摘 "要：網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)分析工具是網(wǎng)站站長(zhǎng)和運(yùn)營(yíng)人員經(jīng)常使用的一種工具，比較常用的有谷歌分析、百度統(tǒng)計(jì)和騰訊分析等等。所有這些統(tǒng)計(jì)分析工具的第一步都是網(wǎng)站訪問(wèn)數(shù)據(jù)的收集。目前主流的數(shù)據(jù)收集方式基本都是基于javascript的。本文將簡(jiǎn)要分析這種數(shù)據(jù)收集的原理。

關(guān)鍵詞：網(wǎng)站統(tǒng)計(jì);數(shù)據(jù)收集;腳本執(zhí)行;

文章編號(hào)：1674-3520（2014）-11-00-01

一、數(shù)據(jù)收集原理分析

簡(jiǎn)單來(lái)說(shuō)，網(wǎng)站統(tǒng)計(jì)分析工具需要收集到用戶瀏覽目標(biāo)網(wǎng)站的行為（如打開(kāi)某網(wǎng)頁(yè)、點(diǎn)擊某按鈕、將商品加入購(gòu)物車等）及行為附加數(shù)據(jù)（如某下單行為產(chǎn)生的訂單金額等）。早期的網(wǎng)站統(tǒng)計(jì)往往只收集一種用戶行為：頁(yè)面的打開(kāi)。而后用戶在頁(yè)面中的行為均無(wú)法收集。這種收集策略能滿足基本的流量分析、來(lái)源分析、內(nèi)容分析及訪客屬性等常用分析視角，但是，隨著ajax技術(shù)的廣泛使用及電子商務(wù)網(wǎng)站對(duì)于電子商務(wù)目標(biāo)的統(tǒng)計(jì)分析的需求越來(lái)越強(qiáng)烈，這種傳統(tǒng)的收集策略已經(jīng)顯得力不能及。后來(lái)，Google在其產(chǎn)品谷歌分析中創(chuàng)新性的引入了可定制的數(shù)據(jù)收集腳本，用戶通過(guò)谷歌分析定義好的可擴(kuò)展接口，只需編寫少量的javascript代碼就可以實(shí)現(xiàn)自定義事件和自定義指標(biāo)的跟蹤和分析。

二、流程概覽

首先通過(guò)一幅圖總體看一下數(shù)據(jù)收集的基本流程。

圖1. 網(wǎng)站統(tǒng)計(jì)數(shù)據(jù)收集基本流程

首先，用戶的行為會(huì)觸發(fā)瀏覽器對(duì)被統(tǒng)計(jì)頁(yè)面的一個(gè)http請(qǐng)求，這里姑且先認(rèn)為行為就是打開(kāi)網(wǎng)頁(yè)。當(dāng)網(wǎng)頁(yè)被打開(kāi)，頁(yè)面中的埋點(diǎn)javascript 片段會(huì)被執(zhí)行，用過(guò)相關(guān)工具的朋友應(yīng)該知道，一般網(wǎng)站統(tǒng)計(jì)工具都會(huì)要求用戶在網(wǎng)頁(yè)中加入一小段javascript代碼，這個(gè)代碼片段一般會(huì)動(dòng)態(tài)創(chuàng)建一個(gè) script標(biāo)簽，并將src指向一個(gè)單獨(dú)的js文件，此時(shí)這個(gè)單獨(dú)的js文件（圖1中綠色節(jié)點(diǎn)）會(huì)被瀏覽器請(qǐng)求到并執(zhí)行，這個(gè)js往往就是真正的數(shù)據(jù)收 集腳本。數(shù)據(jù)收集完成后，js會(huì)請(qǐng)求一個(gè)后端的數(shù)據(jù)收集腳本（圖1中的backend），這個(gè)腳本一般是一個(gè)偽裝成圖片的動(dòng)態(tài)腳本程序，可能由php、 python或其它服務(wù)端語(yǔ)言編寫，js會(huì)將收集到的數(shù)據(jù)通過(guò)http參數(shù)的方式傳遞給后端腳本，后端腳本解析參數(shù)并按固定格式記錄到訪問(wèn)日志，同時(shí)可能 會(huì)在http響應(yīng)中給客戶端種植一些用于追蹤的cookie。上面是一個(gè)數(shù)據(jù)收集的大概流程，下面以谷歌分析為例，對(duì)每一個(gè)階段進(jìn)行一個(gè)相對(duì)詳細(xì)的分析。

