El análisis espacial y el análisis web representan un problema de capas para los productos cartográficos, no una decisión de reemplazo. El análisis web mide páginas, sesiones, campañas, eventos y conversiones. El análisis espacial añade mapas, lugares, regiones, rutas, cobertura, fricción geográfica y resultados dependientes de la ubicación para que los equipos puedan ver dónde una decisión del cliente tiene éxito o fracasa. Los productos cartográficos suelen necesitar ambas capas: el contexto de adquisición del análisis web y la medición centrada en la ubicación para el propio mapa.
Las secciones siguientes separan las dos tareas de medición, documentan Kaleidr Analytics desde su página pública actual y, a continuación, abordan el diseño del embudo, la propiedad, los identificadores, la fricción geográfica, la privacidad y cuándo justifica el coste una capa espacial dedicada. Entre las lecturas relacionadas se incluyen KPI del panel de análisis espacial para productos de mapas, Mapas de experiencia del cliente con inteligencia de ubicación, API de clasificación de lugares y Datos de ubicación privados para flujos de trabajo de mapas con IA. Los equipos que ya utilizan análisis web pueden pasar directamente a la arquitectura de dos capas; los equipos que aún estén definiendo una métrica clave deben comenzar con el embudo.
Elementos esenciales de la comparación
- Mantener ambas capas: La analítica web gestiona la adquisición y la conversión en todo el sitio; la analítica espacial gestiona las cuestiones de mapas, lugares y cobertura.
- El lugar es la unidad que falta: Una interacción con un mapa puede involucrar muchas ubicaciones a la vez, por lo que una URL no es suficiente.
- Seguir Descubrir → Comparar → Actuar: Los clics en marcadores y los recuentos de desplazamiento son señales de apoyo, no resultados.
- Unirse con identificadores estables: Los identificadores de sesión, tarea y lugar conectan las herramientas sin copiar cada evento.
- Confirme el contrato del producto: Actualmente, Kaleidr Analytics documenta la interacción con mapas y lugares, no un esquema completo de conversión de host.
¿En qué se diferencian el análisis espacial y el análisis web para los productos de mapas?
La división útil radica en la unidad de análisis. El análisis web se organiza en torno a páginas, pantallas, sesiones, campañas y eventos de conversión. El análisis espacial se organiza en torno a mapas, lugares, regiones, rutas, áreas de búsqueda, áreas de servicio y las condiciones geográficas que influyen en una decisión. Google Analytics define actualmente un evento como una forma de medir una interacción o suceso específico en un sitio web o aplicación, incluyendo la carga de una página, un clic o una compra (Evento). Una sesión es el período durante el cual un usuario interactúa con el sitio o la aplicación, y Google actualmente documenta un tiempo de espera predeterminado de 30 minutos de inactividad (Acerca de las sesiones de Analytics). Estas definiciones siguen siendo útiles para los productos de mapas. Las métricas de eventos y sesiones, por sí solas, no permiten determinar qué lugar se seleccionó, qué región no tenía disponibilidad o hasta dónde estaba dispuesto a viajar un cliente.
Una página de hotel se puede identificar mediante una URL. Una interacción con un mapa puede incluir diez hoteles, tres barrios, un aeropuerto seleccionado y una ruta en la misma vista. Registrar place_selected sin contexto de lugar, región, mapa ni viaje deja el evento como un clic. El mismo recorrido del cliente aún requiere el contexto de la campaña y la página de destino de la analítica web, ya que la geografía no explica cómo se inició la sesión.
| Pregunta | Análisis web | Análisis espacial |
|---|---|---|
| ¿Qué página visitó el usuario? | Pregunta principal | Contexto de apoyo |
| ¿Qué campaña generó la sesión? | Pregunta principal | Contexto de apoyo |
| ¿Qué mapa se abrió? | Evento o propiedad | Dimensión principal del mapa |
| ¿Qué lugar se seleccionó? | Evento o propiedad personalizada | Dimensión principal del lugar |
| ¿Dónde fallaron las búsquedas? | Generalmente requiere modelado personalizado | Pregunta geográfica principal |
| ¿Qué regiones tienen demanda pero poca oferta? | No es espacial de forma natural | Pregunta espacial principal |
| ¿Qué distancia recorrerán los clientes? | Requiere un modelo de ubicación personalizado | Métrica espacial natural |
| ¿Qué ubicaciones generan conversiones? | Posible con identificadores personalizados | Análisis central de la relación entre lugar y resultado |
| ¿Dónde se produce la fricción en el mapa? | Difícil de determinar solo con las URL | Diagnóstico espacial clave |
| ¿Qué acción del cliente se completó? | Métrica de conversión clave | Debe conectarse al mismo resultado |
¿Por qué la medición de páginas y eventos es incompleta para un mapa?
