Cauți alternative la Northbeam pentru că prețul sau efortul de instalare nu se potrivesc cu magazinul tău. Pe pagina lor de prețuri, cel mai mic plan e descris pentru branduri Shopify care cheltuie sub 1,5 milioane de dolari pe an pe reclame, iar tariful lunar depinde de volumul de pageviews. Sub pragurile astea pierzi de obicei comenzi din măsurare și UTM-uri, iar un model de atribuire mai fin nu repară asta.
Ce buget are în vedere Northbeam, după propria pagină de prețuri
Northbeam își leagă planurile direct de cheltuiala pe reclame. În octombrie 2026, pagina de prețuri afișa patru planuri, cu pragul scris pe fiecare.
| Plan | Cheltuială pe reclame | Preț afișat |
|---|---|---|
| Growth | sub 200.000 $ pe lună | la cerere |
| Starter | sub 1,5 mil. $ pe an | 1.500 $ afișat |
| Professional | până la 500.000 $ pe lună | 3.500 $ pe lună |
| Enterprise | peste 500.000 $ pe lună | neafișat |
Starter e descris în secțiunea de întrebări ca plan lunar, cu plată după consum, pentru branduri Shopify aflate în fază timpurie de creștere. Professional și Enterprise se contractează anual, cu facturare anuală sau semestrială, și includ onboarding dedicat. Professional adaugă utilizatori și exporturi nelimitate, integrare și cu alte platforme de ecommerce în afară de Shopify, plus un Media Strategist dedicat.
Tot acolo scrie că tariful lunar e informat de volumul de date al afacerii, măsurat în pageviews, și că până când Northbeam află mai multe despre business suma rămâne o estimare inițială. Deci și cifrele din tabel se pot mișca.
Să zicem că magazinul tău cheltuie 25.000 de lei pe lună pe reclame. Dacă 1.500 $ e tariful lunar, la un curs de 4,5 lei pe dolar înseamnă aproximativ 6.750 de lei, peste un sfert din bugetul de reclame plătit pe raportare. Un plan Professional, la 3.500 $ pe lună, ar lua aproape două treimi din același buget.
De unde vin vizualizările pe care Northbeam le atribuie
Modelul implicit se numește Clicks-Only și dă credit doar click-urilor factuale. documentația spune că cifrele mai mici decât în platformele native sunt de așteptat și arată o imagine mai onestă a contribuției fiecărui canal.
Al doilea model, Clicks + Modeled Views, lucrează pe estimare. Platformele publicitare nu trimit date la nivel de vizualizare către Northbeam, așa că modelul lor de machine learning pornește de la click-urile factuale și de la corelația lor cu touchpoint-urile organice, apoi deduce cât credit merită impresiile. Excepția documentată e Clicks + Deterministic Views, care ingerează impresii de la TikTok și AppLovin.
O corelație se calculează pe volum. Pe un magazin cu câteva zeci de comenzi pe lună și două canale de reclame, modelul are puține puncte de sprijin, iar rezultatul se mișcă de la o lună la alta. Pe campanii, regula noastră de agenție e că sub trei zile de date nu tragi concluzii; la modelare, raționamentul e același, mutat pe luni.
Mai e o condiție practică. Sub circa 100 de lei pe zi pe o platformă, algoritmul nu iese din faza de învățare, deci nici cifrele native nu stau locului. Remodelarea unor cifre instabile nu le face mai bune.
Două moduri de contabilizare și șase modele de atribuire
Ce primești la Northbeam e control fin asupra creditului. Documentația descrie două accounting modes și șase modele de atribuire, iar ferestrele de atribuire sunt disponibile doar în modul Accrual Performance. Platforma lucrează pe o fereastră de atribuire nedefinită, ca să vezi touchpoint-urile în timp.
Trei pârghii separate decid cine ia creditul:
- Accounting Mode: când se dă creditul. Cash Snapshot îl atribuie la data tranzacției și e recomandat pentru raportare financiară. Accrual Performance îl atribuie la data interacțiunii și e recomandat pentru optimizări zilnice.
- Attribution Model: cum se împarte. Clicks only, Clicks + Modeled Views, Last touch, Last non-direct touch, First touch, Linear.
- Attribution Window: cât timp după touchpoint mai poate primi credit o conversie.
