去年有三个月,我的流量在 Google Search Console 里稳步往上爬,同期后台统计的 PV 也涨了两成,但广告收入一分没涨。这个矛盾我盯了很久才想明白:来的人多了,只是他们走得更快了。
后来我拉出这三个月所有页面的「进入页 → 停留 → 跳失」数据,按来源渠道切开,才看到一个非常清楚的分层:同一个关键词,从搜索结果点进来的人和从「猜你喜欢」类推荐位点进来的人,行为几乎是两类物种。而我的页面只有一种写法——为前一种人写的,所以后一种人来了一批走一批,账面 PV 涨了,价值没涨。
这篇文章讲的是我后来做的一套东西:怎么从日志里把「入口意图」拆出来、怎么判断一个页面到底服务的是哪类人、以及内容型站点最有效的一个动作——入口页做减法、深页做加法。这套方法不依赖任何工具,全部靠访问日志和一份关键词表就能做。
一、PV 是一个会骗人的指标
先把这个说透,否则后面的方法没有动机。PV 是请求数,它把三种完全不同的事情加在了一起:
- 有人真的在读:停留四分钟,滚到页底,点了内链去看第二篇。
- 有人被标题骗进来了,一秒就走了:这是「假流量」,PV 计了一次,价值是负的——它拉高了跳出率,稀释了页面的平均停留时间,进而影响后续的推荐分发。
- 机器:爬虫、预取、监控探针、你自己的健康检查。
PREFETCH请求、HEAD请求、来自你监控机 UA 的请求,全都算进 PV。
我的后台统计工具没做过滤,三个月里至少 6% 的 PV 是机器产生的。所以第一步不是分析内容,而是先把日志洗干净。
二、从访问日志还原真实的「阅读行为」
Typecho / WordPress 这类 PHP 站的访问日志里没有停留时间,但有请求时间戳和 Referer。用「下一次请求在同一会话内的间隔」可以近似出停留时间。这个方法有误差(用户开了两个标签页会互相干扰),但分布层面的结论足够可靠。
先把爬虫和机器流量剔掉:
grep -viE 'bot|crawler|spider|prefetch|monitor|uptime|curl|wget|python-requests|headless' access.log \
| grep -vE '"-(HEAD)? ' \
> /tmp/human.log然后把每个访客的请求按时间排成会话。这里我用 awk 做一个简版,关键是三条:同一 IP、同一 UA、相邻两次请求间隔小于 30 分钟算同一会话。
awk '{
ip=$1; ts=$4; gsub(/\[/,"",ts);
split(ts,t,":"); sec=t[2]*3600+t[3]*60+t[4];
url=$7; split(url,u,"?");
ref=$11;
# 只关心 HTML 页面请求
if (url ~ /\.html/ || url ~ /\/$/) print ip, sec, u[1], ref;
}' /tmp/human.log | sort -k1,1 -k2,2n > /tmp/pages.txt有了这份按时间排好的页面序列,就能算每个「进入页」的后续行为:用户在进入页之后还看了几页、间隔多长、有没有回到搜索。我最后整理成一张表,字段是:
| 字段 | 含义 | 用途 |
|---|---|---|
| entry_url | 会话的第一个页面 | 这是「入口页」,需要优化的是它 |
| depth | 会话内浏览页面数 | <=1 表示跳失 |
| dwell | 进入页到下一次请求的秒数 | 近似停留时长 |
| channel | 来源:搜索 / 推荐 / 直接 / 站内 | 意图标记,这是关键 |
| exit | 是否从该页离开站点 | 区分「读完了」与「跑了」 |
其中 channel 的判定规则很重要:Referer 是搜索引擎域名的算「搜索」,是同域名的算「站内」,是社交/推荐平台的算「推荐」,空的算「直接」。不要只看一级来源,要能区分「Google 的搜索结果页」和「Google 的 Discover/推荐位」,这两者的意图差异巨大,但 Referer 可能都是 google.com,需要看完整路径。
三、三类入口意图,页面写法完全不同
把数据和关键词表对上之后,我总结出三个稳定存在的类型。这不是理论,是我数据里真实分出来的三簇,每一簇的行为差异都很明显:
1. 任务型:「怎么解决 X」
来源词通常是「怎么」「如何」「报错」「打不开」「不生效」。用户带着一个具体问题来,判断标准极其功利:页面里有没有能立刻执行的东西。他会滚动到找代码块,跳过所有铺垫,如果 15 秒内没找到,就返回搜索结果点下一条。
这类页面的正确写法是:结论和命令放在最前面,铺垫放最后。我原来习惯写「背景—原因分析—解决方案—总结」,后来把前两节砍掉或者压缩成两段,把可执行的命令提到第一屏以下,停留时间从 38 秒涨到 2 分 10 秒。同样的内容,只是顺序换了。
2. 探索型:「X 是什么 / X 有哪些」
来源词是名词本身,或者「推荐」「对比」「哪个好」。用户没有紧迫任务,是在做判断,愿意读长文,但需要一个清晰的结构支撑他往下读——如果他看完前两屏不知道这篇文章要讲几个点、几点讲完,就走了。
