Adblock i iOS ITP: ile konwersji traci e-commerce w 2026?

W 2026 roku problemem e-commerce nie jest już tylko to, czy klient kupił. Problemem jest to, czy system analityczny w ogóle zobaczył, że klient kupił - i czy przypisał zakup do właściwego źródła ruchu.

Adblocki, Safari Intelligent Tracking Prevention, ograniczenia iOS, cookie consent, tryby prywatne, blokowanie skryptów GA4/GTM oraz coraz większa ostrożność użytkowników wobec śledzenia powodują, że część konwersji znika z raportów. Nie zawsze znika ze sklepu. Znika z GA4, Google Ads, Meta Ads, paneli afiliacyjnych, remarketingu i automatycznych strategii optymalizacji.

Najważniejszy wniosek: typowy sklep internetowy może w 2026 roku nie widzieć od około 8% do 20% realnych konwersji w narzędziach marketingowych, a przy dużym udziale iOS, droższych produktach, dłuższej ścieżce zakupowej lub technologicznej grupie klientów luka może przekraczać 25-35%. To estymacja operacyjna, nie uniwersalny benchmark - ale dobrze oddaje skalę problemu, którą dziś widać w danych o adblockach, Safari i modelowaniu konwersji.

Dlaczego to ma znaczenie dla sklepu internetowego?

W e-commerce decyzje podejmuje się na podstawie danych: ROAS, CPA, kosztu konwersji, udziału kanałów, ścieżek zakupowych, koszyków, porzuceń i remarketingu. Jeśli część transakcji nie jest mierzona, algorytmy reklamowe dostają zaniżony sygnał. Kampania, która realnie zarabia, może wyglądać na nierentowną. Produkt, który sprzedaje się po kilku dniach namysłu, może wyglądać tak, jakby generował tylko wejścia bez sprzedaży.

To szczególnie ważne w Polsce, bo według DataReportal w Polsce na koniec 2025 roku było 34,1 mln internautów, a penetracja internetu wynosiła 89,8%. Rynek online jest więc masowy, ale jednocześnie coraz bardziej “privacy-first”.

Do tego dochodzi realna skala adblocków. Dane GWI cytowane przez Backlinko pokazują, że globalnie z adblocków korzysta 29,5% internautów, a w Polsce udział użytkowników blokujących reklamy w grupie 16-64 lata wynosi 32,5%.

Adblock nie blokuje tylko reklam

Właściciele sklepów często myślą o adblocku jako o narzędziu, które usuwa banery reklamowe. W praktyce część adblocków i filtrów prywatności blokuje również skrypty analityczne, piksele reklamowe, kontenery GTM, requesty do Google Analytics, Meta Pixel, TikTok Pixel czy innych systemów marketingowych.

Quantable Analytics w analizie z 2024 roku wskazywało, że na liście około 250 mln użytkowników różnych blockerów, 129 mln korzystało z narzędzi blokujących Google Analytics domyślnie. Autor podkreślał też, że poza klasycznymi rozszerzeniami istnieją inne mechanizmy blokowania: tryby prywatne Safari i Firefoksa, aplikacje typu 1Blocker, przeglądarki prywatne, DNS-blocking, VPN-y z ochroną prywatności i blokery mobilne.

Dla e-commerce oznacza to trzy typy straty:

• utrata sesji - użytkownik był na stronie, ale GA4 go nie widzi,
• utrata konwersji - transakcja miała miejsce, ale nie została poprawnie wysłana do narzędzia,
• utrata atrybucji - transakcja jest widoczna, ale przypisana do złego źródła, np. direct zamiast Google Ads, Meta Ads, newslettera lub afiliacji.

Najgroźniejsza jest trzecia sytuacja, bo daje fałszywe poczucie kontroli. Sprzedaż jest w sklepie, ale system błędnie pokazuje, które kanały ją wygenerowały.

iOS ITP: cichy zabójca długich ścieżek zakupowych

Apple nie potrzebuje klasycznego adblocka, żeby ograniczać śledzenie. Safari i przeglądarki oparte na WebKit stosują Intelligent Tracking Prevention, czyli mechanizmy ograniczające tracking między stronami.

