4 δεν κατέγραψε το 66% των εορταστικών παραγγελιών ενός retailer. Η περίληψη αναφέρεται σε έλεγχο οκτώ ecommerce brands, όμως το συγκεκριμένο ποσοστό αφορά μία περίπτωση. Δεν αποτελεί benchmark για την αγορά ούτε πρόβλεψη για το δικό σου κατάστημα.
Χωρίς εξέταση της πλήρους μεθοδολογίας δεν μπορούμε να αποδώσουμε την απόκλιση σε συγκεκριμένη αιτία. Μπορούμε όμως να κρατήσουμε το σωστό ερώτημα: έχεις ελέγξει αν τα δεδομένα που χρησιμοποιείς για optimization αντιπροσωπεύουν όσα συμβαίνουν στην επιχείρηση;
Όταν μια καμπάνια χρησιμοποιεί conversions ή conversion value για αυτοματοποιημένο bidding, η επιλογή και η ποιότητα των σημάτων έχουν σημασία. Αν μια απλή επίσκεψη αντιμετωπίζεται ως κύριος στόχος μαζί με μια αγορά, ή αν αποστέλλονται λανθασμένες αξίες, χρειάζεται να εξετάσεις τη ρύθμιση πριν αξιολογήσεις τη στρατηγική. Περισσότερο budget δεν διορθώνει από μόνο του ένα πρόβλημα μέτρησης.
Ξεκίνα από τους ορισμούς, όχι από τα dashboards
Τι θεωρεί η επιχείρηση παραγγελία;
Στο σύστημα του e-shop μπορεί να υπάρχουν ολοκληρωμένες παραγγελίες, αποτυχημένες πληρωμές, ακυρώσεις, εκκρεμείς αντικαταβολές και επιστροφές. Δεν είναι όλες ισοδύναμες. Πριν κάνεις εξαγωγή δεδομένων, συμφώνησε με το οικονομικό τμήμα και τον υπεύθυνο του καταστήματος ποια statuses θα συμπεριλάβεις.
Για τεχνικό έλεγχο της καταγραφής χρειάζεσαι συνήθως τις παραγγελίες που αντιστοιχούν στο συμφωνημένο σημείο ενεργοποίησης του purchase event. Για αξιολόγηση της τελικής εμπορικής απόδοσης χρειάζεσαι επιπλέον την εξέλιξή τους: ποιες πληρώθηκαν, παραδόθηκαν, ακυρώθηκαν ή επιστράφηκαν. Αυτές είναι δύο διαφορετικές εργασίες και δεν πρέπει να συγχέονται.
Ποια αξία συγκρίνεις;
Διευκρίνισε αν η αξία περιλαμβάνει ΦΠΑ, μεταφορικά και εκπτώσεις. Στο GA4, για παράδειγμα, το purchase revenue δεν είναι εναλλάξιμο με οποιοδήποτε metric που περιέχει τη λέξη revenue. Διάλεξε συγκεκριμένο metric και έλεγξε πώς αντιστοιχεί στις παραμέτρους που στέλνει η υλοποίησή σου.
Το ίδιο ισχύει για τα Google Ads: εξέτασε ποια conversion action μεταφέρει αξία, πώς υπολογίζεται και αν χρησιμοποιείται δυναμική ή σταθερή τιμή. Αν συγκρίνεις μικτή αξία παραγγελιών στο ένα σύστημα με διαφορετική βάση στο άλλο, μια απόκλιση μπορεί να είναι απολύτως αναμενόμενη.
Δημιούργησε μια κοινή βάση σύγκρισης
Επίλεξε μια πρόσφατη περίοδο με αρκετές ολοκληρωμένες παραγγελίες και χωρίς γνωστές μεγάλες αλλαγές στην εγκατάσταση. Απόφυγε να βγάλεις τελικό συμπέρασμα από τη σημερινή ημέρα, καθώς η επεξεργασία και η απόδοση conversions μπορεί να μην έχουν ολοκληρωθεί. Κατέγραψε την ημερομηνία εξαγωγής, ώστε η ομάδα να γνωρίζει πότε τραβήχτηκαν τα δεδομένα.
- Χρονικό διάστημα: χρησιμοποίησε τις ίδιες ημερομηνίες και έλεγξε τις ζώνες ώρας.
- Νόμισμα: επιβεβαίωσε ότι συγκρίνεις κοινό νόμισμα και γνωρίζεις τυχόν μετατροπές.