这类页面要做加法:目录、小标题、对比表、结论先行。我在这类页面上加了一个「本文分几部分讲什么」的三行导语,以及每节末尾一句「如果你只关心 X,跳到第 N 节」。这两个小改动让深度阅读(滚过 75%)的比例提高了将近一倍。
3. 消遣型:从推荐位、信息流点进来
这是最容易被误判的一类。它看起来和探索型很像,都是「随便看看」,但区别在于他没有问题,也没有目标,他是被标题吸引来的。他给你的耐心最短——因为他随时可以往下滑。
这类流量的正确策略和前面完全不同:不要去争取他读完,要去争取他点第二篇。入口页的最优形态是一屏之内给出「值回票价」的那一段,然后在最自然的位置放一个内链。我在这类入口页的正文中部插了一个相关内容模块(不是页尾!),站内跳转率从 11% 提到 27%。
页尾的推荐模块对这类用户几乎无效,因为他根本滚不到页尾就滑走了。这是我最晚才想明白的一件事。
四、入口页做减法,深页做加法
把上面的分类落到操作层面,就是一句话:入口页的任务是把人送到下一页,深页的任务是把价值交付完整。这两件事的目标不同,写法就该不同。
入口页要减掉的东西:
- 长篇背景介绍。留两句话足够。
- 冗余的图片、装饰性的动画、自动播放的东西。
- 页首的大块广告。这一条尤其重要——入口页首屏放广告,等于在用户还没确认「这页有用」之前就开始收钱,结果是既没收入也没留存。我把入口页首屏广告撤掉之后,广告可见率反而涨了。
- 需要滚动三屏才出现的目录。
深页要加上的东西:
- 完整的前置条件、版本差异、可能失败的情况。这些东西在入口页是噪音,在深页是价值。
- 可运行的完整示例,而不是片段。
- 「我怎么验证它生效了」这一段。这一段是区分「看过」和「学会」的分水岭,也是最容易被读者收藏的部分。
- 一个明确的下一步:相关问题、相邻主题、后续动作。
这套结构的另一面好处是它可以复用到 SEO 上:入口页承载核心词,深页承载长尾词。我原来把所有内容塞在一篇里,结果一篇都不深;拆成「入口篇 + 三篇深页」之后,四篇都拿到了排名,因为每篇的主题集中度都提上去了。
五、一个被严重低估的指标:站内跳转率
大部分人盯跳出率和停留时间,但这两个指标都可以被「优化」得很漂亮而实际没价值——把页面写长一点,停留时间自然涨,但用户可能只是在找他要的东西在哪。跳出率更麻烦,单页站点的跳出率天然是 100%。
我更信任站内跳转率:会话里有没有发生「从 A 页到 B 页」的移动。它衡量的是一件很实在的事——这个访客有没有继续消费你的内容。
# 按入口页统计站内跳转率
awk '{if($4=="" || $4 !~ /zz1984/) ch="ext"; else ch="int";
if(!(ip in seen)){seen[ip]=1; ent[ip]=$3; next[ip]=0}
if(ch=="int" && $3!=ent[ip]) next[ip]++}
END{for(i in ent){t[ent[i]]++; if(next[i]>0) h[ent[i]]++}
for(p in t) printf "%.3f\t%d\t%d\t%s\n", h[p]/t[p], h[p], t[p], p}' /tmp/pages.txt \
| sort -rn | head -30输出的四列是:跳转率、跳转会话数、总会话数、入口 URL。这份表是我每个月最常看的一份,因为它直接告诉我「哪些入口页留不住人」。名单出来之后,我按前面三类意图分别处理,不需要猜。
六、把「假流量」从数据里彻底摘出去
如果你不清理数据,上面所有分析的结论都会被污染。除了前面那条 UA 过滤,还有几个我必须处理掉的来源:
- 自己的监控。Uptime 探针每分钟一次,一天 1440 次。给它一个固定 UA,然后在日志分析里排除,或者更好的做法是在 Nginx 里直接
access_log off;。 - 预取与预渲染。
Sec-Purpose: prefetch或Purpose: prefetch请求头的请求,浏览器认为用户「可能」会点。它算请求不算访问。这类请求在我站上占了 4% 左右。 - 广告平台和 SEO 工具的爬虫。它们会高频抓取你的整站,且 UA 常常伪装成浏览器。判据是同一 IP 短时间内请求几十个页面、且不加载任何静态资源——真实用户不会只请求 HTML 不请求 CSS。这条判据非常有效。
- 你自己的浏览器。开发时忘记排除,或者手机上反复点。建议给自家出口 IP 打标记。
第四条听起来很傻,但我为此曾经得出过「这个页面停留 9 分钟」的错误结论,因为我自己开着那个页面在写下一篇稿。
七、我最后的态度
做完这一轮之后,我不再看 PV 了。我看三个数:有效会话数(清洗后、且浏览超过一页的会话)、入口页站内跳转率、深页的跳转率。第一个衡量规模,后两个衡量质量。
三个月前那批「涨了但没价值」的流量,现在被重新分配了:入口页的广告撤了,站内跳转模块提前了,任务型页面的命令提到了第一屏。PV 总量只涨了 8%,但广告可见展示涨了 41%,订阅数涨了一倍多。
这件事让我改了一个长期的坏习惯:以前我看到流量涨就高兴,看到掉就焦虑,把 PV 当成绩单。现在我知道 PV 只是「有多少人推开了门」,而我真正该关心的是「他们进门之后有没有坐下来」。这个区别听起来很虚,但它决定了我每一篇文章的写法——是写给搜索引擎看的,还是写给那个带着问题来的人看的。长期看,只能是后者。