很少直接讲工具，但是其实工具的“科普贴”总是很受欢迎，而且正好也是一个朋友们不断提问的话题，所以觉得还是很有必要发一篇文章。这个文章是直接介绍几个实用的GA过滤设置，除了这个文章之外，如有更多时间，近期还想出另一篇文章会跟大家聊一聊GA的高级过滤功能?ustom Filter中的Advanced Filter），这个相对更加复杂一些。所以，这篇文章是初级篇，下一篇文章是高级篇。

Google Analytics的过滤功能简介

    　　Google Analytics的过滤设置其实包含两大逻辑功能，第一种功能是我们通常意义上的过滤，即根据一定条件过滤掉一部分访问者（本质上是过滤掉一部分流量），例如过滤掉所有来自北京的访问者的流量，或是只保留网站某个子域（subdomain）的流量。　　第二种功能则不是简简单单的过滤，而是类似于我们使用MS Office Word的“查找并替换”功能（实际上比这个功能更强大，因为实际上包括查找、替换和重组三种功能），即按照一定的条件把GA中的一部分属性的表述替换或再组合为另外一种表述。例如，把campaign报告中campaign的英文名字替换为汉语名字。

    　　这样看来，我们可以发现Google Analytics的主要功能是：

    1. 去除掉我们不想要的一部分流量；

    2. 修改一种表述方法为另外一种，或者实现标准报告中无法实现的表述。

    　　不过，其实还有第3、4种功能

    3. 因为GA是可以不断复制的profile的，GA的filter和profile的配合可以实现分析需要的细分功能。不过这个功能在GA的Advanced Segments出现之后就弱化了。

    4. 我们还可以利用多个filter进行组合而实现类似“解释编程”的高级功能。这种filter的组合再加上正则表达式的共同作用，能够实现一些更复杂的过滤或者更精确的属性表述。例如，我们知道SE（搜索引擎）都是提供Universal Search（就是除了文本搜索，还提供图片、视频等）的，但我们在GA中看到的流量可能都是来自Google /  organic，我们如何区分流量是来自文本搜索还是图片或是视频搜索呢？这个实际上通过filter的组合能够实现（不过这个很高深了，放在以后说）。

    　　今天要谈的这五个Google Analytics的过滤设置非常非常基础，不熟练正则表达式也完全没问题，只要照葫芦画瓢就行了。由于几乎是我们每个使用GA的分析师都要用到的，建议把它们牢记在心。:)

安全通告：在开始下面的尝试前，请注意！

    　　请一定复制一个新的profile进行尝试！

    　　原因在于，filter和advanced segmentation不同，前者是在形成报告之前的过滤，因此过滤掉的数据肯定是不可能在该profile中出现了，而advanced segmentation是在形成报告之后再进行的操作，数据不会因为你的不恰当设置而丢失。所以，切记切记！否则Sidney就是害了大家。

    　　如何复制profile，见下图所示：

    

图1

    　　直接在同一个GA ID（例如我的GA ID是UA-4130899-1）后面点击“+ Add new profile”，然后在下图（图2）中输入你想要的profile的名字，然后点击continue之后保存就行了。

    

图2

    　　是不是很简单？搞定了之后，你就在刚才复制的profile下“胡作非为”吧！你以前的数据不会有任何问题了！现在，让我们开始吧！

设置一：过滤掉自己对网站的访问

    　　你的网站最忠实的访问者是你自己，毫无疑问。但是你自己的访问数据也会混在其他用户的访问数据中，从而一定程度（程度大小取决于你网站的流量，如果你的网站流量跟新浪相差无几，那么这个小节可以直接无视）上污染了网站真实用户的访问数据。

    　　防止这种情况的最简单的办法是通过屏蔽某些IP地址来过滤掉自己的访问，这种设置在GA中非常容易。方法如下：

    1. 点击你刚刚复制好的那个profile旁边的edit按钮。

    

图3

    2. 进入profile settings页面后点击“+ add filter”。

图4

    3. 在Create New Filter中用如下设置，然后输入想取的filter的名字和自己的IP地址就好了。最后别忘了保存。

图5

    　　请注意，这里我们使用的是Predefined filter，也就是GA已经预制好的几类filter，主要就是解决这种类似的小问题。在这种filter中，不支持使用正则表达式。因此，GA自己的介绍：https://www.google.com/support/googleanalytics/bin/answer.py?answer=55496，其实是不正确的，因为其中应用了正则表达式。

