如何以及為何在 Google Analytics 中過濾不需要的流量？
Posted: Thu Dec 26, 2024 4:26 am
人們說一張圖片勝過一千個文字，因此我將以下面的圖片開始本文，以便您了解不需要的流量對我們的策略的重要性和影響：
網站上造訪的頁面圖表
圖片來自一個真實的網站，幾天之內，頁面瀏覽量幾乎增加了兩倍。
面對這種行為的第一個感覺是驚訝和興奮的混合體，同時一個問題盤旋在我們的腦海中：“發生了什麼事？”
如果您在您的網站上看到這樣的圖表，您一定會回顧您的網站傳播、推廣或定位策略的活動和行動記錄，以找到這種增長的解釋。
而且，幾乎總是，您會發現一些與這種變化同時發生的事情，並且合理地證明它是合理的，例如您付出特別努力的帖子的發布，關鍵字優化的修訂，社交策略的變化媒體或新活動的開始，舉出一些可能的例子。
如果你繼續沉浸在欣喜之中，你會認為你在改變或擴展你的策略方面做出了正確的決定，當然，你會繼續這樣做...
直到幾週後，您才會注意到訪問量的爆炸 加拿大企業電子郵件列表 式增長並沒有伴隨其他更相關的指標以及最終真正重要的指標的增加：例如，轉換率保持相同的水平。
現在感覺發生了變化。
當我們問自己這個問題時： 「發生了什麼事？」我們從欣快到焦慮，從喜悅到不安。
我們認為這可能是著陸頁的問題，或者關鍵字沒有針對轉換進行最佳化...
但如果整個問題都在第一張圖呢？
現在讓我們來看看來自同一網站、相同日期和相同指標的下圖：
過濾垃圾郵件前後的訪問圖對比
在這份報告中，我們看到了兩個圖表之間的比較：藍色圖表對應於我們看到的第一個圖表，而橘色圖表代表相同的指標，但過濾掉了垃圾流量。
正如您所看到的，他們的行為幾乎沒有重大變化，而且我們根據第一張圖做出的所有決策都注定會失敗，因為它們基於錯誤的假設。
不需要的流量向網路分析提供虛假訊息，這將使我們做出錯誤的策略決策。
我們可以偵測並阻止不需要的流量嗎？
鑑於垃圾流量尤其是幽靈垃圾郵件可能對我們的策略產生巨大影響，我們首先要問自己的是，我們是否能夠偵測並消除這種垃圾流量，以及是否有任何方法可以避免它。
在這兩種情況下，答案都是肯定的。
這樣才能得到上一節的比較圖。
現在，要如何實現呢？
我們在解釋訪問次數時出現問題是因為我們將自己限制在該指標的全球結果中，而沒有對其急劇增長的確切根源進行更深入的分析。
換句話說，是什麼導致了這種上漲？
但是，如果我們在 Google Analytics 中查閱包含更詳細數據的表格，我們會發現兩個條目的資訊乍看之下有些令人不安：
Analytics 訪問報告中疑似垃圾郵件的行
這張表中有幾個數據值得注意：
以前從未有過來自 地址的訪問，而且，其中的“k”並不是真正的“k”，而是看起來像這樣的字符。
我們之前也沒有從 reddit.com 地址進行過訪問。
兩者在訪問 2 個頁面時都顯示跳出率接近 0%，每個會話幾乎都是整數。這個網站突然引起了這麼大的興趣嗎？
新會話的百分比約為 90%。並不是說它太不典型，而是它也不是網站的常用值（約 60-70%）。
網站上造訪的頁面圖表
圖片來自一個真實的網站，幾天之內，頁面瀏覽量幾乎增加了兩倍。
面對這種行為的第一個感覺是驚訝和興奮的混合體，同時一個問題盤旋在我們的腦海中：“發生了什麼事？”
如果您在您的網站上看到這樣的圖表，您一定會回顧您的網站傳播、推廣或定位策略的活動和行動記錄，以找到這種增長的解釋。
而且，幾乎總是，您會發現一些與這種變化同時發生的事情，並且合理地證明它是合理的，例如您付出特別努力的帖子的發布，關鍵字優化的修訂，社交策略的變化媒體或新活動的開始，舉出一些可能的例子。
如果你繼續沉浸在欣喜之中，你會認為你在改變或擴展你的策略方面做出了正確的決定，當然，你會繼續這樣做...
直到幾週後，您才會注意到訪問量的爆炸 加拿大企業電子郵件列表 式增長並沒有伴隨其他更相關的指標以及最終真正重要的指標的增加：例如，轉換率保持相同的水平。
現在感覺發生了變化。
當我們問自己這個問題時： 「發生了什麼事？」我們從欣快到焦慮，從喜悅到不安。
我們認為這可能是著陸頁的問題，或者關鍵字沒有針對轉換進行最佳化...
但如果整個問題都在第一張圖呢？
現在讓我們來看看來自同一網站、相同日期和相同指標的下圖：
過濾垃圾郵件前後的訪問圖對比
在這份報告中，我們看到了兩個圖表之間的比較：藍色圖表對應於我們看到的第一個圖表，而橘色圖表代表相同的指標，但過濾掉了垃圾流量。
正如您所看到的，他們的行為幾乎沒有重大變化，而且我們根據第一張圖做出的所有決策都注定會失敗，因為它們基於錯誤的假設。
不需要的流量向網路分析提供虛假訊息，這將使我們做出錯誤的策略決策。
我們可以偵測並阻止不需要的流量嗎？
鑑於垃圾流量尤其是幽靈垃圾郵件可能對我們的策略產生巨大影響，我們首先要問自己的是，我們是否能夠偵測並消除這種垃圾流量，以及是否有任何方法可以避免它。
在這兩種情況下，答案都是肯定的。
這樣才能得到上一節的比較圖。
現在，要如何實現呢？
我們在解釋訪問次數時出現問題是因為我們將自己限制在該指標的全球結果中，而沒有對其急劇增長的確切根源進行更深入的分析。
換句話說，是什麼導致了這種上漲？
但是，如果我們在 Google Analytics 中查閱包含更詳細數據的表格，我們會發現兩個條目的資訊乍看之下有些令人不安：
Analytics 訪問報告中疑似垃圾郵件的行
這張表中有幾個數據值得注意：
以前從未有過來自 地址的訪問，而且，其中的“k”並不是真正的“k”，而是看起來像這樣的字符。
我們之前也沒有從 reddit.com 地址進行過訪問。
兩者在訪問 2 個頁面時都顯示跳出率接近 0%，每個會話幾乎都是整數。這個網站突然引起了這麼大的興趣嗎？
新會話的百分比約為 90%。並不是說它太不典型，而是它也不是網站的常用值（約 60-70%）。