APP推广合作
联系“鸟哥笔记小乔”
如何通过URL进行数据采集?谷歌UTM参数及阿里SPM介绍
2021-10-12 15:54:19

 今天和大家聊聊URL中,关于数据采集的秘密。


好久没有和大家分享关于数据采集相关的内容了。


关于数据采集,之前分享过《埋点的事件模型入门》、《埋点文档如何撰写》、《AB测试的基础概念及应用》等。


今天继续聊聊和数据采集相关,但是和埋点有所不同的采集方式。

01—常见的URL参数

URL,大家应该都不陌生了。学名是统一资源定位符(Uniform Resource Locators),通俗点理解就是网址。


比如下面这个:



对,这是大家熟悉的URL。前面是域名,后面通过几级地址直达目标页面。


但是,细心的小伙伴,有没有发现,我们经常看到的URL是这个样子:


为啥这个URL这么长呢?


对,这就是今天的主题内容,URL中的参数。


咱们还是以上面的这个淘宝链接举例。链接中其实包括了这么几部分内容:



URL:即淘宝商品详情页的网址;


参数1:这是今天的重点,是数据追踪参数,用来标识采集信息;


参数2:这是标识itemcode的查询参数。


其中URL和参数2,是必不可少的,参数1是可以更改、甚至删除的。我们把参数1删除以后,当前页面是不会发生任何改变的。如下对比:




但是如果将参数2或者URL改变,当前页面肯定就不是当前页面了。


为啥呢?因为这个参数是业务参数,而参数1是用于做数据追踪、数据采集的。既然是用于数据采集,当然更改删除,不会影响页面的响应。当然了,会影响数据的采集,只不过我们用户层面感知不到了。


上面只是用淘宝为例,不同网站、不同公司的URL规范肯定是各不相同(甚至千差万别)。但是总体上,URL上的参数可以分为这么两类:追踪用的参数和业务查询参数。


而大公司的相对较规范,逻辑差不多。小公司就各显神通了。当然原理是一样的原理,只是别人难以理解奇奇怪怪的数据标注。


比如京东首页:



这里面的一堆参数和淘宝的明显不一样。



和当当的比,更不一样……关于参数的具体含义,我们本文后面会展开,以谷歌和阿里为例,看一些通用的规范。

02—URL参数的用处

上文我们提出了,URL中添加参数的一个作用,是为了做数据采集用的。那具体是为了采集啥数据,有啥作用呢?

(1)明确站外流量来源

我们从一个例子切入。


朋友们可以打开百度,随便输入一个关键词,比如【京东】。



发现了嘛,top3搜索结果都是京东的首页,且都是官方标识。点击后,也都是打开了京东首页。


但是,通过不同链接打开的首页,是否真的没有任何区别呢?答案是否定的。有区别,且区别很大。


第一个区别是,前两个链接都是广告,点击进入其实都是扣了广告主费用的;其中展现1是品牌专区广告,展现2是搜索广告。展现3是正常的搜索呈现。


第二个区别就是,咱们今天的主题:从不同链接点击的URL是不同的。


展现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



展现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/



是不是差别还挺大?


所以,三个链接都是跳到首页,怎么区分开哪些访问是通过品牌广告、哪些访问是通过免费的流量进入呢?是的,就是通过链接中的参数,进行区分。


大家可以详细看看展现1和2的参数,都有个utm_source=***,其中展现1(百度品牌专区广告)是utm_source=baidu-pinzhuan,展现2(百度搜索广告)是utm_source=baidu-search。通过拼音大约能猜到,这个就是区分具体来源的参数了。


所以,是不是可以大胆的猜测一下,其他的参数,也代表了类似的含义呢?对的。我们第三节详细展开utm参数的介绍。

(2)追踪站内位置来源

其实明白了站外的流量追踪,对于站内的部分,就很好理解了。


我们拿当当为例。当当网商详页有下面的三个推荐模块:



三个模块各打开一个商详页:


推荐模块1(浏览此商品同时浏览):

http://product.dangdang.com/25308985.html#ddclick_reco_reco_alsoview

推荐模块2(经常一起购买的商品):

http://product.dangdang.com/29292067.html#ddclick_reco_reco_buytogether

推荐模块3(购买此商品还购买过):

http://product.dangdang.com/29288042.html#ddclick_reco_product_alsobuy


我们看到,当当网对于新开的商详页,也做了参数标识。标识的内容,是具体模块,用以统计站内流量的来源情况等。


但这里只是精准到了模块,没有精准到该模块的第几个位置,这是不够精细的。

(3)其他数据追踪

除了以上两类常见的追踪类别,有的公司还会把其他一些内容也加入到URL追踪参数中,比如搜索推荐算法的版本等等。这里就不展开了。

03—谷歌UTM与阿里SPM

上文我们提到了京东的站外追踪以及当当网的站内位置体系。这里分别以谷歌和阿里为例,详细介绍一下两个公司在站外和站内的追踪实践。

(1)谷歌UTM参数

UTM,全文Urchin Tracking Manager,是用于区分站外流量来源的参数标记方法。主要有五个参数:utm_source、utm_medium、utm_campaign、utm_term、utm_content


其实上面介绍京东的时候,有看到utm相关的一些参数,其实应该是对标了谷歌来设置的。下面,我们看一下谷歌的UTM标记规则。



大家可以对应上文中京东的链接看一下:


https://www.jd.com/?cu=true&utm_source=baidu-search&utm_medium=cpc&utm_campaign=t_262767352_baidusearch&utm_term=211269852825_0_e528ef5f5d0d4ea38b5946f7c91f9836


通过这样的一些列标记,就很清楚的可以知道某一次用户访问是来源于那个流量、哪次广告投放、哪个关键词等信息。便于投放效果优化及相关的分析。


感兴趣的朋友,可以试试在搜狗搜索里搜索【京东】,看一下URL的标记参数。

(2)阿里SPM体系

另外,再看看站内追踪的例子。我们了解一下淘宝的spm体系。


其实和UTM很类似,阿里的spm主要是用于追踪具体的站内位置,总共分了四级,有点类似省市区县这样的层层深入的方式,可以标记到具体的展位。


04—URL链接生成及应用过程

最后我们分享一下从URL参数添加到最终数据统计的简要产品过程吧。

(1)参数生成及添加

首先第一步,是含追踪参数的URL的创建。


最原始的方式,就是通过手动(或者Excel拼接)添加追踪代码,但这种手动的方式很容易出问题。一方面,做广告投放的投手们很多对技术不太懂,不理解追踪参数的意思,经常填错;另一方面,由于是URL,对于参数、符号、文本都有一定的格式要求,如果不按照规范来,也是很容易出问题的。



一旦追踪码写错了,那投出去的广告,就很难追踪相关的效果了。


因此,在手动的基础上,很多平台、公司会自动生成追踪链接,用户在产品化的界面中填写内容,系统自动生成符合规范的批量的URL,用户只需要将URL复制粘贴就行,极大提升了正确率。



另外,补充一下。为了数据安全以及简化参数,很多信息往往会以代码代替原文。比如关键词,在自己系统中维护一个关键词list对应的id,在参数中只写id。这样别人就不知道我投了啥关键词了。


而对于站内的位置标识而言,会通过系统化的方式调服务或者前端拼接参数生成点击链接。

(2)URL投放

对于站外投放而言,有了带追踪参数的URL,接下来就是投放了。把URL填充在相关的广告投放平台,即可。


这样,用户通过站外广告带来的点击,将都会在URL上有所标识。

(3)浏览日志记录

用户发生点击以后,打开了投放落地页,那么可以通过自己的日志采集收集每次浏览日志。


每条浏览记录都是按照追踪方案进行了标识。

(4)数据统计

最后基于日志进行数据清洗、结构化处理,提取相关信息,落成结构化表格,便于后续的分析。关于具体的数据处理过程,后续有机会继续分享。


对了,最后一个问题,为啥要通过URL追踪数据而不是埋点呢?大家可以思考一下,哈哈。


关于通过URL进行数据采集及追踪,就先分享这些。感谢关注!

-END-

首席数据科学家
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
首席数据科学家
首席数据科学家
发表文章59
用数据科学的方法赋能业务,发挥数据价值,做业界最好的数据科学家。
确认要消耗 0羽毛购买
如何通过URL进行数据采集?谷歌UTM参数及阿里SPM介绍吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接