التتبع التلقائي هو [لا يزال] سيئًا!

منذ عدة سنوات ، كنت في مؤتمر للتحليلات الرقمية وقمت بزيارة كشك لبائع تسويق جديد كان يقدم خيار "عدم وضع العلامات" لتحليلات التسويق الرقمي. كنت مفتونًا لأنني قضيت جزءًا كبيرًا من مسيرتي المهنية في الكتابة حول هندسة حلول التحليلات الرقمية ووضع العلامات. بعد سماع صوتهم ، استطعت أن أرى جاذبية ما كانوا يقدمونه. تخيل أن تكون قادرًا على "التتبع التلقائي" لجميع البيانات التي قد تحتاجها من عملائك دون الحاجة إلى قضاء الوقت في تنفيذ هندسة الحلول أو التصميم أو استجداء المطورين لبناء طبقة بيانات وتعيين أحداث وخصائص التحليلات. من منا لا يريد ذلك؟

لكن عندما فكرت في الأمر ، بدأت أدرك كم ستكون هذه الفكرة الرهيبة! في الأيام الأولى للتحليلات الرقمية ، كان من الشائع جمع البيانات عن طريق صفحات الويب "كشط DOM". أتاح لك تجريف DOM الحصول على البيانات في علامات HTML وإلصاقها بمتغيرات التحليلات. كانت هذه الطريقة سريعة ، لكنها كانت أيضًا هشة للغاية. سرعان ما تم استبدال تجريف DOM بطبقات البيانات وأنظمة إدارة العلامات. استغرق الأخير وقتًا أطول ، لكنه كان أقل هشاشة (للحصول على تاريخ جيد لهذا الانتقال ، اقرأ هذا). يعد استخدام نهج التتبع التلقائي لوضع العلامات خطوة إلى الوراء إلى أيام إلغاء DOM ويعيد الكثير من هشاشته.

ولكن كل بضع سنوات ، هناك دفعة متجددة لحمل المؤسسات على إعادة النظر في حلول التتبع التلقائي أو "عدم وضع العلامات" والعديد ممن لم يكونوا موجودين لتجربة عيوبها يقعون في حبها ويكررون أخطاء الماضي. ما لم تكن تقوم ببناء خاصية رقمية سيتم استخدامها فقط لبضعة أسابيع أو أشهر ، لا يمكنني التفكير في أي موقف أنصح فيه أي مؤسسة باستخدام نهج التتبع التلقائي للتحليلات الرقمية. فيما يلي ملخص قصير لأسباب تجنب هذه الحلول:

• الكثير من البيانات - تقوم منتجات التتبع التلقائي بطبيعتها بجمع الكثير من البيانات وتجعل من الصعب العثور على البيانات المفيدة التي تحتاجها لتكون ناجحًا.
• البيانات السيئة - تسهل منتجات التتبع التلقائي جمع البيانات ، لكن الكثير من هذه البيانات تصبح بيانات سيئة أو غير قابلة للاستخدام دون الحاجة إلى قيام شخص ما بتنظيف تعريفات الأحداث وقواعد مطابقة CSS في كل مرة يقوم المطورون بإجراء تغييرات على مواقع الويب أو التطبيقات. يمكن أن يؤدي تغيير الاسم البسيط من قبل المطور إلى التخلص من بعض مقاييسك الرئيسية حتى يتم إصلاح / ترشيد الاسم الجديد. لقد تعلمت أن اعتماد التحليلات الرقمية أمر صعب حتى لو قمت بعمل رائع لضمان دقة البيانات التي تجمعها. تخيل محاولة إنجاحها إذا كانت نقاط البيانات الهامة الخاصة بك غير صحيحة لفترات زمنية حتى يتم إصلاحها. في العديد من المؤسسات ، يبحث الأشخاص عن أعذار "للثقة في حدسهم" بدلاً من استخدام البيانات ويمكن أن تمنحهم جودة البيانات الرديئة ذريعة لتجاهل بيانات التحليلات الرقمية.
• لا يوفر الوقت - كما قال أحد مؤسسينا جيفري وانج: "التتبع التلقائي لا يقضي على العمل. إنه ينقل العمل إلى عملية أقل قابلية للتوسع ". يوفر التتبع التلقائي الوقت لأولئك الذين سيضطرون بخلاف ذلك إلى وضع مدروس لما يريدون تتبعه على مواقع الويب / التطبيقات ، ولكنه يوفر المزيد من العمل للمحللين أو موارد جودة البيانات أو مديري المنتجات الذين يتعين عليهم الهوس بشأن وضع العلامات. لذلك إذا كان أولئك في مؤسستك يدفعون من أجل حل التتبع التلقائي ، فهناك احتمال أن يكون الدافع هو أنه سيوفر لهم الوقت. أو ربما لا يعتقدون أن المنظمة تستخدم البيانات لتحقيق نتائج أفضل على أي حال ، لذا فهم يريدون ببساطة المسار الأقل مقاومة.
• مشكلات الأمان / الخصوصية - يمكن أن تلتقط منتجات التتبع التلقائي عن طريق الخطأ بيانات حساسة أو خاصة لا يُقصد جمعها (لا تتردد في استخدام "كلمات مرور التتبع التلقائي" من Google للحصول على مزيد من المعلومات). هذا أمر خطير بشكل متزايد لأن التوجيهات الجديدة مثل اللائحة العامة لحماية البيانات وقانون حماية خصوصية المستهلك (CCPA) تفرض غرامات على المنظمات بسبب إساءة معاملة البيانات الشخصية.

تم توضيح العديد من هذه المخاوف منذ سنوات بواسطة Jeffrey Wang ، أحد مؤسسي Amplitude ، عندما أوضح سبب عدم قيام Amplitude عمدًا بإضافة تتبع تلقائي إلى منتجنا. حتى المنظمات التي تتنافس معها Amplitude وافقت على أن التتبع التلقائي هو استراتيجية سيئة.

مستويات البيانات

لقد كان من دواعي سروري مؤخرًا الاستماع إلى مكالمة من زميلي جون كاتلر حول التتبع التلقائي. في المكالمة ، كان هناك احتمال يقارن Amplitude بمنافس وكان أحد الاختلافات الكبيرة هو التتبع التلقائي ، والذي يعتقد العميل المحتمل أنه قد يساعدهم. أوضح جون أن هناك ثلاثة مستويات أساسية من البيانات عندما يتعلق الأمر بالتحليلات الرقمية:

• المستوى 0 - هذه هي نقاط البيانات الأكثر أهمية لمؤسستك. لن تتغير أبدًا ما لم تقم مؤسستك بعمل محور هائل في منطقة أو نموذج عمل جديد. على سبيل المثال ، من شبه المؤكد أن يكون لمنتج إدارة حملة B2B حدث تم إنشاؤه بواسطة حملة مع مجموعة من الخصائص الثابتة إلى حد ما.
• المستوى 1 - هذه هي نقاط البيانات التي ستكون مفيدة على المدى المتوسط. من المحتمل أن تكون مفيدة للعام أو العامين المقبلين ، ولكن هناك احتمال أن تتغير مع تغير موقع الويب / التطبيق. استمرارًا لمثال B2B ، قد يشمل ذلك تتبع عمليات بدء وإكمال الفيديو على متن الطائرة. في الوقت الحالي ، يعرض تدفق إنشاء الحملة مقاطع الفيديو للعملاء الجدد ، ولكن بعد عام من الآن ، قد تتم إزالة مقاطع الفيديو إذا لم يثبت أنها تزيد من معدلات إنشاء الحملة.
• المستوى 2 - هذه هي نقاط البيانات التي تكون انتقالية وفي كثير من الأحيان مفصلة للغاية. قد تكون هذه موجودة فقط لبضعة أسابيع أو بضعة أشهر. ومن الأمثلة على ذلك تتبع النقرات على ارتباط معين أو مفتاح تبديل أو زر في النموذج. في الوقت الحالي ، إنه مثير للاهتمام لشخص ما ، لكنه لا يضيف الكثير من القيمة ومن المحتمل أن يختفي في غضون أسابيع قليلة ، أو يمكن أن يتوقف وضع العلامات عليه بمجرد فهم التعلم المقدم ومن المحتمل ألا يتغير بشكل كبير.

