DigiMax本文长度为1823字，预估阅读时间5分钟。引言：本文结合了作者丰富的互联网数据分析实战经验，深度剖析了如何运用GA来发现，分析并排除虚假和异常流量。
作者 | 孙维
编辑 | CiCi
我们为什么关注流量的变化？因为我们需要数据来指导和评判工作。但如果流量中混入了虚假/异常的成分，就可能导致我们做出错误的决策而蒙受损失。所以今天我要和大家分享一下如何用GA寻找异常流量，并且将其排除。这个过程大致可以分为三步：
发现异常流量
对于比较“低级”的异常流量，最容易在两个维度上被发现：
- 小时分布
正常的流量在全天的分布大致如此：
而异常流量往往与之差异明显：
这些在凌晨依然活跃的流量非常可疑，此时我们可以调出第二指标的曲线，看看跳出率、会话时长和每次会话浏览页数。
常见的虚假流量每次会话只访问一个网页，也就是说跳出率是100%，会话时长是0，浏览页数是1，因此它们会明显影响整体粘性数据。
- 直接来源流量
多数情况下的异常流量都是没有来源信息的，在GA里的来源/媒介是：(direct) / (none)，所以如果我们发现无来源的流量有明显上涨，那就需要注意了。
同样的，我们也要看一下跳出率、会话时长和每次会话浏览页数，如果所有的都明显变差，那我们就更有把握认为这是异常流量。
发现可疑流量后，除了看粘性指标以外，也可以使用高级细分进行交叉验证。也就是用发现问题的那个维度进行条件细分，再到另一个维度中去查看数据。例如我们先细分出直接来源流量，再看它的小时分布，就更能断定其中有问题。
- 其他异常流量
除了以上两种最简单的情况之外，有时异常流量并不那么明显。例如我们见过来源是 baidu / organic 的奇怪流量，它们只访问特定的三个页面，并且只在中午12点以后访问。这样的流量是怎么被发现的呢？
首先我们在“受众群体-技术-网络-主机名”中看到某个域名的会话数明显上涨，然后到“行为-网站内容-所有页面-内容分组”中，查看到底是哪类页面访问量上升了（注意，内容分组需要额外设置才会有），找到之后再看这类页面之下是哪些具体页面在上涨，最后再用高级细分聚焦这几个页面，于是发现了以上的问题。
经过多方查证之后我们基本认定，这是某个厂商在试图提升自己网站在百度的自然搜索排名。但如果只在搜索结果中点击该厂商自己的网站，太容易被认定为作弊，所以他们就连带着点击搜索结果中的其他网站，包括我们的页面，于是我们就看到了上面那一幕。
总结一下，如果发现流量明显上涨，首先可以看小时和直接来源流量这两个维度有没有异常。其次可以在各个维度中寻找，有没有粘性指标明显变差的个别项目。找到以后，接下来的步骤就是分析异常流量。
分析异常流量
仅仅发现异常流量还不够，我们需要找到它们的特征才能将其精准排除。例如我们发现直接来源流量明显上涨，但并不能把所有直接来源都排除掉，毕竟其中还有很多真实流量。要想精准排除，首先要将异常流量“提纯”——我们先用高级细分聚焦直接来源流量，看看能在哪些维度上发现特征：
建立高级细分后，我们到各个报告中浏览一下，果然发现了异常状况：
明明是移动版的网站，为什么突然增加了这么多Windows操作系统的访问量？而且几乎全是新用户，显然有问题。
我们再调出次级维度，看看浏览器UA的信息。结果这下更不得了，Windows居然用上了iPhone浏览器，这流量的异常算是证实了。（这里需要解释一下：这个“浏览器UA”是我们在GA中配置的自定义维度1，然后需要在统计代码中加入：
'dimension1':navigator.userAgent
才可以生效。浏览器UA是寻找虚假流量的利器，建议大家都配置一下）
排除异常流量
当我们找到了异常流量的特征，后续的事情就简单了：建一个高级细分，将Windows系统并且浏览器UA中包含iPhone的会话排除掉，这些异常流量就消失了。
以上是“发现-分析-排除”异常流量的一个案例，可以看到其中最重要的步骤其实是第二步——只有在某些维度上能够精准筛选出异常流量，才能在不影响正常流量的情况下将其排除。以下是我最近遇到的另一个异常流量，它的特征是浏览器UA开头结尾都带有双引号（正常情况不该有）：
在这种情况下，除了用高级细分排除异常之外，还有一个更好的解决方案：在前端统计代码中直接加入判断，如果发现以双引号开头和结尾的浏览器UA数据，就不执行统计代码，于是这些异常流量就被从根源上排除了，根本不会进入数据系统之中。
另外对于GA的用户，在用于做分析的主视图中一定要把下面这个选项选中，能排除掉大部分爬虫流量：
最后还有一种常见情况，例如运营论坛的同事做了一个“签到抽大奖”的活动，就可能导致大量低粘度的用户突然访问，看起来似乎也是异常，所以作为分析师要经常和产品/运营部门沟通，避免做无用功。
最后我想说的是，发现和排除异常流量是一场持久战，没有永远的赢家和输家，我们能做的就是和同事一起不断发现和总结，提升识别和排除异常流量的能力。
孙维，卡车之家数据资产中心总监，互联网从业15年，数据分析从业6年老兵。Google Analytics资深使用者，「数据分析日常」公众号博主
ICDO翻译志愿者招募
订阅号-每日尝鲜
服务号- 每月精选
