FAQ

Allmänt

Grundfrågor om vad Digilytics hjälper till med och vilka typer av företag och upplägg som brukar passa bäst.

Vad hjälper Digilytics företag med?

Digilytics hjälper företag att få ordning på digital mätning och webbanalys: från GA4 och Google Tag Manager till dashboards, datakvalitet, privacy-first analytics och mer genomtänkt mätarkitektur. Målet är inte fler verktyg i sig, utan mätning som går att lita på och använda i riktiga beslut.

Vilka typer av företag passar Digilytics bäst för?

Oftast företag som vill få bättre kontroll på sin mätning, men som inte behöver en stor byråapparat runt sig. Det kan vara mindre företag som behöver en stabil GA4-grund, men också organisationer med högre krav på datakvalitet, governance, GDPR/ePrivacy eller mer kontrollerade analyticsupplägg.

Måste man ha en stor setup för att analytics ska vara värt det?

Nej. För många företag räcker en tydlig grund väldigt långt: rätt GA4-implementation, rimliga events och konverteringar, bra kanalspårning och enkel rapportering. En liten setup som är rätt byggd är oftast mer värd än en större som ingen riktigt litar på.

Varför stämmer inte siffror mellan GA4, annonsering och CRM?

Det är vanligt och betyder inte automatiskt att något är trasigt. Skillnader brukar komma från attribuering, tidzoner, rapportfönster, samtycke, adblockers, olika konverteringsdefinitioner och att olika verktyg faktiskt mäter olika saker. Målet är sällan perfekt identiska siffror, utan en tydlig source of truth för olika frågor.

Om Digilytics

Frågor om hur Digilytics arbetar som konsultverksamhet, hur projekt brukar avgränsas och hur man kan börja i rätt nivå.

Kan du ta över en befintlig setup som någon annan byggt?

Ja. Det är faktiskt ett vanligt läge. Ofta börjar arbetet med en genomgång av nuläge: GA4, GTM, eventstruktur, dashboards, consentflöden och eventuella större brister i datakvalitet. Därefter prioriteras vad som behöver rättas först innan man bygger vidare.

Varför visar du prisintervall i stället för fasta paket?

För att nuläge, omfattning och teknisk komplexitet skiljer sig mycket mellan projekt. Ett företag kan behöva en ganska enkel upprensning i GA4, medan ett annat samtidigt behöver mätplan, consentkopplingar, QA och ny rapportering. Prisintervallen ska därför ses som indikativa nivåer, inte färdiga standardpaket.

Vad påverkar priset mest i ett analyticsprojekt?

Främst nuläge, antal events och konverteringar, behov av dashboards eller QA, hur consent/CMP påverkar implementationen, vilket verktyg som används och om hosting eller mer avancerad infrastruktur ingår. Ju fler beroenden och osäkerheter som finns i nuläget, desto större brukar projektet bli.

Kan man börja mindre och bygga vidare senare?

Ja, det är ofta den bästa vägen. För många företag räcker det att börja med en stabil grund i GA4/GTM, konverteringar och enklare rapportering. När datan sedan är mer tillförlitlig blir det lättare att avgöra om nästa steg ska vara dashboards, consentarbete, Matomo/Piwik PRO eller mer avancerad privacy-first arkitektur.

Verktyg & implementation

Frågor om GA4, GTM, Matomo, Piwik PRO, dashboards och när mer avancerad implementation faktiskt behövs.

Jobbar du bara med GA4?

Nej. Jag jobbar även med Matomo, Piwik PRO, dashboards i exempelvis Looker Studio eller Power BI, samt med mer övergripande frågor kring mätarkitektur, consent och privacy-first analytics. Verktygsvalet ska utgå från behov och risknivå, inte från vana.

När är Matomo eller Piwik PRO bättre än GA4?

När ni behöver mer kontroll över datan, tydligare governance eller högre nivå av privacy/compliance än vad standardupplägget i GA4 känns rimligt för. Det kan handla om self-hosted eller EU-hostad miljö, striktare retention, mindre tredjepartsdelning eller ett mer privacy-first upplägg överlag.