Google Analytics agrupa los eventos en tipos recopilados automáticamente, de medición mejorada, recomendados y personalizados. Existen eventos personalizados para interacciones que no están cubiertas por estos nombres predefinidos (Configurar eventos). Por lo tanto, un equipo de mapas puede enviar map_opened, place_selected, directions_clicked o booking_started como eventos personalizados. El modelo de eventos aún no especifica las cuestiones geográficas. Sin el contexto del lugar, el equipo no puede determinar la ubicación, la región, el mapa, la distancia desde el origen del usuario, si el lugar se encuentra dentro del área solicitada, si existen alternativas cercanas o si ese lugar tiene un rendimiento superior o inferior en diferentes mercados.
Una alta actividad de desplazamiento y zoom puede indicar interacción, confusión, una mala presentación inicial, resultados de búsqueda erróneos o dificultad para encontrar un lugar. Una conversación prolongada con la IA puede indicar una exploración profunda o malentendidos repetidos. Una estrategia de medición útil separa la interacción (lo que hizo el usuario), la resolución (si el mapa ayudó al usuario a encontrar o comprender el lugar correcto) y el resultado (si se produjo la siguiente acción prevista). Las cargas del mapa indican si los usuarios accedieron al mapa, pero no si el mapa les fue útil. Considérelas como la parte superior del embudo de conversión y conéctelas con el éxito de la búsqueda, la selección de un lugar y una acción comercial.
¿Qué documenta actualmente Kaleidr Analytics?
Kaleidr describe actualmente Analytics como un panel de control para la interacción con mapas y lugares que organiza las sesiones, las visualizaciones, las interacciones y la actividad de la audiencia para que los equipos puedan ver cómo las personas descubren y utilizan los mapas (Map Engagement and Location Analytics). La misma página pública enumera cuatro áreas de producto: Paneles de control para el alcance, las visualizaciones y la interacción; Audiencia para la ubicación y la actividad de la audiencia en los mapas; Interacción para las sesiones, las visualizaciones y las interacciones por mapa; e Información para tendencias espaciales basadas en IA y señales procesables. Las preguntas frecuentes indican que los equipos pueden medir la carga de mapas, las sesiones, las visualizaciones y las interacciones, además de dónde interactúan las audiencias y qué lugares atraen la atención. Según la página, el análisis web tradicional se centra en las páginas y los eventos, mientras que Kaleidr Analytics se centra en los lugares y los mapas.
Este texto refleja la postura oficial de Kaleidr. La página pública no documenta actualmente un esquema completo de eventos ni una lista garantizada de eventos de conversión de negocio automáticos. El acceso se está implementando gradualmente para los equipos, y la llamada a la acción los dirige a solicitar acceso en lugar de asumir que todos los flujos de trabajo descritos ya están disponibles en todas las cuentas. Por lo tanto, la arquitectura que se describe a continuación considera las métricas documentadas de mapas y lugares como el contrato de Kaleidr Analytics, y los eventos de reserva, consulta, recogida y compra como instrumentación del host que debe conectarse mediante identificadores estables. Confirme la disponibilidad actual en Precios y planes antes de depender de un flujo de trabajo de producción específico.
¿Cómo debe un embudo espacial pasar del descubrimiento a la acción?
La exploración del embudo de Google Analytics visualiza los pasos que siguen los usuarios para completar una tarea y muestra dónde tienen éxito o fracasan en cada paso (Exploración del embudo). Un producto de mapas requiere la misma metodología con entidades geográficas. La documentación de Kaleidr sobre inteligencia de ubicación ya plantea la tarea del cliente como descubrir, comparar y actuar en el lugar adecuado (Mapas de experiencia del cliente con inteligencia de ubicación). Para un mapa con geolocalización, Descubrir incluye búsquedas, preguntas de IA, selección de categorías o exploración de áreas. Comparar incluye abrir un lugar, inspeccionar un segundo lugar, visualizar el tiempo de ruta o cambiar la selección del mapa o la lista. Actuar incluye indicaciones, reservas, consultas, selección de tiendas, recogida, inicio de ruta o guardado.
