자동 추적은 [여전히] Bad입니다!

몇 년 전 저는 디지털 분석 컨퍼런스에 참석하여 디지털 마케팅 분석을 위한 "태깅 없음" 옵션을 발표한 새로운 마케팅 공급업체의 부스를 방문했습니다. 나는 디지털 분석 솔루션 아키텍처와 태깅에 대한 글을 쓰는 데 많은 전문 경력을 보냈기 때문에 흥미를 느꼈습니다. 그들의 피치를 들은 후 나는 그들이 제공하는 것의 매력을 알 수 있었습니다. 솔루션 아키텍처를 설계하거나 개발자에게 데이터 계층을 구축하고 분석 이벤트 및 속성을 설정하도록 요청하는 데 시간을 할애하지 않고도 고객에게 필요할 수 있는 모든 데이터를 "자동 추적"할 수 있다고 상상해 보십시오. 누가 그것을 원하지 않겠습니까?

그러나 그것에 대해 생각하면서 이것이 얼마나 끔찍한 생각인지 깨닫기 시작했습니다! 디지털 분석의 초기에는 웹 페이지를 "DOM 스크래핑"하여 데이터를 수집하는 것이 일반적이었습니다. DOM 스크래핑을 사용하면 HTML 태그의 데이터를 가져와 분석 변수에 넣을 수 있습니다. 이 방법은 빠르면서도 매우 취약했습니다. DOM 스크래핑은 곧 데이터 레이어와 태그 관리 시스템으로 대체되었습니다. 후자는 더 많은 시간이 걸렸지만 훨씬 덜 취약했습니다(이 전환의 좋은 역사를 보려면 이것을 읽으십시오). 태그 지정에 자동 추적 접근 방식을 사용하는 것은 DOM 스크래핑 시대로 한 걸음 뒤로 물러난 것이며 많은 취약성을 다시 가져옵니다.

그러나 몇 년마다 조직이 자동 추적 또는 "태깅 없음" 솔루션을 재고하도록 하는 새로운 추진력이 있으며 주변에 그 결함을 경험하지 못한 많은 사람들이 이에 빠져 과거의 실수를 반복합니다. 몇 주 또는 몇 달 동안만 사용할 디지털 자산을 구축하지 않는 한 조직에 디지털 분석을 위해 자동 추적 접근 방식을 사용하도록 조언할 상황은 생각할 수 없습니다. 다음은 이러한 솔루션을 피해야 하는 이유에 대한 간략한 요약입니다.

• 너무 많은 데이터 – 자동 추적 제품은 본질적으로 너무 많은 데이터를 수집하므로 성공에 필요한 의미 있는 데이터를 찾기가 어렵습니다.
• 잘못된 데이터 - 자동 추적 제품을 사용하면 데이터를 쉽게 수집할 수 있지만 개발자가 웹사이트나 앱을 변경할 때마다 이벤트 정의 및 CSS 일치 규칙을 정리할 필요 없이 해당 데이터의 많은 부분이 불량하거나 사용할 수 없는 데이터가 됩니다. 개발자가 이름 을 변경하면 새 이름이 수정/합리화될 때까지 주요 지표 중 일부가 사라질 수 있습니다. 수집하는 데이터가 정확한지 확인하는 일을 훌륭하게 수행하더라도 디지털 분석을 채택하는 것이 어렵다는 것을 배웠습니다. 중요한 데이터 포인트가 수정될 때까지 일정 기간 동안 올바르지 않은 경우 성공하려고 한다고 상상해 보십시오. 많은 조직에서 사람들은 데이터를 사용하는 대신 "자신의 직감을 신뢰"할 핑계를 찾고 있으며 데이터 품질이 좋지 않으면 디지털 분석 데이터를 무시할 핑계가 될 수 있습니다.
• 시간을 절약할 수 없음 – 공동 창립자 중 한 명인 Jeffrey Wang은 다음과 같이 말합니다. “자동 추적은 작업을 없애지 않습니다. 확장성이 낮은 프로세스로 작업을 전환합니다.” 자동 추적은 웹사이트/앱에서 추적하려는 항목에 대해 미리 생각해야 하는 사람들의 시간을 절약하지만 태그 지정에 집착해야 하는 분석가, 데이터 품질 리소스 또는 제품 관리자에게는 더 많은 작업을 수행합니다. 따라서 조직의 직원이 자동 추적 솔루션을 추진하는 경우 시간을 절약 할 수 있다는 동기가 있을 수 있습니다. 또는 조직이 더 나은 결과를 이끌어내기 위해 데이터를 사용하고 있다고 생각하지 않고 단순히 저항이 가장 적은 경로를 원할 수도 있습니다.
• 보안/개인 정보 보호 문제 – 자동 추적 제품은 수집할 의도가 없는 민감한 개인 데이터를 실수로 캡처할 수 있습니다(자세한 내용은 Google "자동 추적 암호" 참조). GDPR 및 CCPA와 같은 새로운 지침이 개인 데이터의 남용에 대해 조직에 벌금을 부과함에 따라 이는 점점 더 위험해지고 있습니다.

