Em contexto - Dimensões personalizadas em web analytics

Esta visão geral coloca o tema Dimensões personalizadas em web analytics em um contexto útil. Relatório só fica útil quando carrega contexto de negócio, e é isso que dimensões personalizadas em web analytics fazem: colam papel, plano e categoria em cada evento.

Dimensões personalizadas transformam análises genéricas em análises úteis. As visualizações de página informam que /docs recebeu tráfego. Uma dimensão personalizada pode informar se esse tráfego foi para documentos API, documentos de migração, guias para iniciantes ou páginas de configuração empresarial.

O truque é adicionar contexto de negócios sem transformar análises em vigilância. Boas dimensões personalizadas são grosseiras, previsíveis e vinculadas a decisões. Dimensões personalizadas incorretas são pessoais, de formato livre e impossíveis de controlar.

O que são dimensões personalizadas

Uma dimensão personalizada é um atributo extra anexado a um evento de análise, visualização de página ou visita. Em vez de reportar apenas campos padrão como caminho, referenciador, navegador e país, você pode reportar por campos que correspondam ao seu produto ou modelo de conteúdo.

Exemplos:

• plan_tier: gratuito, profissional, empresarial, empresarial
• content_type: blog, documentos, comparação, changelog
• page_category: preços, integração, suporte, integração
• account_age: novo, ativo, maduro
• role: proprietário, administrador, membro -experiment_variant: a, b

Eles são poderosos porque respondem a perguntas que a análise padrão não consegue responder: Os visitantes corporativos leem as páginas de segurança antes de agendar uma demonstração? Os usuários do plano gratuito acessam os documentos de ativação? Quais categorias de conteúdo geram inscrições de teste?

Escolha as dimensões das decisões

Não comece perguntando "o que podemos rastrear?" Comece com decisões:

• Quais canais de marketing trazem tráfego qualificado?
• Quais documentos reduzem os tickets de suporte?
• Quais áreas de produtos impulsionam a ativação?
• Qual segmento do plano é convertido de teste para pago?
• Quais campanhas atraem visitantes que realmente utilizam o produto?

Em seguida, defina as menores dimensões necessárias.

Regras de privacidade para dimensões personalizadas

As dimensões personalizadas são onde as equipes de análise coletam acidentalmente dados pessoais. O GDPR define dados pessoais de forma ampla, e a CCPA cobre informações que podem ser razoavelmente vinculadas a um consumidor ou família. Uma dimensão não precisa ser um nome para criar risco.

Evite enviar:

• endereços de e-mail
• nomes
• números de telefone
• IDs de conta
• IDs de usuário brutos
• endereços de carteira
• Endereços IP
• localização exata
• IDs de fatura
• texto do ticket de suporte
• valores dos campos do formulário

Prefira baldes e rótulos. Use company_size: 11-50 em vez de uma contagem exata de funcionários. Use account_age: 30-90d em vez do carimbo de data/hora de inscrição. Use country: DE em vez da localização no nível da cidade, a menos que a cidade seja realmente necessária e legal.

A [orientação de medição de público] de CNIL (https://www.cnil.fr/en/sheet-ndeg16-use-analytics-your-websites-and-applications) é uma referência útil: os dados analíticos não devem ser combinados com conjuntos de dados não relacionados ou reutilizados para segmentação se você quiser permanecer em território de baixo risco.

Padrão de implementação

Defina um esquema de evento antes do envio:

type AnalyticsContext = {
  content_type?: 'blog' | 'docs' | 'pricing' | 'support';
  plan_tier?: 'free' | 'pro' | 'business' | 'enterprise';
  role?: 'owner' | 'admin' | 'member';
  experiment_variant?: 'a' | 'b';
};

Em seguida, anexe as dimensões sequencialmente:

analytics.track('signup_started', {
  plan_tier: 'pro',
  page_category: 'pricing',
  experiment_variant: 'b',
});

Mantenha os valores enumeráveis ​​sempre que possível. O texto livre é difícil de validar, difícil de traduzir, difícil de agregar e fácil de usar indevidamente.

