Czym właściwie jest jeden odwiedzający

Rozmowa wygląda zawsze tak samo. Ktoś podpina drugie narzędzie analityczne obok pierwszego, patrzy na obie liczby i pyta, które kłamie. Odpowiedź brzmi: żadne. Obie liczby są policzone poprawnie, tylko liczą co innego, bo "odwiedzający" nie jest wielkością fizyczną, którą się mierzy, tylko definicją, którą się przyjmuje.

To brzmi jak wykręt, dopóki nie zobaczy się, ile decyzji trzeba podjąć, żeby z surowych żądań HTTP zrobić zdanie "wczoraj było u nas 1 240 osób". Każda z tych decyzji jest arbitralna, każda ma sensowne uzasadnienie i każda zmienia wynik.

Od żądania do człowieka: cztery decyzje

Serwer widzi żądania. Żeby z nich wyszedł "odwiedzający", trzeba przejść przez cztery szczeble abstrakcji, a na każdym coś się gubi.

Ostatni wiersz jest najciekawszy, bo to tam kryje się cała reszta różnic.

Sesja, czyli trzydzieści minut z niczego

Google Analytics 4 kończy sesję po trzydziestu minutach bezczynności, i tak samo robi większość narzędzi. Trzydzieści minut nie wynika z żadnego badania nad zachowaniem człowieka. To wartość odziedziczona po wcześniejszych systemach, która przyjęła się przez powtarzanie.

Konsekwencje bywają zabawne. Osoba czytająca długi artykuł przez czterdzieści minut bez kliknięcia dostaje drugą sesję w połowie tekstu, mimo że nigdzie nie wyszła. Ktoś, kto zostawił kartę otwartą i wrócił po obiedzie, liczy się jako dwie wizyty. Do tego dochodzi północ: część narzędzi tnie sesję na granicy doby, a doby liczy się w strefie czasowej, którą ktoś kiedyś ustawił w panelu i o której zwykle nikt już nie pamięta. Sklep obsługujący Polskę, ale mający usługę ustawioną na czas amerykański, ma raport dobowy przesunięty o kilka godzin względem własnej sprzedaży.

Odrzucenie, czyli to samo słowo w trzech znaczeniach

Najlepszym przykładem tego, jak bardzo definicje potrafią się rozjechać, jest współczynnik odrzuceń. To samo słowo w tych samych raportach znaczy dziś co innego niż pięć lat temu.

Klasyczna definicja z Universal Analytics: sesja z jedną odsłoną i bez żadnej dalszej interakcji. Prosta, ale z wadą, którą widać na blogu: ktoś wchodzi, czyta artykuł przez osiem minut, dostaje odpowiedź na swoje pytanie i wychodzi zadowolony. To jest odrzucenie. Sukces treści zapisany jako porażka.

GA4 odwrócił to pojęcie. Wprowadził sesję angażującą, czyli taką, która trwa dłużej niż 10 sekund, ma zdarzenie kluczowe albo co najmniej dwie odsłony. Współczynnik odrzuceń to w GA4 po prostu odsetek sesji, które angażujące nie były. Wciąż ta sama nazwa, zupełnie inna liczba.

Rozpoznawanie osoby, czyli najtrudniejszy kawałek

Zostaje pytanie najtrudniejsze: skąd narzędzie wie, że dzisiejszy odwiedzający to ten sam człowiek co wczorajszy. Są trzy podejścia i każde kupuje coś za coś.

Trwały identyfikator w ciasteczku

Klasyka: losowy identyfikator zapisany na urządzeniu, ważny miesiącami. Pozwala rozpoznawać powroty w długim okresie i budować kohorty. Kosztuje zgodę, bo jest zapisem na cudzym urządzeniu, i coraz gorzej działa technicznie. Safari kasuje dane zapisane skryptem po siedmiu dniach braku interakcji z witryną, więc "powracający po miesiącu" jest tam nowy niezależnie od tego, co narzędzie zamierzało.

Odcisk przeglądarki

Rozpoznawanie po zestawie cech urządzenia: czcionki, rozdzielczość, karta graficzna, lista wtyczek. Nie wymaga zapisu, więc omija artykuł 5 ust. 3 dyrektywy ePrivacy. Jest za to znacznie bardziej inwazyjny niż ciasteczko, bo działa bez wiedzy użytkownika i bez możliwości skasowania, a przeglądarki aktywnie z nim walczą, więc bywa też po prostu zawodny.