三、埋點(diǎn)腳本執(zhí)行階段

若要使用谷歌分析（以下簡(jiǎn)稱GA），需要在頁(yè)面中插入一段它提供的javascript片段，這個(gè)片段往往被稱為埋點(diǎn)代碼。下面是谷歌分析埋點(diǎn)代碼截圖：

圖2. 谷歌分析埋點(diǎn)代碼

其中_gaq是GA的的全局?jǐn)?shù)組，用于放置各種配置，其中每一條配置的格式為：

1、_gaq.push（['Action'， 'param1'， 'param2'， ...]）;

Action指定配置動(dòng)作，后面是相關(guān)的參數(shù)列表。GA給的默認(rèn)埋點(diǎn)代碼會(huì)給出兩條預(yù)置配置，_setAccount用于設(shè)置網(wǎng)站標(biāo)識(shí)ID，這個(gè)標(biāo)識(shí)ID是在注冊(cè)GA時(shí)分配的。_trackPageview告訴GA跟蹤一次頁(yè)面訪問(wèn)。更多配置請(qǐng)參考：https：//developers.google.com/analytics/devguides/collection/gajs/。實(shí)際上，這個(gè)_gaq是被當(dāng)做一個(gè)FIFO隊(duì)列來(lái)用的，配置代碼不必出現(xiàn)在埋點(diǎn)代碼之前，具體請(qǐng)參考上述鏈接的說(shuō)明。這段代碼的主要目的就是引入一個(gè)外部的js文件 （ga.js），方式是通過(guò)document.createElement方法創(chuàng)建一個(gè)script并根據(jù)協(xié)議（http或https）將src指向?qū)?yīng) 的ga.js，最后將這個(gè)element插入頁(yè)面的dom樹(shù)上。

四、數(shù)據(jù)收集腳本執(zhí)行階段

數(shù)據(jù)收集腳本（ga.js）被請(qǐng)求后會(huì)被執(zhí)行，這個(gè)腳本一般要做如下幾件事：

1、通過(guò)瀏覽器內(nèi)置javascript對(duì)象收集信息，如頁(yè)面title（通過(guò)document.title）、referrer（上一跳url， 通過(guò)document.referrer）、用戶顯示器分辨率（通過(guò)windows.screen）、cookie信息（通過(guò) document.cookie）等等一些信息。

2、解析_gaq收集配置信息。這里面可能會(huì)包括用戶自定義的事件跟蹤、業(yè)務(wù)數(shù)據(jù)（如電子商務(wù)網(wǎng)站的商品編號(hào)等）等。

3、將上面兩步收集的數(shù)據(jù)按預(yù)定義格式解析并拼接。

4、請(qǐng)求一個(gè)后端腳本，將信息放在http request參數(shù)中攜帶給后端腳本。

五、后端腳本執(zhí)行階段

GA的__utm.gif是一個(gè)偽裝成gif的腳本。這種后端腳本一般要完成以下幾件事情：

1、解析http請(qǐng)求參數(shù)的到信息。

2、從服務(wù)器（WebServer）中獲取一些客戶端無(wú)法獲取的信息，如訪客ip等。

3、將信息按格式寫入log。

4、生成一副1×1的空gif圖片作為響應(yīng)內(nèi)容并將響應(yīng)頭的Content-type設(shè)為image/gif。

5、在響應(yīng)頭中通過(guò)Set-cookie設(shè)置一些需要的cookie信息。

之所以要設(shè)置cookie是因?yàn)槿绻櫸ㄒ辉L客，通常做法是如果在請(qǐng)求時(shí)發(fā)現(xiàn)客戶端沒(méi)有指定的跟蹤cookie，則根據(jù)規(guī)則生成一個(gè)全局唯一的 cookie并種植給用戶，否則Set-cookie中放置獲取到的跟蹤cookie以保持同一用戶cookie不變。這種做法雖然不是完美的（例如用戶清掉cookie或更換瀏覽器會(huì)被認(rèn)為是兩個(gè)用戶），但是是目前被廣泛使用的手段。注意，如果沒(méi)有跨站跟蹤同一用 戶的需求，可以通過(guò)js將cookie種植在被統(tǒng)計(jì)站點(diǎn)的域下（GA是這么做的），如果要全網(wǎng)統(tǒng)一定位，則通過(guò)后端腳本種植在服務(wù)端域下。

參考文獻(xiàn)：

[1]google網(wǎng)站，https：//developers.google.com/analytics/devguides/collection/gajs/

[2] http：//blog.codinglabs.org/