    　　你问我，如果是动态IP怎么办？那么你可以用自定义filter?ustom filter）选取一个IP地址范围进行过滤，这个时候要用到Custom Filter（自定义过滤）。例如，我想要过滤掉从121.33.33.33到121.33.38.254的IP段范围，那么我的设置如下：

    

图6

    　　这里，我们在Filter Pattern中用到了正则表达式：^121\\.33\\.(33\\.(3[3-9]|[4-9][0-9]|1([0-9][0-9])|2([0-4][0-9]|5[0-5]))|((3[4-7])\\.([0-9]|[1-9][0-9]|1([0-9][0-9])|2([0-4][0-9]|5[0-5])))|38\\.([0-9]|[1-9][0-9]|1([0-9][0-9])|2([0-4][0-9]|5[0-4])))$。哈哈，可怕吧！别担心，其实你访问这个地址，就能自动生成你IP段的正则表达式了：https://www.google.com/support/googleanalytics/bin/answer.py?answer=55572&hl=en_US&utm_id=ad。Google自己的这个工具很好用。

    　　不过，这种方法可能会误伤其他合理的访问数据，所以如果要精确地去除掉你每天毫无规律变动的IP地址，那么仅靠过滤功能本身就有点儿力不从心了。我们需要利用控制cookie和filter的结合来实现，可以在这里找到一些线索：http://www.webmasterworld.com/forum39/4048.htm，这里不多说了。

设置二：改变Content报告中Top Content报告URI的大小写

    　　看看下面这个报告的情况是不是大家经常遇到？

图7

    　　其实四个URL只代表着两个页面，但是由于GA是大小写敏感（lowercase sensitive）的，因此它会认为这是不同的URL，代表着不同的页面。

    　　这可不太妙，对于page view这样的度量，我们还可以直接加总，而要把该页面的bounce rate或者avg. time on page合并起来，就有点儿麻烦了（当然其实也还是有办法，这里按下不表，大家自己研究一下就能弄通）。所以，我们要想办法让GA识别这种情况。

    　　利用Filter就能轻松解决，非常简单。Filter的设置方法如下所示：

    

图8

    　　请注意几点：

    1. 这里利用了自定义filter?ustom filter）。

    2. 选择Lowercase是全部变成小写，也就是所有的content报告中的页面URI都会变成小写，而同一个页面URI以前是大写的，就自动和小写URI的合并在一起了，这样就不会被GA记成两个不同页面了。如果你想全部变成大写，用Uppercase。

    3. Filter Field是我们要施加过滤功能的某一个GA属性（dimension），Request URI指被用户访问（即用户请求）的页面的URI。URI是什么？简单理解URI是URL去掉域名后剩下的（相对路径）。除了Request URI，Filter Field还可以选取很多其他的属性，点击这里看全部属性的解释。

设置三：把Content报告中页面的URI变成页面实际的Title

    　　GA和Omniture不同，GA中显示的网站页面名字是固定好的，就是这个页面的Request URI。而Omniture则完全可以自己定义页面的名称和目录结构。那么，如果GA不能自己定义页面名称，那么至少能够想想办法让页面名称自己显示出来吧！

    　　没错！用Filter就可以实现，具体的设置如下图9。

    

图9

    　　大家可以看到，我们现在使用了自定义过滤中的高级过滤（Advanced），现在我稍微解释一下我们这么设置的意义，因为相信有些符号大家会有点儿奇怪。

    1. Field A -> Extract A和Field B -> Extract B是两个数据段，这两个并不是运算的关系，而是并列的关系。由于有两个数据段，因此我们可以合并两种不同的GA属性。这两个数据段相当于“input”，即输入数据部分。

