转自http://www.lampblog.net/2011/06/__utm-gif%E7%9A%84%E8%AF%A6%E7%BB%86%E5%8F%82%E6%95%B0%E8%AF%B4%E6%98%8E/
今天做google-analytics备份:在本地保存数据副本,对GA的cookie,数据传输请求__utm.gif做了详细的了解,GA的cookie详解网上说得比较多,就不说了,现在说说__utm.gif的详细参数。
如上图所示
utmac:GA的站点配置ID
utmcc:GA的cookie值
utmcs:页面html编码
utmdt:页面标题
utmfl:flash版本
utmhid:未知,疑似随机数
utmhn:用户访问的主机名(就是域名)
utmje:用户浏览器是否支持JAVA
utmn:utm.gif唯一的ID编号,用于防止GIF图像被缓存
utmp:当前页面产生的请求,记录你在这个页面的点击行为及其他自定义的返回值
utmr:推介链接的URL
utms:本次会话访问页面的次数
utmsc:用户的屏幕颜色
utmsr:用户屏幕分辨率
utmu:GA内部使用值,用以改进GA的统计,暂时没用
utmul:用户浏览器的语言
utmuwv:Google Analyitcs追踪代码的版本号
其中utmcc是Cookie里存储的数据:
__utma用来分析唯一用户,访问次数,停留时间,新访或回访等等。
__utmz用来记录流量来源。
__utmv存储细分用户所定义的值,一般通过URL Builder生成,用于PPC。
以上这些并不是全部的返回数据,只是Google Analyitcs追踪的基本数据。如果开通了电子商务追踪功能或是自定义了事件追踪。那么在返回Google服务器的链接中就会看到更多的变量值。比如:
utme:事件追踪数据
utmipc:用户购买的产品编号
utmipn:用户购买的产品名称
utmipr:用户购买的产品单价
utmtsp:运费
utmttx:税款
分享到:
相关推荐
1. **GA参数设定** - **种群大小(Population Size)**: 种群大小是GA中的关键参数,它影响搜索的多样性。较大的种群能更好地保持种群的多样性,但计算成本也更高。通常,种群大小需在问题复杂度和计算资源之间取得...
主要用于了解GA分析功能的参数,更加方便快捷的调用!
在机器学习领域,LSTM(长短期记忆网络)是一种广泛使用的递归神经网络,尤其在处理序列数据,如自然语言处理、时间序列预测等...通过分析和运行这些代码,我们可以深入了解如何将遗传算法应用于LSTM网络的超参数优化。
《基于遗传算法优化的SVM参数寻优:GA-SVR深度解析》 支持向量机(Support Vector Machine,简称SVM)是一种强大的机器学习模型,广泛应用于分类和回归任务。然而,SVM的性能在很大程度上取决于其关键参数的选择,...
GA-SVM是遗传算法支持向量机的简称,它是一种集成学习方法,通过遗传算法来搜索SVM的最优参数。 支持向量机(SVM)是一种监督学习模型,主要用于分类和回归分析。它的核心思想是找到一个超平面,使得两类样本在该超...
标题中的“GA.rar_PID参数 simulink_SIMULINK GA PID_m文件调用模型_pid tune_遗传算法 pi”揭示了本主题的核心内容,这是一个关于利用遗传算法(GA)优化PID控制器参数的工程实例。在这个过程中,我们将深入探讨...
Python实现GA(遗传算法)对SVM分类模型参数的优化资料说明:包括数据集+源代码+Word文档说明。 资料内容包括: 1)需求分析; 2)数据采集; 3)数据预处理; 4)探索性数据分析; 5)特征工程; 6)机器建模; 7)模型评估...
在本项目中,我们探讨了如何使用遗传优化算法(GA)来寻找线性二次调节器(LQR)控制器的最佳参数。这项工作是在MATLAB 2021a环境中进行的,通过编写和运行MATLAB脚本来实现。让我们深入研究这个话题,了解相关的...
在链路负载方面,深信服应用交付AD提供了丰富的负载均衡算法,如轮询、加权轮询等,以及智能DNS解析和基于域名的负载策略。同时,它支持RIP、OSPF等动态路由协议,可以根据实际需求定制负载策略。通过链路监测,可以...
1.领域:matlab,基于GA遗传优化的永磁同步电机最优参数计算算法 2.内容:基于GA遗传优化的永磁同步电机最优参数计算方案matlab仿真.+word论文 +代码操作视频 选择GA遗传优化算法作为电机的优化设计方案。针对遗传...
5. **结果分析**:`ga`函数返回最优解、最优适应度值等信息,用户可以进一步分析和可视化结果。 **遗传算法的优势与局限性** 优势: 1. **全局搜索能力**:遗传算法能跳出局部极小值,寻找全局最优解。 2. **并行...
通过以上分析,我们可以看出,这个资源是一个关于如何利用遗传算法在MATLAB中进行PID控制器参数优化的实践案例,对于学习控制理论和算法应用的工程师来说非常有价值。用户可以借此了解遗传算法的工作原理,并将其...
GA首先对大量可能的参数组合进行编码,然后通过适应度函数(如交叉验证的预测误差)评价这些组合的优劣,再通过选择、交叉和变异等操作迭代优化参数。这个过程可以避免陷入局部最优,更有可能找到全局最优解,从而...
下面我们将深入探讨MP28GA步进电机的详细参数及其在实际应用中的实例。 一、电机参数 1. 直径与长度:MP28GA的名称中,“28”通常代表电机的外径为28毫米,这是一个标准尺寸,适合在有限的空间内安装。 2. 阻抗与...
在该研究的后续部分,可能会深入探讨如何将GA参数优化应用到t-SVR模型中,包括具体的参数组合方式、优化策略、评估模型的适应性和扩展性等内容。此外,研究还可能涉及到模型的实际应用,例如如何将该评估模型集成到...
在训练过程中,GA负责生成新的网络结构和参数,BP则负责根据训练数据调整这些参数,以降低预测误差。这种协同作用使得模型具有较强的自适应性和泛化能力,能应用于多种时间序列预测问题,如股票价格、电力负荷、气候...