許多公司在成長初期會依賴 Google Analytics (GA) 這種成熟的第三方工具來追蹤用戶行為，但當業務規模達到數百萬用戶，且對數據即時性、合規性與成本有極高要求時，第三方工具往往會變成瓶頸。
Delivery Hero 分享了他們如何從 GA 遷移到自研追蹤系統的實務經驗。這不僅是一個技術遷移過程，更是一場關於數據品質、成本控制與系統可靠性的工程實踐。
為什麼要捨棄 Google Analytics？
對於大型企業來說，GA 的限制通常體現在三個維度：
首先是數據即時性。GA 的數據更新通常有延遲（每天一兩次），但業務端需要即時數據來處理廣告計費等場景。
其次是合規與限制。GDPR 等法規要求數據必須儲存在特定基礎設施中，而第三方平台在隱私合規上較難完全掌控。此外，GA 對於定義的事件（Event）數量有上限，而自研系統可以支持無限多的事件類型。
最後是遷移成本。當時 Google 強制要求從 Universal Analytics 遷移到 GA4，既然無論如何都要投入人力進行遷移，公司決定將這筆成本投資在自有的基礎設施上，而非繼續依賴第三方。
從 MVP 到正式上線的簡約架構
在設計初期，工程團隊採取了極簡主義，避免過度設計。
其核心流程非常簡單：前端與行動端 SDK 收集數據 $\rightarrow$ API 接收 $\rightarrow$ Pub/Sub (訊息隊列) $\rightarrow$ 處理程序 (Processors) $\rightarrow$ BigQuery (數據倉庫)。
這種簡約架構的優勢在於極高的擴展性。當流量激增時，只需增加處理程序的數量即可應對。隨著系統成熟，團隊才在 API 周圍逐步增加數據驗證服務、清洗作業 (Curation Jobs) 等模組，而不需要重構核心路徑。
確保數據品質：定義 Order Match Rate
在追蹤系統中，最難的是如何證明數據是準確的？團隊定義了一個關鍵指標：訂單匹配率 (Order Match Rate)。
他們將追蹤系統收集到的訂單事件，與後端數據庫（絕對真理來源，Source of Truth）中的實際支付訂單進行比對。如果後端有 100 筆訂單，但追蹤系統只收到 85 筆，就代表有 15% 的數據丟失。
透過這個指標，團隊發現自研系統的數據品質反而高於 GA（從 85% 提升至 97%），這直接影響到計費準確性，為公司帶來實質收益。
工程實務中的坑與解決方案
在開發過程中，團隊遇到了幾個典型的分佈式系統問題：
Pod 重啟導致數據丟失。 起初系統採取非同步處理，當 Kubernetes 的 Pod 因為記憶體不足 (OOM) 被殺掉時，緩衝區內的數據會直接消失。解決方案看似簡單但有效：將請求改為同步處理。雖然延遲增加了，但因為 SDK 在行動端是以非阻塞 (Non-blocking) 方式運作，用戶無感，而數據可靠性得到了保障。
數據治理混亂。 當成千上萬個事件被發送時，常出現 null 值被寫成字串 "null" 或空字串的情況，導致分析師需要花大量時間清洗數據。團隊不再僅靠口頭要求開發者遵守規範，而是引入了代碼生成 (Code Generation) 機制。根據定義好的 Schema 自動生成事件模型，讓開發者在編譯階段 (Compile time) 就能發現類型錯誤，將數據品質控制在開發端。
成本優化策略。 為了讓成本低於 GA，團隊採取了三項措施：將儲存格式從 Text 改為 JSON（降低 20% 儲存成本）、引入數據歸檔機制（將冷數據移至廉價儲存）、以及使用預留節點而非按需節點。最終成本降低至 GA 的三分之一。
對 Junior 工程師的建議：如何穩健地遷移大系統
如果你正準備執行類似的系統遷移，可以參考以下策略：
雙管齊下測試 (Double Pipeline)。 在移除 GA 之前，讓 SDK 同時向 GA 和自研系統發送數據。雖然這會增加一倍的成本且運行時間較長，但它是驗證新系統是否能達到相同數據量最安全的方法。
漸進式發佈 (Progressive Rollout)。 不要一次性對所有用戶開啟。先在小市場、小品牌測試，如果出錯，回滾成本最低，影響範圍最小。
壓力測試 (Load Testing)。 不要只測試平均流量，要測試峰值流量的 3 倍以上。Delivery Hero 透過壓力測試，成功撐過了公共假期產生的極端流量高峰。
總結
自研追蹤系統的最大價值在於掌控權。團隊可以根據自己的優先級定義功能，無需等待第三方供應商更新，且能完全滿足法律合規要求。
這證明了：只要定義正確的 KPI（如訂單匹配率）、保持架構簡潔、並在開發階段就介入數據驗證，自研方案在性能與成本上完全可以超越頂級的商業工具。
來源：infoq.com - Challenging Google Analytics: Building a Scalable, Cost-Effective User Tracking Service
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。