    2. Output To -> Constructor是输出部分，我们可以把A、B数据段中的数据按照一定方式修改，然后合并，在这个地方进行输出。

    3. A、B数据段都是支持正则表达式输入的，上图中的(.*)就是正则表达式，表示所有的字符。具体正则表达式的解释请见这里（需要翻墙）。正则表达式最好了解一个原理，不过精通？恩，感觉不容易，反正我害怕这东西。

    4. Output To这个数据段不支持正则表达式，因此你看到的“$A1”其实不是正则表达式。

    5. $A1的意思是，Field A -> Extract A中的第一个变量。上图只有一个变量，那就只能是$A1。如果有两个，你要在Output To中显示第二个，那就是$A2，以此类推。同理，如果你看到$B4，你就知道是Field B中的第四个变量――说实话我还没见过这么变态的用到4个变量的filter。

    6. 整个设置的意思是说，在A字段中，我们选择Page Title属性，并且把页面Page Title的所有字符（用(.*)实现），全部取出来。然后再把取出的这些字符（因为是A字段的第一个也是唯一一个变量）在Request URI中输出出来。就这么简单。

    　　看看有什么效果？见对比图：

图10：【之前】

图11：【之后】

　　你会说，我们不是有Content by Title报告吗？是的，不过这个报告数据不知为何不准确，而用上面的方法，数据就是Top Content报告的数据，不会在数据上再困扰我们了。

设置四：在Content报告中显示页面完整的URL而不是URI

    　　有时候，我们希望在我们的content报告中显示的不是页面的URI（如上图10所示），而是页面完整的URL，我们同样可以用Filter实现。

    　　不过请注意，由于都是修改页面的URI表示，因此设置三和设置四放在一个profile中只有一个（后设置的那个）会起效果。大家在做实验的时候注意把这两个设置分别放在不同的profile中。

    　　设置如下图12所示：

    

图12

　　有了设置三的铺垫，再看这个设置就很简单了。Field A是取出网站的host name的每一个字符，我的网站host name是www.chinawebanalytics.cn/。Field B是取出页面Request URI的每一个字符。Output To则是把A和B按照“host name”/ “Request URI”的方式进行输出。请注意，为了表明content报告的改变是我们的filter设置的结果，我有意在这里多写了一个“/”，实际上你在输出框内应该写“$A1$B1”。效果见下图13。

图13 ，现在大家可以看到我们多了一个“/”是我当时设定在输出框中的

设置五：只监测网站的某个子域或者某个具体目录的流量

    　　有时候，我们想把网站的某一个部分单独拿出来进行分析，例如想要分析music.chinawebanalytics.cn（当然，这只是一个假设的域名）单独的表现，我们利用Advanced Segmentation或者其他方法都比较麻烦，这个时候我们可以复制一个profile，然后在这个profile中用过滤功能把我们想要的部分单独拆分出来。

    　　同样非常简单的设置，如图14所示。

图14

    　　同样的方法，在Include only的选项中选择traffic to the subdirectories，可以实现只保留某一个网站目录的流量。

Bonus：过滤掉不属于网站的被误记的流量

    　　最后，给大家一个Bonus。

    　　不知道你的网站出没出现这样的情况，你的Google Analytics的ID，被别人拿去放到他的网站中间去了！这真是让人苦笑不得的问题。但实际上，我还真就遇到了。大家访问这个网址：http://cfma.jimdo.com/，看看是不是页面上有跟我博客http://www.chinawebanalytics.cn/一样的GA ID！

    　　因为这个网站经常好几天没有任何流量，因此一段时间后我才发现这个问题。

    　　这个问题完全可以通过GA Filter来解决，我们排除掉访问这个域的流量即可，设置如图15。

图15

    　　请注意，由于用的是预置过滤，因此不支持正则表达式。

    　　好了，如果大家对Filter的一些功能有了感觉，这么长文章的辛苦也就不白费了。现在是大家的时间了，请大家留言，或者提出自己的问题，非常欢迎！

建议继续学习：

1. 解决Google Analytics中内容包含的“other”问题    (阅读：3411)
2. 过滤部分字段重复的数据    (阅读：2946)
3. 对HTML做白名单过滤    (阅读：2583)
4. 过滤字符的性能调优?    (阅读：1943)
5. 关于大区间过滤优化内存设计    (阅读：1588)
6. Advanced Segments 快速诊断电子商务网站    (阅读：1439)
7. Google Analytics的新秘密——如何定义Visit    (阅读：1301)
8. 大数据过滤及判断算法 -- Bitmap / Bloomfilter    (阅读：1074)