WebKit oficjalnie opisuje, że ITP domyślnie blokuje third-party cookies, obniża szczegółowość referrerów, wykrywa bounce tracking oraz ogranicza trwałość wybranych danych wykorzystywanych do śledzenia.

Najważniejsze dla marketingu są dwa ograniczenia:

Po pierwsze: przy wykryciu link decoration, czyli parametrów typu click ID w URL, Safari może ograniczyć cookies tworzone przez JavaScript na stronie docelowej do 24 godzin.

Po drugie: ITP usuwa cookies utworzone w JavaScript i inne dane script-writable storage po 7 dniach braku interakcji użytkownika ze stroną. Dotyczy to m.in. LocalStorage, IndexedDB, SessionStorage i Service Worker cache.

W praktyce: jeśli klient kliknął reklamę w poniedziałek, obejrzał produkt, wrócił po kilku dniach z Google organic, maila albo bezpośrednio i dopiero wtedy kupił - atrybucja może zostać osłabiona lub zerwana. Sklep zarobił, ale platforma reklamowa może nie przypisać tej sprzedaży do pierwotnego kliknięcia.

Jak duży jest problem iOS w Polsce?

Według StatCounter w kwietniu 2026 roku iOS miał 30,91% udziału w mobilnych systemach operacyjnych w Polsce. Jednocześnie Safari miało 17,57% udziału w mobilnych przeglądarkach w tym samym okresie.

To oznacza, że w polskim e-commerce iOS/Safari nie jest niszą. Jeżeli sklep ma klientów premium, wyższy koszyk, ruch z social media, dużo zakupów mobilnych albo sprzedaje elektronikę, akcesoria, kosmetyki, produkty dziecięce, modę czy produkty prezentowe - udział iOS w przychodzie może być wyższy niż udział iOS w ruchu.

Ile konwersji realnie tracisz?

Trzeba rozdzielić dwie rzeczy: utracone konwersje biznesowe i utracone konwersje analityczne.

Adblock i ITP zwykle nie zabierają sklepowi sprzedaży. One sprawiają, że sprzedaż nie jest poprawnie mierzona, przypisana lub wykorzystana do optymalizacji kampanii. Dlatego właściwe pytanie brzmi nie: “ile sprzedaży tracę?”, ale: “ile sprzedaży moje systemy reklamowe i analityczne przestają widzieć?”

Na podstawie aktualnych danych o skali adblocków, udziału iOS/Safari oraz technicznych ograniczeń ITP można przyjąć następujące scenariusze:

Typ sklepu	Charakter ścieżki zakupowej	Szacowana luka w pomiarze konwersji
Szybki zakup impulsowy	Tanie produkty, zakup w tej samej sesji	3-8%
Typowy e-commerce retail	Zakup po 1-7 dniach, kilka wizyt	8-18%
Elektronika, droższe akcesoria, produkty porównywane	Dłuższy research, wiele źródeł ruchu	15-30%
Sklep z dużym udziałem iOS + social ads + remarketing	Silna zależność od atrybucji reklamowej	20-35%+
B2B / wysoki koszyk / długi proces decyzyjny	Ścieżka wielodniowa lub wielotygodniowa	25-40%+

To nie są oficjalne wartości od Google czy Apple. To praktyczne widełki analityczne wynikające z tego, że około jedna trzecia internautów w Polsce deklaruje używanie adblocków, iOS ma znaczący udział w mobile, a Safari ogranicza trwałość identyfikatorów i parametrów atrybucyjnych.

Przykład: sklep ma 1000 zamówień miesięcznie

Załóżmy, że sklep widzi w panelu e-commerce 1000 zamówień miesięcznie. W GA4 lub Google Ads widzi jednak tylko 850-920 konwersji. Różnica nie musi oznaczać błędu w sklepie. Może wynikać z blokowania skryptów, braku zgody, ograniczeń Safari, błędnej konfiguracji Consent Mode, problemów z GTM albo zbyt krótkiego okna atrybucji.

