La tracciatura automatica è [ancora] pessima!

Molti anni fa, ero a una conferenza sull'analisi digitale e ho visitato uno stand per un nuovo fornitore di marketing che stava proponendo un'opzione "no-tagging" per l'analisi del marketing digitale. Ero incuriosito perché avevo trascorso gran parte della mia carriera professionale scrivendo di architettura di soluzioni di analisi digitale e tagging. Dopo aver ascoltato il loro tono, ho potuto vedere il fascino di ciò che stavano offrendo. Immagina di essere in grado di "tracciare automaticamente" tutti i dati di cui potresti aver bisogno dai tuoi clienti senza dover dedicare tempo all'architettura della soluzione, alla progettazione o a chiedere agli sviluppatori di creare un livello dati e impostare eventi e proprietà di analisi. Chi non lo vorrebbe?

Ma mentre ci pensavo, ho iniziato a realizzare che idea terribile sarebbe stata! Agli albori dell'analisi digitale, era comune raccogliere dati tramite pagine Web di "scraping DOM". Lo scraping DOM ti ha permesso di acquisire dati nei tag HTML e inserirli nelle variabili di analisi. Questo metodo era rapido, ma anche estremamente fragile. Lo scraping DOM è stato presto sostituito da livelli di dati e sistemi di gestione dei tag. Quest'ultimo ha richiesto più tempo, ma è stato molto meno fragile (per una buona storia di questa transizione, leggi questo). L'uso di approcci di tracciamento automatico per la codifica è un passo indietro rispetto ai giorni di scraping del DOM e riporta gran parte della sua fragilità.

Ma ogni pochi anni, c'è una spinta rinnovata per convincere le organizzazioni a riconsiderare le soluzioni di tracciamento automatico o "no-tagging" e molti che non erano presenti per sperimentarne i difetti ci cascano e ripetono gli errori del passato. A meno che tu non stia costruendo una proprietà digitale che verrà utilizzata solo per poche settimane o mesi, non riesco a pensare a nessuna situazione in cui consiglierei a un'organizzazione di utilizzare un approccio di tracciamento automatico per l'analisi digitale. Ecco un breve riassunto dei motivi per evitare queste soluzioni:

• Troppi dati : i prodotti di rilevamento automatico raccolgono intrinsecamente troppi dati e rendono difficile trovare i dati significativi necessari per avere successo.
• Dati non validi: i prodotti di monitoraggio automatico semplificano la raccolta dei dati, ma molti di questi dati diventano dati non validi o inutilizzabili senza che qualcuno debba ripulire le definizioni degli eventi e le regole di corrispondenza CSS ogni volta che gli sviluppatori apportano modifiche a siti Web o app. Un semplice cambio di nome da parte di uno sviluppatore può eliminare alcune delle tue metriche chiave fino a quando il nuovo nome non viene corretto/razionalizzato. Ho imparato che ottenere l'adozione per l'analisi digitale è difficile anche se fai un ottimo lavoro nel garantire che i dati che stai raccogliendo siano accurati. Immagina di provare a farlo con successo se i tuoi punti dati critici non sono corretti per periodi di tempo fino a quando non vengono risolti. In molte organizzazioni, le persone cercano scuse per "fidarsi del proprio istinto" invece di utilizzare i dati e la scarsa qualità dei dati può fornire loro una scusa per ignorare i dati di analisi digitale.
• Non fa risparmiare tempo – Come afferma uno dei nostri co-fondatori Jeffrey Wang: “Il rilevamento automatico non elimina il lavoro. Sposta il lavoro su un processo meno scalabile". Il tracciamento automatico consente di risparmiare tempo a coloro che altrimenti dovrebbero prestare attenzione a ciò che desiderano monitorare su siti Web/app, ma rende più lavoro per analisti, risorse per la qualità dei dati o product manager che devono ossessionare il tagging. Quindi, se quelli della tua organizzazione stanno spingendo per una soluzione di tracciamento automatico, c'è la possibilità che la motivazione sia che farà risparmiare loro tempo. Oppure potrebbero non pensare che l'organizzazione stia comunque utilizzando i dati per ottenere risultati migliori, quindi vogliono semplicemente il percorso di minor resistenza.
• Problemi di sicurezza/privacy – I prodotti di tracciamento automatico possono acquisire accidentalmente dati sensibili o privati ​​che non devono essere raccolti (per ulteriori informazioni, sentiti libero di consultare le "password di tracciamento automatico" di Google). Questo è sempre più pericoloso poiché nuove direttive come GDPR e CCPA impongono sanzioni alle organizzazioni per il maltrattamento dei dati personali.