Odcisk dobowy z rotującą solą

Trzecie podejście, wybrane przez większość narzędzi określających się jako cookieless, w tym przez nas. Identyfikator liczy się jako skrót z adresu IP, nagłówka przeglądarki, domeny i losowej soli zmienianej co dobę. Nic nie ląduje na urządzeniu, a sam identyfikator przestaje działać razem ze zmianą soli.

Kluczowe jest, że rotacja soli nie jest ograniczeniem do obejścia, tylko całym sensem konstrukcji. Stara sól jest kasowana, więc wczorajszych identyfikatorów nie da się odtworzyć nawet mając pełny dostęp do bazy. Ceną jest to, że dobowa granica jest twarda: ten sam człowiek jutro to nowy odwiedzający.

Co przy takim podejściu tracisz naprawdę

Uczciwość wymaga wymienienia strat, a nie tylko zalet. Bez trwałego identyfikatora nie zmierzysz:

• powrotów w długim okresie: ilu czytelników ze stycznia wróciło w marcu,
• kohort i wartości klienta w czasie: retencja miesiąc po miesiącu wymaga tożsamości utrzymanej miesiącami,
• pełnej ścieżki wielodotykowej: kto zetknął się z reklamą w poniedziałek, a kupił w czwartek,
• łączenia urządzeń: telefon i komputer tej samej osoby zawsze będą dwoma odwiedzającymi.

To są realne straty i dla części firm rozstrzygające. Sklep budujący program lojalnościowy potrzebuje tożsamości, tylko powinien ją brać z konta użytkownika, gdzie ma świadomą zgodę i wyraźny cel, a nie z ciasteczka doklejonego do każdego odwiedzającego.

Warto natomiast zauważyć, czego nie ma na tej liście. Ruch dzienny i miesięczny, źródła i kanały, popularność podstron, ścieżki wejścia i wyjścia, konwersje, lejki, geografia, urządzenia, wydajność. To jest zdecydowana większość tego, na co ktokolwiek patrzy w praktyce, i wszystko to działa bez rozpoznawania osób między dobami.

Dlaczego dwa narzędzia nigdy się nie zgodzą

Wracając do pytania z początku: różnica między dwoma narzędziami na tej samej stronie bierze się z sumy drobnych rozbieżności, z których każda osobno jest niewielka.

• inna definicja odwiedzającego, czyli inny horyzont pamięci,
• inny moment wysłania zdarzenia: przy wczytaniu dokumentu albo dopiero po wykonaniu skryptu,
• inne listy botów, a boty potrafią być jedną trzecią surowego ruchu,
• inne traktowanie zamiany adresu w aplikacji jednostronicowej,
• inna strefa czasowa ustawiona w panelu,
• inne progi próbkowania przy dużym ruchu,
• inne zwijanie rzadkich wartości do wiersza zbiorczego.

Kilkanaście procent różnicy między dwoma poprawnie działającymi narzędziami jest normą, a nie objawem awarii. Szukanie winnego to strata czasu.

Pytania, które warto zadać swojemu narzędziu

Niezależnie od tego, czego używasz, warto znać odpowiedzi na pięć pytań. Wszystkie są w dokumentacji, żadne nie wymaga kontaktu z działem sprzedaży, a bez nich czyta się raport na wyczucie.

1. Po jakim czasie bezczynności kończy się sesja i czy jest cięta o północy?
2. Jak długo narzędzie rozpoznaje tego samego odwiedzającego i na jakiej podstawie?
3. Co dokładnie liczy się jako odrzucenie?
4. Jaka strefa czasowa jest ustawiona i czy zgadza się ze strefą, w której działa firma?
5. Czy przy dużym ruchu włącza się próbkowanie i od jakiego progu?

Odwiedzający nie jest faktem, tylko umową. Nie ma w tym nic złego, dopóki wiadomo, jaka to umowa. Kłopot zaczyna się wtedy, gdy ktoś traktuje liczbę z raportu jak pomiar temperatury i buduje na niej wniosek, którego ta definicja nie unesie.