很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
“ 今天和大家聊聊URL中，關(guān)于數(shù)據(jù)采集的秘密。”
好久沒有和大家分享關(guān)于數(shù)據(jù)采集相關(guān)的內(nèi)容了。
關(guān)于數(shù)據(jù)采集，之前分享過《埋點的事件模型入門》、《埋點文檔如何撰寫》、《AB測試的基礎(chǔ)概念及應用》等。
今天繼續(xù)聊聊和數(shù)據(jù)采集相關(guān)，但是和埋點有所不同的采集方式。
URL，大家應該都不陌生了。學名是統(tǒng)一資源定位符（Uniform Resource Locators），通俗點理解就是網(wǎng)址。
比如下面這個：
對，這是大家熟悉的URL。前面是域名，后面通過幾級地址直達目標頁面。
但是，細心的小伙伴，有沒有發(fā)現(xiàn)，我們經(jīng)常看到的URL是這個樣子：
為啥這個URL這么長呢？
對，這就是今天的主題內(nèi)容，URL中的參數(shù)。
咱們還是以上面的這個淘寶鏈接舉例。鏈接中其實包括了這么幾部分內(nèi)容：
URL：即淘寶商品詳情頁的網(wǎng)址；
參數(shù)1：這是今天的重點，是數(shù)據(jù)追蹤參數(shù)，用來標識采集信息；
參數(shù)2：這是標識itemcode的查詢參數(shù)。
其中URL和參數(shù)2，是必不可少的，參數(shù)1是可以更改、甚至刪除的。我們把參數(shù)1刪除以后，當前頁面是不會發(fā)生任何改變的。如下對比：
但是如果將參數(shù)2或者URL改變，當前頁面肯定就不是當前頁面了。
為啥呢？因為這個參數(shù)是業(yè)務參數(shù)，而參數(shù)1是用于做數(shù)據(jù)追蹤、數(shù)據(jù)采集的。既然是用于數(shù)據(jù)采集，當然更改刪除，不會影響頁面的響應。當然了，會影響數(shù)據(jù)的采集，只不過我們用戶層面感知不到了。
上面只是用淘寶為例，不同網(wǎng)站、不同公司的URL規(guī)范肯定是各不相同（甚至千差萬別）。但是總體上，URL上的參數(shù)可以分為這么兩類：追蹤用的參數(shù)和業(yè)務查詢參數(shù)。
而大公司的相對較規(guī)范，邏輯差不多。小公司就各顯神通了。當然原理是一樣的原理，只是別人難以理解奇奇怪怪的數(shù)據(jù)標注。
比如京東首頁：
這里面的一堆參數(shù)和淘寶的明顯不一樣。
和當當?shù)谋龋灰粯印P(guān)于參數(shù)的具體含義，我們本文后面會展開，以谷歌和阿里為例，看一些通用的規(guī)范。
上文我們提出了，URL中添加參數(shù)的一個作用，是為了做數(shù)據(jù)采集用的。那具體是為了采集啥數(shù)據(jù)，有啥作用呢？
我們從一個例子切入。
朋友們可以打開百度，隨便輸入一個關(guān)鍵詞，比如【京東】。
發(fā)現(xiàn)了嘛，top3搜索結(jié)果都是京東的首頁，且都是官方標識。點擊后，也都是打開了京東首頁。
但是，通過不同鏈接打開的首頁，是否真的沒有任何區(qū)別呢？答案是否定的。有區(qū)別，且區(qū)別很大。
第一個區(qū)別是，前兩個鏈接都是廣告，點擊進入其實都是扣了廣告主費用的；其中展現(xiàn)1是品牌專區(qū)廣告，展現(xiàn)2是搜索廣告。展現(xiàn)3是正常的搜索呈現(xiàn)。
第二個區(qū)別就是，咱們今天的主題：從不同鏈接點擊的URL是不同的。
展現(xiàn)1的URL：
https://www.jd.com/?cu=true&utm_source=baidu-pinzhuan&utm_medium=cpc&utm_campaign=t_288551095_baidupinzhuan&utm_term=0f3d30c8dba7459bb52f2eb5eba8ac7d_0_3d2f2c6b233244f581d0cc09d744c993
展現(xiàn)2的URL：
https://www.jd.com/?cu=true&utm_source=baidu-search&utm_medium=cpc&utm_campaign=t_262767352_baidusearch&utm_term=211269852825_0_e528ef5f5d0d4ea38b5946f7c91f9836
展示3的URL：
https://www.jd.com/
是不是差別還挺大？
所以，三個鏈接都是跳到首頁，怎么區(qū)分開哪些訪問是通過品牌廣告、哪些訪問是通過免費的流量進入呢？是的，就是通過鏈接中的參數(shù)，進行區(qū)分。
大家可以詳細看看展現(xiàn)1和2的參數(shù)，都有個utm_source=***，其中展現(xiàn)1（百度品牌專區(qū)廣告）是utm_source=baidu-pinzhuan，展現(xiàn)2（百度搜索廣告）是utm_source=baidu-search。通過拼音大約能猜到，這個就是區(qū)分具體來源的參數(shù)了。
所以，是不是可以大膽的猜測一下，其他的參數(shù)，也代表了類似的含義呢？對的。我們第三節(jié)詳細展開utm參數(shù)的介紹。
其實明白了站外的流量追蹤，對于站內(nèi)的部分，就很好理解了。
我們拿當當為例。當當網(wǎng)商詳頁有下面的三個推薦模塊：
三個模塊各打開一個商詳頁：
推薦模塊1（瀏覽此商品同時瀏覽）：
