Coraz częściej dostajemy zapytania postawione wprost: chcemy Matomo zamiast Google Analytics, tylko nie do końca wiemy, co to oznacza dla naszej infrastruktury. Dobre pytanie. Bo podmiana jednego skryptu na drugi to najmniejszy fragment tej układanki. Od 2006 roku budujemy w Łodzi aplikacje webowe, systemy B2B i integracje, więc analitykę oglądamy głównie od strony utrzymania – czyli tego, co zostaje po wdrożeniu. Poniżej opisujemy to, co widzimy w projektach: gdzie taka migracja się opłaca, gdzie się rozjeżdża i jakie decyzje trzeba podjąć zanim ktokolwiek dotknie kodu.
Spis treści
Dlaczego firmy schodzą z Google Analytics
Powody, które słyszymy od klientów, rzadko są ideologiczne. Najczęściej to zapisy w umowach z kontrahentami, wymagania RODO postawione przez dział prawny albo audyt, który wytknął transfer danych poza EOG. Decyzja zapada wtedy na poziomie ryzyka prawnego, a nie preferencji marketingu.
Drugi motyw jest analityczny. Próbkowanie i modelowanie w GA4 zaczyna przeszkadzać, gdy zarząd oczekuje surowych zdarzeń i możliwości przeliczenia ich po swojemu. Podobnie z retencją: dane historyczne znikają według reguł dostawcy, nie według cyklu raportowania w firmie.
Mówimy też uczciwie, kiedy migracja nie ma sensu. Niewielki ruch, nikogo odpowiedzialnego za serwer, analityka oglądana raz na kwartał? Własna instancja staje się wtedy kolejnym zaniedbanym systemem. Lepiej zostać przy tym, co działa.
Self-hosted czy chmura Matomo: pierwsza decyzja architektoniczna
Wariant hostowany u dostawcy zdejmuje z zespołu aktualizacje, backupy i skalowanie. Płacisz za to brakiem dostępu do bazy, a więc brakiem własnych zapytań SQL i swobodnego eksportu do hurtowni. Dla części organizacji to kompromis do przełknięcia.
Instalacja na własnym serwerze daje odwrotny układ: pełną kontrolę nad danymi, wtyczki premium wpięte na własnych warunkach i możliwość łączenia zdarzeń z innymi tabelami. W zamian przejmujesz odpowiedzialność za wydajność i ciągłość działania.
W praktyce rozstrzygają dwa pytania. Czy dane muszą fizycznie zostać na infrastrukturze klienta i czy po stronie zespołu jest ktokolwiek, kto wykona aktualizację. Aha, jeszcze jedno: na koszt patrz jak na proces, nie jednorazowe wdrożenie statystyk Matomo. Licencje wtyczek, zasoby serwera rosnące razem z liczbą zdarzeń, czas administratora, miejsce na kopie zapasowe.
Co się psuje przy wdrożeniu: wydajność i archiwizacja
Matomo bywa traktowane jak lekka wtyczka do WordPressa, a to pełna aplikacja analityczna z własną bazą. Przy większym ruchu tabele logów puchną znacznie szybciej, niż zakłada domyślna konfiguracja, i po kilku miesiącach raporty zaczynają się zacinać.
Najczęstszy błąd, jaki zastajemy przy przejmowaniu cudzych instancji, to archiwizacja wyzwalana przez przeglądarkę. Pierwsza osoba, która rano otworzy panel, uruchamia przeliczanie danych i siedzi, i czeka. A serwer w tym czasie obsługuje jeszcze normalny ruch. Przeniesienie archiwizacji na crona zamyka większość takich zgłoszeń.
Przy dużym natężeniu zdarzeń pomaga kolejka trackera i osobny worker, który odcina zbieranie danych od renderowania stron. Reszta to hydraulika: wydajność dysku, konfiguracja MySQL lub MariaDB, polityka retencji surowych logów ustalona na starcie. Ustalanie jej wtedy, gdy dysk jest pełny, kończy się kasowaniem danych pod presją.
Zbieranie danych bez ciasteczek i zgód, które nikt nie klika
Tryb bez ciasteczek plus anonimizacja adresów IP pozwala w wielu konfiguracjach mierzyć ruch jeszcze przed wyrażeniem zgody. Efekt widać od razu: w raportach pojawiają się sesje, które w narzędziu uzależnionym od zgody po prostu nie istnieją.
