快速結論：GA4 有四個地方最會騙你——一、抽樣（資料量大時給你的是估算值，不是精確值）、二、資料保留閾值（拉太久以前的細分資料，它會用門檻幫你「湊」）、三、(not set)（一個什麼都往裡丟的來源不明黑洞）、四、跨裝置（同一個人用手機又用電腦，可能被算成兩個人）。這四個不是 GA4 壞掉，是它的設計本來就這樣。你不知道，就會拿失真的數字做真實的決策。
這篇寫給每個月看 GA4 報表、把上面每個數字都當成真的的你。也寫給曾經因為一個「看起來很篤定」的數字，做了一個後來後悔的決定的你——我就是後者。
先講我自己的糗事。當投手那幾年，有一次要砍一個成效不好的管道，我打開報表拉了一段長區間、加了一堆維度細分，看到某個管道的轉換「掉到剩個位數」，當場拍板砍預算。後來重拉一次、換個看法，殊不知那個數字又回來了——原來我那次看的是被抽樣的估算值，維度一多、時間一長，數字早就有水分了。（GA4 當時介面右上角其實有給我一個小小的提示圖示，我沒看懂，也沒去點。）那筆預算砍得對不對，我到現在都不確定。但我很確定一件事：我當時看著一個估算值做決策，還以為那是真相。
這也是為什麼要有這一篇。〈GA4 的四種正確用法〉講的是「怎麼把 GA4 當儀表板用」，這一篇是它的另一半：儀表板上的數字，哪些時候不能全信。 兩篇合起來才是完整的 GA4 素養——會用，還要知道它什麼時候在騙你。
往下之前，把那句定海神針請回來：報表不會給答案，它只檢查你有沒有問對問題。 這篇要補的是它的下半句——報表給你的數字，你還得多問一句：「這是真的，還是估的？」以下四個陷阱，每個都照目的／效果／極限三問走；只是這篇的主角本來就是極限，每一段的極限，就是它咬你的那顆牙。
陷阱一：抽樣——你看到的可能是估算，不是精確
它是什麼（白話）：當你要看的資料量太大（時間拉很長、維度加很多、自訂報表跑很複雜），GA4 不會把每一筆都算給你，而是抽一部分算完再「等比例放大」估出一個數字。這叫抽樣。這是它為了讓報表跑得動做的取捨，設計如此，算不上故障。
目的：在資料量大的時候，用估算換取「報表還跑得出來、還跑得快」。
效果：多數時候，抽樣的估算跟真值差不了多少，方向是對的——看趨勢、看大盤，抽樣不太會害到你。
極限：它給你的是估算值，不是精確值。什麼情況會咬到你？當你基於一個很小的數字做很大的決策時最危險——比如某個小眾管道只帶進二十筆轉換，抽樣一放大，這種小數字的誤差比例會被放得很誇張，你卻拿它去拍板（對，就是我幹過的那件事）。怎麼判斷有沒有被抽樣？GA4 會在報表附近給你一個「資料品質」或抽樣的提示圖示（不同報表位置不太一樣，探索報告和標準報告的行為也不同）——看到那個圖示，就代表這份數字是估的，別當精密數據用。 想避開，就把時間縮短、維度減少，讓資料量降到門檻以下，或改用預設的標準報表（它們多半是預先彙整好、不抽樣的）。
陷阱二：資料保留閾值——太久以前的細分，它幫你「湊」
它是什麼（白話）：GA4 的事件層級明細資料（就是可以讓你自由拆維度、鑽下去看的那種細部資料）並非永久保留，有一個保留期上限。過了期限，你還想拉那麼細的東西，探索報告就拉不到完整明細了。另外，為了保護個資，當某個細分的人數太少，GA4 會套一個「資料閾值」——人少到可能認得出是誰，它就不給你那格數字。
目的：一是控制資料量與成本（明細資料很重）；二是保護使用者隱私，避免資料細到能反推出個人。
效果：對「看最近、看大盤」的日常決策，這個限制你多半碰不到——保留期內、人數夠多，一切正常。
極限：當你想回頭做長期比較（例如拿今年跟一年多以前的細分行為對照），或是鑽進一個很小的區隔（例如某個冷門城市＋某個冷門裝置的交叉），就會咬到你。這時候數字會「怪怪的」——不是掉了，就是被閾值蓋住、加起來對不上總數。怎麼判斷？如果你發現細分加總跟總數兜不攏，或某個明明應該有資料的細格是空的，先懷疑是保留期到了或閾值套上了，別急著以為是「真的沒人」。想避免被騙，長期趨勢改看不受保留期影響的彙整型報表；真的需要留住原始明細做長期分析，那是接 BigQuery 的時機（多數中小企業還不需要，別為了這個把自己搞複雜）。
陷阱三：(not set)——什麼都往裡丟的黑洞
它是什麼（白話）：你在報表裡常會看到一個值叫 (not set)，意思是「這個維度，GA4 這一格沒收到值」。它不是一個真實的來源、城市或活動名稱，它是一個**「不知道」的集合**——各種原因造成的空值，全被掃進這一格。
目的：老實說，(not set) 沒有什麼「目的」，它是 GA4 誠實地告訴你「這裡我沒資料」的方式——比起亂編一個值，留 (not set) 反而是對的。
效果：如果 (not set) 只佔一點點，忽略它、正常判讀其他值就好，不影響大局。
