web分析

我们平常在看网站分析相关文章的时候，时常会看到“点击流(Clickstream)”这个词，点击流数据是网站分析的主要来源。那么究竟什么是点 击流数据，它又来源于何处，为什么它是网站分析的基础数据？关于这些问题的系统解释，推荐阅读《点击流数据仓库》这本书，这里先对这几个问题做下简单的回 答。

　　首先，点击流来源于何处？可能从文章标题就可以看出来了，点击流数据来源于网站日志，其实就是用户日常浏览你的网站时产生的日志信息（关于WEB日志，可以参阅这篇文章——WEB日志格式）。那为什么不直接叫网站浏览日志，而叫点击流数据呢？可以先看一下下面这张图：

　　从图上可以看出点击流这个概念更注重用户浏览网站的整个流程，网站日志中记录的用户点击就像是图上的“点”，而点击流更像是将这些“点”串起来形成的“线”。 也可以把“点”认为是网站的Page，而“线”则是访问网站的Session。所以点击流数据是由网站日志中整理得到的，它可以比网站日志包含更多的信息，从而使基于点击流数据统计得到的结果更加丰富和高效。

　　那么点击流数据是如何从WEB日志中扩展出来的呢？其实很简单，只要有Sessionid和站内Referrers就可以将这些“点”串联起 来。其中Sessionid唯一地标识一条点击流，再通过Referrers确定这个Session中页面被依次访问的顺序，那么这条线就可以轻松地画出 来了。

　　通常我们会分两张表（数据库中）或两种格式的文件（文件系统中）来记录点击流数据，一张记录“点”的信息，另一张记录“线”的信息：

　　线（Session）的信息：Sessionid（唯一标识符）、访问来源（Referrers）、进入页面 （Entrance）、离开页面（Exit）、开始时间（Begin Time）、结束时间（End Time）、访问时长（Time on Site）、访问页面数（Depth of Visit）、访问用户（Cookie）……

　　有没有发现，当你拥有这些信息时，很多网站分析度量的计算变简单了：来源（Sources）、进入页面（Entrances）、离开页面 （Exits）可以直接获得，平均访问时间和平均浏览页面数也可以通过简单计算得到，连Bounce Rate的计算也变得简单了，只要选择那些访问页面数为1的“线”就行。

　　点（Page）的信息：URL、点击时间（Hit Time）、页面停留时间（Time on Page）、位于Session的第几步（Step），Sessionid（在关系数据库中可以用于跟Session表的外键关联）……

　　其实点的信息被简化了，当然你可以添加更多的信息，比如页面响应状态码，冗余访问用户的Cookie等。但是这里多了一个有意思的信息—— Step，这个是基于Session的，通过Step你可以发现其实你已经追踪到了用户的访问足迹，这个信息在梳理网站的流程、计算转化率 （Conversion Rate）的时候非常有用，也可以基于它做用户行为分析。

　　其实这就是点击流，并没有那么复杂，但是可以注意到，当WEB日志转化成点击流数据的时候，很多网站分析度量的计算变得简单了，这就是点击流的“魔力”所在。基于点击流数据我们可以统计出许多常见的网站分析度量——网站分析的基本度量。(来源：http://webdataanalysis.net/data-collection-and-preprocessing/weblog-to-clickstream/)