El embudo es más eficaz que simplemente "abrir el mapa y hacer clic en un marcador", ya que sigue la decisión del cliente en lugar de la actividad del motor de renderizado. Los desplazamientos, los zooms, los cambios de capa y el recuento de mensajes siguen siendo herramientas de diagnóstico útiles. No todos deberían convertirse en KPI. Un panel con veinte recuentos de interacciones y sin resultados de tareas puede parecer sofisticado, pero explicar muy poco. Segmenta el mismo embudo por lugar, región, intervalo de tiempo de viaje y área de servicio para que el equipo pueda determinar si la conversión disminuye cuando la opción elegible más cercana está más lejos de lo que los clientes están dispuestos a viajar.
¿Cómo deberían compartir la propiedad la analítica web y la analítica espacial?
La arquitectura más sólida asigna una función a cada sistema y solo integra lo que la pregunta requiere. La analítica web y de producto debería gestionar la conversión de origen, campaña, página, sesión y sitio web. La analítica espacial debería gestionar el mapa, el lugar, la región, la ruta, la cobertura, la fricción geográfica y el contexto del resultado espacial. Los sistemas operativos deberían gestionar el inventario, las reservas, las transacciones, el estado del CRM y otros registros comerciales autorizados. Actualmente, Google documenta que los informes, las Exploraciones, la API de datos y BigQuery pueden aplicar diferentes reglas de identidad, modelado, umbralización y disponibilidad (Comparar informes de Analytics y datos exportados a BigQuery). Copiar cada evento del mapa en cada plataforma recrea esa inconsistencia a un costo mayor.
Combinar las capas con session_id, task_id y place_id donde sea necesario. Una campaña de búsqueda pagada se puede interpretar como: campaña, mapa de propiedades, región del centro, anuncio seleccionado y consulta iniciada. La capa de adquisición explica cómo llegó el usuario. La capa espacial explica cómo influyó la ubicación en la decisión. El sistema anfitrión sigue siendo la fuente de información fidedigna sobre si la consulta o la reserva se realizaron realmente. Kaleidr Analytics puede proporcionar el contexto del mapa y del lugar; no se le debe pedir que duplique el registro de reservas.
¿Por qué los identificadores estables son más importantes que los nombres de ubicación?
Un nombre de ubicación es una cadena de texto para visualización. Los nombres duplicados, las ubicaciones renombradas, la localización y las diferencias de puntuación provocan fallos en la conexión. Un place_id estable puede aparecer en place_selected en la capa del mapa y de nuevo en booking_started en el sistema host, de modo que ambos eventos describen la misma ubicación incluso cuando cambia el nombre público. Los nombres para visualización pueden seguir siendo propiedades. El identificador debe permanecer estable, y la misma regla se aplica a map_id y region_id.
Los nombres de eventos en este artículo son ejemplos editoriales, no eventos automáticos documentados de Kaleidr Analytics. Una taxonomía práctica podría incluir map_opened, map_ready, map_search_submitted, map_results_returned, map_no_result, map_place_selected, map_route_opened y map_action_started, manteniendo los nombres de los resultados específicos para cada negocio (booking_started, property_inquiry_started, store_directions_opened). Verifique el esquema del producto actual antes de tratar cualquiera de estas cadenas como un evento Kaleidr enviado. Los productos de clasificación también deben registrar la clasificación seleccionada, ya que el primer resultado puede obtener clics por su presentación en lugar de por preferencia; la API de clasificación de lugares corrige este sesgo de presentación en la recuperación.
¿Qué preguntas únicas puede responder la fricción geográfica?
El análisis espacial resulta útil cuando los eventos se agrupan por geografía y se comparan como tasas. Barrio, ciudad, mercado, territorio de servicio, región de ventas y zona de ubicación son dimensiones regionales válidas si están controladas. Las preguntas que las URL no pueden responder de forma fiable incluyen dónde se concentra la demanda, dónde la tasa de selección es baja, dónde los usuarios amplían repetidamente la búsqueda y qué áreas de servicio no tienen oferta disponible. La geografía de búsqueda y la geografía del usuario no son lo mismo: una persona en una región puede buscar hoteles en otra, por lo que el origen del modelo debe modelarse por separado del área visible, el destino escrito, el polígono dibujado o el corredor de ruta.
