不完美的網(wǎng)站分析數(shù)據(jù)：數(shù)據(jù)理想化和訪(fǎng)問(wèn)者理想化
來(lái)源:網(wǎng)站推廣 2012-11-13
一、 技術(shù)理想化
每種數(shù)據(jù)收集方式都有其獨(dú)特的技術(shù)優(yōu)勢(shì),但沒(méi)有一種收集方式能完美的捕獲到訪(fǎng)問(wèn)者在網(wǎng)站上的所有動(dòng)作,每種技術(shù)也都會(huì)由于自身的局限性導(dǎo)致你看到的數(shù)據(jù)是并不完美的數(shù)據(jù)。以計(jì)算頁(yè)面停留時(shí)間為例,下圖是一次訪(fǎng)問(wèn)的時(shí)間記錄:(圖示中時(shí)間皆為進(jìn)入頁(yè)面的時(shí)刻)
通常計(jì)算頁(yè)面停留時(shí)間的方法為:當(dāng)前頁(yè)面的進(jìn)入時(shí)刻與下一頁(yè)面的進(jìn)入時(shí)刻差。由此得知上例中頁(yè)面的停留分別如下:
頁(yè)面A:5分鐘
頁(yè)面B:1分鐘
頁(yè)面C:4分鐘
頁(yè)面D:?
為什么頁(yè)面D的停留時(shí)間沒(méi)有?沒(méi)錯(cuò),無(wú)論哪種收集方式都無(wú)法捕捉到頁(yè)面D的準(zhǔn)確停留時(shí)間,原因很簡(jiǎn)單,這些數(shù)據(jù)收集方式都無(wú)法捕捉到訪(fǎng)問(wèn)者離開(kāi)的時(shí)刻(或者在退出頁(yè)停留了半天沒(méi)做任何點(diǎn)擊,或者直接關(guān)閉了瀏覽器)。所以不同的工具廠商對(duì)退出頁(yè)的停留時(shí)間有不同的定義,有的統(tǒng)一計(jì)算為1分鐘,有的干脆認(rèn)為是0分鐘。
目前主要有下面幾種技術(shù)或限制數(shù)據(jù)的獲取,或混淆現(xiàn)有收集到的數(shù)據(jù)。
1. 緩存
這里說(shuō)的緩存不是指物理芯片例如CPU的緩存,而是為了節(jié)約網(wǎng)絡(luò)資源,提高瀏覽網(wǎng)頁(yè)速度建立的瀏覽器緩存或代理服務(wù)器緩存。簡(jiǎn)單的理解這兩種緩存就是,將曾經(jīng)訪(fǎng)問(wèn)過(guò)的網(wǎng)頁(yè)內(nèi)容(包括圖片以及cookie文件等)存放在電腦或代理服務(wù)器里。當(dāng)你調(diào)用以前閱讀過(guò)的頁(yè)面時(shí),可以直接調(diào)出緩存中的內(nèi)容,而不需要再次從網(wǎng)站服務(wù)器上重新傳送數(shù)據(jù)。
下圖就是訪(fǎng)問(wèn)一個(gè)網(wǎng)站后本地緩存文件夾中留下的文件記錄:
由于當(dāng)訪(fǎng)問(wèn)者通過(guò)本地緩存訪(fǎng)問(wèn)網(wǎng)站時(shí),并不會(huì)往網(wǎng)站服務(wù)器發(fā)送請(qǐng)求,服務(wù)器中自然也就不存在這次訪(fǎng)問(wèn)的Log記錄。也就是說(shuō)通過(guò)Web日志收集到的數(shù)據(jù)一定會(huì)丟失這部分流量。
2. 網(wǎng)絡(luò)爬蟲(chóng)
如果想要講清搜索引擎爬蟲(chóng)的原理和算法恐怕單開(kāi)一個(gè)章節(jié)都不夠,而且也不是這本書(shū)關(guān)注的內(nèi)容,所以這里就不再贅述。
下面先給出一條網(wǎng)站服務(wù)器Log中的搜索引擎爬蟲(chóng)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(wǎng)上客服系統(tǒng)(www.365webcall.com)
我的評(píng)論
| 登錄賬號(hào)： | 密碼： | 快速注冊(cè) | 找回密碼 |  |
