‘Porn mode’ dodelijk voor web analytics?

[sessie gegevens niet meer opgeslagen worden ]

Betekent dit dat alle webapplicaties die met sessiegegevens werken, ineens onbruikbaar worden? Denk aan het tijdelijk opslaan van gegevens die elders op de site weer gebruikt worden tijdens een usersessie.

Ik vind het ook maar een vreemde redenatie dat je bezoekers die geen banners bekijken uitsluit van het bezoeken van een site. Ik kan het me prima voorstellen vanuit de leverancier maar niet vanuit de leverancier. Het voelt als een soort omgekeerde usability.

Het net zal zich moeten aanpassen. nieuwe manieren van meten en misschien ook wel nieuwe manieren van monetizen. Aangezien er zo ontzettend veel mensen zijn die de eerste willen zijn met nieuwe methoden zal het ongetwijfeld niet lang duren voordat de browsers weer ingehaald zijn.

“Web analytics gaat mijns inziens meer om trends en inzichten dan om absolute getallen. Als een deel van de gebruikers de analytics metingen verstoren is dat best acceptabel, zolang het je niet weerhoudt van effectieve conversie optimalisatie.”

Ik ben het 100% met ‘Jules’ eens. De huidige aanpak van Web Analytics kan nooit 100% van alle bezoeken meten, simpelweg doordat er een afhankelijkheid aan de clientkant zit: de browser van de bezoeker moet de code downloaden, anders wordt er niets gemeten. Blockers (met name FireFox plugins), JavaScript-loze surfers, trage verbindingen en surfers die binnen no-time (bijna letterlijk) wegsurfen zal je nooit meten.

Wat dat betreft is de ouderwetsche manier van meten door middel van het analyseren van je webserver logfiles (WebAlizer, AwStats, etc.) toch een degelijkere manier van meten. Helaas bieden deze pakketten doorgaans veel minder mogelijkheden dan bijvoorbeeld GA. Ik vond de (soms enorme) verschillen tussen web analytics pakketten een interessant punt dat aangesneden werd tijdens de laatste WAW, ben benieuwd wat voor bevindingen uit het onderzoek gaan komen.

Ik ben van mening dat in de toekomst als (nauwkeurige) web analyse steeds belangrijker wordt technieken als lokaal sniffen (hoewel dat een enorme overhead kost) en het analyseren van lokale log files een steeds aantrekkelijkere techniek wordt. Helaas zijn deze methoden wel wat lastiger te implementeren.

@ Béate: kan, hoeft niet,. Hangt af van de website (wordt er verder gebruik gemaakt van content dat eventueel geblocked kan worden) en de blocker zelf (worden er enkel flash ads geblocked, of alle flash videos, etc.).

Veel blockers kunnen op individuele basis ingesteld worden, dus per site instellen welke content wel en welke content niet geblokkeerd moet worden. Maar het schrijven van een FireFox plugin om bijvoorbeeld de Google Analytics te blokkeren is zo gebeurd.

Men zal vast wel een oplossing bedenken waardoor alles goed gemeten kan worden. Google zal zichzelf[Google Analytics] vast niet in de vingers willen snijden met Google Chrome.

@Matthijs: “Ik denk dat je je daarin vergist. De onnauwkeurigheid van logfile tools is een van de belangrijkste oorzaken geweest voor de groei van tools die (deels) werken op basis van JavaScript. Het gebruik van proxy en caching servers zorgt er bijv. voor dat de logfile tool sommige requests nooit te zien krijgt. Aan de andere kant zijn logfile cijfers vaak aan de hoge kant, doordat sessies niet nauwkeurig aan elkaar gekoppeld kunnen worden (tabbed browsing, openen in nieuwe browser, etc.).”

Klopt, ben ik helemaal met je eens. Maar mijn punt was dat je nooit 100% kan vertrouwen op analytics aan de client kant. Hoe je het ook went of keert, je hebt geen controle over de software van de gebruiker. Aan de andere kant heb je wel controle over de serverkant. De voorbeelden die jij noemt (caching proxy servers) zijn inderdaad een probleem, maar niet onoverkomelijk. De grootste reden waarom men overgestapt is op JS gebaseerde technieken is omdat deze makkelijk te implementeren zijn en de gemiddelde vendors meer features in hun pakketten stoppen. WebAlizer en AwStats zijn beide behoorlijk archaische tools.

