Auditoria de (not set) no GA4

1. O que (not set) é, e o que não é

(not set) é o valor que o GA4 usa quando não recebeu informação nenhuma para aquela dimensão. Não é uma fonte de tráfego, nem um canal. É um buraco no dado com nome de categoria.

Três valores parecidos costumam ser confundidos com ele, e cada um pede uma investigação diferente:

O segundo cuidado é o escopo. "(not set)" na origem da sessão, na origem do primeiro usuário, na página de entrada e na campanha do Google Ads são quatro problemas diferentes. Comece pela origem e mídia da sessão, que é a que pesa nas decisões de canal.

2. Meça do jeito certo

Antes de corrigir qualquer coisa, tire três números: o percentual de sessões, de conversões e de receita em (not set). O segundo e o terceiro importam mais que o primeiro. Uma operação com 15% das sessões em (not set) e 2% da receita tem outro problema, e outra urgência, do que uma com 5% das sessões e 30% da receita.

A consulta abaixo monta uma tabela de sessões a partir do export do GA4 e já marca os sinais que vamos usar nas próximas seções. Troque o dataset pelo seu.

-- Base de sessões com os sinais de diagnóstico (export do GA4 no BigQuery)
-- Troque `projeto.analytics_123456789` pelo dataset da sua propriedade
CREATE OR REPLACE TABLE `projeto.auditoria.sessoes_notset` AS
WITH eventos AS (
  SELECT
    event_date,
    user_pseudo_id,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id') AS session_id,
    event_name,
    event_timestamp,
    platform,
    stream_id,
    device.category                       AS device_category,
    privacy_info.analytics_storage        AS analytics_storage,
    collected_traffic_source.manual_source AS utm_source,
    collected_traffic_source.manual_medium AS utm_medium,
    collected_traffic_source.gclid        AS gclid,
    session_traffic_source_last_click.cross_channel_campaign.source AS sessao_source,
    session_traffic_source_last_click.cross_channel_campaign.medium AS sessao_medium,
    (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location') AS page_location,
    ecommerce.purchase_revenue            AS receita
  FROM `projeto.analytics_123456789.events_*`
  WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 28 DAY))
                          AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
)
SELECT
  user_pseudo_id,
  session_id,
  MIN(PARSE_DATE('%Y%m%d', event_date))                    AS dia,
  ARRAY_AGG(event_name ORDER BY event_timestamp LIMIT 1)[OFFSET(0)] AS primeiro_evento,
  COUNT(*)                                                 AS n_eventos,
  LOGICAL_OR(event_name = 'session_start')                 AS tem_session_start,
  LOGICAL_OR(event_name IN ('page_view', 'screen_view'))   AS tem_pageview,
  LOGICAL_OR(gclid IS NOT NULL)                            AS tem_gclid,
  LOGICAL_OR(utm_source IS NOT NULL AND utm_medium IS NULL) AS utm_incompleta,
  ANY_VALUE(platform)                                      AS platform,
  ANY_VALUE(stream_id)                                     AS stream_id,
  ANY_VALUE(device_category)                               AS device_category,
  MAX(analytics_storage)                                   AS analytics_storage,
  MAX(sessao_source)                                       AS sessao_source,
  MAX(sessao_medium)                                       AS sessao_medium,
  MAX(NET.HOST(page_location))                             AS host,
  COUNTIF(event_name = 'purchase')                         AS compras,
  SUM(IF(event_name = 'purchase', receita, 0))             AS receita
FROM eventos
WHERE user_pseudo_id IS NOT NULL AND session_id IS NOT NULL
GROUP BY 1, 2;

Com a tabela pronta, o número de partida:

-- Ponto de partida: quanto do dado está sem origem
SELECT
  COUNT(*) AS sessoes,
  ROUND(100 * COUNTIF(IFNULL(sessao_source, '(not set)') = '(not set)') / COUNT(*), 1) AS pct_sessoes_not_set,
  ROUND(100 * SUM(IF(IFNULL(sessao_source, '(not set)') = '(not set)', compras, 0)) / NULLIF(SUM(compras), 0), 1) AS pct_compras_not_set,
  ROUND(100 * SUM(IF(IFNULL(sessao_source, '(not set)') = '(not set)', receita, 0)) / NULLIF(SUM(receita), 0), 1) AS pct_receita_not_set
FROM `projeto.auditoria.sessoes_notset`;

Guarde esse resultado com a data. Ele é a linha de base da seção 6.

3. As 7 famílias de causa

(not set) quase nunca vem de um erro só. Ele é a soma de pequenas perdas, cada uma com um dono diferente: mídia, desenvolvimento, CRM, jurídico, produto. Por isso a investigação vai por família, da mais comum para a mais trabalhosa.

