Analítica web basada en logs y analítica web basada en javascript, pros y contras

Si me remonto a finales de los 90, cuando servidor comenzó a trabajar en esto tan bonito del “sector” web/digital, yo ya hacía uso de analítica web, pero sin ser consciente de que lo hacía (el concepto “analítica web” no se usaba, así de claro), consultando de manera periódica herramientas como Webalizer (mi favorita) o AWStats. Herramientas muy toscas en lo gráfico pero que ya aportaban información de valor acerca de los accesos que tenía un sitio web. Eran herramientas de visualización de datos procedentes del log del servidor en el que se encontraba alojado el sitio web. Datos muy básicos, pero datos.

A principios de los 2000 conocí Urchin, una herramienta de analítica web bastante más potente y con mayor capacidad que Webalizer o AWStats. Y en 2005 Urchin fue comprado por Google para dar forma a lo que hoy conocemos como Google Analytics, que fue lanzado al mercado a finales de 2005. Durante 2006 trabajé una barbaridad de horas con Google Analytics, pero simultaneamente con herramientas como AWStats o Webalizer, y en aquellas compañías donde esta situación se daba, siempre me hacían la misma pregunta, “Ricardo, ¿por qué Google Analytics me da unas visitas y AWStats me da otras, cual es el dato bueno?” La respuesta es fácil, ambos datos son correctos.

Esta historia del abuelo cebolleta sirve para explicar en plan breve la diferencia entre las herramientas de analítica web basadas en datos de logs (AWStats) y herramientas de analítica web basadas en javascript (Google Analytics).

Hoy día, en el escenario de la analítica web / digital, tenemos múltiples herramientas, en las que coexisten ambos sistemas de medición, basados en logs y basados en javascript.

¿Qué miden las herramientas de analítica web basadas en logs?

Muy sencillo. Como el dibujo que encabeza este post, representa, las herramientas de analítica web basadas en logs recogen la información de la actividad del log y la representan de manera gráfica o estructurada en tablas de datos. Un archivo log es un archivo generado por el servidor que contiene un registro de todas las peticiones (llamadas hits) que recibe el servidor. Insisto, todas las peticiones, lo que incluye no solo archivos HTML, sino archivos de cualquier tipo siempre que pertenezcan al conjunto de datos que se deben solicitar para “ver” un sitio web. Los datos que se reciben se almacenan anónimamente e incluyen detalles como la fecha y hora de la petición, la IP que la hizo, la URL solicitada y el user-agent del navegador.

Básicamente, un log registra la actividad del servidor, de forma que las herramientas de analítica web basadas en este sistema en realidad representan datos acerca de los archivos y peticiones que se realizan contra el host.

OK, ¿y qué miden las herramientas de analítica web basadas en javascript?

En este bloque están las herramientas más populares del mercado, encabezadas por Google Analytics. A diferencia de las herramientas basadas en logs, que extraen la información del log, las herramientas basadas en javascript funcionan a través de un pequeño fragmento de javascript que debe ser insertado en cada uno de los documentos HTML que forman nuestro sitio web, de manera directa o via tag manager. Cada vez que un usuario solicita una URL en la que está presente ese javascript, los datos de la cabecera del navegador de ese usuario son recogidos via cookie, enviados a los servidores de Google (en el caso de Analytics) y procesados para ser impresos en un panel gráfico que es vuestro amigo Google Analytics.

En resumen, se trata de herramientas que interpretan datos procedentes de la cabecera del navegador del usuario, y juegan con estos elementos base: URLs, cookies y javascript.

Entonces, ¿miden lo mismo, sí o no?

No, no miden lo mismo. Una herramienta de analítica web basada en logs ofrece datos de peticiones que se han hecho a la máquina, al servidor que aloja el sitio web. Una herramienta de analítica web basada en javascript ofrece datos basados en las cabeceras de navegador de los usuarios que han accedido al sitio web y en los que ha podido ejecutarse el ciclo URL-javascript-cookie para recoger esa información.

Pero, ¿cual es la diferencia? No lo pillo

Muy sencillo. Una herramienta de analítica web basada en logs te dirá, por ejemplo, que la URL de la home de un sitio web se ha solicitado 400 veces, por decir algo. En el mismo periodo de tiempo, una herramienta de analítica web basada en javascript te dirá que esa misma URL se ha solicitado 300 veces, por ejemplo. ¿A qué se debe esa diferencia? Muy sencillo. El log procesa peticiones, como hemos dicho, independientemente de que éstas vengan de usuarios, bots o sistemas de navegación que no empleen javascript o cookies. Por contra, una herramienta como Google Analytics solo te dará los datos que haya podido capturar de esa triada URL-javascript-cookie. Si alguno de esos elementos ha fallado o no está presente, esa visita no será contabilizada.

Pros y contras de la analítica web basada en log y la analítica web basada en javascript

De inicio, hay que decir que ambos sistemas de medición no son sustitutivos el uno del otro, sino complementarios. No miden lo mismo, y por tanto, son sistemas de medición complementarios, que hay que emplear en función del tipo de información que necesitemos en un momento dado y según que problema debamos resolver o que ineficiencia debamos solventar.

La analítica web basada en logs nos proporciona datos muy valiosos acerca de, por ejemplo:

• Accesos de bots a nuestro sitio web
• Peticiones de archivos que “cuelgan” de nuestro sitio web, como PDFs o documentos
• Errores en el sitio web vinculados a HTTP Status
• Detalles técnicos de los accesos al sitio web: IPs, etc
• Y sobre todo, son datos que pueden ser reprocesados todas las veces que se quiera, porque son datos 100% en bruto

La analítica web basada en javascript es, por contra, de acceso más sencillo, muy accionable a nivel de herramienta, muy fácil de comprender por el usuario, con una curva de aprendizaje relativamente rápida. Es, por decirlo de una forma, una analítica web pensada para ser usada por personas “normales”, sin grandes conocimientos técnicos.

Dicho todo esto, parece que queda claro que ambos sistemas pueden y deben coexistir y emplearse en función de las necesidades que la evolución de un proyecto digital vaya demandando. Es lo correcto, dado que un único sistema de medición es un error en tanto en cuanto solo nos aporta una visión parcial del sitio web.

De hecho, si yo tuviera que elegir un solo sistema de medición, probablemente me decantaría por los logs… mucho más dificiles de trabajar, sí, pero mucho más fiables en términos absolutos. Aunque teniendo ambos sistemas, ¿por qué elegir?