Fondamenti tecnici: definire metriche, tracciare eventi e rispettare il GDPR

Prima di ogni implementazione, è essenziale chiarire le metriche chiave e definire un sistema di tracciamento coerente. In e-commerce italiano, le metriche fondamentali sono: tasso di conversione (conversioni / visitatori unici × 100), Revenue per Visitatore (RPV) (ricavi totali / visitatori unici), AOV (ricavi totali / ordini completati), e il funnel di conversione – che include eventi chiave come aggiunta al carrello, checkout e conferma ordine. Ogni evento deve essere tracciato con un tag JavaScript personalizzato, integrato direttamente nel codice frontend (es. Shopify, WooCommerce, Magento), garantendo coerenza e affidabilità.

È fondamentale sincronizzare il cookie di sessione con il server di tracciamento per mantenere l’identità utente coerente durante il percorso di conversione, soprattutto su dispositivi mobili dove la navigazione è frammentata. Questo consente di aggregare correttamente eventi anche se l’utente aggiorna la pagina o esce dalla sessione temporaneamente.

1. Configura un sistema di tag management personalizzato, come TagManager Open basato su Node.js, per evitare dipendenze da plugin commerciali. Questo consente un controllo totale sui trigger, riduce il rischio di conflitti e facilita il debugging.
2. Definisci uno schema JSON standardizzato per gli eventi, con campi obbligatori (timestamp, utente, prodotto, azione) e campi opzionali (dispositivo, geolocalizzazione). Esempio: l’evento checkout deve includere il numero di articoli, costi fissi, tasse e sconto applicato.
3. Implementa il sampling temporale: raccogli dati ogni 1 minuto (aggregati), 5 minuti (analisi intermedie) e in tempo reale per eventi critici (es. checkout). Questo consente di anticipare picchi stagionali (come il Black Friday italiano) o anomalie improvvise.
4. Rispetta il GDPR con un sistema di consenso attivo: utilizza un banner modale integrato che richiede opt-in esplicito prima di attivare il tracciamento. I dati anonimizzati (es. ID utente crittografato) devono essere archiviati separatamente e accessibili solo con autorizzazioni rigorose.

Architettura tecnica: data pipeline e sistema tag management esperto

La pipeline di dati deve essere progettata per ingestire eventi frontend (click, aggiunta al carrello, checkout) con bassa latenza e alta affidabilità. Un’architettura moderna utilizza Kafka o RabbitMQ open source per decoupling tra frontend e backend, garantendo resilienza anche in assenza di rete temporanea.

Kafka: sistema di messaggistica distribuito, scalabile, ideale per flussi di eventi ad alto volume; utilizza topic dedicati per ogni tipo di evento (es. #cart_events, #checkout_events).

RabbitMQ: alternativa leggera, ottimizzata per scenari con invii batch o integrazione con sistemi legacy; supporta pattern avanzati come publish-subscribe.

Fase 1: Installazione locale di Matomo (esempio di server autonoma)
# Docker: avvia Matomo con server autonoma
docker run -d -p 8080:80 --name matomo -v ~/.matomo:/var/lib/matomo matomo/matomo:2.5.0
# Configura custom_properties per tracciare utenti anonimi via cookie
# Definisci tracking_event() in /server/scripts per log personalizzati

Il middleware di tracciamento deve normalizzare gli eventi provenienti da Shopify, WooCommerce o Magento, traducendo API eterogenee in un formato unico. Ad esempio, l’evento checkout da Shopify e Order Update da WooCommerce condividono campi chiave (ID ordine, totale, timestamp), ma differiscono nei dettagli; un middleware Python o Node.js esegue la mappatura automatica, garantendo coerenza.

Configura il server di tracciamento con event_listener in Node.js per intercettare click e azioni JS: document.querySelectorAll('a.add-to-cart').forEach(el => el.addEventListener('click', trackAddToCart));
Estendi il tracciamento con eventi secondari: trackAddToCart({productId: prodId, amount: amt}) con dati contestuali