Challenging Google Analytics: Building a Scalable, Cost-Effective User Tracking Service

KẾT LUẬN

Delivery Hero đã xây dựng thành công dịch vụ tracking nội bộ Perseus thay thế Google Analytics, đạt chất lượng dữ liệu vượt trội (97% so với 85% của GA), chi phí thấp hơn gấp 3 lần, và khả năng mở rộng xử lý tải gấp 10 lần. Bài học cốt lõi: một hệ thống tracking tự xây dựng, nếu được thiết kế kiểm thử kỹ lưỡng và tối ưu liên tục, hoàn toàn có thể vượt mặt giải pháp của Google về cả chất lượng lẫn chi phí - điều mà ban đầu chính đội ngũ cũng không tin là khả thi.

LUẬN ĐIỂM CHÍNH

• [Google Analytics có nhiều hạn chế nghiệp vụ (không real-time data, giới hạn số lượng event types, vấn đề GDPR với dữ liệu bên thứ ba) khiến Delivery Hero buộc phải tự xây dựng giải pháp tracking nội bộ thay vì migrate lên GA4
• Chiến lược kiểm thử toàn diện (load testing với 3x peak load, parallel pipeline testing, progressive rollout trên các thị trường nhỏ trước) là yếu tố then chốt giúp quá trình chuyển đổi không mất dữ liệu và không gây sự cố nào
• Việc chọn đúng KPIs đo lường (order match rate cho chất lượng dữ liệu, cost per message cho chi phí) cho phép theo dõi chính xác tác động của từng cải tiến và dẫn dắt quá trình tối ưu liên tục qua từng quý
• Tối ưu hóa sau MVP - data archival, lưu JSON thay vì text (giảm 20% storage), synchronous request để tránh mất dữ liệu khi pod restart, code-generated event models - đã đưa chất lượng từ 91% lên 97% và chi phí thấp hơn GA gấp 3 lần]

LUẬN ĐIỂM PHỤ

• [Dữ liệu không chỉ cần accurate (đến đúng đích) mà còn cần complete (định dạng chuẩn) - vấn đề null values có thể là empty string, chuỗi null string, số 0… gây khó khăn cho data consumers và cần giải pháp tự động thay vì dựa vào kỷ luật của developer
• Các biện pháp tối ưu chi phí đơn giản nhưng dễ bị bỏ qua: thay đổi kiểu lưu trữ field từ text sang JSON, sử dụng on-demand nodes thay vì standard, và archival dữ liệu ít truy cập - tổng hợp lại giúp giảm chi phí đáng kể]

LUẬN CỨ & VÍ DỤ

• [Order match rate: metric đối chiếu dữ liệu đơn hàng từ backend (source of truth 100%) với dữ liệu tracking - từ 85% (GA) → 91% (MVP) → 97% (sau tối ưu). Đây là metric then chốt giúp phát hiện mất mát và đo lường tiến bộ
• Load testing với dữ liệu thực ở mức 3x peak load đã giúp hệ thống sống sót qua ngày lễ công cộng khi lượng đơn hàng tăng đột biến mà không xảy ra sự cố - minh chứng thực tế cho tầm quan trọng của load testing
• Code-generated event models từ schemas: thay vì thuyết phục developer gửi đúng định dạng (human factor - không hiệu quả), tự động sinh code model báo lỗi ngay compile time khi sai kiểu dữ liệu - giải pháp kỹ thuật thay thế hoàn toàn yếu tố con người]

Nguồn: InfoQ | Phân tích bởi AI