被先前的问题困扰：SO google-analytics-domain-data-without-filtering
我一直在尝试自己的基本分析系统。
MySQL表：
hit_id, subsite_id, timestamp, ip, url
subsite_id让我深入到一个文件夹（如上一个问题所述）。
我现在可以获得以下指标：
我现在将我的数据与Google Analytics中的数据进行比较，发现 Google每个指标的值都较低。也就是说，我自己的设置比谷歌更多的点击率。
所以我开始从各种网络抓取工具，Google，Yahoo＆amp; amp;到目前为止Dotbot。
简短问题：
这些数据仅用于我们自己的“子网站排名系统”，但我想向我的用户展示一些基本数据（页面浏览量，最受欢迎的页面等）供他们参考。
答案 0 :(得分：1)
许多人出于隐私原因阻止Google Analytics。
答案 1 :(得分：0)
客户端装备与服务器端装置的报告不足是这些比较的通常结果。
以下是我在遇到这些研究时试图调和差异的方法：
数据源记录在服务器端集合中，但不记录在客户端：
来自 移动设备，不支持javascript（这可能是一个 差异的重要来源 两个集合之间 技术 - 例如，07年1月comScore study显示英国的19％ Internet用户访问Internet 来自移动设备）
点击蜘蛛，机器人（你 已提到）
与javascript页面标记相比，服务器端集合倾向于以更高的保真度记录的数据源/事件（更少的漏报）：
点击防火墙后面的用户， 特别是企业 防火墙 - 防火墙阻止页面标记， 加上一些配置为 拒绝/删除cookie。
点击已停用的用户 浏览器中的javascript - 五 百分比，根据W3C Data
来自退出页面的用户点击 在加载之前。再一次，这是一个 比你更大的差异来源 可能会想。最多 经常被引用study来 支持这是由斯通进行的 Temple Consulting，其中表明了这一点 独特访客的差异 两个相同站点之间的流量 使用相同的Web配置 分析系统，但有所不同 只是因为js跟踪代码是 放在页面的底部 在一个网站，以及顶部 另一页中的页面是 4.3 ％
FWIW，这是我用来删除/识别蜘蛛，机器人等的方案：
监控我们的请求 robots.txt 文件：当然会过滤掉来自同一个网站的所有其他请求 IP地址+用户代理（不是全部 蜘蛛会请求robots.txt 当然，但微不足道的错误， 对此资源的任何请求都是 可能是机器人。
比较用户代理和IP地址 针对已发布的列表： iab.net 和 user-agents.org 发布这两个 列表似乎是最多的 广泛用于此目的
模式分析：这里没什么复杂的; 我们将（i）页面浏览视为一个 时间函数（即点击一个 很多链接每个200毫秒 页面是证明的）; （ii）路径 “用户”遍历网站， 是系统的，完整的还是 差不多（比如跟着一个 反向跟踪算法）;及（iii） 精确定时访问（例如，凌晨3点 每一天）。
答案 2 :(得分：0)
最大的原因是用户必须启用JavaScript并加载整个页面，因为代码通常位于页脚中。 Awstars，像你这样的其他服务器端解决方案将获得一切。此外，分析能够很好地识别机器人和刮刀。