Oct 10 2010
SemaforoQuesto semaforo indica il livello difficoltà del post
Supervisionare, pensare, immaginare
Guardate un po’ in cosa mi sono imbattuto oggi durante un giretto su profili minori, non importanti:
Il dato è relativo ad un solo giorno, che ho isolato dopo aver visto una grossa anomalia nella curva delle pagine viste. Secondo Google Analytics c’è un utente che ha navigato ininterrottamente il sito per quasi 24 ore e ha visto di fila 449 pagine. Ovviamente non è possibile, tanto meno non è possibile che Analytics si sbagli (non in senso assoluto, ovviamente: intendo su quel profilo).
Quindi, scava scava, isolo prima la città di provenienza della visita, poi il fornitore di connessione e arrivo sin dove avevo immaginato: un agente automatico che esegue javascript. Domani in ufficio controllerò un paio di cose, poi aprirò il logfile del webserver di quel giorno, per sicurezza, e poi farò le opportune modifiche. Quel che volevo dirvi con questo post è che il vostro ruolo di web analyst non è quasi mai limitato all’ambito della web analytics (prodotto, collezione dei dati, report e analisi), ma deve anche fungere da supervisionatore del lavoro altrui. Poiché il vostro compito è impedire che i dati in ingresso al sistema siano “sporchi“, è vostro dovere conoscere tutti i processi aziendali che potrebbero intaccare i dati all’origine. E se pensate di conoscerli tutti, rifletteteci ancora. E se ci avete già riflettuto, pensate a situazioni analoghe che potrebbero esservi sfuggite. Infine immaginatene di completamente nuove, anche impossibili; potrebbe ancora venirvi qualche idea.
Lo dico perché nel mio caso sono stato fortunato. Una sola visita in tutto il giorno, su un profilo assolutamente minore e “sacrificabile”, e comunque facilmente filtrabile. Se la cosa fosse successa in forma meno eclatante, ma su un profilo più importante, avrei potuto perdere alcune notti di sonno a capire cosa fosse successo, o peggio la cosa sarebbe potuta passare inosservata per qualche tempo…
Prevenire è meglio che curare, si sa. Se riuscite anche a immaginare problemi che (ancora) non esistono, è ancora meglio!
Ma l’user-agent quale era?
Può essere Google? Se ricordi a me era già capitato di notare una cosa simile http://blog.comprabanner.com/2009/07/07/google-accetta-i-cookie-un-nuovo-googlebot/
è vostro dovere conoscere tutti i processi aziendali che potrebbero intaccare i dati all’origine.
Tutti i web analyst del mondo dovrebbero tenere sempre davanti a se questa frase. 😀
Ok alla massima attenzione ai tools, ai metodi di analisi, ai KPI più importanti ma, assolutamente, conoscere i processi aziendali è nella stragrande maggioranza dei casi la cosa più importante per chi fa web analytics.
Aggiungo che spesso l’ambiente di lavoro è “ostile” nel farci raggiungere questa conoscenza (s-fiducia iniziale, disorganizzazione, ecc). Ecco, a mio parere, un buon web analista si deve abituare a lavorare in questo clima. 😛
Martino, non è Google. E a dirla tutta, non riesco a capire chi sia. Secondo Analytics la visita è “di qua” (stessa azienda), ma nei log l’IP è americano, e punta ad Amazon. Bel rompicapo! 😀
quello che tu dici è molto vero.
In un sito piccolo si vede la differenza ma in un sito grande è più difficile trovarlo.
Ma è anche vero che in un sito grande l’incidenza di questo valore è molto bassa (su 100.000 visite ha una incidenza dello 0.0001%) quindi anche se avvenisse una cosa del genere il dato macroenomico non sballerebbe molto.
Dico questo perchè sto gestendo un sito che fa 140.000 visite al mese e isolati gli ip dell’ufficio (visite circa 20.000/mese) il grafico mi appare si diverso, ma leggermente.
la percentuale è 0.001% e non quella che ho scritto perchè 1/100.000 fa 0.0001 che però in percentuale fa 0.001% ma la sostanza è la stessa
vabeh, ma io parlavo in generale, di fenomeni che possono capitare. Il mio è solo un esempio 🙂