- Παραγγελίες: όρισε ποια statuses περιλαμβάνονται και πώς αντιμετωπίζονται οι δοκιμαστικές αγορές.
- Έσοδα: κατέγραψε τη βάση υπολογισμού και τον χειρισμό φόρων, μεταφορικών και επιστροφών.
- Ημερομηνία αναφοράς: ξεχώρισε τον χρόνο αγοράς από τον χρόνο διαφημιστικής αλληλεπίδρασης.
Στα Google Ads, οι συνήθεις στήλες conversions συνδέουν την απόδοση με τον χρόνο της διαφημιστικής αλληλεπίδρασης. Οι αντίστοιχες στήλες με βάση τον χρόνο μετατροπής μπορούν να βοηθήσουν σε χρονικές συγκρίσεις με παραγγελίες. Αυτό δεν σημαίνει ότι θα συμφωνήσουν πλήρως με το backend, αφού παραμένουν διαφορετικοί οι κανόνες επιλεξιμότητας και attribution.
Έλεγξε πρώτα e-shop και GA4, μετά το attribution των Ads
Η συνολική καταγραφή αγορών και η απόδοσή τους σε κανάλια είναι διαφορετικά επίπεδα ελέγχου. Πρώτα εξέτασε αν τα purchase events αποστέλλονται όπως προβλέπει η υλοποίηση. Έπειτα διερεύνησε πώς αποδίδονται οι αγορές στη διαφήμιση. Αν τα μπερδέψεις, κινδυνεύεις να ψάχνεις πρόβλημα attribution ενώ στην πραγματικότητα δεν ενεργοποιείται σωστά ένα event.
Όπου είναι διαθέσιμα και επιτρέπεται η χρήση τους, τα transaction IDs βοηθούν να συγκρίνεις συγκεκριμένες συναλλαγές. Μια αντιστοίχιση σε επίπεδο παραγγελίας είναι συχνά πιο διαγνωστική από δύο συνολικά ποσά. Ωστόσο, μην περιμένεις ότι μοντελοποιημένα δεδομένα ή κάθε αναφορά της διεπαφής θα προσφέρουν πλήρη αντιστοίχιση με μεμονωμένες παραγγελίες.
Ένα υποθετικό παράδειγμα
Έστω ότι το backend εμφανίζει 1.000 επιλέξιμες παραγγελίες και, σε συγκρίσιμο σύνολο παρατηρούμενων δεδομένων, εντοπίζεις 850 μοναδικά transaction IDs στο analytics export. Η αναλογία αντιστοίχισης είναι 85% και υπάρχουν 150 παραγγελίες προς διερεύνηση. Αυτό δεν αποδεικνύει αυτομάτως ότι έχεις τεχνική βλάβη 15%: μπορεί να συνυπάρχουν περιορισμοί συγκατάθεσης, διαφορετικός χρόνος καταγραφής ή άλλα χαρακτηριστικά της υλοποίησης.
Το παράδειγμα είναι ενδεικτικό, όχι benchmark. Ο στόχος είναι να χωρίσεις τις αποκλίσεις σε εξηγήσιμες και ανεξήγητες και να δεις αν συγκεντρώνονται σε συγκεκριμένη συσκευή, τρόπο πληρωμής ή διαδρομή checkout.
Οι τεχνικοί έλεγχοι που αξίζει να γίνουν
1. Ενεργοποιείται το purchase στο σωστό σημείο;
Πραγματοποίησε ελεγχόμενες δοκιμαστικές παραγγελίες για τις βασικές διαδρομές αγοράς. Έλεγξε κάρτα, αντικαταβολή και άλλες διαθέσιμες μεθόδους, καθώς και mobile και desktop. Αν η καταγραφή εξαρτάται αποκλειστικά από την επιστροφή σε μια σελίδα επιβεβαίωσης, διερεύνησε τι συμβαίνει όταν ο χρήστης δεν επιστρέφει από τον πάροχο πληρωμών.
Χρησιμοποίησε τα εργαλεία προεπισκόπησης και debugging της εγκατάστασης για να ελέγξεις ότι αποστέλλονται event και παράμετροι. Μια επιτυχημένη δοκιμή σε ένα browser δεν αποδεικνύει ότι λειτουργούν όλες οι διαδρομές. Κατέγραψε ξεχωριστά το αποτέλεσμα κάθε σεναρίου.
