自動跟踪 [仍然] 很糟糕！

許多年前，我在一個數字分析會議上參觀了一家新營銷供應商的展位，該供應商正在為數字營銷分析推銷“無標籤”選項。 我很感興趣，因為我在職業生涯中的大部分時間都在撰寫有關數字分析解決方案架構和標記的文章。 聽完他們的演講後，我看到了他們所提供的東西的魅力。 想像一下，能夠“自動跟踪”客戶可能需要的所有數據，而無需花費時間進行解決方案架構、設計或請求開發人員構建數據層並設置分析事件和屬性。 誰不想這樣？

但當我想到它時，我開始意識到這將是一個多麼可怕的想法！ 在數字分析的早期，通過“DOM 抓取”網頁來收集數據是司空見慣的。 DOM 抓取允許您抓取 HTML 標記中的數據並將其粘貼到分析變量中。 這種方法很快，但也極其脆弱。 DOM 抓取很快被數據層和標籤管理系統所取代。 後者花費了更多時間，但不那麼脆弱（有關此過渡的良好歷史，請閱讀此內容）。 使用自動跟踪方法進行標記是對 DOM 抓取時代的倒退，並帶回了它的許多脆弱性。

但是每隔幾年，就會重新推動組織重新考慮自動跟踪或“無標記”解決方案，許多沒有經歷過其缺陷的人會因此而重蹈覆轍並重蹈覆轍。 除非您正在構建一個只能使用幾週或幾個月的數字資產，否則我想不出任何我會建議組織使用自動跟踪方法進行數字分析的情況。 以下是避免使用這些解決方案的原因的簡短摘要：

• 數據過多——自動跟踪產品本身就收集了過多的數據，因此很難找到成功所需的有意義的數據。
• 不良數據——自動跟踪產品使收集數據變得容易，但很多數據變成了不良或不可用的數據，而無需在開發人員每次更改網站或應用程序時清理他們的事件定義和 CSS 匹配規則。 開發人員的簡單名稱更改可能會拋棄您的一些關鍵指標，直到新名稱被固定/合理化。 我了解到，即使您在確保收集的數據準確無誤方面做得很好，也很難採用數字分析。 想像一下，如果您的關鍵數據點在一段時間內不正確，直到它們被修復，那麼嘗試使其成功。 在許多組織中，人們正在尋找“相信自己的直覺”而不是使用數據的藉口，而糟糕的數據質量會給他們一個忽略數字分析數據的藉口。
• 不能節省時間——正如我們的一位聯合創始人 Jeffrey Wang 所說：“自動跟踪不會消除工作。 它將工作轉移到一個可擴展性較低的過程中。” 自動跟踪為那些不得不預先考慮他們想要在網站/應用程序上跟踪的內容的人節省了時間，但它為分析師、數據質量資源或產品經理提供了更多的工作，他們不得不癡迷於標記。 因此，如果您組織中的人員正在推動自動跟踪解決方案，那麼動機可能是它可以節省他們的時間。 或者，他們可能不認為組織無論如何都在使用數據來推動更好的結果，所以他們只是想要阻力最小的路徑。
• 安全/隱私問題- 自動跟踪產品可能會意外捕獲不應收集的敏感或私人數據（請隨時使用谷歌“自動跟踪密碼”獲取更多信息）。 隨著 GDPR 和 CCPA 等新指令對濫用個人數據的組織處以罰款，這種情況變得越來越危險。

多年前，我們的 Amplitude 聯合創始人之一 Jeffrey Wang 在解釋為什麼 Amplitude 故意不在我們的產品中添加自動跟踪功能時，就概述了其中的許多問題。 即使是 Amplitude 與之競爭的組織也同意自動跟踪是一個糟糕的策略。

數據級別

最近，我有幸聽到同事約翰·卡特勒（John Cutler）關於自動跟踪的電話。 在電話會議上，有一個潛在客戶將 Amplitude 與競爭對手進行比較，其中一個最大的區別是自動跟踪，潛在客戶認為這可能對他們有所幫助。 John 解釋說，在數字分析方面，基本上存在三個級別的數據：

• 0 級- 這些是您的組織最關鍵的數據點。 除非您的組織大規模轉向新領域或業務模式，否則它們永遠不會改變。 例如，一個 B2B 活動管理產品幾乎肯定會有一個活動創建事件，該活動具有一組相當穩定的屬性。
• 1 級——這些數據點對中期有用。 它們可能在未來一兩年內很有用，但它們可能會隨著網站/應用程序的變化而變化。 繼續 B2B 示例，這可能包括跟踪入職視頻的開始和完成。 目前，廣告系列創建流程向新客戶展示視頻，但一年後，如果視頻未被證明可以提高廣告系列創建率，則可能會被刪除。
• 2 級——這些數據點更短暫，而且通常非常詳細。 這些可能只存在幾週或幾個月。 這方面的一個示例可能是跟踪對特定鏈接、切換按鈕或表單上的按鈕的點擊。 現在，它對某人來說很有趣，但它並沒有增加那麼多價值，並且可能會在幾週內消失，或者一旦它提供的學習被理解，它的標籤就會停止，並且可能不會發生巨大變化。

