Segmentação geográfica e analytics por país: ler dados de localização com honestidade

Um gráfico por país é a primeira coisa que uma ferramenta de links mostra e a última que muda uma decisão. Trinta e oito por cento de uma campanha vieram de um país: isso não diz nada sobre se aquelas pessoas estavam naquele país, que rede as trouxe até ali ou que horas eram no lugar onde elas estavam.

Este guia trata da camada que fica embaixo do gráfico por país: de onde país, região e cidade realmente vêm, o que significa o raio de precisão, por que a rede pela qual o visitante chegou é um eixo separado do lugar de onde ele chegou, como a atividade pela hora local do visitante difere da atividade no fuso do seu relatório, o que o roteamento por país e idioma faz e onde ele para, e os três erros que transformam dados de localização em respostas erradas ditas com confiança.

De onde vêm país, região e cidade

Duas fontes respondem à mesma pergunta em níveis de detalhe diferentes, e saber qual delas respondeu importa mais do que a própria resposta.

A rede responde primeiro

Toda requisição que chega a um redirecionamento numa rede de borda já traz consigo campos que a própria rede resolveu: país, região, cidade, coordenadas aproximadas, fuso horário, o número de sistema autônomo e o nome da organização que o detém. Isso não custa nada — nenhuma leitura de banco, nenhuma ida e volta — e basta para qualquer decisão que só precise de um país, e é por isso que o roteamento rápido roda em cima disso.

Um banco licenciado responde com mais detalhe

Um banco geográfico comercial, reempacotado offline num formato feito para consultas de leitura única no edge, acrescenta o que uma resposta de nível de rede não carrega: o raio de precisão da cidade, os identificadores do GeoNames por trás de região e cidade, nomes de lugar estáveis em oito idiomas, o tipo de proxy da faixa de endereços e um número de sistema autônomo onde a rede não forneceu nenhum. As quebras de geografia e qualidade do tráfego são construídas em cima dessa camada.

A parte interessante é o modo de falha. Se o pacote não puder ser lido, os redirecionamentos seguem funcionando e o analytics segue registrando: o resolvedor cai para a resposta de nível de rede e marca a linha com a fonte que a produziu, então um gráfico nunca mistura em silêncio dados precisos com dados aproximados. As linhas de fallback não têm identificador de cidade nem raio de precisão, e a interface diz isso, em vez de deixar você deduzir.

Identificadores, não nomes

Um evento de clique guarda um identificador, nunca um nome de lugar traduzido. Isso parece um detalhe de implementação e é, na verdade, a diferença entre uma linha e duas: “Bavaria” e “Bayern” são o mesmo identificador do GeoNames, e um relatório que guardasse cadeias de texto classificaria as duas como regiões separadas para sempre.

Os nomes são resolvidos quando o relatório é lido, a partir do dicionário do idioma que quem lê está usando: oito dos dez idiomas do painel têm nomes de lugar, e os dois restantes caem para o inglês, e não para uma célula vazia. O idioma vem da configuração da conta de quem lê, e não de um parâmetro da requisição, porque um parâmetro deixaria uma pessoa fixar o próprio idioma num cache que o espaço de trabalho inteiro compartilha.

O raio de precisão é o que mantém o mapa honesto

Um registro de cidade não é uma localização. É um ponto mais um raio, e o raio é a parte que diz quanto o ponto vale. Vinte quilômetros descrevem uma faixa de endereços que um operador atribuiu a algum ponto daquela área; não descrevem uma pessoa, um bairro nem a área de influência de uma loja.

Daí saem duas decisões de projeto. As coordenadas são guardadas como números inteiros de décimos de milésimo de grau, porque casas decimais a mais fabricam uma precisão que o dado de origem não tem. E um raio igual a zero significa “desconhecido”, não “exato” — vale conferir isso antes de alguém montar um mapa a partir de uma exportação.

A regra prática: use os dados de cidade para comparar mercados e enxergar concentrações, não para concluir qualquer coisa a partir de um punhado de registros — e de jeito nenhum nas linhas respondidas pelo caminho de fallback.

Cidade e rede são eixos diferentes

O lugar de onde um clique veio e a rede pela qual ele passou são perguntas separadas, e responder só à primeira é como compradores de mídia acabam pagando por tráfego que nunca teve chance de converter. A quebra por redes lista o número de sistema autônomo, o nome do provedor, o tipo de proxy daquela faixa e — a coluna que faz o trabalho — os cliques humanos ao lado do total de cliques. A diferença entre essas duas colunas num mesmo provedor costuma ser a descoberta inteira.

| Rótulo da faixa | O que é a faixa | | --- | --- | | Data center | Espaço de endereços de hospedagem, nuvem e colocation | | Proxy público | Proxies abertos por onde qualquer um pode rotear | | VPN | Faixas de saída de VPNs comerciais | | Robô de busca | Faixas de crawler publicadas pelos buscadores | | TOR | Nós de saída da rede TOR | | Anonimizador web | Serviços de proxy que rodam no navegador |

As faixas que não pertencem a nenhum desses rótulos são endereços comuns, e o maior grupo rotulado, de longe, é o de data centers, e não o de VPNs de consumo. Esse rótulo é combinado com outros sinais — listas de crawlers verificados, consulta reversa de nome para os robôs que não publicam lista, padrões de user agent, comportamento das requisições — para produzir um tipo de visitante e uma nota de qualidade de 0 a 100 com os motivos anexados. A nota sozinha não bloqueia nada: o bloqueio é o que você configura nas regras de tráfego, e a nota existe para explicar um veredito e alimentar o relatório. A mecânica da classificação está em filtragem de tráfego.