2. Είναι σωστά και σταθερά τα transaction IDs;
Κάθε παραγγελία πρέπει να μεταφέρει το κατάλληλο μοναδικό αναγνωριστικό, χωρίς προσωπικά στοιχεία πελάτη. Έλεγξε ότι δεν είναι κενό, ότι δεν επαναχρησιμοποιείται για διαφορετικές αγορές και ότι δεν αλλάζει όταν ο χρήστης ανανεώνει τη σελίδα επιβεβαίωσης.
Δοκίμασε επίσης επανεπίσκεψη στην επιβεβαίωση και έλεγξε αν υπάρχουν παράλληλες εγκαταστάσεις από plugin, Google Tag Manager ή custom κώδικα. Μην θεωρείς ότι η παρουσία transaction ID λύνει κάθε μορφή διπλοκαταγραφής σε όλα τα συστήματα. Κάθε destination και conversion action χρειάζεται ξεχωριστή επαλήθευση.
3. Συμφωνούν value και currency με την παραγγελία;
Έλεγξε παραγγελίες με κουπόνι, διαφορετικές ποσότητες, μεταφορικά και διαφορετικούς φορολογικούς χειρισμούς όπου υπάρχουν. Επιβεβαίωσε ότι η τιμή δεν αποστέλλεται ως κείμενο με λάθος μορφοποίηση και ότι το νόμισμα είναι σωστό. Συμφώνησε γραπτώς ποια πεδία αθροίζονται, ώστε η ομάδα να μην αλλάζει άθελά της τον ορισμό των εσόδων.
4. Τι συμβαίνει με τη συγκατάθεση;
Δοκίμασε αποδοχή, απόρριψη και αλλαγή επιλογής στο consent banner. Έλεγξε αν οι συμπεριφορές των tags αντιστοιχούν στον σχεδιασμό της εγκατάστασης και στις απαιτήσεις συμμόρφωσης. Το Consent Mode δεν παρακάμπτει τη συγκατάθεση και δεν εγγυάται πλήρη αποκατάσταση των δεδομένων που δεν παρατηρούνται.
Η απουσία συγκεκριμένων παραγγελιών από παρατηρούμενα analytics δεδομένα δεν είναι από μόνη της απόδειξη σφάλματος όταν υπάρχουν νόμιμοι περιορισμοί συλλογής. Για το σχετικό πλαίσιο μπορείς να διαβάσεις τον οδηγό μας για το Google Consent Mode v2. Η υλοποίηση χρειάζεται αξιολόγηση μαζί με τους αρμόδιους για privacy και τεχνική υποστήριξη.
Στα Google Ads, έλεγξε τι ακριβώς χρησιμοποιείται για optimization
Άνοιξε τις conversion actions και κατέγραψε την πηγή, την αξία, τον τρόπο μέτρησης και τη χρήση τους στους στόχους κάθε καμπάνιας. Δώσε ιδιαίτερη προσοχή στο αν η ίδια αγορά καταγράφεται μέσω native Google Ads tracking και μέσω εισαγωγής από GA4. Οι δύο πηγές δεν είναι απαραίτητα λάθος να υπάρχουν για παρακολούθηση, αλλά πρέπει να ξέρεις ποιες συμμετέχουν στο bidding.
Έλεγξε primary και secondary actions, account-default goals και τυχόν campaign-specific ή custom goals. Η ετικέτα μιας action δεν αρκεί από μόνη της για να καταλάβεις όλη τη συμπεριφορά της καμπάνιας. Επίσης, κράτησε βοηθητικές ενέργειες, όπως add to cart, διακριτές από τις πραγματικές αγορές στην αξιολόγηση των αποτελεσμάτων.
Οι διαφορές attribution αποτελούν ξεχωριστό κεφάλαιο. Conversion windows, μοντέλο απόδοσης, χρόνος αναφοράς και μοντελοποίηση μπορούν να επηρεάσουν τα reports. Το υπάρχον άρθρο μας για Last-Click και Data-Driven Attribution προσφέρει σχετικό υπόβαθρο. Δεν πρέπει όμως να χρησιμοποιούμε το attribution ως γενική εξήγηση για κάθε ανεξήγητη διαφορά.
