Что такое privacy-аналитика

Коротко: privacy-аналитика — это подсчёт посещаемости, источников и конверсий, при котором в браузере посетителя не записываются идентификаторы, а персональные данные не собираются. Данные агрегируются на сервере в виде визитов, событий и источников; сведения, по которым можно восстановить поведение конкретного человека, не хранятся. Владелец сайта получает привычные отчёты и при этом снимает с себя cookie-баннер, связанный с аналитикой.

По каким признакам узнаётся privacy-подход

Пять признаков складываются в подход целиком — по одному в отрыве от остальных судить о любом инструменте сложно:

• счётчик не записывает cookie и не использует localStorage для различения посетителей;
• собираются обезличенные события: страница, источник, тип устройства, но не имя, почта или идентификатор пользователя;
• данные агрегируются на сервере: отчёт считается из событий, а сырые сведения, позволяющие следить за человеком, не хранятся;
• сбор прозрачен: понятно, какие поля передаются с сайта, документация и код доступны для проверки;
• хранение данных контролируемо: известны страна и юрисдикция, где физически лежат данные.

Слово «privacy» в описании продукта само по себе признаком не является: проверяется механика, а не название.

Чем privacy-аналитика отличается от обычной

Обычные счётчики запоминают посетителя идентификатором в cookie и строят из визитов историю конкретного браузера. Как это устроено, показывает справка Яндекс Метрики: для учёта посетителей используются «анонимные идентификаторы браузеров, которые сохраняются в cookie», часть данных пишется в localStorage. Privacy-подход обходит запоминание: визиты считаются на сервере, уникальность — на базе календарного дня, и между сессиями ничего не связывается. Подробное сравнение двух механик, включая таблицу отличий и список того, что теряется без cookie, — в статье «Аналитика без cookie и с cookie: в чём разница».

Что privacy-аналитика считает полноценно

Основной маркетинговый контур в privacy-аналитике доступен целиком:

• посещаемость и динамика: визиты, уникальные посетители, страницы входа и ухода, глубина и время;
• источники и каналы: рефереры, поисковики, соцсети, UTM-метки рекламных кампаний, переходы из нейросетей;
• события: клики, отправки форм, загрузки файлов, переходы в мессенджеры, просмотры страниц цен;
• конверсии: цели, воронки по шагам, доход по заказам;
• связка с рекламой: конверсии по рекламным кликам передаются в кабинеты Директа и VK.

На примере ДэйРики: 13 событий собираются автоматически при подключении счётчика около 1 КБ, воронки и выручка считаются в кабинете, конверсии по рекламным кликам уходят по API в Яндекс Директ (yclid) и VK Рекламу (rb_clickid), офлайн-конверсии передаются отдельным запросом. Данные хранятся в России. Для отчётов, по которым принимаются маркетинговые решения, этого набора достаточно.

Чего privacy-аналитика не умеет

Честный список ограничений. Сквозной идентификации пользователя нет: история человека между визитами и устройствами не собирается, путь «нашёл с телефона, купил с ноутбука» выглядит как два визита. Сегментов для ретаргетинга нет: рекламные аудитории строятся по идентификаторам в браузере, которые privacy-счётчик не создаёт. Точного показателя возвращающихся нет: уникальность считается в пределах суток, и на длинном горизонте различение «новый или вернулся» остаётся приближением. Продуктовой аналитики уровня профиля — когорт, retention, путей конкретного пользователя — тоже нет. Командам, которым эти отчёты нужны ежедневно, privacy-счётчик подойдёт в паре с профильным инструментом, а не вместо него.

Как проверить, что инструмент действительно privacy

Проверка занимает полчаса и не требует доверять описаниям на сайте вендора:

• откройте сайт с подключённым счётчиком и инструменты разработчика: вкладки cookie и хранилище. Если после загрузки страницы появляются записи счётчика, перед вами cookie-подход;
• прочитайте политику обработки данных сервиса: какие данные собираются, для чего, считаются ли они персональными;
• выясните, где физически хранятся данные и в какой юрисдикции находится компания;
• спросите, хранятся ли сырые события с полными деталями запроса или только агрегаты: из сырых данных поведение конкретного человека восстанавливается легче;
• проверьте, требует ли инструмент баннер согласия для аналитики: если требует, счётчик пишет идентификаторы в браузер.

Последний пункт работает как быстрый тест: баннер, который спрашивает согласие на аналитические cookie, означает, что механика privacy-подходом не является.

Почему о privacy-аналитике говорят чаще

Три процесса тянут тему вверх. Браузеры год за годом ограничивают сторонние cookie и усиливают защиту от отслеживания, из-за чего классические механики теряют точность. Блокировщики рекламы вырезают счётчики, и часть визитов до отчётов не доходит, а значит, решения принимаются по неполной картине. Требования к согласию на обработку данных ужесточаются: в России действует 152-ФЗ, в Европе сложилась GDPR-практика cookie-баннеров, и идентификаторы в браузере попадают в зону внимания регуляторов — юридическую сторону мы разбираем в статьях о cookie-баннерах и штрафах. Конкретных рыночных цифр по доле privacy-инструментов здесь не приводится: надёжных публичных замеров по российскому рынку у редакции нет.

Похожие статьи

Признаки privacy-подхода, события и интеграции ДэйРики — по устройству продукта. Механика идентификации через cookie — официальная справка Яндекс Метрики (пересказ без прямого цитирования полей). Юридический контекст подан без нормативных ссылок: требования 152-ФЗ и практика согласий разобраны в статьях блога о cookie-баннерах и штрафах; статья не заменяет юридическую консультацию.