분석 계측

이벤트 분류 체계는 제품 전반에 걸쳐 추적되는 모든 이벤트에 대한 표준화된 명명 및 속성 규칙입니다. 분류 체계가 없으면 여러 엔지니어가 추적을 일관성 없이 구현하게 됩니다. 예를 들어, 동일한 작업에 대해 "button_click", "ButtonClick", "btn_click"이 모두 존재하여 분석 플랫폼이 이를 안정적으로 집계할 수 없습니다. 잘 설계된 분류 체계는 일관된 명명 규칙(일반적으로 동사_명사: "document_created", "feature_activated", "plan_upgraded"), 모든 이벤트에 첨부되는 표준화된 컨텍스트 속성 세트(user_id, account_id, plan, session_id, timestamp), 그리고 모든 계획된 이벤트, 트리거 조건, 필수 속성 및 소유자를 문서화하는 이벤트 카탈로그(일반적으로 Notion 또는 전용 도구에 있음)를 사용합니다. Product Ops는 이벤트 분류 체계를 설계하고 유지 관리하며, 모든 새로운 계측 PR을 병합하기 전에 카탈로그와 비교하여 검토합니다.

분석 데이터는 시간이 지남에 따라 다음과 같은 이유로 저하됩니다. 잘못된 조건에서 발생하는 이벤트, null 또는 유효하지 않은 값을 포함하는 속성, 경쟁 조건으로 인한 중복 이벤트, 리팩토링 후 제품 기능이 더 이상 반영되지 않는 이벤트. Product Ops는 데이터 품질 모니터링 관행을 수립합니다. 즉, 중요한 이벤트가 발생하는지 확인하는 자동화된 테스트(볼륨 추세 확인 — 주요 이벤트의 50% 감소는 조사가 필요한 이상 현상임), 필수 속성이 누락되었을 때 경고하는 속성 유효성 검사 규칙, 그리고 분기별 계측 감사입니다. 감사는 이벤트 카탈로그를 분석 플랫폼의 실제 이벤트 스트림과 비교하여 제품에는 존재하지만 카탈로그에는 없는 이벤트와 더 이상 발생하지 않는 카탈로그 항목에 플래그를 지정합니다.

분석 계측은 기본적으로 개인 정보 보호를 염두에 두고 설계되어야 합니다. 주요 원칙은 다음과 같습니다. 제품 의사결정에 필요한 최소한의 데이터만 수집(PII를 포함할 수 있는 자유 텍스트 사용자 입력 캡처 방지); 타사 분석 도구로 이벤트를 전송하기 전에 동의 관리 구현을 통해 GDPR 및 CCPA 준수 보장; 내보낸 데이터 세트에서 사용자 식별자 익명화; 그리고 데이터 보존 정책 유지(12~24개월 후 상세 이벤트 데이터 삭제, 집계된 지표는 무기한 보존). Product Ops는 데이터 인벤토리를 유지 관리합니다. 이는 수집된 모든 이벤트 데이터, 데이터가 흐르는 곳(분석 플랫폼, 웨어하우스, 타사 도구), 그리고 데이터 분류(공개, 내부, 기밀, 제한됨)에 대한 카탈로그입니다. 이 인벤토리는 새로운 계측을 시작할 때 개인 정보 영향 평가의 진실 공급원입니다.