이러한 우려 중 많은 부분은 Amplitude의 공동 창립자 중 한 명인 Jeffrey Wang이 Amplitude가 우리 제품에 의도적으로 자동 추적을 추가하지 않은 이유를 설명하면서 설명했습니다. Amplitude가 경쟁하는 조직조차도 자동 추적이 나쁜 전략이라는 데 동의했습니다.

데이터 수준

나는 최근에 동료인 John Cutler가 자동 추적에 관해 전화를 걸면서 즐겁게 들었습니다. 통화 중에 Amplitude를 경쟁업체와 비교하는 잠재 고객이 있었고 가장 큰 차이점 중 하나는 자동 추적이었습니다. 잠재 고객은 이 기능이 도움이 될 것이라고 생각했습니다. John은 디지털 분석과 관련하여 기본적으로 세 가지 수준의 데이터가 있다고 설명했습니다.

• 수준 0 – 조직에 가장 중요한 데이터 요소입니다. 조직이 새로운 영역이나 비즈니스 모델로 대대적인 전환을 하지 않는 한 절대 변경되지 않습니다. 예를 들어, B2B 캠페인 관리 제품에는 상당히 안정적인 속성 집합이 있는 캠페인 생성 이벤트가 거의 확실합니다.
• 레벨 1 - 이것은 중기적으로 유용할 데이터 포인트입니다. 향후 1~2년 동안 유용할 수 있지만 웹사이트/앱이 변경됨에 따라 변경될 가능성이 있습니다. B2B 예제를 계속하면 여기에는 온보딩 비디오 시작 및 완료 추적이 포함될 수 있습니다. 지금은 캠페인 생성 플로우에서 신규 고객에게 동영상을 보여주지만, 1년 뒤에는 캠페인 생성률을 높이는 것으로 입증되지 않은 동영상이 삭제될 수 있습니다.
• 레벨 2 - 보다 일시적이고 종종 매우 상세한 데이터 포인트입니다. 이것들은 몇 주 또는 몇 달 동안만 있을 수 있습니다. 예를 들어 특정 링크, 토글 또는 양식의 버튼에 대한 클릭을 추적할 수 있습니다. 지금 당장은 누군가에게 흥미롭지만 그렇게 많은 가치를 추가하지 않으며 몇 주 안에 사라질 것입니다. 또는 제공된 학습이 이해되면 태그 지정이 중지될 수 있고 극적으로 변경되지 않을 것입니다.

대부분의 조직에서 수준 0 이벤트 및 속성은 비교적 적고 수준 1 항목은 더 많으며 수백 가지 수준 2 항목이 있을 수 있습니다. 대부분의 시간은 레벨 0 및 레벨 1 항목에 보내야 합니다. 레벨 2 항목은 태그를 개발 프로세스에 통합함으로써 자연스럽게 발생해야 합니다. 이 개념이 흥미로운 이유는 자동 추적 솔루션의 경우 대부분이 분석 태깅을 사전에 구현하는 데 필요한 작업량을 기반으로 하기 때문입니다. 그러나 상대적으로 적은 수의 데이터 포인트에 태그를 지정하여 분석 요구 사항의 80%에 응답할 수 있다는 것을 깨닫고 나면 시간 절약 주장(어쨌든 거짓임)은 단순히 증발합니다.

John의 토론에서 그는 보다 전통적인 사전 태깅 구현에서 자동 추적의 노력과 가치를 비교하는 이 훌륭한 다이어그램을 그렸습니다. 보시다시피, 자동 추적 솔루션은 더 적은 노력으로 더 많은 가치로 시작하지만 곧 노력의 양에 따라 점차적으로 더 적은 가치로 바뀝니다. 전통적인 접근 방식은 처음에는 약간 더 많은 노력이 필요하고 시간이 지남에 따라 더 많은 노력당 가치가 필요합니다.

저는 조직이 태그를 지정 하기 전에 답변하고 싶은 비즈니스 질문을 식별하고 해당 비즈니스 질문을 솔루션 아키텍처에 매핑하는 것을 오랫동안 옹호해 왔습니다. 데이터를 추적한 다음 사용 방법을 알아내려고 시도하는 대신 수집하려는 데이터와 수집 이유를 식별하는 데 시간을 할애할 가치가 있다고 생각합니다. 삶의 대부분의 것들이 그렇듯이, 당신은 당신이 그것에 쏟은 것에서 그것을 얻을 수 있습니다. 따라서 자동 추적 솔루션의 함정에 빠지지 말고 디지털 분석의 성공은 단거리 경주가 아니라 마라톤이라는 사실을 인식하십시오.

