不完美的網站分析數(shù)據：數(shù)據理想化和訪問者理想化
來源:網站推廣 2012-11-13
一、 技術理想化
每種數(shù)據收集方式都有其獨特的技術優(yōu)勢,但沒有一種收集方式能完美的捕獲到訪問者在網站上的所有動作,每種技術也都會由于自身的局限性導致你看到的數(shù)據是并不完美的數(shù)據。以計算頁面停留時間為例,下圖是一次訪問的時間記錄:(圖示中時間皆為進入頁面的時刻)
通常計算頁面停留時間的方法為:當前頁面的進入時刻與下一頁面的進入時刻差。由此得知上例中頁面的停留分別如下:
頁面A:5分鐘
頁面B:1分鐘
頁面C:4分鐘
頁面D:?
為什么頁面D的停留時間沒有?沒錯,無論哪種收集方式都無法捕捉到頁面D的準確停留時間,原因很簡單,這些數(shù)據收集方式都無法捕捉到訪問者離開的時刻(或者在退出頁停留了半天沒做任何點擊,或者直接關閉了瀏覽器)。所以不同的工具廠商對退出頁的停留時間有不同的定義,有的統(tǒng)一計算為1分鐘,有的干脆認為是0分鐘。
目前主要有下面幾種技術或限制數(shù)據的獲取,或混淆現(xiàn)有收集到的數(shù)據。
1. 緩存
這里說的緩存不是指物理芯片例如CPU的緩存,而是為了節(jié)約網絡資源,提高瀏覽網頁速度建立的瀏覽器緩存或代理服務器緩存。簡單的理解這兩種緩存就是,將曾經訪問過的網頁內容(包括圖片以及cookie文件等)存放在電腦或代理服務器里。當你調用以前閱讀過的頁面時,可以直接調出緩存中的內容,而不需要再次從網站服務器上重新傳送數(shù)據。
下圖就是訪問一個網站后本地緩存文件夾中留下的文件記錄:
由于當訪問者通過本地緩存訪問網站時,并不會往網站服務器發(fā)送請求,服務器中自然也就不存在這次訪問的Log記錄。也就是說通過Web日志收集到的數(shù)據一定會丟失這部分流量。
2. 網絡爬蟲
如果想要講清搜索引擎爬蟲的原理和算法恐怕單開一個章節(jié)都不夠,而且也不是這本書關注的內容,所以這里就不再贅述。
下面先給出一條網站服務器Log中的搜索引擎爬蟲記錄:
203.208.60.178 [10/Nov/2011:12:00:00 +0800] “-” “GET /index.php HTTP/1.1″ 200 30000 “-” “Mozilla/5.0 (compatible; Googlebot/2.1; +/wangzhanfenxi-shuju-buwanmei
文章編輯: 365webcall網上客服系統(tǒng)(www.365webcall.com)
我的評論
| 登錄賬號： | 密碼： | 快速注冊 | 找回密碼 |  |