Lista de verificação de governança

Antes de adicionar uma dimensão, anote:

1. Proprietário: quem solicitou e quem o mantém.
2. Pergunta: qual decisão ela apoia.
3. Valores permitidos: lista exata ou lógica de bucket.
4. Análise de privacidade: por que não é pessoal ou por que o processamento é legal.
5. Retenção: quanto tempo permanece útil.
6. Dashboard: onde será efetivamente utilizado.

Se ninguém puder nomear o painel ou a decisão, não adicione a dimensão.

Casos de uso comuns

Desempenho do conteúdo: marque artigos por tópico, estágio do funil e tipo de conteúdo. Isso mostra se guias de conformidade de privacidade, tutoriais de produtos ou páginas de comparação geram melhores conversões.

Ativação do produto: Marque eventos por estágio de configuração. Para um produto SaaS, workspace_created, integration_connected e first_report_viewed geralmente são mais importantes do que cada clique.

Qualificação B2B: Use intervalos firmográficos grosseiros de seu próprio CRM somente quando apropriado. Por exemplo, compare o tráfego de autoatendimento, de médio porte e empresarial sem enviar nomes de empresas para análise.

Experiências: anexe o nome e a variante da experiência aos eventos de exposição e conversão. Remova a dimensão após o término do experimento se ela não tiver valor contínuo.

Dicas para relatórios

Não divida todas as métricas por todas as dimensões. Isso cria pequenos segmentos e conclusões falsas. Escolha uma dimensão principal para cada relatório:

• aquisição por utm_source
• conversão por page_category
• ativação por plan_tier
• retenção por account_age
• engajamento de documentos por content_type

Observe os valores de alta cardinalidade. Se uma dimensão tiver milhares de valores exclusivos, ela poderá ser muito granular, muito pessoal ou muito confusa.

Lista de verificação de aprovação da implementação

Use este artigo como guia de implementação passo a passo. Antes de enviar dimensões personalizadas, confirme:

• Cada dimensão tem um proprietário, uma decisão, valores permitidos e expectativa de retenção.
• Os valores são enumeráveis ​​ou agrupados sempre que possível.
• Nenhum e-mail, nome, número de telefone, conta ID, endereço IP completo, token, fatura ID ou valor de formulário de texto livre é enviado.
• Os campos de alta cardinalidade são intencionais e revisados.
• Os painéis realmente usam a dimensão.
• QA confirma que a carga corresponde ao dicionário de eventos.

As dimensões personalizadas são poderosas porque adicionam contexto. Eles se tornam arriscados quando acrescentam identidade silenciosamente.

O resultado final

As dimensões personalizadas são melhores quando adicionam contexto, não identidade. Use-os para entender grupos, páginas, campanhas e estágios de produtos. Mantenha-os pequenos, governados e atentos à privacidade, e suas análises se tornarão mais úteis sem se tornarem mais invasivas.

Um padrão de nomenclatura e valor

Escreva um breve padrão antes da implementação. Os nomes das dimensões devem estar em letras minúsculas, legíveis e estáveis, como page_category, plan_tier, content_type ou signup_source. Os valores devem vir de uma lista de permissões sempre que possível: pricing, docs, blog, starter, business, enterprise. Evite valores que exponham uma pessoa, empresa, receita exata, domínio de e-mail ou entrada de texto livre.

Decida também como os valores ausentes aparecem. Use unknown ou deixe a propriedade sem definição de forma consistente; não misture espaços em branco, nulos e rótulos personalizados entre eventos. Valores de dimensão confusos criam erros de relatórios e dores de cabeça na análise de privacidade. Um padrão limpo torna as dimensões personalizadas mais fáceis de consultar, traduzir, documentar e excluir posteriormente.

