అనలిటిక్స్ ట్రాకింగ్: ప్రైవసీ-ఫస్ట్ ఈవెంట్ కలెక్షన్

ఈ కథనం యూజర్ ప్రైవసీని గౌరవిస్తూ మరియు బాట్ ట్రాఫిక్ను నివారిస్తూ, మేము యూజర్ ప్రవర్తనను ఎలా ట్రాక్ చేస్తామో వివరిస్తుంది.

సమస్య: యూజర్ ప్రవర్తనను అర్థం చేసుకోవడం

మనకు తెలుసుకోవాలి:

  • యూజర్లు ఏ పేజీలను సందర్శిస్తారు

  • వారు ఏ ఉత్పత్తులను వీక్షిస్తారు

  • ట్రాఫిక్ ఎక్కడ నుండి వస్తుంది (గూగుల్ యాడ్స్, ఆర్గానిక్, సోషల్)

  • ఏ ప్రచారాలు మార్పిడులను నడుపుతాయి

కానీ మనం తప్పించుకోవాలి:

  • బాట్లు మరియు క్రాలర్లను ట్రాక్ చేయడం

  • వ్యక్తిగతంగా గుర్తించదగిన సమాచారాన్ని (PII) నిల్వ చేయడం

  • ప్రైవసీ నియమాలను ఉల్లంఘించడం

పరిష్కారం: క్లయింట్-సైడ్ + సర్వర్-సైడ్ ట్రాకింగ్

క్లయింట్-సైడ్: జావాస్క్రిప్ట్ ట్రాకింగ్

విజిటర్ ID: కుకీలో నిల్వ చేయబడిన యాదృచ్ఛిక ID (365 రోజులు)

సెషన్ ID: సెషన్‌స్టోరేజ్‌లో నిల్వ చేయబడిన యాదృచ్ఛిక ID (బ్రౌజర్ మూసివేయబడే వరకు)

క్యాంపెయిన్ పారామీటర్లు: URL నుండి సేకరించి సెషన్‌స్టోరేజ్‌లో నిల్వ చేయబడతాయి

ట్రాక్ చేయబడిన పారామీటర్లు:

  • gclid - గూగుల్ క్లిక్ ID (శోధన ప్రకటనలు)

  • gbraid - గూగుల్ యాడ్స్ క్లిక్ ID (షాపింగ్ ప్రకటనలు)

  • wbraid - గూగుల్ యాడ్స్ క్లిక్ ID (iOS)

  • fbclid - ఫేస్బుక్ క్లిక్ ID

  • srsltid - గూగుల్ ఆర్గానిక్ శోధన ఫలిత ID

  • utm_source, utm_medium, utm_campaign, utm_term, utm_content

నిల్వ: వాట్సాప్/ఫోన్ క్లిక్ ఆట్రిబ్యూషన్ కోసం పారామీటర్లు కుకీలలో నిల్వ చేయబడతాయి (30 నిమిషాలు)

సర్వర్-సైడ్: ఎన్రిచ్మెంట్

సర్వర్ ఈవెంట్లను ఇలా సమృద్ధిపరుస్తుంది:

జియోఐపి డేటా: IP చిరునామా నుండి దేశం, ప్రాంతం, నగరం

యూజర్-ఏజెంట్ పార్సింగ్: బ్రౌజర్, OS, పరికర రకం

టైమ్‌స్టాంప్: సర్వర్ సమయం (UTC)

బాట్ డిటెక్షన్: తెలిసిన బాట్ యూజర్-ఏజెంట్లను ఫిల్టర్ చేస్తుంది

ఈవెంట్ రకాలు

పేజీ వ్యూ: యూజర్ ఒక పేజీని సందర్శిస్తాడు

ప్రొడక్ట్ వ్యూ: యూజర్ ఉత్పత్తి పేజీని వీక్షిస్తాడు

కార్ట్‌కి జోడించు: యూజర్ ఉత్పత్తిని కార్ట్‌కి జోడిస్తాడు

చెక్అవుట్: యూజర్ చెక్అవుట్‌ను ప్రారంభిస్తాడు

కొనుగోలు: యూజర్ కొనుగోలును పూర్తి చేస్తాడు

వాట్సాప్ క్లిక్: యూజర్ వాట్సాప్ బటన్‌పై క్లిక్ చేస్తాడు

ఫోన్ క్లిక్: యూజర్ ఫోన్ నంబర్‌పై క్లిక్ చేస్తాడు

డేటా ప్రవాహం

sequenceDiagram
    participant User
    participant JS as JavaScript
    participant API as /api/analytics
    participant Firehose as Kinesis Firehose
    participant S3
    
    User->>JS: Visit page
    JS->>JS: Extract URL params
(gclid, utm_*, etc.)
    JS->>JS: Store in sessionStorage
    JS->>API: POST event + params
    API->>API: Enrich with GeoIP
    API->>API: Parse User-Agent
    API->>API: Filter bots
    API->>Firehose: Send enriched event
    Firehose->>S3: Store in analytics bucket

బాట్ డిటెక్షన్

బహుళ సంకేతాలను ఉపయోగించి మేము బాట్ ట్రాఫిక్‌ను ఫిల్టర్ చేస్తాము:

యూజర్-ఏజెంట్ నమూనాలు: తెలిసిన బాట్ స్ట్రింగ్‌లు (గూగుల్‌బాట్, బింగ్‌బాట్ మొదలైనవి)

