Dall'HTTP arrivano le informazioni

Per entrare nel dettaglio, ogni Web server è in grado di tenere un log abbastanza preciso degli accessi alle singole pagine: grazie alle caratteristiche intrinseche del protocollo HTTP, è possibile memorizzare l'indirizzo IP del client dal quale proviene la richiesta. E, fortunatamente, esiste uno standard di fatto per il formato di registrazione di queste informazioni: quello, diciamo così, storico dei primi server Web di pubblico dominio, Ncsa e Cern, dai quali deriva fra l'altro il più diffuso Web server attualmente più diffuso, Apache. Tutti i successivi prodotti della categoria, anche quelli commerciali, hanno continuato e continuano a offrire un logging compatibile con tale formato, anche se molti possono ormai generare log personalizzati, contenenti anche informazioni aggiuntive rispetto allo standard. Tutto ciò, unito al fatto che la tecnologia Web si è in gran parte sviluppata in ambito dell'open source, ha permesso il proliferare di strumenti di analisi dei file di log, in molti casi anche public domain: basta fare una ricerca su un qualsiasi search engine Internet con parole chiave Web log analyzer per trovare un'infinità di prodotti gratuiti, in grado di esaminare e riassumere le statistiche degli accessi utenti alle pagine di un sito.

Capire esattamente cosa si analizza

Tutto facile, dunque? Assolutamente no, e per svariati motivi. Innanzitutto la validità intrinseca del concetto di "numero di accessi" a una pagina è opinabile: il Web server è infatti in grado di registrare che un certo client ha richiesto un file HTML o un'immagine o quant'altro, ma è ormai noto ai più che buona parte delle pagine che vengono visualizzate da un utente non proviene direttamente dal server. Per velocizzare le operazioni e per ottimizzare la banda, dopo il primo accesso il browser infatti le preleva, se disponibili e se non aggiornate, dalla propria cache: quindi un utente può teoricamente consultare per diversi giorni la stessa pagina senza che il Web server sia a conoscenza del fatto. E fino a qui poco male, in fondo l'accesso del singolo utente, quindi il suo potenziale interesse, è stato comunque memorizzato almeno una volta: ma ormai una larghissima fetta di utenti accede ai siti via proxy, quindi prelevando, sempre se disponibile, la pagina dalla cache del proxy server senza contattare direttamente il Web server. Una certa pagina può quindi essere consultata, potenzialmente, da un numero considerevole, spesso migliaia se non addirittura milioni, di utenti anche se su log del Web server è registrato un solo accesso (per la verità buona parte dei proxy offrono l'opzione, molto politically correct, di riferire al Web server di destinazione gli accessi utenti alle pagine nella cache, ma ciò comporta comunque una certa occupazione di banda, e sinceramente dubitiamo che siano molti gli amministratori di sistema ad abilitare questa opzione).
La presenza di proxy e di firewall crea un altro inconveniente, quello cioè di nascondere il client reale: i log del Web, quindi, riportano nella maggior parte dei casi, alla voce indirizzo del client, non il vero IP Address dell'utente ma quello della sua porta di ingresso a Internet. Un dato significativo a livello di aggregazione, perché indica il dominio di provenienza della richiesta, ma sicuramente non molto valido analiticamente.
Insomma, come dicevamo, i numeri relativi agli accessi a un sito Web sono dunque approssimativi, o almeno più discutibili rispetto a dati quali le vendite fisiche di un prodotto, e soprattutto sono difficilmente comparabili con quelli dei concorrenti, perché alle stesse cifre possono essere associate interpretazioni diverse. Solo per fare un esempio, se un file di log una pagina risulta consultata dal proxy server di una grande azienda multinazionale, è probabilmente capzioso ma non errato tecnicamente sostenere che il numero di accessi reali a quella pagina può corrispondere al numero totale di client presenti in quell'azienda.

Pagina successiva Pagina precedente