Event Match Quality يقيس مدى فائدة معلومات العميل المرتبطة بالحدث للمطابقة داخل Meta. انخفاضه لا يعني تلقائيًا أن CAPI “لا يعمل”، ولا يثبت أن عندك duplicate events أو أن event coverage ضعيف.
افصل EMQ عن باقي المشاكل
هناك أربع طبقات مختلفة يجب ألا نخلطها: هل event وصل؟ هل يحمل معلومات مطابقة مفيدة؟ هل browser/server copies تم deduplicate؟ هل وصل في وقت مناسب؟ ثم يأتي attribution كطبقة reporting منفصلة.
ابدأ بـPurchase لا بالـscore
اختر عدة orders حقيقية أو test orders مضبوطة. لكل order راجع browser event وserver event وما استلمته Meta. الهدف أن تعرف هل المشكلة عامة أم في events أو checkout paths محددة.
راجع Customer Information Coverage
اسأل: ما identifiers المتاحة فعلًا وقت الحدث وبشكل مسموح؟ هل email/phone أو customer identifiers تُجمع بدقة عند توفرها؟ هل formatting/normalization متسق؟ لا تضف بيانات غير موجودة ولا تخمّن قيمًا فقط لتحسين score.
راجع Browser وClick Context
في بعض journeys تكون browser identifiers أو click context مهمة لفهم الزيارة. افحص هل تُفقد عند redirect للدفع أو انتقال بين domains أو checkout مختلف، ولا تفترض أن server event وحدها ستعيد هذا السياق.
افصل Matching عن Deduplication
قد يكون عندك EMQ جيدة لكن Purchase مكرر، أو deduplication صحيحة لكن customer information ضعيفة. افحص event_id وownership بشكل مستقل عن matching identifiers.
استخدم Production Samples
Test Events مفيدة أثناء البناء، لكنها لا تمثل دائمًا تنوع traffic الحقيقي. راجع sample من production يشمل mobile/desktop وطرق دفع مختلفة وجلسات بإشارات متفاوتة.
لا تطارد “رقمًا مثاليًا”
الهدف ليس تعظيم score بأي ثمن. الهدف إرسال بيانات صحيحة، مسموحة، ومستقرة. Score أعلى مع بيانات غير دقيقة أو event duplicated ليست نتيجة أفضل.
أسباب شائعة لانخفاض EMQ
- identifiers قليلة أو غير مستقرة على Purchase.
- checkout يفقد session/click context.
- formatting غير متسق بين browser وserver.
- event mapping يرسل بيانات مختلفة لنفس الحدث.
- التركيز على event ثانوي وترك Purchase أو Lead بجودة ضعيفة.
Workflow تشخيص عملي
- اختر event واحدًا عالي القيمة.
- قارن browser/server payloads لنفس العملية.
- راجع customer identifier coverage.
- افحص click/browser context.
- اختبر deduplication منفصلًا.
- أصلح أكبر gap ثم أعد القياس على sample جديد.
ما الذي لن تصلحه EMQ؟
تحسين matching لا يصلح missing Purchase، ولا يعالج value/currency خطأ، ولا يفسر كل attribution gap، ولا يعوّض campaign ضعيفة أو landing page لا تحول.
أين KePixel؟
KePixel يركز على تشخيص event quality والمطابقة والتكرار ومسار الإرسال قبل اقتراح stack أكبر. أي تكامل مع destination معينة يجب تأكيد حالته الحالية قبل rollout.
الخطوة التالية
إذا كان Meta والمتجر مختلفين، صنّف الفرق أولًا: missing event، duplicate event، weak matching، value mismatch، أم attribution difference. بعدها أصلح الطبقة الصحيحة.