Molte di queste preoccupazioni sono state sottolineate anni fa da Jeffrey Wang, uno dei nostri co-fondatori di Amplitude, quando ha spiegato perché Amplitude non ha aggiunto di proposito il tracciamento automatico al nostro prodotto. Anche le organizzazioni con cui Amplitude compete hanno convenuto che il rilevamento automatico è una cattiva strategia.

I livelli di dati

Di recente ho avuto il piacere di ascoltare una telefonata del mio collega John Cutler sull'auto-tracking. Durante la chiamata, c'era un potenziale cliente che stava confrontando Amplitude con un concorrente e una delle grandi differenze era il tracciamento automatico, cosa che il potenziale cliente pensava potesse aiutarli. John ha spiegato che ci sono essenzialmente tre livelli di dati quando si tratta di analisi digitale:

• Livello 0 : questi sono i punti dati più critici per la tua organizzazione. Non cambieranno mai a meno che la tua organizzazione non faccia un enorme perno in una nuova area o modello di business. Ad esempio, un prodotto di gestione delle campagne B2B avrà quasi sicuramente un evento Creato dalla campagna con un insieme di proprietà abbastanza stabili.
• Livello 1 – Questi sono punti dati che saranno utili per il medio termine. Probabilmente sono utili per il prossimo anno o due, ma c'è la possibilità che possano cambiare quando il sito web/l'app cambia. Continuando l'esempio B2B, ciò potrebbe includere il monitoraggio degli inizi e dei completamenti del video di onboarding. Al momento, il flusso di creazione della campagna mostra i video ai nuovi clienti, ma tra un anno i video potrebbero essere rimossi se non è dimostrato che aumentino i tassi di creazione della campagna.
• Livello 2 – Questi sono punti dati più transitori e spesso molto dettagliati. Questi possono essere in circolazione solo per poche settimane o pochi mesi. Un esempio potrebbe essere il monitoraggio dei clic su un collegamento specifico, un interruttore o un pulsante sul modulo. In questo momento, è interessante per qualcuno, ma non aggiunge molto valore e probabilmente scomparirà in poche settimane, oppure il tag può interrompersi una volta compreso l'apprendimento fornito e probabilmente non cambierà radicalmente.

Per la maggior parte delle organizzazioni, ci saranno relativamente pochi eventi e proprietà di livello 0, molti più elementi di livello 1 e possono esserci centinaia di elementi di livello 2. La maggior parte del tuo tempo dovrebbe essere dedicato agli oggetti di livello 0 e di livello 1. Gli elementi di livello 2 dovrebbero avvenire naturalmente integrando i tag nel processo di sviluppo. Il motivo per cui questo concetto è così interessante è che gran parte del caso delle soluzioni di tracciamento automatico si basa su quanto lavoro è necessario per implementare in modo proattivo il tagging analitico. Ma una volta che ti rendi conto che puoi rispondere all'80% delle tue esigenze di analisi etichettando un numero relativamente piccolo di punti dati, l'argomento del risparmio di tempo (che è comunque falso) semplicemente svanisce.

Nella discussione di John, ha disegnato questo grande diagramma confrontando lo sforzo e il valore del rilevamento automatico da un'implementazione di tagging proattiva più tradizionale. Come puoi vedere, la soluzione di rilevamento automatico inizia con più valore con meno sforzo, ma presto si trasforma in un valore progressivamente inferiore per quantità di sforzo. Mentre l'approccio tradizionale richiede inizialmente uno sforzo leggermente maggiore e più valore per sforzo col passare del tempo.

Ho a lungo sostenuto che le organizzazioni identifichino le domande di business a cui vogliono rispondere e che associno tali domande di business a un'architettura di soluzione prima che avvenga la codifica. Credo che valga la pena dedicare del tempo in anticipo per identificare quali dati intendi raccogliere e perché invece di tracciare i dati e poi cercare di capire come possono essere utilizzati. Come la maggior parte delle cose nella vita, ne esci quello che ci hai messo. Quindi non cadere nella trappola delle soluzioni di rilevamento automatico e riconosci che il successo nell'analisi digitale è una maratona, non uno sprint.