بالنسبة لمعظم المؤسسات ، سيكون هناك عدد قليل نسبيًا من أحداث وخصائص المستوى 0 والعديد من عناصر المستوى 1 ويمكن أن يكون هناك المئات من عناصر المستوى 2. يجب أن تقضي معظم وقتك في عناصر المستوى 0 والمستوى 1. يجب أن تحدث عناصر المستوى 2 بشكل طبيعي من خلال دمج العلامات في عملية التطوير. السبب الذي يجعل هذا المفهوم مثيرًا للاهتمام هو أن الكثير من الحالات المخصصة لحلول التتبع التلقائي تعتمد على مقدار العمل المطلوب لتنفيذ علامات التحليلات بشكل استباقي. ولكن بمجرد أن تدرك أنه يمكنك الإجابة على 80٪ من احتياجات التحليلات الخاصة بك عن طريق وضع علامات على عدد صغير نسبيًا من نقاط البيانات ، فإن حجة توفير الوقت (وهي خاطئة على أي حال) تتبخر ببساطة.

في نقاش جون ، رسم هذا الرسم التخطيطي الرائع الذي يقارن جهد وقيمة التتبع التلقائي من تطبيق وضع العلامات الاستباقي التقليدي. كما ترى ، يبدأ حل التتبع التلقائي بقيمة أكبر بجهد أقل ، ولكنه سرعان ما يتحول إلى قيمة أقل بشكل تدريجي لكل مقدار من الجهد. في حين أن النهج التقليدي يتطلب جهدًا أكبر قليلاً في البداية وقيمة أكبر لكل جهد مع مرور الوقت.

لقد دافعت منذ فترة طويلة عن المنظمات التي تحدد أسئلة العمل التي تريد الإجابة عليها وتعيين أسئلة العمل هذه إلى بنية الحلول قبل أن يتم وضع العلامات. أعتقد أن الأمر يستحق الوقت مقدمًا لتحديد البيانات التي تخطط لجمعها ولماذا بدلاً من تتبع البيانات ثم محاولة معرفة كيفية استخدامها. مثل معظم الأشياء في الحياة ، تخرج منها ما تضعه فيه. لذلك لا تقع في فخ حلول التتبع التلقائي وتدرك أن النجاح في التحليلات الرقمية هو سباق ماراثون وليس سباق سريع.

ماذا لو نسيت شيئا؟

بالإضافة إلى التوفير المفترض في الوقت ، هناك حجة أخرى سمعتها للتتبع التلقائي تدور حول حذف أو نسيان البيانات المطلوبة. عادةً ما يحدث شيء من هذا القبيل: "لا توجد طريقة يمكنني من خلالها توقع جميع البيانات التي سأحتاجها من خلال جمع المتطلبات ، لذلك أحتاج إلى حل تتبع تلقائي لجمع جميع بياناتي في حالة وجود بعض الأسئلة التجارية التي ينشأ أنني لم أتوقع مقدمًا ... "

