一般在使用Google Analytics 觀察網站流量時，我們會從目標對象總覽來觀察網站訪客的樣貌，再做出網站的有效判斷以及廣告調教，吸引更多的精準客戶，但是導致數據差異的有一個因素常常被我們忽略，那就是"垃圾流量"，若毫不在乎垃圾流量的影響，會導致網站流量判斷的錯誤，而本篇文章就帶你來了解Google Analytics中流量突然有奇怪的推薦流量是否就是垃圾流量。

垃圾流量(n.)　"對網站毫無作用"和"影響網站報表數據"的流量

Google Analytics中的垃圾流量可以分為 
( 1 )鬼流量（ghost traffic /ghost referral）：這些流量事實上從來沒有到你的網站，也不會出現在網站服務器中，但你可以在報表中發現它們的流量，影響了Google Analytics中的數據
( 2 )爬蟲流量：這包括搜尋引擎爬蟲流量和非搜尋引擎爬蟲流量，這些流量會影響GA中各管道流量佔用和工作階段時間長度，跳出率，停留時間等關鍵指標。

那麼如何判別呢？跟我們一起看下去～
第一可以從目標對象→技術→Network→主機名稱來看，如果看到很與自己網站無關的名稱，那說明存在較多的「鬼流量」的垃圾流量。出現這類數據的可能原因為：別的網站使用了和你網站相同的媒體資源ID 。基本上流量出現了不同程度的數據異常，例如工作階段時間長度00:00:00皆可有能是垃圾流量。
 

包含「鬼流量」垃圾流量的數據範例如下：


第二個方法：可以從目標對象→地理地區→語言→次要維度選擇"流量類型"來看，一般來說語言最常見的是 zh-tw 是繁體中文、zh-cn 與 zh-hk 則分別是簡體與香港等，但是如果你報表中語言出現"Google officially recommends o-o-8-o-o.com search shell!"、"Secret.ɢoogle.com You are invited! Enter only with this ticket URL. Copy it. Vote for Trump!"、"Vitaly rules google ☆*:｡゜ﾟ･*ヽ(^ᴗ^)ﾉ*･゜ﾟ｡:*☆ ¯\_(ツ)_/¯(ಠ益ಠ)(ಥ‿ಥ)(ʘ‿ʘ)ლ(ಠ_ಠლ)( ͡° ͜ʖ ͡°)ヽ(ﾟДﾟ)ﾉʕ•̫͡•ʔᶘ ᵒᴥᵒᶅ(=^ ^=)oO"等等奇怪的語言又是推薦流量(referral)的那就是「爬蟲流量」的垃圾流量
 

包含「爬蟲流量」垃圾流量的數據範例如下：


以上列只是列舉最常見的垃圾流量，基本上在Google Analytics看到這些網址的來源流量都是假的，是利用Google Analytics公開的方式讓Google統計紀錄來自這些網站的流量，但其實根本沒來過你的網站，所以跳出率是100%。
 

了解了什麼是垃圾流量，學會如何辨別垃圾流量後，接下來就要明白如何防範：
( 1 ) 篩選掉包括不相關主機名的流量：鬼流量、爬蟲流量通用
Step1：在帳戶層級建立篩選器，請按照下列步驟進行：

Step2：登入 Analytics (分析) 帳戶。

Step3：選取 [管理員] 標籤，並前往您要建立篩選器的帳戶。

Step4：按一下「帳戶」欄中的 [所有篩選器]。

Step5：按一下 [+ 新增篩選器]。

Step6：選取 [新建篩選器]。

Step7：為篩選器命名。

Step8：選取 [預先定義的篩選器]，然後從中選取預先定義的篩選器類型。

Step9：選取 [自訂篩選器]，使用我們提供的選項建立自訂篩選器。如果您要建立自訂篩選器，請參閱篩選器欄位的定義。

Step10：在「現有資源數據」清單中，選擇您要將篩選器套用到哪些資源數據，然後按一下 [新增]。

Step11：按一下 [儲存]。

假如我要排除".{15,}|\s[^\s]*\s|\.|,|\!|\/" 這流量，可以建立以下篩選器

 

(2)｢爬蟲流量｣：在網路伺服器上，禁止非搜尋引擎類的爬蟲的來訪
執行這方法最為徹底，網路伺服器設定後，也能夠正常使用Google Analytics中的網站數據，另外，也可以開啟過濾漫遊器，排除搜尋引擎類爬蟲對Google Analytics數據的影響。
溫馨小提醒：千萬不要用排除來排除「推薦流量」的方式來排除爬蟲數據，否則原被被歸入推薦流量的爬蟲數據會被歸在直接訪問，反而更不容易被發現。

以上就是檢查是否有Google Analytics的垃圾流量的方法以及解決辦法，下次看到奇怪的流量別緊張，一步一步跟著我們解決準沒問題！

參考資料：

1. http://bbs.boss33.com/archive/index.php/t-7683.html
2. Language Spam – The Latest Google Analytics Spam
3. Analytics (分析)說明－建立及管理資料檢視篩選器
圖片來源：unsplash

本文作者：Yumi
責任編輯：Doris