對於大多數組織而言，0 級事件和屬性相對較少，1 級項目更多，2 級項目可能有數百個。 你的大部分時間應該花在 Level 0 和 Level 1 的項目上。 2 級項目應該通過將標記集成到開發過程中自然發生。 這個概念之所以如此有趣，是因為自動跟踪解決方案的大部分案例都是基於主動實施分析標記需要做多少工作。 但是，一旦您意識到可以通過標記相對較少的數據點來滿足 80% 的分析需求，那麼節省時間的論點（無論如何都是錯誤的）就會消失。

在 John 的討論中，他繪製了這張很棒的圖表，將自動跟踪的工作量和價值與更傳統的主動標記實施進行了比較。 如您所見，自動跟踪解決方案以更少的努力獲得更多的價值，但很快就會逐漸減少每單位努力的價值。 雖然傳統方法最初需要更多的努力，但隨著時間的推移，每次努力的價值會更高。

長期以來，我一直提倡組織識別他們想要回答的業務問題，並將這些業務問題映射到解決方案架構中，然後再進行標記。 我認為值得花時間預先確定您計劃收集哪些數據以及為什麼要收集數據，而不是跟踪數據然後試圖弄清楚如何使用它。 就像生活中的大多數事情一樣，你會得到你投入的東西。 因此，不要掉入自動跟踪解決方案的陷阱，並認識到數字分析的成功是一場馬拉松，而不是短跑。

如果我忘記了什麼怎麼辦？

除了所謂的節省時間之外，我聽到的另一個關於自動跟踪的論點是圍繞遺漏或忘記所需數據。 它通常是這樣的：“我無法通過需求收集來預測我將需要的所有數據，所以我需要一個自動跟踪解決方案來收集我的所有數據，以防出現一些業務問題出現了我事先沒有預料到的……”

當然，在某些情況下會出現某些情況，並且您丟失了您希望必須做出業務決策的數據。 無論您在收集業務需求方面做得多麼出色，您都無法預測需要的每個事件和財產。 但是，如果您回想一下上面討論的 0 級、1 級和 2 級項目，我發現很少有被遺漏的東西會成為 0 級項目，它代表了您組織最關鍵的數據點。 0 級項目對您的組織來說應該非常明顯。 您可能錯過了一些 1 級項目，但您不太可能無法添加一些新的 1 級項目並等待幾週以獲得足夠的數據來回答您的業務問題。 如果一個問題如此重要以至於需要在 24 小時內得到答复，那麼它應該在收集需求時提出。 2 級項目在宏偉的計劃中應該更不重要。 您缺少的許多項目很可能是第 2 級項目，因為它們要么不重要，要么代表在需求收集期間不存在的新事物。 在大多數情況下，添加一些新標籤並等待幾天或幾週來獲取這些丟失的數據是可以的。

文化

關於自動跟踪主題，我最後要提到的是企業文化領域。 通常情況下，技術決策會告訴您很多關於組織文化和組織內團隊的信息。 當我看到正在研究自動跟踪解決方案的分析團隊時，我腦海中盤旋著一些想法：

• 為什麼他們很難提前計劃實施？ 有時，對自動跟踪解決方案的渴望掩蓋了分析團隊並不真正了解業務需求的事實。 也許他們需要花更多的時間與內部利益相關者在一起，而不是尋找能夠讓他們跟踪一切以防萬一的產品。
• 為什麼他們很難獲得實施資源？ 如果分析團隊做得很好，那麼他們應該被認為對組織至關重要且具有戰略意義。 分析得當可以幫助組織賺錢或省錢，那麼為什麼組織不將資源投入到實施工作中呢？ 也許自動跟踪解決方案使分析團隊更容易避免組織不重視他們的工作的事實。
• 新的分析產品會解決他們的問題嗎？ 有時，從一種分析解決方案切換到另一種分析解決方案似乎是清掃工作並重新開始的好方法，但如果您的組織存在導致當前解決方案不成功的固有文化問題，建議在嘗試之前解決這些問題一個新的供應商。 如果不這樣做，可能會導致使用新工具重複出現相同的問題。

最後的想法

雖然我希望這篇文章最終是不必要的，因為組織已經吸取了關於自動跟踪產品的教訓，但有時重要的是提醒自己我們過去學到的東西，這樣歷史就不會重演。 如果您的組織面臨著尋求自動跟踪解決方案的壓力，我敦促您考慮上述潛在問題、不同級別的數據、預先規劃的好處以及可能推動決策的潛在文化方面.