4. As consultas de diagnóstico

4.1 Onde o (not set) se concentra

A consulta que mais rende. Ela cruza os sinais da tabela de sessões e mostra as combinações com mais sessões sem origem. Em geral, duas ou três linhas explicam a maior parte do problema.

SELECT
  primeiro_evento, tem_session_start, tem_pageview, tem_gclid, utm_incompleta,
  platform, analytics_storage, host,
  COUNT(*) AS sessoes,
  COUNTIF(IFNULL(sessao_source, '(not set)') = '(not set)') AS sessoes_not_set,
  ROUND(100 * COUNTIF(IFNULL(sessao_source, '(not set)') = '(not set)') / COUNT(*), 1) AS pct_not_set,
  SUM(compras) AS compras
FROM `projeto.auditoria.sessoes_notset`
GROUP BY ALL
HAVING sessoes >= 50
ORDER BY sessoes_not_set DESC
LIMIT 30;

4.2 Com que evento a sessão começa

SELECT
  primeiro_evento,
  COUNT(*) AS sessoes,
  ROUND(100 * COUNTIF(IFNULL(sessao_source, '(not set)') = '(not set)') / COUNT(*), 1) AS pct_not_set
FROM `projeto.auditoria.sessoes_notset`
GROUP BY 1
ORDER BY sessoes DESC;

Se page_view e session_start não dominarem o topo, a família C está pesando.

4.3 Compras que chegam sem sessão

-- Compras sem session_id e compras em sessões de um evento só
WITH compras AS (
  SELECT
    user_pseudo_id,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id') AS session_id
  FROM `projeto.analytics_123456789.events_*`
  WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 28 DAY))
                          AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
    AND event_name = 'purchase'
)
SELECT
  COUNT(*) AS compras,
  COUNTIF(c.session_id IS NULL) AS compras_sem_sessao,
  COUNTIF(s.n_eventos = 1) AS compras_em_sessao_de_1_evento
FROM compras c
LEFT JOIN `projeto.auditoria.sessoes_notset` s
  ON s.user_pseudo_id = c.user_pseudo_id AND s.session_id = c.session_id;

4.4 Peso do consentimento

SELECT
  PARSE_DATE('%Y%m%d', event_date) AS dia,
  COUNT(*) AS eventos,
  ROUND(100 * COUNTIF(privacy_info.analytics_storage = 'No') / COUNT(*), 1) AS pct_analytics_negado,
  ROUND(100 * COUNTIF(user_pseudo_id IS NULL) / COUNT(*), 1) AS pct_sem_identificador
FROM `projeto.analytics_123456789.events_*`
WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 90 DAY))
                        AND FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 1 DAY))
GROUP BY 1
ORDER BY 1;

Uma mudança brusca nessa série quase sempre tem uma data de publicação do banner por trás.

5. Priorize pelo dinheiro

Com as causas na mesa, a tentação é corrigir a mais fácil. A ordem certa é outra: a família que concentra mais receita em (not set) vem primeiro, mesmo que dê mais trabalho.

6. Prove que melhorou

A melhoria tem que aparecer numa série, não numa captura de tela. Rode a consulta abaixo toda semana e anote no gráfico a data de cada correção.

SELECT
  dia,
  COUNT(*) AS sessoes,
  ROUND(100 * COUNTIF(IFNULL(sessao_source, '(not set)') = '(not set)') / COUNT(*), 1) AS pct_not_set,
  ROUND(100 * SUM(IF(IFNULL(sessao_source, '(not set)') = '(not set)', compras, 0)) / NULLIF(SUM(compras), 0), 1) AS pct_compras_not_set
FROM `projeto.auditoria.sessoes_notset`
GROUP BY 1
ORDER BY 1;

Duas checagens evitam a melhoria falsa:

• O total de sessões e de compras não pode cair junto. (not set) que some porque o dado sumiu não é correção, é perda.
• As compras do GA4 têm que se aproximar das compras do backend. Se o (not set) caiu e a distância para o backend continua a mesma, você só trocou o rótulo do buraco.

7. Checklist de auditoria

• Linha de base registrada: % de sessões, compras e receita em (not set), com data
• Todas as contas do Google Ads que anunciam o site estão vinculadas, com auto-tagging ligado
• O gclid e as UTMs sobrevivem a todos os redirects (testado com curl)
• Existe taxonomia de UTM escrita, com gerador de links e um dono
• A tag do Google carrega antes de qualquer evento, no acionador de inicialização
• Eventos de servidor levam client_id e session_id do navegador
• Consent Mode testado nas três situações: aceita, nega e ignora
• Domínios de checkout e login configurados, gateway em referências indesejadas
• App e site analisados separados; instalação vem do MMP
• Série semanal de % (not set) com as datas das correções anotadas
• Compras do GA4 comparadas com as do backend, todo mês