Un evento sin resultados debe incluir una razón siempre que sea posible: no hay candidatos, no hay oferta disponible, fuera del área de servicio, inventario no disponible, consulta no comprendida o autorización que eliminó todos los resultados. Un simple recuento de cero resultados no indica a los operadores qué deben corregir. El análisis de cobertura compara la demanda con la cobertura geográfica disponible: mercados sin proveedores, tiendas más lejanas de lo que los clientes están dispuestos a viajar, búsqueda de propiedades sin inventario activo, barrios hoteleros con interés pero con socios débiles. Los mapas de calor sin denominadores son engañosos, ya que una celda densa a menudo muestra dónde ya hay más usuarios en lugar de dónde el rendimiento es mejor. Se debe conservar la tasa de selección, la tasa de éxito de la búsqueda y la tasa de resultados. Las regiones grandes contienen naturalmente más eventos; Normalice por sesiones, oferta disponible o vistas del mapa antes de clasificar los territorios.
¿Cómo deben los equipos gestionar la privacidad de la ubicación en Analytics?
La especificación de geolocalización del W3C establece que obtener la ubicación geográfica de un dispositivo «también revela la ubicación del usuario, lo que podría comprometer su privacidad». Además, indica a los desarrolladores que las leyes de privacidad de sus jurisdicciones pueden regular el uso y el acceso a la geolocalización (Geolocation). La mayoría de las preguntas de análisis de productos no requieren coordenadas exactas permanentes. Se recomienda utilizar region_id, place_id, intervalos de distancia, intervalos de tiempo de viaje y service_area_id cuando respondan a la pregunta de negocio. Un ID de tienda seleccionado, junto con una región de origen, suele ser suficiente; la latitud y longitud exactas de origen en el almacén de datos de análisis a menudo no lo son.
Un ID de lugar puede ser público, mientras que el origen preciso de un usuario es confidencial. No se deben tratar como equivalentes. Los informes agregados —búsquedas por vecindario, tasa de selección por área de servicio, conversión por franja horaria— reducen tanto el ruido como la identificabilidad. Las celdas geográficas con bajo volumen de búsquedas pueden resultar identificativas, por lo que los equipos podrían necesitar suprimir datos, establecer recuentos mínimos o definir regiones más amplias. La política de privacidad adecuada depende del contexto legal y de la implementación; este artículo describe el diseño de la medición, no una determinación para un lector específico. La autorización y la minimización de datos para ubicaciones comerciales privadas se tratan en Datos de ubicación privada para flujos de trabajo de mapas con IA.
¿Cuándo es suficiente el análisis web y cuándo es necesario el análisis espacial?
Actualmente, Esri define los SIG como una tecnología utilizada para crear, gestionar, analizar y mapear datos conectando la ubicación con información descriptiva (¿Qué es un SIG?). El análisis espacial para un producto cartográfico no es lo mismo. Los equipos de producto no necesitan procesamiento ráster, modelado de redes ni geoestadística para analizar el comportamiento del cliente con entidades y relaciones geográficas. Los SIG pueden respaldar los cálculos subyacentes. Un mapa de calor es una visualización, no una estrategia; las tablas, los embudos, las clasificaciones de lugares, las comparaciones regionales, los intervalos de tiempo de viaje y las métricas de área de servicio son todos análisis espaciales.
Un mapa de contactos decorativo con una sola oficina, sin interacción a nivel de lugar y sin dependencia geográfica en el resultado comercial puede no justificar una capa espacial dedicada. El análisis espacial se vuelve necesario cuando el producto debe comprender el rendimiento de los lugares, la demanda regional, las brechas de cobertura, el comportamiento del tiempo de viaje, la geografía sin resultados, la conversión asistida por mapas o la calidad de la IA con reconocimiento de ubicación por región. Los mapas conversacionales agregan ai_question_submitted y eventos de host relacionados, pero las métricas más importantes siguen siendo la pregunta resuelta, el lugar relevante seleccionado y la acción comercial completada. Una conversación breve puede ser mejor que una larga. Los mapas en tiempo real y 3D agregan confiabilidad o diagnósticos de cámara; estos siguen estando sujetos a la misma prueba de resultados. En el caso específico de 3D, un movimiento de cámara adicional sin una mejor selección o finalización de la tarea no es evidencia de valor (Mapas 3D en Kaleidr Studio).