Perguntas Frequentes

O que é uma dimensão personalizada em analytics?

Uma dimensão personalizada é um atributo extra anexado a um evento, uma visualização de página ou uma visita, além de campos padrão como caminho, referenciador, navegador e país. Ela permite gerar relatórios de acordo com o próprio modelo de produto ou conteúdo, como plan_tier ou content_type. Esse contexto transforma uma simples contagem de visualizações em algo sobre o qual dá para agir.

Qual a diferença entre uma dimensão personalizada e um campo padrão?

Os campos padrão vêm embutidos na ferramenta de analytics: caminho, referenciador, navegador, país. As dimensões personalizadas você define, ajustadas ao seu produto, como role, page_category ou experiment_variant. Elas respondem perguntas para as quais os campos padrão nunca foram feitos.

Quantas dimensões personalizadas um site deveria rastrear?

O número deve ficar pequeno e sob governança, em vez de rastrear tudo o que está disponível. Cada dimensão precisa de um responsável, uma decisão que ela sustenta e um dashboard onde realmente é usada. Se ninguém consegue nomear o dashboard ou a decisão, ela não é adicionada.

Uma dimensão personalizada pode carregar um ID de usuário bruto?

IDs de usuário brutos, IDs de conta e identificadores parecidos estão na lista de coisas a evitar porque transformam uma dimensão em dado pessoal. Em vez disso, usam-se faixas e rótulos, como company_size: 11-50 em vez de um número exato. O objetivo é contexto, não identidade.

Qual a diferença entre account_age e um timestamp de cadastro?

Um timestamp de cadastro é exato e rastreável até uma pessoa. account_age agrupado como 30-90d entrega o mesmo valor analítico, se um usuário é novo ou já estabelecido, sem a precisão que cria risco de privacidade. Preferir faixas a valores exatos é a regra geral para dimensões personalizadas.

Quem deveria ser o dono de uma dimensão personalizada?

Cada dimensão precisa de um dono identificado, a pessoa que a solicitou e que a mantém. Isso está na lista de governança junto com a decisão que ela sustenta, os valores permitidos, uma revisão de privacidade e um plano de retenção. Sem um dono, uma dimensão fica esquecida, e ninguém percebe quando ela quebra.

Uma dimensão personalizada deveria ser removida depois que um experimento termina?

Sim. O nome do experimento e a variante são anexados aos eventos de exposição e conversão enquanto o teste roda, mas depois que ele termina a dimensão não tem mais valor contínuo. Removê-la mantém o esquema limpo e evita acumular dimensões que ninguém mais verifica.

O que é alta cardinalidade e por que ela importa para dimensões personalizadas?

Alta cardinalidade significa que uma dimensão tem milhares de valores únicos em vez de um conjunto administrável. É um sinal de que ela é granular demais, pessoal demais ou bagunçada demais para ser útil em um relatório. Vale observar isso como um sinal para agrupar os valores ou repensar a dimensão.

Texto livre é um valor aceitável para uma dimensão personalizada?

Texto livre é difícil de validar, difícil de traduzir, difícil de agregar e fácil de usar mal, então valores enumeráveis são preferíveis sempre que possível. Uma lista permitida como pricing, docs, blog, starter, business, enterprise mantém uma dimensão consultável e mais fácil de revisar quanto à privacidade. Texto de tickets de suporte e outros campos livres estão explicitamente na lista do que evitar enviar.

Como a orientação da CNIL sobre medição de audiência se aplica a dimensões personalizadas?

A orientação da CNIL trata os dados de analytics como de baixo risco somente quando não são combinados com conjuntos de dados sem relação nem reaproveitados para segmentação de anúncios. É um bom parâmetro justamente para dimensões personalizadas, porque é fácil adicionar um campo que transforma a analytics, sem perceber, em algo próximo de perfilamento. Ficar no contexto que sustenta uma decisão, não na identidade, mantém uma dimensão dentro desse território de baixo risco.