http://product.dangdang.com/25308985.html#ddclick_reco_reco_alsoview推薦模塊2（經(jīng)常一起購買的商品）：
http://product.dangdang.com/29292067.html#ddclick_reco_reco_buytogether推薦模塊3（購買此商品還購買過）：
http://product.dangdang.com/29288042.html#ddclick_reco_product_alsobuy
我們看到，當當網(wǎng)對于新開的商詳頁，也做了參數(shù)標識。標識的內(nèi)容，是具體模塊，用以統(tǒng)計站內(nèi)流量的來源情況等。
但這里只是精準到了模塊，沒有精準到該模塊的第幾個位置，這是不夠精細的。
除了以上兩類常見的追蹤類別，有的公司還會把其他一些內(nèi)容也加入到URL追蹤參數(shù)中，比如搜索推薦算法的版本等等。這里就不展開了。
上文我們提到了京東的站外追蹤以及當當網(wǎng)的站內(nèi)位置體系。這里分別以谷歌和阿里為例，詳細介紹一下兩個公司在站外和站內(nèi)的追蹤實踐。
UTM，全文Urchin Tracking Manager，是用于區(qū)分站外流量來源的參數(shù)標記方法。主要有五個參數(shù)：utm_source、utm_medium、utm_campaign、utm_term、utm_content
其實上面介紹京東的時候，有看到utm相關(guān)的一些參數(shù)，其實應該是對標了谷歌來設(shè)置的。下面，我們看一下谷歌的UTM標記規(guī)則。
大家可以對應上文中京東的鏈接看一下：
https://www.jd.com/?cu=true&utm_source=baidu-search&utm_medium=cpc&utm_campaign=t_262767352_baidusearch&utm_term=211269852825_0_e528ef5f5d0d4ea38b5946f7c91f9836
通過這樣的一些列標記，就很清楚的可以知道某一次用戶訪問是來源于那個流量、哪次廣告投放、哪個關(guān)鍵詞等信息。便于投放效果優(yōu)化及相關(guān)的分析。
感興趣的朋友，可以試試在搜狗搜索里搜索【京東】，看一下URL的標記參數(shù)。
另外，再看看站內(nèi)追蹤的例子。我們了解一下淘寶的spm體系。
其實和UTM很類似，阿里的spm主要是用于追蹤具體的站內(nèi)位置，總共分了四級，有點類似省市區(qū)縣這樣的層層深入的方式，可以標記到具體的展位。
最后我們分享一下從URL參數(shù)添加到最終數(shù)據(jù)統(tǒng)計的簡要產(chǎn)品過程吧。
首先第一步，是含追蹤參數(shù)的URL的創(chuàng)建。
最原始的方式，就是通過手動（或者Excel拼接）添加追蹤代碼，但這種手動的方式很容易出問題。一方面，做廣告投放的投手們很多對技術(shù)不太懂，不理解追蹤參數(shù)的意思，經(jīng)常填錯；另一方面，由于是URL，對于參數(shù)、符號、文本都有一定的格式要求，如果不按照規(guī)范來，也是很容易出問題的。
一旦追蹤碼寫錯了，那投出去的廣告，就很難追蹤相關(guān)的效果了。
因此，在手動的基礎(chǔ)上，很多平臺、公司會自動生成追蹤鏈接，用戶在產(chǎn)品化的界面中填寫內(nèi)容，系統(tǒng)自動生成符合規(guī)范的批量的URL，用戶只需要將URL復制粘貼就行，極大提升了正確率。
另外，補充一下。為了數(shù)據(jù)安全以及簡化參數(shù)，很多信息往往會以代碼代替原文。比如關(guān)鍵詞，在自己系統(tǒng)中維護一個關(guān)鍵詞list對應的id，在參數(shù)中只寫id。這樣別人就不知道我投了啥關(guān)鍵詞了。
而對于站內(nèi)的位置標識而言，會通過系統(tǒng)化的方式調(diào)服務或者前端拼接參數(shù)生成點擊鏈接。
對于站外投放而言，有了帶追蹤參數(shù)的URL，接下來就是投放了。把URL填充在相關(guān)的廣告投放平臺，即可。
這樣，用戶通過站外廣告帶來的點擊，將都會在URL上有所標識。
用戶發(fā)生點擊以后，打開了投放落地頁，那么可以通過自己的日志采集收集每次瀏覽日志。
每條瀏覽記錄都是按照追蹤方案進行了標識。
最后基于日志進行數(shù)據(jù)清洗、結(jié)構(gòu)化處理，提取相關(guān)信息，落成結(jié)構(gòu)化表格，便于后續(xù)的分析。關(guān)于具體的數(shù)據(jù)處理過程，后續(xù)有機會繼續(xù)分享。
對了，最后一個問題，為啥要通過URL追蹤數(shù)據(jù)而不是埋點呢？大家可以思考一下，哈哈。
關(guān)于通過URL進行數(shù)據(jù)采集及追蹤，就先分享這些。感謝關(guān)注！
-END-
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責申明》 如對文章、圖片、字體等版權(quán)有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結(jié)；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構(gòu)或個人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)