Dat wil echter niet zeggen dat het onmogelijk is om zinnige analyse aan de serverkant te doen. Ook bij een proxy server, load-balancer of andere setup is het mogelijk om zinvol analyse software te gebruiken. Let op: aan de server kant is *alles* meetbaar, desnoods door te sniffen zoals Reinout zelf al zei. En uiteraard zijn er oplossingen te bedenken met custom JS scripts of andere technieken maar het gaat erom dat er veel gebruikers zijn die voorzichtig met hun privacy omgaan en niet getrackt willen worden. Dan is het schrijven/installeren van een extensie dat de Google Analytics code negeert een eenvoudige oplossing. Uiteraard zal het een stuk moeilijker zijn om een custom oplossing te blokkeren zoals de door jou aangedragen oplossing, want het enige alternatief naast maatwerk is het volledig blokkeren van javascript op websites, wat meestal geen optie is omdat veel websites tegenwoordig javascript echt nodig hebben voor hun functioneren (unobtrusive javascript blijft schipperen).

Je hebt volkomen gelijk dat het eenvoudiger is om aan de client kant te meten, maar (mits goed ( = moeilijk) geimplementeerd) ben ik van mening dat je zeer betrouwbare cijfers kunt krijgen aan de server kant.

@Vincent: ik denk dat we voor het grootste gedeelte op één lijn zitten, maar wat mij betreft blijft de betrouwbaarheid van een servermeting erg afhankelijk van de situatie. Veel klanten gebruiken bijv. outsourced oplossingen voor verschillende onderdelen van de website, waarmee het meten aan de serverkant organisatorisch lastig wordt. Daarnaast is bij gebruik van Flash de interactie niet of nauwelijks server-side te meten (zelfs niet met sniffing). Ondanks de beperkingen van nieuwe browser-versies levert Javascript in veel gevallen de meest complete dataverzameling op.

@Ton: vertrouwen is inderdaad de basis voor een waardevolle analyse. De vraag is natuurlijk of je nog genoeg hebt aan trends om tot relevante inzichten te komen. Als ik de huidige ontwikkelingen zie, leiden vaak juist de 1-op-1 analyses to de grootste kostenbesparingen en/of de hoogste toename in online verkoop. Ook bij deze analyses maak je gebruik van trends, maar ze zijn zeker niet het enige ingrediënt om tot een waardevol inzicht te komen.

@Ton: een voorbeeld is de analyse van een self-service omgeving waarbij een klant meerdere contactmomenten heeft via diverse kanalen (website, mail, call-center). Via een slimme web analytics implementatie, een uniek klantnummer en integratie met de data uit de andere kanalen kan het complete klantcontact (anoniem) in kaart worden gebracht. Met behulp van data mining technieken kunnen clusters en patronen worden ontdekt in deze data. Het eindresultaat is bijv. een lijst met onderwerpen op de website die leiden tot meer dan gemiddeld bel- en emailverkeer. Na optimalisatie van deze onderwerpen op de website, is het aantal (kostbare) telefoontjes aanzienlijk gedaald.

@Ton: Je maakt eigenlijk gelijktijdig een groot aantal 1-op-1 analyses en gaat op basis daarvan op zoek naar relevante inzichten. Om dit te doen voor slechts één persoon zou waarschijnlijk niet leiden tot hele waardevolle resultaten . Het is wel een andere benadering dan alle contacten van alle unieke bezoekers op één hoop gooien, aangezien je op die manier niet de relevantie tussen het online en offline gedrag kan meten. Een bezoeker die online naar onderwerp X zoekt en tijdens een gesprek naar onderwerp Y vraagt, is bijvoorbeeld minder relevant voor deze analyse en zal dan ook buiten beschouwing worden gelaten.

Voor de overige punten sluit ik me aan bij jouw eerdere opmerkingen. Om terugkerende bezoekers te herkennen, zal wellicht vaker gebruik worden gemaakt van een login. In veel omgevingen waar dit soort analyses belangrijk zijn, is dat nu al het geval. Voor de toekomst verwacht ik dat door het herkennen van gedragspatronen de browsertechniek (cookies) een ondergeschikte rol gaat spelen.