Авто-трек [Все еще] Плохо!

Много лет назад я был на конференции по цифровой аналитике и посетил стенд нового маркетингового поставщика, который предлагал вариант «без тегов» для цифровой маркетинговой аналитики. Я был заинтригован, потому что большую часть своей профессиональной карьеры я посвятил написанию статей об архитектуре решений для цифровой аналитики и тегировании. Услышав их предложение, я увидел очарование того, что они предлагали. Представьте, что вы можете «автоматически отслеживать» все данные, которые вам могут понадобиться от ваших клиентов, не тратя время на архитектуру решения, дизайн или умоляя разработчиков создать уровень данных и настроить события и свойства аналитики. Кто бы этого не хотел?

Но когда я подумал об этом, я начал понимать, какой ужасной была бы эта идея! На заре цифровой аналитики было обычным делом собирать данные путем «скрапинга DOM» веб-страниц. Очистка DOM позволяла вам получать данные в HTML-тегах и вставлять их в переменные аналитики. Этот метод был быстрым, но и чрезвычайно хрупким. Сокращение DOM вскоре было заменено слоями данных и системами управления тегами. Последнее заняло больше времени, но было гораздо менее хрупким (хорошую историю этого перехода читайте здесь). Использование автоматического отслеживания тегов — это шаг назад по сравнению с периодом парсинга DOM, который возвращает большую часть его хрупкости.

Но каждые несколько лет появляется новый толчок к тому, чтобы заставить организации пересмотреть решения по автоматическому отслеживанию или «без тегов», и многие, кто не был рядом, чтобы испытать на себе его недостатки, поддаются на это и повторяют ошибки прошлого. Если вы не создаете цифровую собственность, которая будет использоваться только в течение нескольких недель или месяцев, я не могу придумать ни одной ситуации, в которой я бы посоветовал организации использовать подход автоматического отслеживания для цифровой аналитики. Вот краткое изложение причин, по которым следует избегать этих решений:

• Слишком много данных . Продукты автоматического отслеживания по своей природе собирают слишком много данных, что затрудняет поиск значимых данных, необходимых для успеха.
• Плохие данные . Продукты с автоматическим отслеживанием упрощают сбор данных, но многие из этих данных становятся неверными или непригодными для использования без необходимости того, чтобы кто-то очищал свои определения событий и правила сопоставления CSS каждый раз, когда разработчики вносят изменения в веб-сайты или приложения. Простое изменение имени разработчиком может сбить некоторые из ваших ключевых показателей до тех пор, пока новое имя не будет исправлено/рационализировано. Я узнал, что получить признание для цифровой аналитики сложно, даже если вы делаете большую работу по обеспечению точности собираемых данных. Представьте, что вы пытаетесь добиться успеха, если ваши критические точки данных неверны в течение определенного периода времени, пока они не будут исправлены. Во многих организациях люди ищут оправдания, чтобы «довериться своей интуиции» вместо того, чтобы использовать данные, а низкое качество данных может дать им повод игнорировать данные цифровой аналитики.
• Не экономит время . Как говорит один из наших соучредителей Джеффри Ванг: «Автоматическое отслеживание не избавляет от работы. Это переводит работу на менее масштабируемый процесс». Автоматическое отслеживание экономит время для тех, кто в противном случае должен был бы тщательно продумывать, что они хотят отслеживать на веб-сайтах/в приложениях, но усложняет работу аналитикам, специалистам по качеству данных или менеджерам по продуктам, которые должны быть одержимы тегами. Поэтому, если сотрудники вашей организации настаивают на решении для автоматического отслеживания, есть вероятность, что мотивация заключается в том, что это сэкономит им время. Или может случиться так, что они не думают, что организация использует данные для достижения лучших результатов, поэтому они просто хотят идти по пути наименьшего сопротивления.
• Проблемы с безопасностью/конфиденциальностью . Продукты автоматического отслеживания могут случайно захватить конфиденциальные или личные данные, которые не предназначены для сбора (дополнительную информацию можно найти в разделе «автоотслеживание паролей» Google). Это становится все более опасным, поскольку новые директивы, такие как GDPR и CCPA, налагают штрафы на организации за ненадлежащее обращение с личными данными.