¿Qué errores deben evitar los equipos de análisis de mapas?
El error recurrente es considerar la actividad del mapa como un éxito. Reemplazar el análisis web elimina el contexto de adquisición. Rastrear solo las aperturas del mapa confunde adopción con valor. Contabilizar los desplazamientos y zooms como éxitos hace que la fricción parezca interacción. Almacenar nombres de lugares en lugar de identificadores rompe las uniones. Mezclar la geografía del usuario con la geografía de búsqueda hace que el análisis sea inexacto. Clasificar las regiones por recuentos brutos premia el tamaño. Tratar un mapa de calor como estrategia no genera decisiones comerciales. Rastrear coordenadas exactas cuando una banda sería suficiente aumenta el riesgo de privacidad. Optimizar un mapa de IA para el volumen de mensajes premia el fracaso prolongado. Copiar cada evento en cada herramienta sobrecarga la arquitectura. Suponer que los nombres de eventos recomendados son eventos automáticos de Kaleidr hace que la implementación sea incorrecta.
| Error | Resultado | Mejor enfoque |
|---|---|---|
| Reemplazar completamente el análisis web | Se pierde el contexto de adquisición | Usar ambas capas |
| Registrar solo las aperturas del mapa | Confundir la adopción con el valor | Conectar con el resultado |
| Considerar los desplazamientos y zooms como éxito | La fricción puede parecer interacción | Medir la resolución |
| Almacenar nombres de lugares en lugar de identificadores | Las uniones fallan | Usar identificadores estables |
| Combinar la geografía del usuario con la geografía de la búsqueda | El análisis se vuelve impreciso | Modelarlos por separado |
| Usar recuentos brutos por región | Las regiones grandes se ven mejor | Conservar los denominadores |
| Tratar un mapa de calor como estrategia | No se deriva ninguna decisión empresarial | Comenzar con el embudo y el resultado |
| Rastrear coordenadas exactas innecesariamente | Aumenta el riesgo de privacidad | Usar región, lugar o bandas |
| Optimizar la IA para el volumen de mensajes | El fallo prolongado se ve mejor | Medir la resolución de tareas |
| Asumir que los eventos recomendados son eventos automáticos de Kaleidr | La implementación puede ser incorrecta | Verificar el esquema actual del producto |
Medir la interacción con mapas y lugares con Kaleidr
Observar cómo los clientes descubren, exploran e interactúan con mapas y lugares, y luego conectar esas señales con los resultados que el producto anfitrión ya mide. Explorar Kaleidr Analytics para las superficies actuales de carga de mapa, sesión, vista, interacción, audiencia, atención al lugar y tendencia espacial. Confirmar el contrato público antes de codificar una ruta de conversión que la página no documenta.
Preguntas frecuentes
¿Cuál es la diferencia entre análisis espacial y análisis web?
El análisis web mide principalmente páginas, sesiones, eventos, adquisición y conversiones. El análisis espacial añade mapas, lugares, regiones, rutas, áreas de servicio, relaciones de viaje y otras dimensiones geográficas.
¿Los productos de mapas aún necesitan Google Analytics u otra herramienta de análisis web?
Generalmente sí. El análisis web sigue siendo valioso para la adquisición, el recorrido del usuario por las páginas, el comportamiento del dispositivo y las conversiones en todo el sitio. El análisis espacial debería complementarlo.
¿Qué debería medir primero un producto de mapas?
Comience con el resultado para el cliente: selección de un lugar relevante, consulta de direcciones, inicio de reserva, envío de consulta, resolución de ruta u otra tarea dependiente de la ubicación.
¿Son útiles las funciones de desplazamiento y zoom del mapa como métricas?
Son eventos de diagnóstico útiles, pero por sí solos son métricas de éxito poco fiables. Una interacción intensa puede indicar tanto participación como fricción.
¿Qué es la participación en lugares?
La participación en lugares mide cómo los usuarios interactúan con ubicaciones específicas, como seleccionarlas, compararlas, guardarlas, calcular rutas, reservarlas o solicitar información sobre ellas.