E se ho dimenticato qualcosa?

Oltre al presunto risparmio di tempo, un altro argomento che ho sentito fare per il rilevamento automatico riguarda l'omissione o l'oblio dei dati richiesti. Di solito va più o meno così: "Non c'è modo di anticipare tutti i dati di cui avrò bisogno attraverso la raccolta dei requisiti, quindi ho bisogno di una soluzione di tracciamento automatico per raccogliere tutti i miei dati nel caso ci siano domande aziendali che sorge che non avevo previsto in anticipo…”

Ovviamente ci saranno casi in cui qualcosa si presenta e ti mancano i dati che vorresti dovessi prendere una decisione commerciale. Non importa quanto tu sia bravo a raccogliere i requisiti aziendali, non puoi anticipare tutti gli eventi e le proprietà che saranno necessari. Ma se ripensi agli elementi di Livello 0, Livello 1 e Livello 2 discussi sopra, ho trovato molto raro che qualcosa che è stato perso sia un elemento di Livello 0, che rappresenta i punti dati più critici per la tua organizzazione. Gli elementi di livello 0 dovrebbero essere abbastanza ovvi per la tua organizzazione. Potresti avere alcuni elementi di livello 1 che ti sono sfuggiti, ma è improbabile che tu non possa aggiungere nuovi elementi di livello 1 e attendere alcune settimane per ottenere dati sufficienti per rispondere alla tua domanda commerciale. Se una domanda era così importante da richiedere una risposta in 24 ore, sarebbe dovuta sorgere durante la raccolta dei requisiti. Gli elementi di livello 2 dovrebbero essere ancora meno importanti nel grande schema delle cose. È probabile che molti degli oggetti che ti mancano siano oggetti di livello 2 perché non sono critici o rappresentano cose nuove che non erano presenti durante la raccolta dei requisiti. Nella maggior parte dei casi, è possibile aggiungere alcuni nuovi tag e attendere alcuni giorni o settimane per ottenere questi dati mancanti.

Cultura

L'ultima cosa che vorrei menzionare sul tema dell'auto-track è l'area della cultura aziendale. Come spesso accade, le decisioni tecnologiche dicono molto sulla cultura di un'organizzazione e sui team all'interno dell'organizzazione. Quando vedo i team di analisi che stanno cercando soluzioni di tracciamento automatico, ecco alcuni dei pensieri che mi frullano per la testa:

• Perché è così difficile per loro pianificare la loro attuazione in anticipo? A volte il desiderio di una soluzione di rilevamento automatico nasconde il fatto che il team di analisi non sa davvero di cosa ha bisogno l'azienda. Forse hanno bisogno di trascorrere più tempo con i loro stakeholder interni invece di cercare un prodotto che consenta loro di tenere traccia di tutto per ogni evenienza.
• Perché è così difficile per loro ottenere risorse di implementazione? Se un team di analisi sta facendo un buon lavoro, dovrebbe essere percepito come critico e strategico per l'organizzazione. L'analisi eseguita correttamente aiuta le organizzazioni a fare soldi o risparmiare denaro, quindi perché un'organizzazione non dovrebbe dedicare risorse agli sforzi di implementazione? Forse la soluzione di tracciamento automatico rende più facile per il team di analisi evitare il fatto che l'organizzazione non apprezzi il proprio lavoro.
• Un nuovo prodotto di analisi risolverà i loro problemi? A volte il passaggio da una soluzione di analisi a un'altra sembra un ottimo modo per cancellare la lavagna e ricominciare da capo, ma se la tua organizzazione ha problemi culturali intrinseci che hanno causato il fallimento della soluzione attuale, potrebbe essere consigliabile risolverli prima di provare un nuovo venditore. In caso contrario, gli stessi problemi possono essere ripetuti con un nuovo strumento.

Pensieri finali

Anche se spero che questo post alla fine non sia necessario a causa del fatto che le organizzazioni hanno imparato la lezione sui prodotti di rilevamento automatico, a volte è importante ricordare a noi stessi le cose che abbiamo imparato in passato in modo che la storia non si ripeta. Se la tua organizzazione subisce pressioni per cercare una soluzione di rilevamento automatico, ti esorto a considerare i potenziali problemi sollevati sopra, i diversi livelli di dati, i vantaggi di una pianificazione anticipata e gli aspetti culturali sottostanti che potrebbero guidare la decisione .