Tylko trzeba od razu powiedzieć klientowi, czego taki pomiar nie daje. Rozpoznawanie powracających użytkowników robi się słabsze, okno atrybucji krótsze, analiza ścieżek wielosesyjnych mniej wiarygodna. Ktoś, kto liczy przypisanie sprzedaży do kampanii przez kilka tygodni, powinien o tym wiedzieć przed startem, nie po.
Nie składamy też deklaracji zgodności prawnej, bo nie jesteśmy do tego uprawnieni. Naszą rolą jest przygotowanie konfiguracji i opisanie, co dokładnie trafia do bazy. Ocenę tych zapisów zostawiamy prawnikowi po stronie klienta.
Integracje: analityka jako źródło danych, nie tylko dashboard
Największą wartość własnej instancji widać wtedy, gdy przestaje być samotnym panelem. Dane wychodzą przez API do hurtowni, systemu BI albo raportu, z którego korzysta zarząd, i spotykają się tam z danymi sprzedażowymi.
Śledzenie po stronie serwera domyka obraz o zdarzenia, których frontend nigdy nie zobaczy: zmiany statusów zamówień, zwroty, odrzucone płatności, akcje wykonywane przez integracje. W projektach B2B to właśnie ten materiał tłumaczy, skąd biorą się przychody. Nie liczba odsłon.
Import historycznych logów serwera WWW pozwala częściowo odtworzyć ruch sprzed wdrożenia, co ratuje porównania rok do roku. Przy okazji takiej pracy warto zderzeć dane z tym, co pokazuje techniczny audyt SEO, bo część dziur w ruchu bierze się z indeksacji, a nie z pomiaru. Osobna sprawa to warstwa tagowania. Jeśli GTM działa i marketing go zna, zwykle proponujemy zostawić układ w spokoju i wpiąć Matomo jako kolejny tag, zamiast migrować wszystko naraz.
Bezpieczeństwo i utrzymanie po wdrożeniu
Panel analityczny wie o użytkownikach serwisu więcej niż sam serwis, więc traktujemy go jak system wrażliwy. Wyłącznie HTTPS, dwuskładnikowe logowanie, role ograniczone do potrzebnych widoków i żadnego konta administratora współdzielonego przez agencję i klienta.
Rytm wydań Matomo wymaga zaplanowanego okna serwisowego. Bez niego instancja zostaje na starej wersji PHP, a po roku aktualizacja przestaje być rutyną i zamienia się w projekt. Monitoring też wygląda inaczej niż przy zwykłej stronie: alert powinien reagować na brak nowych danych w trackerze. Strona potrafi odpowiadać poprawnie, gdy pomiar milczy od tygodnia.
Backup bazy analitycznej planujemy osobno, bo rośnie w innym tempie i odtwarza się dłużej niż kopia serwisu. Ostatnia kwestia jest organizacyjna: kto odpowiada za instancję po odbiorze projektu. Ustalić to trzeba przed startem, nie po pierwszej awarii. Jeśli w firmie nie ma nikogo na etacie do takich zadań, rozwiązaniem bywa outsourcing działu IT z jasno opisanym zakresem dyżuru.
Jak wygląda udana migracja krok po kroku
Kolejność prac jest za każdym razem podobna i to ona decyduje o powodzeniu:
- inwentaryzacja istniejących zdarzeń, celów i raportów, z których ktoś realnie korzysta,
- równoległe zbieranie danych przez okres porównawczy,
- mapowanie konwersji między starym a nowym modelem,
- testy wydajności na produkcyjnym ruchu, nie na kopii testowej,
- szkolenie zespołu marketingu na jego własnych raportach,
- wyłączenie starego trackera dopiero po akceptacji liczb.
Okres podwójnego pomiaru to jedyny sposób, żeby wytłumaczyć różnice między narzędziami. A liczby nigdy nie zgodzą się co do jednostki, bo inaczej definiowana jest sesja, inaczej działa filtrowanie botów i inaczej wygląda pomiar bez zgody. Zarząd trzeba na to przygotować wcześniej – pokazać kierunek zmian zamiast obiecywać zgodność.
Nieudane wdrożenie rozpoznaje się prosto: po trzech miesiącach nikt się nie loguje do panelu. Wybór Matomo to decyzja o kontroli nad danymi i o przejęciu odpowiedzialności za utrzymanie. Sensowna wtedy, gdy analityka ma zasilać decyzje i inne systemy, a nie wypełniać slajd. Jeśli rozważacie takie wdrożenie, integrację analityki z własnymi systemami albo modernizację tego, co już działa – chętnie porozmawiamy o zakresie i realnych kosztach.