Dla sklepu z 1000 zamówień miesięcznie luka 10% oznacza 100 konwersji, które nie karmią algorytmów reklamowych. Przy średniej wartości zamówienia 120 zł to 12 000 zł przychodu miesięcznie, którego narzędzie reklamowe może nie widzieć lub błędnie przypisywać. Przy luce 20% mówimy już o 200 zamówieniach i 24 000 zł miesięcznie błędnie raportowanego lub niewidocznego przychodu.

Największy problem nie polega na samym raporcie. Problem polega na tym, że Smart Bidding, Performance Max, Advantage+ Shopping, remarketing i lookalike audiences działają na danych wejściowych. Jeżeli dane są niepełne, algorytm optymalizuje się na niepełnym obrazie klienta.

Dlaczego GA4, Google Ads i Meta mogą pokazywać inne liczby?

Różnice między systemem sklepowym, GA4, Google Ads i Meta Ads są normalne. Każdy system ma własne reguły atrybucji, okna konwersji, deduplikację, opóźnienia raportowania i modelowanie. W 2026 roku dochodzi do tego jeszcze jedna warstwa: każdy system ma inny poziom odporności na utratę sygnału.

Google oficjalnie opisuje Consent Mode jako mechanizm, który pozwala tagom Google dopasować zachowanie do zgód użytkownika. W trybie basic tagi są blokowane do czasu interakcji z banerem, a gdy użytkownik nie wyrazi zgody, żadne dane nie są wysyłane. W trybie advanced tagi mogą wysyłać pomiary bez cookies, co pozwala na dokładniejsze modelowanie.

Google podaje też, że przy Consent Mode modelowanie konwersji może uzupełniać luki pomiarowe, a wczesne wyniki Google Ads wskazywały na odzyskiwanie średnio ponad 70% ścieżek ad-click-to-conversion utraconych z powodu decyzji użytkowników dotyczących zgody na cookies. Google zastrzega jednak, że wyniki mogą się znacząco różnić w zależności od consent rate i konfiguracji.

Innymi słowy: dobrze wdrożony Consent Mode nie usuwa problemu, ale może znacząco zmniejszyć ślepotę systemów reklamowych.

Consent Mode nie działa magicznie

Wielu właścicieli sklepów uważa, że skoro mają baner cookies, to mają temat zamknięty. To błąd. Baner cookies, Consent Mode v2, GTM, GA4, Google Ads i piksele reklamowe muszą być połączone technicznie poprawnie.

Google Analytics wymaga spełnienia konkretnych warunków, aby behavioral modeling dla Consent Mode mogło działać. Wymagane jest m.in.:

• włączenie Consent Mode na wszystkich stronach,
• zaawansowana implementacja (advanced),
• minimum 1000 zdarzeń dziennie z analytics_storage='denied' przez co najmniej 7 dni,
• minimum 1000 dziennych użytkowników z analytics_storage='granted' przez co najmniej 7 z ostatnich 28 dni.

Spełnienie tych warunków nadal nie gwarantuje modelowania, bo Google stosuje dodatkowe progi jakości modelu. To ważne szczególnie dla mniejszych sklepów. Jeśli sklep ma za mało ruchu, modelowanie może nie zadziałać albo działać ograniczone. Wtedy utraconych danych nie da się po prostu “odtworzyć” z automatu.

Co możesz zrobić, żeby odzyskać pomiar?

Najważniejsza zasada: nie próbuj “oszukiwać” użytkownika ani omijać zgód. Celem powinno być poprawne, prywatnościowe i odporne technicznie mierzenie danych first-party.

1. Porównuj źródło prawdy z narzędziami reklamowymi

Źródłem prawdy dla sprzedaży powinien być backend sklepu, system zamówień lub ERP. GA4 i Google Ads są systemami pomiarowo-atrybucyjnymi, nie księgą przychodów. Minimum raz w miesiącu porównuj:

• liczba zamówień w sklepie vs GA4 purchase,
• przychód sklepu vs revenue w GA4,
• Google Ads conversions vs zamówienia z UTM/gclid,
• Meta Ads purchases vs realne zamówienia,
• udział direct/none w GA4,
• udział Safari/iOS w ruchu i przychodach,
• udział użytkowników bez zgody marketingowej/analitycznej.