Vad gör Google Tag Manager egentligen?

Google Tag Manager är lagret där man styr spårning och integrationer utan att behöva deploya ny kod varje gång. Rätt uppsatt gör GTM mätningen mer strukturerad och lättare att underhålla. Fel uppsatt leder det ofta till dubbla events, felaktiga konverteringar och svåröverskådlig tagglogik.

Behöver vi server-side tracking?

Inte alltid. Server-side tracking kan ge bättre kontroll, stabilare datainsamling och ibland bättre möjligheter att designa mer privacy-säker mätning. Men det innebär också mer teknik, drift och kostnad. Det är oftast relevant när ni har ett tydligt problem att lösa, inte som standardval för alla.

Kan du bygga dashboards som inte bara blir fina grafer?

Ja. En bra dashboard ska hjälpa teamet att förstå vad som förändrats, vilka KPI:er som spelar roll och var man ska titta vidare. Därför försöker jag hellre bygga några få tydliga vyer som stödjer beslut än stora rapportpaket som ingen orkar använda.

GDPR & samtycke

Praktiska frågor om samtycke, CMP, dataminimering och vad privacy-first analytics innebär i verkligheten.

Behöver vi cookie consent för analytics?

Det beror på tekniken som används och vad som lagras eller läses i användarens enhet, till exempel cookies eller localStorage. Jag hjälper gärna till att bedöma vad som faktiskt kräver samtycke och hur en rimlig implementation kan se ut utan att datan blir värdelös.

Vad är en CMP och varför spelar den roll?

En CMP, alltså Consent Management Platform, hanterar information, val och logik kring samtycke. En bra CMP gör det lättare att vara tydlig mot användaren och att koppla samtycke korrekt till tracking. En dåligt genomförd CMP-lösning skapar ofta både compliance-risk och dålig datakvalitet.

Vad är Google Consent Mode v2 i praktiken?

I praktiken är det Googles sätt att signalera samtyckesstatus till tjänster som GA4 och Google Ads. Det kan vara relevant om ni använder Googles annonsering och behöver en mer strukturerad consentmodell. Men det måste fortfarande implementeras och testas korrekt — annars blir det varken bra compliance eller bra data.

Kan man mäta något utan samtycke?

I vissa fall går det att få fram mer aggregerade och begränsade insikter utan identifierare. Vad som är rimligt beror dock på teknik, dataminimering, transparens och den juridiska bedömningen. Här är det viktigt att inte låtsas att allt går att lösa med ett tekniskt trick, utan att faktiskt designa mätningen efter rätt nivå.

Vad betyder dataminimering i analytics i praktiken?

Det betyder att ni bara samlar in det ni faktiskt behöver. Det kan handla om att inte skicka personuppgifter i URL:er eller parametrar, att hålla nere mängden custom dimensions, att ha rimlig retention och att inte samla in mer detaljer än vad som verkligen används i analysen.

Privacy Engine

Kortare frågor om Privacy Engine som idé, riktning och hur det förhåller sig till vanlig analytics idag.

Vad är Privacy Engine?

Privacy Engine är Digilytics långsiktiga riktning för hur analytics kan fungera med mindre beroende av individspårning. Tanken är inte att återskapa klassisk användartracking utan att arbeta mer med aggregerad, reducerad och privacy-first analys där det är relevant.

Är Privacy Engine en färdig produkt idag?

Nej. Privacy Engine ska förstås som ett utvecklingsspår och en modellriktning, inte som en färdig produkt som kan köpas rakt av idag. Men flera av principerna bakom det går redan nu att använda i hur man designar privacy-first analytics och mer reducerad mätning.

Hur skiljer sig Privacy Engine från vanlig analytics?

Vanlig analytics bygger ofta på cookies, identifierare och försök att knyta ihop beteende över tid. Privacy Engine-riktningen utgår i stället från att detaljnivån kan behöva reduceras, att individspårning inte alltid är rimlig och att beslutsunderlag ibland måste byggas på mer aggregerad nivå.

Välj område