ప్రవర్తన నమూనాలు: చాలా వేగంగా, చాలా ఎక్కువ అభ్యర్థనలు

జావాస్క్రిప్ట్ లేకపోవడం: బాట్లు తరచుగా JSని అమలు చేయవు

మినహాయింపు కుకీ: tv_exclude=true అన్ని ట్రాకింగ్‌ను ఆపివేస్తుంది

ప్రైవసీ రక్షణ

PII లేదు: మేము పేర్లు, ఇమెయిల్‌లు, ఫోన్ నంబర్లను ఎప్పుడూ నిల్వ చేయము

అనామక IPలు: నిల్వకు ముందు చివరి ఆక్టెట్ తీసివేయబడుతుంది

క్రాస్-సైట్ ట్రాకింగ్ లేదు: కుకీలు మొదటి-పార్టీ మాత్రమే

ఆప్ట్-అవుట్: యూజర్లు మినహాయింపు కుకీని సెట్ చేయవచ్చు

డేటా నిలుపుదల: ఈవెంట్లు 90 రోజుల తర్వాత తొలగించబడతాయి

కండిషనల్ పిక్సెల్ లోడింగ్

మేము సంబంధితమైనప్పుడు మాత్రమే ట్రాకింగ్ పిక్సెల్‌లను లోడ్ చేస్తాము:

గూగుల్ యాడ్స్ పిక్సెల్: gclid, gbraid, లేదా wbraid ఉన్నప్పుడు మాత్రమే

లింక్డ్ఇన్ పిక్సెల్: msclkid ఉన్నప్పుడు మాత్రమే

ఫేస్బుక్ పిక్సెల్: fbclid ఉన్నప్పుడు మాత్రమే

ప్రయోజనం: వేగవంతమైన పేజీ లోడ్లు, తక్కువ ట్రాకింగ్ ఓవర్‌హెడ్

ట్రాఫిక్ మూలం డిటెక్షన్

URL పారామీటర్ల నుండి మేము ట్రాఫిక్ మూలాన్ని గుర్తిస్తాము:

గూగుల్ యాడ్స్: gclid, gbraid, wbraid → utm_source=google_ads

గూగుల్ ఆర్గానిక్: srsltid → utm_source=google_search

ఫేస్బుక్: fbclid → utm_source=facebook

లింక్డ్ఇన్: msclkid → utm_source=linkedin

డైరెక్ట్: పారామీటర్లు లేవు → utm_source=direct

మార్పిడి ట్రాకింగ్

ఫనల్ ద్వారా మేము మార్పిడులను ట్రాక్ చేస్తాము:

ప్రొడక్ట్ వ్యూ → కార్ట్‌కి జోడించు → చెక్అవుట్ → కొనుగోలు

ప్రతి దశలో ఇవి ఉంటాయి:

  • విజిటర్ ID (ఆట్రిబ్యూషన్ కోసం)

  • సెషన్ ID (సెషన్ విశ్లేషణ కోసం)

  • క్యాంపెయిన్ పారామీటర్లు (ROI లెక్కింపు కోసం)

  • ప్రొడక్ట్ SKU (ఉత్పత్తి విశ్లేషణ కోసం)

లీడ్ టచ్ ట్రాకింగ్

యూజర్లు మమ్మల్ని సంప్రదించినప్పుడు (వాట్సాప్, ఫోన్, ఇమెయిల్), మేము ఇవి క్యాప్చర్ చేస్తాము:

సంప్రదింపు పద్ధతి: వాట్సాప్, ఫోన్, ఇమెయిల్

క్యాంపెయిన్ పారామీటర్లు: కుకీల నుండి (30-నిమిషాల విండో)

ప్రొడక్ట్ సందర్భం: వారు ఏ ఉత్పత్తి పేజీపై ఉన్నారు

ప్రయోజనం: ఆఫ్‌లైన్ మార్పిడులను ఆన్‌లైన్ ప్రచారాలకు ఆపాదించండి

రేట్ లిమిటింగ్

అనలిటిక్స్ ఎండ్‌పాయింట్ రేట్-లిమిటెడ్:

పరిమితి: IPకి 10 నిమిషాలకు 100 అభ్యర్థనలు

ప్రయోజనం: దుర్వినియోగం మరియు బాట్ వరదలను నిరోధిస్తుంది

నిల్వ

ఈవెంట్లు కినేసిస్ ఫైర్‌హోస్ ద్వారా S3లో నిల్వ చేయబడతాయి:

ఫార్మాట్: JSON పంక్తులు (ప్రతి పంక్తికి ఒక ఈవెంట్)

పార్టీషనింగ్: తేదీ ద్వారా (సంవత్సరం/నెల/రోజు/గంట)

కంప్రెషన్: Gzip

నిలుపుదల: 90 రోజులు

ప్రశ్నించడం

ఈవెంట్లను AWS అథీనా ద్వారా ప్రశ్నించారు:

స్కీమా: గ్లూ డేటా కేటలాగ్‌లో నిర్వచించబడింది

ప్రశ్నలు: S3 డేటా‌పై SQL

ఉపయోగ కేసులు: ప్రచార ROI, ఉత్పత్తి ప్రాచుర్యం, ట్రాఫిక్ మూలాలు

సూచనలు

సాంకేతిక భావనలు

AWS సేవలు

సంబంధిత కథనాలు

సారాంశం

మా అనలిటిక్స్ సిస్టమ్ ప్రైవసీని గౌరవిస్తూ యూజర్ ప్రవర్తనను ట్రాక్ చేస్తుంది:

క్లయింట్-సైడ్:

  • ✅ URL నుండి క్యాంపెయిన్ పారామీటర్లను సేకరించండి

  • ✅ సెషన్‌స్టోరేజ్‌లో నిల్వ చేయండి (సెషన్-స్కోప్డ్)

  • ✅ కుకీలలో నిల్వ చేయ