Uma assimetria deliberada: três painéis — tráfego filtrado, qualidade do tráfego e redes — incluem o tráfego automatizado mesmo com a chave “excluir bots” ligada, porque excluir os bots ali esvaziaria justamente as telas que você abriu para olhar os bots. Em todo o resto o filtro se comporta normalmente, e o tráfego automatizado nunca consome a cota de cliques rastreados do plano.

Atividade pelo relógio do visitante

Um relatório pode ser exibido em um fuso horário. Cada clique tem o seu. Converta os horários guardados para o fuso do espaço de trabalho e um pico noturno em três mercados se achata num platô que sugere que o seu público não tem horário nenhum.

Por isso a hora local é calculada quando o clique é gravado, a partir do fuso resolvido para aquele visitante, e fica guardada na linha — o único ponto do fluxo em que o fuso do próprio visitante ainda é conhecido. O que isso compra é uma resposta sobre horário de envio que sobrevive a uma campanha multimercado: a hora em que o seu público de fato abre as coisas, e não a hora em que a sua infraestrutura estava ocupada.

O custo honesto é que as ressalvas da resposta de localização se propagam. Um clique roteado por um nó de saída em outro país carrega a hora daquele país, e uma linha respondida pelo caminho de fallback carrega o fuso que a rede tiver informado. Os gráficos de hora local merecem ser lidos ao lado da quebra por redes, pela mesma razão que o gráfico de cidades merece.

Roteamento por país e por idioma

Um endereço curto, destinos diferentes: um visitante da Alemanha cai na loja alemã, um visitante da Bélgica que fala francês cai na página em francês, todo o resto vai para o site principal. As regras de segmentação são uma lista ordenada, as condições dentro de uma regra se combinam com “e”, e a primeira correspondência completa vence. Ordenar à mão, em vez de por uma nota de especificidade, é uma troca deliberada: uma lista ordenada pode ser lida em voz alta, e uma tabela de precedência simplesmente não tem como ser depurada depois que passa de três entradas.

A correspondência de idioma tem uma regra que vale memorizar: en cobre todas as variantes regionais, então tanto en-GB quanto en-US casam com ela, enquanto en-GB exige correspondência exata e não vai pegar o inglês americano. Escreva a regra ampla quando você quer dizer o idioma e a específica quando você quer dizer o mercado.

Dado que falta nunca vira bloqueio. Se uma condição não puder ser avaliada — o país é desconhecido, o pacote estava indisponível —, a regra simplesmente não casa e o visitante segue para o destino base. Nas regras de tráfego o mesmo princípio é explícito: toda condição tem três valores, verdadeiro, falso ou sem resposta; uma regra com uma condição sem resposta é pulada por inteiro; e a negação só funciona sobre dado conhecido, então “permitir apenas estes países” não tranca o mundo do lado de fora quando uma consulta falha.

A ordem do fluxo é fixa: primeiro as regras de tráfego, porque elas respondem se aquela requisição deve sequer ser atendida; depois a segmentação; depois qualquer teste dividido; depois o destino base. Os filtros de país por destino no rotador são um quarto lugar em que a geografia estreita uma escolha: a segmentação decide para onde vai um mercado, o rotador decide como o tráfego daquele mercado é repartido.

Rotear não é trocar conteúdo

A distinção importa mais do que parece. Rotear escolhe para qual destino real uma pessoa é enviada, e todo destino é uma página que qualquer um pode abrir e ver por inteiro. Trocar conteúdo significa que um mesmo endereço mostra coisas diferentes conforme quem pergunta — e a versão dessa prática à qual os buscadores se opõem é mostrar a um crawler algo que uma pessoa jamais veria.

O redirecionador não renderiza nem reescreve páginas de destino; ele responde com um redirecionamento e o destino se serve sozinho. O único lugar em que uma requisição recebe outra coisa que não um redirecionamento é o crawler de prévia social, que recebe os metadados de prévia do próprio link, para que um link compartilhado renderize o mesmo card independentemente de onde o crawler rode. Isso é uma prévia, não uma página substituta.