Многие из этих проблем были изложены несколько лет назад Джеффри Вангом, одним из наших соучредителей Amplitude, когда он объяснил, почему Amplitude намеренно не добавила автоматическое отслеживание в наш продукт. Даже организации, с которыми конкурирует Amplitude, согласны с тем, что автоматическое отслеживание — плохая стратегия.

Уровни данных

Недавно я имел удовольствие слушать звонок моего коллеги Джона Катлера об автотреке. Во время телефонного разговора потенциальный клиент сравнивал Amplitude с конкурентом, и одним из больших отличий было автоматическое отслеживание, которое, по мнению потенциального клиента, могло бы им помочь. Джон объяснил, что в цифровой аналитике существует по существу три уровня данных:

• Уровень 0 — это наиболее важные точки данных для вашей организации. Они никогда не изменятся, если ваша организация не сделает массовый поворот в новую область или бизнес-модель. Например, продукт управления кампанией B2B почти наверняка будет иметь событие Campaign Created с набором довольно стабильных свойств.
• Уровень 1 — это данные, которые будут полезны в среднесрочной перспективе. Они, вероятно, будут полезны в течение следующего года или двух, но есть вероятность, что они могут измениться по мере изменения веб-сайта/приложения. Продолжая пример B2B, это может включать в себя отслеживание запуска и завершения онбординг-видео. Прямо сейчас поток создания кампании показывает видео новым клиентам, но через год видео могут быть удалены, если не будет доказано, что они увеличивают скорость создания кампании.
• Уровень 2. Это точки данных, которые являются более временными и часто очень подробными. Они могут быть только вокруг в течение нескольких недель или нескольких месяцев. Примером этого может быть отслеживание кликов по определенной ссылке, переключателю или кнопке в форме. Прямо сейчас это кому-то интересно, но это не добавляет особой ценности и, вероятно, исчезнет через несколько недель, или пометка может прекратиться, как только полученные знания будут поняты, и, скорее всего, не изменится кардинально.

Для большинства организаций будет относительно немного событий и свойств уровня 0, гораздо больше элементов уровня 1 и могут быть сотни элементов уровня 2. Большая часть вашего времени должна быть потрачена на предметы Уровня 0 и Уровня 1. Элементы уровня 2 должны создаваться естественным образом, если теги будут интегрированы в процесс разработки. Причина, по которой эта концепция настолько интересна, заключается в том, что большая часть решений для автоматического отслеживания основывается на том, сколько работы необходимо для упреждающей реализации тегов аналитики. Но как только вы поймете, что можете удовлетворить 80% ваших аналитических потребностей, пометив относительно небольшое количество точек данных, аргумент экономии времени (который в любом случае ложный) просто испарится.

В ходе обсуждения Джон нарисовал эту замечательную диаграмму, сравнивающую усилия и ценность автоматического отслеживания с более традиционной реализацией упреждающей маркировки. Как видите, решение с автоматическим отслеживанием начинается с большей ценности при меньших усилиях, но вскоре превращается в постепенно уменьшающуюся ценность на количество усилий. В то время как традиционный подход требует немного больше усилий на начальном этапе и увеличивает ценность каждого усилия с течением времени.

Я давно выступаю за то, чтобы организации определяли бизнес-вопросы, на которые они хотят ответить, и сопоставляли эти бизнес-вопросы с архитектурой решения до того , как будет произведена маркировка. Я считаю, что стоит заранее определить, какие данные вы планируете собирать и почему, вместо того, чтобы отслеживать данные, а затем пытаться выяснить, как их можно использовать. Как и в большинстве вещей в жизни, вы получаете то, что вкладываете в это. Так что не попадайтесь в ловушку решений с автоматическим отслеживанием и признайте, что успех в цифровой аналитике — это марафон, а не спринт.