極限：問題出在它大到會扭曲你的判讀的時候。(not set) 的成因五花八門——UTM 沒標好、事件觸發的時序問題、跨天跨階段的資料對不上、隱私設定擋掉了某些欄位……你沒辦法從報表裡看出它到底是誰。什麼情況會咬到你？當某個維度的 (not set) 佔比很高（比如「行銷活動」欄有一大塊 (not set)），你若把它當背景雜訊略過，等於把一大塊流量的歸屬蒙在鼓裡——而這一塊，很可能正是你標記沒做好的付費流量，直接關係到你判斷「哪個管道有效」。怎麼判斷？先看這個維度的 (not set) 佔比，佔比高就別急著下結論，回去查你的 UTM 標記與追蹤設定哪裡漏了。這件事的根，其實在你進 GA4 之前的追蹤基建——(not set) 一大堆，多半怪不到 GA4 頭上，資料進來之前就沒標好了。
陷阱四：跨裝置——同一個人，可能被算成兩個人
它是什麼（白話）：一個人白天用公司電腦看了你的網站，晚上回家用手機下單。這到底是「一個人的兩次造訪」還是「兩個人」？答案取決於 GA4 有沒有辦法把這兩個裝置認成同一個人——沒有登入身分、沒有跨裝置訊號時，它很可能就當成兩個獨立的使用者算。
目的：GA4 的資料模型本來就想做「以人為中心」的衡量，跨裝置辨識是它相對 UA 進步的地方——想把同一個人的行為串起來。
效果：當你有登入會員體系、或使用者訊號足夠時，跨裝置串接會讓「使用者數」比舊做法更接近真實的人數，這是好事。
極限：多數中小網站沒有普遍的登入身分，跨裝置的串接就串不太起來。什麼情況會咬到你？當你很認真地解讀「使用者數」這個數字時——它比你以為的更浮動，同一個真人可能在不同裝置、不同瀏覽器、清了 cookie 之後，被拆成好幾個「使用者」。怎麼自保？把「使用者數」當成一個趨勢指標看漲跌，拿它去對業績、算客單價就危險了。要看得更準，方向是建立登入會員、餵給 GA4 更穩定的識別訊號——但那是另一個工程，今天這篇解決不了。
把四個陷阱收成一句話
抽樣讓你把估算當精確、保留閾值讓你把「查不到」當「沒發生」、(not set) 讓你把「不知道」當背景雜訊、跨裝置讓你把「一個人」數成好幾個。四個陷阱的共同點：GA4 並沒有騙你——它只是沒大聲說這數字沒你想的那麼硬，是你自己把它當成了聖旨。 〈GA4 的四種正確用法〉那句話的實戰版就在這裡：把 GA4 當方向盤可以，當精密儀器會出事。
順帶一提，這種「數字看起來很篤定、其實水分很大」的毛病，還真不只 GA4 有。你的廣告後台 ROAS 也常常是這樣被算漂亮的——那是另一個故事，〈為什麼你的 ROAS 可能是假的〉整篇在拆。而一筆成交到底算哪個管道的功勞、不同算法給不同答案這件事，則是〈歸因素養〉的主場。三篇一起看，你對「行銷數字」的免疫力會高很多。
老闆遲早要面對的三題（判讀視角）
一、我們拿來做決策的那個數字，是精確值還是估算值？（看報表上有沒有抽樣提示；基於很小的數字做很大的決策，先停一下。）
二、我們的報表裡，(not set) 佔比高不高？（佔比高＝有一塊流量的歸屬是糊的，很可能是追蹤沒標好，該回去修基建。）
三、我們是不是把「使用者數」當成精確的真人人頭在用？（那是趨勢指標，拿去對業績會出事。）
老闆不用會操作 GA4，但要有「這個數字有幾分真」的直覺，才不會被一個漂亮或難看的數字牽著走。
常見問題（FAQ）
這樣說起來，GA4 的數字根本不能信？
能信，但要分場合信。看趨勢、看大盤、看相對高低——很可信，方向不會錯。看很小的絕對數字、鑽很細的區隔、拉很長的歷史——這時要多一分懷疑。方向盤那句話，再說一次都不嫌多。
我看到報表有抽樣提示，該怎麼辦？
先別拿這份數字做關鍵決策。把時間區間縮短、把維度減少，讓資料量降到抽樣門檻以下再看一次；或改用預設的標準報表（多半不抽樣）。如果縮不下來又非看不可，就把它當「大概的量級」用，別當「精確的數字」用。
(not set) 一大堆，是 GA4 壞了嗎？
這通常出在資料進 GA4 之前就沒標好——最常見是 UTM 沒設全、或追蹤代碼觸發的時序有問題。GA4 只是誠實地把「它沒收到值」的那些，全歸到 (not set)。要治本，得回到追蹤基建去修；報表裡沒有一個開關能把它關掉。
那我到底要不要接 BigQuery，才能拿到「乾淨、完整」的資料？
多數中小企業不用。BigQuery 能留住原始明細、繞過部分保留期與抽樣限制，但那是資料量大、有專人的階段才划算。與其為了「完整」把自己搞複雜，不如先養成「這個數字有幾分真」的判讀習慣——看穿數字的能力，比拿到更多數字更值錢。
「數據會說謊」是本站〈數位行銷素養全地圖〉這套內容體系的一部分。GA4 的抽樣門檻、保留選項與介面提示會隨版本調整，本文講的是判讀原則而非操作步驟（建議每半年回訪本文）。想知道你的 GA4 報表裡，有沒有正被一個估算值或一大塊 (not set) 悄悄誤導？幫你準備：數位廣告健檢表單傳送門。