As regras também podem tratar os crawlers verificados de forma diferente: deixá-los passar, fechar o link, mandá-los para uma página fixa. A plataforma te dá o mecanismo, uma prévia de qual regra dispararia para um dado perfil de visitante antes de um único clique acontecer, e um registro do que disparou depois. Se um crawler deve receber algo diferente do que uma pessoa recebe é uma decisão sua, e o registro é o que a torna auditável.

Três maneiras de os dados geográficos produzirem respostas erradas com ar de certeza

Ler um mercado a partir de tráfego que não estava naquele mercado. Um país subindo no seu gráfico não é prova de demanda enquanto você não olhar o que o trouxe até ali. Se a maior parte dos cliques dele chega de faixas de data center ou de saídas de VPN comercial, você está olhando onde ficam os nós de saída, não onde ficam os compradores. Este é o erro mais caro da lista, porque ele gera um plano: o orçamento se move, a criação é localizada, e nada disso chega a uma pessoa.

Ranquear países sem ranquear o volume deles. Um mercado com 90 cliques e taxa de conversão de 4,4% não está indo melhor que um mercado com 9.000 cliques e 3,9%; ele é um mercado em que quatro eventos a mais mexeriam no número mais do que a diferença que te empolgou. Defina um piso de volume abaixo do qual um país nem entra num ranking, e compare a diferença observada com o quanto um punhado de eventos a deslocaria. O objetivo não é pureza estatística, é não reorganizar um trimestre em torno de ruído.

Confiar numa cidade quando o dado só sustenta uma região. As linhas de cidade vêm com raios, e algumas linhas não têm cidade nenhuma. Uma campanha montada para uma região metropolitana em cima de linhas cujo raio cobre meio país é um plano construído sobre um artefato de arredondamento. Quando a pergunta realmente exige uma cidade — a abertura de uma loja, um evento, uma promoção local —, confira quantas das linhas por trás dela carregam identificador de cidade e como são os raios delas antes de se comprometer. Quando elas não sustentam isso, use a região, que é estável, ancorada em identificador e muito mais difícil de ler errado.

Um quarto hábito impede que os três se acumulem: leia as quebras geográficas ao lado das ressalvas de qualidade do clique em rastrear cliques em links, e lembre que visitantes únicos é uma métrica diária — uma comparação mensal entre países soma os únicos de cada dia, em vez de contar pessoas distintas.

O que os dados deliberadamente não contêm

O endereço do visitante nunca é armazenado. Ele existe dentro de uma única função pelo tempo necessário para produzir uma impressão digital diária com sal e para consultar a faixa de endereços, e não chega ao evento. O código postal é resolvido pelo banco e deliberadamente não gravado, porque em área de moradia densa um código postal chega perto demais de um endereço.

Quanto do resto fica guardado é uma configuração do espaço de trabalho, aplicada quando o evento é escrito, e não quando ele é lido.

| Nível | O que fica guardado | | --- | --- | | Completo | País, região, cidade, coordenadas, raio de precisão, fuso horário, hora local | | Cidade sem coordenadas | País, região, cidade, fuso horário, hora local | | Somente país | País e continente |

Chaves separadas cobrem a rede do visitante, o endereço de origem completo e a detecção de tipo de tráfego. A retenção é escrita em cada evento como um número de dias, o que é coisa diferente de um plano limitar até onde você pode olhar para trás, e as mudanças alcançam os links no ar em segundos, e não no próximo vencimento de cache. Os detalhes estão em modos de privacidade e no guia de geografia.

Um limite de saída é fácil de presumir errado: a página pública de estatísticas de um link mostra, de tudo isso, apenas país e cidade — nada de redes, nada de tipo de tráfego, nada de nota de qualidade, nada de coordenadas. Essa fronteira é verificada por um teste sobre o formato da resposta, em vez de ficar entregue à convenção.

Uma configuração que aguenta escrutínio

1. Leia a quebra por redes antes do gráfico por país em qualquer campanha que você paga, comparando cliques humanos e total de cliques por provedor.
2. Defina um volume mínimo de cliques abaixo do qual um país não entra num ranking, e deixe isso registrado para não ser renegociado a cada reunião.
3. Confira o raio de precisão antes de qualquer decisão que dependa de uma cidade, e recorra à região quando o raio não sustentar uma.
4. Veja na prévia o que um dado perfil de visitante receberia antes de publicar as regras de segmentação, em vez de testar em produção com o seu próprio tráfego.
5. Escolha o nível de detalhe geográfico de forma deliberada: ele decide o que é escrito, e nada do que for desligado pode ser recuperado depois.
6. Concilie o analytics com os dados do lado do destino uma vez por campanha, sobretudo nos mercados em que os dois mais divergem.

Dados de localização funcionam melhor como duas perguntas, e não uma: de onde a requisição parece vir e o que a trouxe. A primeira sozinha sempre produz um gráfico; a segunda é o que faz o gráfico valer uma ação. Compradores de mídia esbarram nisso mais cedo, e é por isso que as soluções para afiliados se apoiam nos eixos de rede e qualidade, e não no mapa.