¿Qué es un embudo espacial?
Un embudo espacial rastrea un recorrido dependiente de la ubicación, como la apertura del mapa, la búsqueda, los lugares elegibles, la selección del lugar y, finalmente, la acción comercial, opcionalmente segmentado por región, lugar, tiempo de viaje o cobertura.
¿Por qué son importantes los identificadores de lugares estables?
Los identificadores estables permiten a los equipos vincular las interacciones del mapa con eventos comerciales posteriores, incluso cuando los nombres de los lugares cambian o existen nombres duplicados.
¿Debería el análisis espacial almacenar la latitud y longitud sin procesar?
No siempre. Muchas preguntas comerciales pueden responderse con identificadores de lugares, identificadores de regiones, rangos de distancia, rangos de tiempo de viaje o identificadores de áreas de servicio, lo que reduce el riesgo de privacidad.
¿Qué mide actualmente Kaleidr Analytics?
La página pública actual de Kaleidr describe las cargas de mapas, las sesiones, las visualizaciones, las interacciones, la actividad de la audiencia, dónde interactúa la audiencia, qué lugares atraen la atención y las tendencias espaciales.
¿Está Kaleidr Analytics disponible para el público en general?
La página pública de análisis de Kaleidr indica que el acceso se está implementando gradualmente para los equipos. Confirme la disponibilidad actual para su espacio de trabajo antes de utilizarlo, dependiendo de un flujo de trabajo de producción específico.
¿Es el análisis espacial lo mismo que un SIG?
No. Un SIG es un conjunto más amplio de datos geográficos y herramientas de análisis. En el contexto de este producto, el análisis espacial se refiere al análisis del comportamiento del cliente o del producto mediante entidades y relaciones geográficas.
¿En qué se diferencia este artículo de la guía de KPI del panel de análisis espacial?
Este artículo explica por qué el análisis espacial difiere del análisis web y cómo se integran ambas capas de medición. La guía de KPI se centra en la estructura del panel, la jerarquía de métricas, los denominadores y la generación de informes una vez definido el modelo de medición espacial.
Referencias
- Esri. What is GIS? Accessed 1 September 2026. https://www.esri.com/en-us/what-is-gis/overview
- Google Analytics. [GA4] Compare Analytics reports and data exported to BigQuery. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/13578783
- Google. Set up events. Google Analytics for Developers. Accessed 1 September 2026. https://developers.google.com/analytics/devguides/collection/ga4/events
- Google Analytics. About Analytics sessions. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9191807
- Google Analytics. [GA4] Event. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9356037
- Google Analytics. [GA4] Funnel exploration. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9327974
- Kaleidr. Map Engagement and Location Analytics. Accessed 1 September 2026. https://kaleidr.com/analytics
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 1 September 2026. https://www.w3.org/TR/geolocation/
@misc{esri_what_is_gis_2026_09_01,
title = {What is GIS?},
author = {{Esri}},
note = {Accessed 1 September 2026},
url = {https://www.esri.com/en-us/what-is-gis/overview}
}
@misc{google_bq_vs_reports_2026_09_01,
title = {{[GA4]} Compare Analytics reports and data exported to BigQuery},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/13578783}
}
@misc{google_ga4_events_setup_2026_09_01,
title = {Set up events},
author = {{Google}},
note = {Google Analytics for Developers; accessed 1 September 2026},
url = {https://developers.google.com/analytics/devguides/collection/ga4/events}
}
@misc{ga4_sessions_2026_09_01,
title = {About Analytics sessions},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9191807}
}
@misc{ga4_event_2026_09_01,
title = {{[GA4]} Event},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9356037}
}
@misc{ga4_funnel_exploration_2026_09_01,
title = {{[GA4]} Funnel exploration},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9327974}
}
@misc{kaleidr_analytics_2026_09_01,
title = {Map Engagement and Location Analytics},
author = {{Kaleidr}},
note = {Accessed 1 September 2026},
url = {https://kaleidr.com/analytics}
}
@misc{w3c_geolocation_2026_03_26,
title = {Geolocation},
author = {{W3C}},
institution = {W3C},
year = {2026},
month = mar,
note = {W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 1 September 2026},
url = {https://www.w3.org/TR/geolocation/}
}