Automatizovaná kontrola implementace datové vrstvy

Nedávno jsme psali o tom, že náš kolega Marek Čech společně s Honzou Kadlečkem mluvili na MeasureCamp Brno o monitoringu datové vrstvy.

Proč to řešíme?

Nemáme rádi opičí práci a plýtvání schopností šikovných analytiků. Pokud jste na tom stejně jako my a nebaví stále manuálně procházet správnost implementace datové vrstvy od vývojářů, složité procházení eventů v debug okně Google Tag Manageru či GA/GTM debuggeru a další rutinní věci, tak nepřestávejte číst, protože pro vás máme krátké představení našeho přístupu k problematice validace implementace datové vrstvy, který vám ukáže jak se většiny těchto věcí zbavit v rámci neplacených nástrojů.

Princip řešení

Filozofie našeho přístupu je velmi jednoduchá. Některá alternativní řešení vyžadují desítky hodin programování nebo spoustu placených služeb, addonů či nástrojů. Naše řešení dokážete s trochou šikovnosti nasadit za hodinu. Nejde o žádné složité technické implementace, pracuje se vždy s vašimi daty z datové vrstvy a za nic neplatíte.

Co k tomu budete potřebovat?

1. Tracker – způsob odesílání dat z webu

Pro tuto metodu využíváme Google Tag Manager, do kterého nasadíme jednoduchý JavaScript a využijeme Custom Image Tag.

2. Collector – způsob přijímání dat

Pro tuto část využíváme velmi jednoduché a dostupné Google nástroje a to Google SpreadSheets a Google Apps Script.

3. Storage – prostor pro uložení dat

Vzhledem k tomu, že všechna data máme v Google SpreadSheets, nemusíme nic složitě řešit ani v tomto kroku.

Detailnější popis postupu kroků 1 – 3 včetně příkladu kódu si můžete přečíst zde.

4. Parser – příprava dat pro vyhodnocení

Asi nejsložitější část celého řešení – jedná se o parsování JSON objektů pomocí Google Apps Scriptu v rámci SpreadSheetu. SpreadSheets sami od sebe nemají podporu parsování JSON, proto je potřeba si zde trochu pohrát. My využíváme metodu takzvaného spolštění (flattening) JSON objektu, nabízí se i využití JSON validace pomocí JSON Schema, kterou chystáme pro další verze nástroje.

5. Resolver – vyhodnocení dat

Na závěr už nás čeká pouze definování “správné” implementace a vyhodnocení nasbíraných dat. Vše se definuje jednoduše ve sloupcích. Každý sloupec představuje jednu proměnnou z datové vrstvy a její hodnoty se validují pomocí regulárních výrazů.

Jak si data pro validaci implementace správně připravit a vyhodnocovat? To naleznete v druhé polovině článku, který náš kolega Marek společně s Honzou z Analytixeru napsali. 


Řešíte tuto problematiku a nevíte si rady? Ozvěte se nám na marketing@digitalniarchitekti.cz

Nebo jen milujete webovou analytiku stejně jako my? Napište nám na sociálních sítí, kde můžeme rozvířit diskusi na téma, které vás zajímá. Facebook | LinkedIn

Zanechat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *

Souhlasím se Zásadami ochrany osobních údajů (povinné pro komentování) * for Click to select the duration you give consent until.