بالطبع ستكون هناك حالات يظهر فيها شيء ما وتفتقد البيانات التي كنت ترغب في اتخاذ قرار تجاري بشأنها. بغض النظر عن مدى براعتك في القيام بجمع متطلبات العمل ، لا يمكنك توقع كل حدث وممتلكات ستكون مطلوبة. ولكن إذا عدت إلى عناصر المستوى 0 والمستوى 1 والمستوى 2 التي تمت مناقشتها أعلاه ، فقد وجدت أنه من النادر جدًا أن يكون الشيء الذي تم فقده عنصرًا من المستوى 0 ، والذي يمثل أهم نقاط البيانات لمؤسستك. يجب أن تكون عناصر المستوى 0 واضحة جدًا لمؤسستك. قد يكون لديك بعض عناصر المستوى 1 التي فاتتك ، ولكن من غير المحتمل أنه لا يمكنك إضافة بعض عناصر المستوى 1 الجديدة والانتظار لبضعة أسابيع للحصول على بيانات كافية للإجابة على سؤال عملك. إذا كان السؤال مهمًا جدًا لدرجة أنه يلزم الإجابة عليه في غضون 24 ساعة ، فيجب طرحه أثناء جمع المتطلبات. يجب أن تكون عناصر المستوى 2 أقل أهمية في المخطط الكبير للأشياء. من المحتمل أن العديد من العناصر المفقودة هي عناصر المستوى 2 لأنها إما غير حرجة أو تمثل أشياء جديدة لم تكن موجودة أثناء جمع المتطلبات. في معظم الحالات ، لا بأس من إضافة بعض العلامات الجديدة والانتظار بضعة أيام أو أسابيع للحصول على هذه البيانات المفقودة.

ثقافة

آخر شيء أود ذكره في موضوع التتبع التلقائي هو مجال ثقافة الشركة. كما هو الحال غالبًا ، تخبرك قرارات التكنولوجيا بالكثير عن ثقافة المنظمة والفرق داخل المنظمة. عندما أرى فرق التحليلات التي تبحث عن حلول التتبع التلقائي ، فإليك بعض الأفكار التي تدور في رأسي:

• لماذا يصعب عليهم التخطيط للتنفيذ في وقت مبكر؟ في بعض الأحيان ، تخفي الرغبة في حل التتبع التلقائي حقيقة أن فريق التحليلات لا يعرف حقًا ما يحتاجه العمل. ربما يحتاجون إلى قضاء المزيد من الوقت مع أصحاب المصلحة الداخليين بدلاً من البحث عن منتج يمكّنهم من تتبع كل شيء في حالة حدوثه.
• لماذا يصعب عليهم الحصول على موارد التنفيذ؟ إذا كان فريق التحليلات يقوم بعمل جيد ، فيجب أن يُنظر إليه على أنه مهم واستراتيجي للمؤسسة. التحليلات التي يتم إجراؤها بشكل صحيح تساعد المؤسسات على جني الأموال أو توفير المال ، فلماذا لا تكرس المنظمة الموارد لجهود التنفيذ؟ ربما يسهل حل التتبع التلقائي على فريق التحليلات تجنب حقيقة أن المؤسسة لا تقدر عملهم.
• هل سيحل منتج التحليلات الجديد مشاكلهم؟ في بعض الأحيان ، يبدو أن التبديل من حل تحليلي إلى آخر طريقة رائعة لمسح القائمة والبدء من جديد ، ولكن إذا كانت مؤسستك بها مشكلات ثقافية متأصلة تسببت في عدم نجاح الحل الحالي ، فقد يكون من المستحسن إصلاح هذه المشكلات قبل المحاولة بائع جديد. قد يؤدي عدم القيام بذلك إلى تكرار نفس المشكلات باستخدام أداة جديدة.

افكار اخيرة

بينما آمل أن يكون هذا المنشور غير ضروري في النهاية نظرًا لحقيقة أن المؤسسات قد تعلمت درسها حول منتجات التتبع التلقائي ، فمن المهم في بعض الأحيان تذكير أنفسنا بالأشياء التي تعلمناها في الماضي حتى لا يعيد التاريخ نفسه. إذا كانت مؤسستك تتعرض لضغوط للنظر في حل التتبع التلقائي ، فأنا أحثك ​​على النظر في المشكلات المحتملة التي أثيرت أعلاه ، والمستويات المختلفة للبيانات ، وفوائد التخطيط المسبق والجوانب الثقافية الأساسية التي قد تقود القرار .