README.md

Web-Analytics

本文主要是我个人的一些思考，如需转载请标明本文引用地址和听歌签名。资料采集自互联网，如有侵权，请联系我删除。

知识图谱标签：第三方监测、在线广告行业、JavaScript（前端/全栈）技术

监测分析 Measurement & Analytics

• GoSquared 美国的一家提供网站流量监控以及电子商务转化率监控的服务商，算是非常典型的监控平台，为了打造成所有人都愿意使用的产品，他们在设计上面临不小的挑战
• Google Analytics之工作原理和应用技巧源码分析见 google-analytics
• 谈谈Google Analytics
• 蓝鲸的网站分析笔记
• Lamp Blog
• exelate 尼尔森，让品牌了解客户参与实时跟踪和数字营销影响到线下的销售
• clicky 针对小网站和博客，包括实时访客追踪、深度内容分析等高级服务
• Ptengine 能够出页面复杂互动元素的热图报告、可实时分析网站数据和用户行为
• GrowingIO 基于用户行为的新一代数据分析产品。亮点：通过圈选功能，可视化地建立标签、指标和单图。功能：概览（PV、UA），留存（新访、留存、行为类型），看板，单图，用户分群，管理（标签、指标）
• RisingStack Node.js和microservices监控解决方案，错误检测,调试,业绩监测和跟踪的分布的服务
• segmentio/analytics.js 将 analytics.js 无障碍地集成到任何Web应用程序的方法。
• heatmap 实时站点热图
• Open Web Analytics 简单开源的 Web 分析工具

前端日志记录

• LogRocket

异常监测

• Sentry
• TraceKit
• NewRelic：性能监控的好工具
• FunDebug
• Rollbar

参考资料

• 前端异常监控解决方案研究

• 从无到有<前端异常监控系统>落地

广告验证 Verification

• Integral Ad Science
• DoubleVerify
• AppsFlyer
• Moat
• Adbug Tech: 分析见 hegek7
• RTB Asia
• ForensiQ
• Sizmek

参考资料

• https://onlineadview.wordpress.com/2011/11/06/really-understanding-iframes/
• Web性能API——帮你分析Web前端性能
• Getting maximum from JavaScript error tracking

访客唯一标识

• Web客户端追踪（下）—浏览器指纹追踪：比较全面，覆盖了浏览器指纹追踪、跨浏览器指纹和 WebRTC 等

• Store.js

• samyk/evercookie

• lucb1e/cookielesscookies

• fingerprintjs2

• 不用Cookie的“Cookie”技术

• 取代cookie的网站追踪技术：”帆布指纹识别”初探

• 利用图片传输数据的另类思想

• 像素化你的代码

作用

• 广告投放中，受众定向、投放频次控制
• 需求方平台中，区别重定向（site retargeting & personalized retargeting & search retargeting）和新客推荐（look－alike）
• 数据加工与交易中，用户标识、用户行为

用户行为按照对效果广告有效性分类

决策行为	主动行为	半主动行为	被动行为
转化（conversion）和预转化（pre－conversion）	广告点击（ad click）、搜索（search）和搜索点击（search click）	分享（share）和网页浏览（page view）	广告浏览（ad view）

参考资料

• CodingLabs
• 聊一聊前端存储那些事儿
• 构建可靠的前端异常监控服务-采集篇

Web 智能分析

个人的一些思考：基于 CNN 的 Web 智能分析

关键角色

	说明
采集器	爬虫主动采集、JS SDK 被动采集
识别、截图服务	截图的技术，可参见《云商业智能(Cloud BI)》的“截屏”部分
计算机视觉智能分析	主要使用计算机视觉 CNN 技术

流程

1. 用户系统测试账号录入和授权

   授权内容主要包括：账号、密码、有效期和频率等

2. 爬取和机器识别，生成规则

   类库	说明
   Fathom	提取网页中有意义内容的 JavaScript 框架

3. 根据规则，账号登录和截屏服务

4. 机器学习，智能分析，生成报告

   关键词：深度卷积神经网络

   图谱步骤： 图片归一化：灰度值 = RGB各值的和 / 3

   计算梯度：

   舍掉局部信息：

   报告	参考技术
   色彩趋势	可用 node-vibrant 提取出图片的主要颜色和百分比，分析出图片的主色调
   图关键词	可调用 clarifai 或同类图像识别 api，标记出内容，自动识别图片的内容，作为图片的关键词

疑问和结论

1. 合适的图像识别服务？结论：clarifai 同类、tensorflow/models 等
2. 如何处理账号问题？有权限截图？结论：暂可采用用户授权方式解决。
3. 用户为什么用？怎么用？流量问题？结论：取决于不同报告的价值。

参考

• 写给设计师的人工智能指南：图像
• Google 图片搜索的原理是什么？

反馈

https://github.com/TingGe/web-analytics/issues

贡献

https://github.com/TingGe/web-analytics/graphs/contributors

许可

(The MIT License)

Copyright (c) Ting Ge [email protected]