Μετέτρεψε το audit σε αποφάσεις, όχι σε ακόμη ένα report
Για κάθε εύρημα κράτησε τέσσερα στοιχεία: τι παρατηρήθηκε, ποια δεδομένα το στηρίζουν, ποιος αναλαμβάνει τη διερεύνηση και πώς θα επιβεβαιωθεί η διόρθωση. Μην αλλάξεις ταυτόχρονα tracking, στόχους και bidding χωρίς αρχείο αλλαγών. Διαφορετικά, θα δυσκολευτείς να ξεχωρίσεις τη μεταβολή της μέτρησης από τη μεταβολή της πραγματικής απόδοσης.
- Marketer: ελέγχει στόχους καμπανιών, conversion actions, αξίες και αναφορές attribution.
- Developer ή analytics specialist: ελέγχει events, παραμέτρους, checkout, διπλές εγκαταστάσεις και διαδρομές πληρωμών.
- Ecommerce και οικονομική ομάδα: ορίζουν έγκυρες παραγγελίες, έσοδα, ακυρώσεις και επιστροφές.
- Υπεύθυνος privacy: αξιολογεί τις απαιτήσεις συγκατάθεσης και τον τρόπο εφαρμογής τους.
Αν εντοπίσεις ουσιώδες πρόβλημα αξίας ή διπλοκαταγραφής, αντιμετώπισέ το πριν βασίσεις μια μεγάλη αύξηση budget στα επηρεασμένα metrics. Αν οι αποκλίσεις είναι εξηγημένες και η καταγραφή παραμένει σταθερή, μπορείς να σχεδιάσεις σταδιακές αλλαγές με παρακολούθηση. Δεν υπάρχει ένα καθολικό αποδεκτό ποσοστό απόκλισης για κάθε e-shop.
Το τελικό checklist πριν τη Black Friday
- Έχουμε συμφωνήσει τον ορισμό έγκυρης παραγγελίας και εσόδων.
- Συγκρίνουμε κοινή περίοδο, ζώνη ώρας και νόμισμα.
- Έχουμε ελέγξει βασικές συσκευές και τρόπους πληρωμής.
- Τα purchase events στέλνουν σωστά transaction ID, value και currency.
- Έχουμε διερευνήσει refresh, επανεπίσκεψη και παράλληλες εγκαταστάσεις.
- Έχουμε δοκιμάσει τις βασικές επιλογές συγκατάθεσης.
- Γνωρίζουμε ποιες conversion actions χρησιμοποιεί κάθε καμπάνια για bidding.
- Διαχωρίζουμε ελλιπή καταγραφή από διαφορετικό attribution.
- Έχουμε ορίσει υπεύθυνο, προτεραιότητα και επανέλεγχο για κάθε εύρημα.
- Παρακολουθούμε ακυρώσεις, επιστροφές και κερδοφορία πέρα από το αρχικό ROAS.
Συμπέρασμα: το ROAS είναι χρήσιμο όταν ξέρεις τι περιλαμβάνει
Ο στόχος πριν τη Black Friday δεν είναι να επιβάλεις τεχνητή συμφωνία σε όλα τα dashboards. Είναι να γνωρίζεις ποια δεδομένα είναι παρατηρούμενα, ποια μοντελοποιημένα, ποιες διαφορές εξηγούνται και ποια προβλήματα χρειάζονται διόρθωση. Αυτή η σαφήνεια σου επιτρέπει να συζητάς για budget με λιγότερες υποθέσεις.
Τέλος, ακόμη και ένα τεχνικά σωστό ROAS δεν ισοδυναμεί με κέρδος ή απόδειξη πρόσθετων πωλήσεων λόγω της διαφήμισης. Περιθώρια, εκπτώσεις, επιστροφές και λειτουργικά κόστη παραμένουν μέρος της απόφασης. Για τη διάκριση εσόδων και κερδοφορίας, δες και το άρθρο μας για ROAS vs POAS. Πριν ζητήσεις περισσότερη απόδοση από τον αλγόριθμο, βεβαιώσου ότι καταλαβαίνεις τα δεδομένα με τα οποία τον αξιολογείς.
Πηγή και σημείωση τεκμηρίωσης
Search Engine Journal: GA4 Missed 66% Of One Retailer’s Holiday Orders: Check Yours Before Peak Season, 28/10/2026. Η αναφορά στο συγκεκριμένο case βασίζεται στον τίτλο και στην περίληψη RSS, όχι σε ανεξάρτητη επαλήθευση της πλήρους μελέτης. Το audit αποτελεί πρωτότυπη προτεινόμενη διαδικασία και το αριθμητικό παράδειγμα είναι υποθετικό.