2. Wdróż poprawnie Consent Mode v2

Consent Mode powinien być wdrożony nie tylko formalnie, ale technicznie poprawnie. Google w dokumentacji rozróżnia tryb basic i advanced; advanced daje dokładniejsze modelowanie, ponieważ pozwala na wysyłanie pomiarów bez cookies przy odmowie zgody.

W Google Ads można sprawdzić impact results dla Consent Mode. Google pokazuje uplift modelowanych konwersji na poziomie domena × kraj, ale tylko wtedy, gdy spełnione są progi wolumenu i modelowania.

3. Używaj Enhanced Conversions

Enhanced Conversions pozwala poprawić dokładność pomiaru konwersji przez przesyłanie hashowanych danych first-party, np. adresu e-mail, imienia, nazwiska, adresu lub telefonu, w sposób prywatnościowy. Google opisuje, że dane są hashowane algorytmem SHA-256 i używane do poprawy pomiaru konwersji.

Dla e-commerce to jeden z najważniejszych elementów, bo po zakupie sklep często ma dane klienta, których może użyć do poprawy dopasowania konwersji - pod warunkiem prawidłowej podstawy prawnej i konfiguracji.

4. Rozważ server-side tracking

Server-side tracking nie jest magicznym rozwiązaniem i nie zwalnia z obowiązku respektowania zgód. Może jednak poprawić kontrolę nad danymi, ograniczyć podatność na blokowanie skryptów w przeglądarce i poprawić stabilność pomiaru.

Stape w artykule aktualizowanym w marcu 2026 roku opisuje, że adblocki mogą blokować nie tylko reklamy, ale też skrypty Google Tag Manager i Google Analytics 4, a server-side tagging może ograniczyć wpływ blokowania po stronie przeglądarki. Autorzy podkreślają jednocześnie, że użytkownicy powinni mieć respektowane decyzje dotyczące zgody.

5. Skróć lukę między kliknięciem a zakupem

ITP szczególnie szkodzi długim ścieżkom. Dlatego w e-commerce warto operacyjnie skracać czas od pierwszego wejścia do transakcji:

• lepsza dostępność produktów,
• jasny termin dostawy,
• widoczna polityka zwrotów,
• porównywarka wariantów,
• zapisywanie koszyka,
• e-mail po porzuceniu koszyka,
• szybki checkout,
• płatności mobilne,
• remarketing oparty o dane first-party, nie tylko piksele.

To nie tylko poprawia konwersję. To także zmniejsza liczbę konwersji, których atrybucja zostanie utracona po 24 godzinach lub po kilku dniach.

Najważniejszy wniosek dla e-commerce w 2026

W 2026 roku nie wystarczy patrzeć na ROAS z panelu reklamowego. Trzeba patrzeć na realny zysk, marżę, przychód w sklepie i jakość danych wejściowych.

Adblocki i iOS ITP nie oznaczają, że reklamy przestały działać. Oznaczają, że część skuteczności reklam przestała być widoczna w prostym raporcie.

Dla większości sklepów bezpieczne założenie robocze brzmi:

GA4 i panele reklamowe mogą zaniżać lub błędnie przypisywać 8-20% konwersji. Przy dużym udziale iOS, dłuższej ścieżce zakupowej i mocnym ruchu płatnym luka może przekroczyć 25-35%.

Dlatego audyt analityki w 2026 roku powinien obejmować nie tylko pytanie “czy działa GA4?”, ale przede wszystkim:

• czy zamówienia z backendu zgadzają się z GA4,
• czy Consent Mode v2 działa na każdej stronie,
• czy Google Ads widzi konwersje i modelowanie,
• czy Enhanced Conversions są aktywne,
• czy iOS/Safari nie generuje podejrzanie wysokiego direct/none,
• czy kampanie nie są wyłączane na podstawie zaniżonych danych,
• czy decyzje marketingowe bazują na marży i realnych zamówieniach, a nie tylko na panelowej atrybucji.

W nowoczesnym e-commerce przewagę ma nie ten sklep, który ma najwięcej danych, ale ten, który wie, którym danym można ufać, które trzeba modelować, a które są po prostu niepełne.