잊어버린 것이 있으면 어떻게 합니까?

예상되는 시간 절약 외에도 자동 추적에 대해 내가 들은 또 다른 주장은 필수 데이터를 생략하거나 잊어버린다는 것입니다. 일반적으로 다음과 같이 진행됩니다. “요구 사항 수집을 통해 필요한 모든 데이터를 예측할 수 있는 방법은 없으므로 비즈니스 질문이 있을 경우에 대비하여 모든 데이터를 수집하는 자동 추적 솔루션이 필요합니다. 내가 미리 예상하지 못한 일이 발생합니다 ... "

물론 어떤 일이 발생하여 비즈니스 결정을 내려야 했던 데이터가 누락되는 경우가 있을 것입니다. 비즈니스 요구 사항 수집을 아무리 잘한다고 해도 필요한 모든 이벤트와 자산을 예상할 수는 없습니다. 그러나 위에서 논의한 수준 0, 수준 1 및 수준 2 항목을 다시 생각해 보면, 누락된 항목이 조직에 가장 중요한 데이터 요소를 나타내는 수준 0 항목이 되는 경우가 매우 드물다는 것을 알았습니다. 수준 0 항목은 조직에 매우 명확해야 합니다. 누락된 수준 1 항목이 있을 수 있지만 새로운 수준 1 항목을 추가하고 비즈니스 질문에 답하기에 충분한 데이터를 얻기 위해 몇 주 동안 기다릴 수는 없습니다. 질문이 너무 중요해서 24시간 내에 답변해야 했다면 요구 사항 수집 중에 나왔어야 했습니다. 수준 2 항목은 사물의 큰 계획에서 훨씬 덜 중요해야 합니다. 누락된 항목 중 상당수는 중요하지 않거나 요구 사항 수집 중에 존재하지 않은 새로운 항목을 나타내기 때문에 수준 2 항목일 가능성이 높습니다. 대부분의 경우 새 태그를 추가하고 이 누락된 데이터를 얻으려면 며칠 또는 몇 주를 기다려야 합니다.

문화

마지막으로 오토트랙 주제에 대해 언급하고 싶은 것은 기업 문화의 영역입니다. 흔히 그렇듯이 기술 결정은 조직의 문화와 조직 내 팀에 대해 많은 것을 알려줍니다. 자동 추적 솔루션을 찾고 있는 분석 팀을 보면 다음과 같은 생각이 떠오릅니다.

• 그들이 미리 구현을 계획하는 것이 왜 그렇게 어려운가? 때때로 자동 추적 솔루션에 대한 열망은 분석 팀이 비즈니스에 필요한 것이 무엇인지 실제로 알지 못한다는 사실을 가리고 있습니다. 만일의 경우에 대비하여 모든 것을 추적할 수 있는 제품을 찾는 대신 내부 이해 관계자와 더 많은 시간을 할애해야 할 수도 있습니다.
• 그들이 구현 자원을 얻는 것이 왜 그렇게 어려운가? 분석 팀이 일을 잘하고 있다면 조직에 중요하고 전략적으로 인식되어야 합니다. 제대로 수행된 분석은 조직이 돈을 벌거나 비용을 절약하는 데 도움이 되는데 조직이 구현 노력에 리소스를 투자 하지 않는 이유는 무엇입니까? 자동 추적 솔루션을 사용하면 분석 팀이 조직이 자신의 작업을 가치 있게 여기지 않는다는 사실을 쉽게 피할 수 있습니다.
• 새로운 분석 제품이 문제를 해결할 수 있습니까? 때때로 한 분석 솔루션에서 다른 분석 솔루션으로 전환하는 것이 현명하게 정리하고 새로 시작하는 좋은 방법처럼 보이지만 조직에 현재 솔루션이 실패하게 만든 고유한 문화적 문제가 있는 경우 시도하기 전에 이러한 문제를 해결하는 것이 좋습니다. 새로운 벤더. 그렇게 하지 않으면 새 도구에서 동일한 문제가 반복될 수 있습니다.

마지막 생각들

조직이 자동 추적 제품에 대한 교훈을 배웠기 때문에 이 게시물이 궁극적으로 불필요하기를 희망하지만 때로는 역사가 반복되지 않도록 과거에 배운 것을 상기하는 것이 중요합니다. 조직에서 자동 추적 솔루션을 선택해야 한다는 압박을 받고 있다면 위에서 제기된 잠재적인 문제, 다양한 데이터 수준, 사전 계획의 이점 및 결정을 주도할 수 있는 근본적인 문화적 측면을 고려해 보시기 바랍니다. .