Majoritatea interfețelor de reclame raportează în logica Cash Snapshot, iar la Northbeam cel mai folosit mod e Accrual. De aici vine o parte din diferența dintre cifre. O diferență standard între cele două nu există; documentația spune că depinde de numărul de touchpoint-uri, de timpul scurs și de fereastra aleasă, iar un business cu ciclu de conversie scurt are de obicei o diferență mai mică.
În interfață există un Model Comparison Tool, în meniul din colțul dreapta-sus, cu care vezi același venit împărțit după fiecare model. Data Export API scoate Attributed Revenue și Transactions pe ferestre, moduri și modele, dacă ai unde să le duci.
Dacă întrebarea ta e de ce Ads Manager spune altceva decât magazinul, cauzele obișnuite sunt în articolul despre diferența dintre vânzările din Facebook Ads și comenzile din Shopify, și rareori se rezolvă schimbând modelul de atribuire.
Ce trebuie pus pe site înainte să vezi primele cifre
Onboarding-ul pentru Shopify are zece pași numerotați în documentație: Create a Dashboard, Invite Team, Business Information, Currency, Add Domain, Link DNS, Add Pixel, Add Orders, Integrations and UTMs, Spend API. Partea care cere pe cineva tehnic e DNS-ul.
Northbeam configurează tracking first-party pe un subdomeniu al domeniului tău, de exemplu i.magazinultau.ro, ca să scrie cookie-uri first-party. Pentru asta ai nevoie de un A-Record corect către hostname-ul desemnat. Pagina de troubleshooting dă și simptomul. Dacă tot venitul și toate vizitele apar ca Organic, A-Record-ul e cauza.
Pixelul se pune în secțiunea head a fiecărei pagini, direct în temă sau ca tag în Google Tag Manager, cu {DATA_CLIENT_ID} înlocuit cu Data Client ID-ul contului. Instrucțiunea oficială spune că, în afară de acest ID, scriptul nu trebuie modificat în niciun fel.
Pe Shopify cu Checkout Extensibility, traseul e Settings → Northbeam Pixel and Event Tracking pentru scriptul „Shopify: Customer Events”, apoi în Shopify Settings → Customer Events → Add Custom Pixel, lipești scriptul, la Data sale settings alegi „Data collected does not qualify as data sale”, Save, Connect. Dacă pixelul era deja în GTM, tagul se dezactivează, altfel se declanșează de două ori.
Alte lucruri de știut înainte să semnezi:
- Pe checkout terț, firePurchaseEvent trebuie să ruleze pe pagina de confirmare o singură dată per comandă, cu Order ID identic cu cel din backend, iar checkout-ul trebuie găzduit pe același root domain.
- Comenzile intră prin integrarea Shopify sau prin Orders API, iar serverul e sursa de adevăr, ca să fie prinse și comenzile care nu declanșează pixeli web.
- Pixelul funcționează implicit doar pe domeniul tău. Pentru advertoriale pe alt domeniu ai nevoie de Redirect Links, disponibile pentru Meta, Pinterest, Klaviyo și Attentive.
- Pasul „Integrations and UTMs” presupune că ai deja o convenție de UTM-uri și că o ții curată lună de lună.
Ce măsori întâi la un magazin sub pragurile astea
Patru lucruri îți schimbă deciziile de mâine mai mult decât modelul de atribuire, și niciunul nu cere abonament.
- Pragul de rentabilitate, calculat din marja ta reală. ROAS-ul minim se obține împărțind 100 la marja brută în procente, deci la o marjă de 40% pragul e 2,5×. Calculul complet, cu taxe, transport și retururi, e în articolul despre ROAS-ul de break-even calculat din marja ta reală.
- UTM-uri pe fiecare reclamă. Fără ele, traficul din reclame apare în Analytics ca direct sau referral și nu mai atribui nimic, indiferent de unealtă. Șablonul și câmpul în care se lipește sunt în ghidul despre parametrii UTM pentru Facebook Ads.
- Comenzile confirmate trimise de pe server. Pixelul din browser pierde evenimente la blocante de reclame și la browsere care taie cookie-urile, iar un flux server-side trimite comanda din magazin cu același identificator ca pixelul, ca platforma să nu o numere de două ori.
- Pixelul instalat într-un singur loc. Pus și în temă, și într-o aplicație, dublează vânzările raportate. Peste circa 115% din comenzile reale, explicația obișnuită e dublura.
Abia după ce astea patru stau în picioare, întrebarea „cum împart creditul între canale” schimbă ceva în buget. Dacă ai ajuns aici dintr-o comparație între instrumente, articolul despre alternativele la Hyros tratează aceeași logică pe un produs construit tot pentru bugete mari.