Что, если я что-то забыл?

В дополнение к предполагаемой экономии времени, я слышал еще один аргумент в пользу автоматического отслеживания, связанный с пропуском или забыванием необходимых данных. Обычно это звучит примерно так: «Я не могу предвидеть все данные, которые мне понадобятся, путем сбора требований, поэтому мне нужно решение для автоматического отслеживания, чтобы собрать все мои данные на случай, если возникнет какой-то бизнес-вопрос, который нужно решить». возникает то, чего я не ожидал заранее…»

Конечно, будут случаи, когда что-то возникает, и вам не хватает данных, которые вы хотели бы иметь для принятия бизнес-решения. Независимо от того, насколько хорошо вы умеете собирать бизнес-требования, вы не можете предвидеть каждое событие и имущество, которые потребуются. Но если вы вспомните элементы Уровня 0, Уровня 1 и Уровня 2, о которых говорилось выше, я обнаружил, что очень редко что-то, что было упущено, оказывается элементом Уровня 0, который представляет наиболее важные точки данных для вашей организации. Элементы уровня 0 должны быть очевидны для вашей организации. У вас могут возникнуть некоторые элементы уровня 1, которые вы пропустили, но маловероятно, что вы не сможете добавить несколько новых элементов уровня 1 и подождать несколько недель, чтобы получить достаточно данных для ответа на свой бизнес-вопрос. Если вопрос был настолько важен, что на него нужно было ответить в течение 24 часов, он должен был возникнуть во время сбора требований. Предметы уровня 2 должны быть еще менее важными в общей схеме вещей. Вполне вероятно, что многие элементы, которые вы пропустили, относятся к элементам уровня 2, потому что они либо не являются критическими, либо представляют собой новые элементы, которых не было во время сбора требований. В большинстве случаев можно добавить несколько новых тегов и подождать несколько дней или недель, чтобы получить недостающие данные.

Культура

Последнее, что хотелось бы отметить в теме автотрека, — это область корпоративной культуры. Как это часто бывает, технологические решения многое говорят вам о культуре организации и командах внутри организации. Когда я вижу команды аналитиков, которые ищут решения для автоматического отслеживания, вот некоторые из мыслей, которые крутятся в моей голове:

• Почему им так сложно планировать их реализацию заранее? Иногда стремление к решению с автоматическим отслеживанием маскирует тот факт, что команда аналитиков на самом деле не знает, что нужно бизнесу. Возможно, им нужно проводить больше времени со своими внутренними заинтересованными сторонами вместо того, чтобы искать продукт, который позволит им отслеживать все на всякий случай.
• Почему им так сложно получить ресурсы для реализации? Если аналитическая команда хорошо справляется со своей задачей, ее следует воспринимать как критически важную и стратегическую для организации. Правильно выполненная аналитика помогает организациям зарабатывать или экономить деньги, так почему бы организации не направить ресурсы на внедрение? Возможно, решение для автоматического отслеживания помогает аналитической команде избежать того факта, что организация не ценит их работу.
• Решит ли новый аналитический продукт их проблемы? Иногда переключение с одного аналитического решения на другое кажется отличным способом стереть все с доски и начать все заново, но если в вашей организации есть присущие культуре проблемы, которые привели к неудаче текущего решения, может быть целесообразно исправить эти проблемы, прежде чем пытаться новый продавец. Невыполнение этого требования может привести к повторению тех же проблем с новым инструментом.

Последние мысли

Хотя я надеюсь, что этот пост в конечном счете не нужен из-за того, что организации усвоили урок о продуктах с автоматическим отслеживанием, иногда важно напомнить себе о вещах, которые мы узнали в прошлом, чтобы история не повторилась. Если на вашу организацию вынуждают рассмотреть решение с автоматическим отслеживанием, я призываю вас рассмотреть потенциальные проблемы, упомянутые выше, различные уровни данных, преимущества предварительного планирования и лежащие в основе культурные аспекты, которые могут повлиять на решение. .