河北百度爱采购，许多用户在各个时间点对各个页面的访问浏览以点的形式散布在一个平面坐标系上。其中横坐标代表时间轴，事件由左向右按时间顺序依次发生；纵坐标代表了网站拥有的N个页面，它们其实没有顺序之分，独立地罗列出来就行；点的不同颜色代表着不同的访问用户，也就是表2-3中用 Cookie进行区分的；空白区间内的点就代表了用户的一次页面浏览，也就是表23中的一条记录，用记录的时间戳对应横坐标，页面URL对应纵坐标来确定位置，这样我们只要看图就能知道谁在什么时间访问了什么页面。但对于指标统计而言，这些信息还远远不够，因为我们无法区分用户的这些浏览行为是在一次访问中完成的，还是访问了多次，每次都进行一些操作，同时我们也需要将这些点整理得更加有序，能够一目了然地发现用户浏览各页面的先后顺序，以及用户从哪里进入，又从哪里离开网站。于是，就有了从原始日志记录生成点击流模型的过程，目的就是为了解答以上的诸多问题。其实生成点击流的思路非常简单，就是将相ession的点根据发生时间的先后（根据时间戳判断）和页面浏览的前后关系（根据 Referral判断）连成线的过程，当然在程序中实现需要考多因素，并没有图形上显示的那么简单。于是，假设我们将所有的线连接起来后画出的结果如图2-10所示。
    河北百度爱采购的访问路径似乎变得清晰可见了，每个箭头代表了用户离开网站，有些用户只浏览了一个页面就离开了（淡蓝色和黑色的用户），有些用户选择浏览多个页面以查看他们感兴趣的内容（红色、紫色、黄色、绿色用户），当然这些用户的浏览页面数或多或，访问的时间跨度也可长可短，有些用户则多次访问了网站（蓝色用户，第一次浏览一个页面后直接离开了，紧接着又一次进入网站，并浏览了多个页面过简单的连线操作，让原始日志记录所能反映的信息更加丰富。从可视化图形的变化效果，我们看到了生成点击流模型的基本过程，那么底层的日志记录表也需要做相应的改变——从一张拆分成两张。生成点击流的基本思路就是让原先只有页面浏览（点）的日志记录划归到相应的访问（线）的层面，所以底层的表可以从单纯记录页面浏览拆分为记录页面浏览和网站访问的两张表，一张就是原日志表简化后的表，不妨叫 Pageviews表（参见表24），另一张记录了每次的访问信息，不妨叫 Visits表。
    河北百度爱采购其中 Session就是关键词字段，因为每次访问的用户必然是相同的，所以用户的信息被统一记录在 Visits表中，包括IP、 Cookie等；而每个访问的站外 Referral信息也需要记录在 Visits表中，因为这是访问的外部来源，如果没有，则可能像s002这个 Session一样记录的是短横杠，说明用户是直接访问或者 Referral信息丢失。然后再根据串连页面访问的结果，可以记录每个访问的起始时间、结束时间、进入页面、离开页面，当然整个访问的浏览页面数也可以被计算得到。所有这些信息让很多基于访问层级的指标的统计变得更加容易。点击流模型生成的两张表可以用 Session字段实现相互之间的关联，从而 Pageviews层面也可以获取用户的IP、 Cookie等信息。在生成了点击流模型后，如果你熟悉网站分析指标，不妨再试试从这两张表中计算一下，看看现在你可以算出哪些指标了？而下面要介绍的正是网站分析中的基础指标，包括指标的定义、计算方法和应用，如果你已经完全了解了点击流模型，那么下面的指标学习你将游刃有余。2.2网站分析中的基础指标指标是网站分析的基础，用来记录和衡量访问者在网站中的各种行为。