Când Northbeam bate orice alternativă mai simplă
Sunt situații în care un instrument mai simplu chiar nu acoperă ce face Northbeam. Toate presupun volum.
Dacă rulezi pe multe canale în paralel și o parte din impact vine din impresii, modelele Clicks + Modeled Views și Clicks + Deterministic Views fac exact munca asta, iar documentația explică deschis ce e dedus și ce e măsurat. Dacă ai un ciclu de decizie lung, fereastra de atribuire nedefinită și modul Accrual îți arată efectul la data interacțiunii, nu la data încasării.
Dacă ai echipă de date și vrei cifrele în propriul warehouse, Data Export API le scoate pe ferestre, moduri și modele. La Enterprise, Media Mix Modeling+ și testarea de incrementalitate sunt opționale în platformă, ceea ce contează peste 500.000 $ pe lună, când TV-ul și retailul intră în ecuație.
Rămâne un filtru pe care prețul nu îl arată. Setarea cere DNS, pixel pe fiecare pagină, comenzi prin Orders API și UTM-uri ținute curat. Dacă nimeni din firmă nu se ocupă de partea asta săptămânal, datele se strică tăcut și abonamentul se plătește degeaba.
Întrebări frecvente
Cât costă Northbeam pe lună?
Pe pagina oficială de prețuri, Starter apare cu 1.500 $, Professional cu 3.500 $ pe lună, iar Growth și Enterprise au preț la cerere. Tariful lunar e informat de volumul de date al afacerii, măsurat în pageviews, și rămâne o estimare inițială până când Northbeam analizează businessul. Professional și Enterprise se contractează anual.
De la ce buget de reclame are sens un instrument de atribuire plătit?
Pune abonamentul față de cheltuiala ta lunară pe reclame și uită-te ce procent din ea îți ia. Pragurile scrise pe planurile Northbeam pornesc de la branduri care cheltuie sute de mii de dolari pe an, deci asta e ordinea de mărime pentru care a fost construit. Sub ea, aceiași bani fac mai mult puși în creative și în buget.
Pot măsura atribuirea doar cu Google Analytics și UTM-uri?
Pentru un magazin cu două sau trei surse de trafic, UTM-uri consecvente plus comenzile din magazin acoperă majoritatea deciziilor zilnice: ce campanie aduce comenzi și la ce cost. Ce nu afli așa e contribuția impresiilor și a parcursurilor cu mai multe atingeri. Decide dacă răspunsul la întrebarea asta îți schimbă bugetul de săptămâna viitoare.
De ce Northbeam arată cifre mai mici decât Ads Manager?
Modelul implicit, Clicks-Only, dă credit doar click-urilor factuale, iar documentația spune că cifrele mai mici sunt de așteptat. În plus, majoritatea interfețelor de reclame raportează în logica Cash Snapshot, iar la Northbeam cel mai folosit mod e Accrual, care atribuie creditul la data interacțiunii.
Northbeam merge și pe alte platforme decât Shopify?
Integrarea cu orice platformă de ecommerce apare la planul Professional. Pe alte platforme, pixelul se instalează manual în head sau prin Google Tag Manager, comenzile intră prin Orders API, iar pentru checkout terț trebuie apelat firePurchaseEvent pe pagina de confirmare, o singură dată per comandă.
Cât durează până vezi date corecte?
Documentația nu dă un termen. Onboarding-ul Shopify are zece pași, iar partea de DNS depinde de propagarea A-Record-ului. Cât timp A-Record-ul lipsește sau e greșit, tot venitul și toate vizitele apar ca Organic, deci primul lucru de verificat după instalare e distribuția pe canale.
Ce face Optimads aici
Optimads Tracking lucrează la stratul de dedesubt: comenzile confirmate din magazin pleacă de pe server către Meta (Conversions API) și TikTok (Events API), cu același identificator ca pixelul din browser, ca aceeași vânzare să nu fie numărată de două ori. Se leagă la Shopify, WooCommerce, PrestaShop, Gomag și MerchantPro, iar verificarea arată ce pixeli pornesc pe site, ce a ajuns la fiecare platformă și ce lipsește față de comenzile reale. Atribuirea îți arată de unde a venit fiecare comandă și compară cu ce raportează platformele; cum funcționează e descris în ghidul de atribuire. Dacă vrei să pui asta la punct înainte să te uiți la modele de atribuire, vezi cum funcționează pe pagina Optimads Tracking.





