实时网站统计是此刻谁在你网站上的实时视图,窗口是几分钟,延迟约几分钟。用它来发现和确认:上线、活动刚开始、故障。不要用它判断表现,因为实时数字是临时的,小样本还会让实时转化率大幅摆动。
读完你会知道
- 实时回答「现在有没有在工作?」;完成后的报表回答「表现如何?」
- 120 个访客上的转化率,95% 置信区间可以从 0.9% 到 7.1%;判断时用更长的窗口
- 发现故障时,和同一个星期几、同一时间比,并要求连续两次读数异常
实时网站统计到底显示什么?
它显示此刻谁在你的网站上、在做什么,窗口是几分钟,而不是已经结束的一天。通常包括活跃访客数、他们所在的页面和来源,以及一条最新事件的流水。它是用来确认有事情在发生的实时视图,不是用来判断什么有效的报表。
要把两者分开,是因为实时视图和完成后的报表回答的是不同的问题。实时回答的是「现在有没有在工作?」,几分钟内就能知道。日报回答的是「表现如何?」,要等数据处理完、稳定下来。把两者混在一起,是实时数据大多数错误的来源。本文余下部分的简短结论:用实时来发现和确认,用完成后的报表来判断。这个词本身的定义见实时。
「实时」有多快?其他报表有多快?
「实时」是一个窗口加一个延迟,两者都很小,但不为零。作为一个广泛使用的托管分析产品的参照,Google 的文档列出了标准属性这些典型的处理时间:
| 报表层级 | 典型延迟 | 窗口或说明 |
|---|---|---|
| 实时 | 几分钟 | 显示最近 5 分钟和最近 30 分钟内活跃的用户 |
| 标准日内 | 2–6 小时 | 大多数报表和接口查询 |
| 每日 | 12 小时 | 所有报表 |
| 最终稳定数据 | 最长 24–48 小时 | Google 说数据处理期间报表里的数据可能变化 |
来源:Google Analytics 帮助中的「Data freshness」和「Realtime report」页面。应用数据为了省电还会分批发送,Google 说这会带来以分钟计的延迟。无论你用哪个工具,都有两点启示:
- 实时视图是临时的。你现在读到的数字在处理完成后可能变化,所以不要把它们抄进报告。
- 同一个工具里,不同视图的延迟并不相同。比较两个数字之前,先确认你看的是哪一层。
TapCub 自己的窗口和告警时机放在最后一节讲,因为它们和上表不同。
哪些场景需要实时,哪些不需要?
用下面这张表判断实时视图是不是合适的工具。
| 场景 | 要看什么 | 合适的窗口 | 注意 |
|---|---|---|---|
| 上线或发版 | 新页面或统计代码到底有没有发出事件? | 最近 5 分钟 | 确认的是采集,不是表现 |
| 活动刚开始 | 流量有没有进来,有没有带上你设置的 UTM 值? | 最近 30 分钟 | 访客太少,还判断不了转化 |
| 故障或页面损坏 | 在每周同一时间,活跃数是否比平时塌陷? | 连续几次 5 分钟读数 | 下降也可能是节假日或统计失效 |
| 社交或媒体带来的高峰 | 高峰落在哪个页面、哪个来源? | 最近 30 分钟 | 不过滤的话,高峰里包含机器人 |
| 转化率、A/B 决策、周复盘 | 不是实时 | 已完成的一天或更久 | 噪声太大,数据也还没稳定 |
最后一行最重要。下一节说明原因。
| 场景 | 要看什么 | 合适的窗口 |
|---|---|---|
| 上线或发版 | 新页面到底有没有发出事件? | 最近 5 分钟 |
| 活动刚开始 | 流量是否带着正确的 UTM 值进来 | 最近 30 分钟 |
| 故障或页面损坏 | 活跃数与每周同一时间的常态对比 | 连续几次 5 分钟读数 |
| 社交或媒体带来的高峰 | 高峰落在哪个页面和来源 | 最近 30 分钟 |
| 转化率或 A/B 决策 | 不是实时 | 已完成的一天或更久 |
经验规则:用实时来发现和确认,用完成后的报表来判断。
为什么实时的转化率会误导人?
因为样本很小,同一个真实转化率在不同样本量下看起来差别很大。示例数据:一个站点的真实转化率是 3.0%。在三种窗口大小下,看观察到的转化率周围的 95% 区间(Wilson 得分区间,Brown、Cai 和 DasGupta 推荐的、优于简单公式的区间之一):
| 窗口 | 访客 | 转化 | 观察到的转化率 | 95% 区间 |
|---|---|---|---|---|
| 最近 5 分钟 | 120 | 3 | 2.5% | 0.9%–7.1% |
| 一小时 | 1,000 | 30 | 3.0% | 2.1%–4.3% |
| 一天 | 10,000 | 300 | 3.0% | 2.7%–3.4% |
在 120 个访客时,多一笔或少一笔销售会让观察到的转化率变动约 0.8 个百分点,可能的真实转化率范围从不到 1% 到超过 7%,相差近八倍。在 10,000 个访客时,范围是 2.7% 到 3.4%。把五分钟的数字当成趋势,就是在读噪声。
实用规则:根据一个转化率行动之前,先看区间。如果可能的范围比你要找的变化还宽,就等更长的窗口。
不同窗口下可能的转化率范围有多宽
宽度,单位百分点算例:用一条简单规则发现故障
示例数据。一个站点的「当前在线」数(最近 5 分钟内有事件的访客)每 5 分钟读一次。过去八周每个周二 14:00 的读数是 172、185、190、178、181、176、184 和 179,中位数是 180。设一条规则:连续两次读数低于该中位数的 50%,也就是 90,就告警。
| 时间 | 当前在线 | 低于 90? |
|---|---|---|
| 14:00 | 176 | 否 |
| 14:05 | 171 | 否 |
| 14:10 | 88 | 是(第一次) |
| 14:15 | 41 | 是(第二次):告警 |
| 14:20 | 12 | 是 |
结账大约在 14:07 出的问题,规则在 14:15 告警,所以发现用了约 8 分钟。有两个细节让它有效。基线用的是同一个星期几、同一时间,所以正常的安静时段不会触发。要求连续两次读数,所以一次异常读数不会惊动任何人。
对比一个只在整点运行的检查:下一次检查在 15:00,距离故障 53 分钟(15:00 − 14:07)。这就是实时视图和每小时告警的差别,也是故障预案要写明依赖哪一种的原因。
上线后的前 30 分钟该检查什么?
上线是实时最能派上用场的情形,因为统计失效的每一分钟都是补不回来的数据。带时间预算的清单能让它保持简短:
- 第 0–2 分钟:你在数据里。 用一个干净的浏览器窗口自己打开页面,在实时流水里找你自己的页面浏览。如果没出现,先停下来修采集,别的都往后放。
- 第 2–5 分钟:关键事件在发。 把重要的按钮各点一次、重要的表单各提交一次,在流水里找这些事件名。事件缺失是埋点问题,不是流量问题。
- 第 5–10 分钟:来源标记没丢。 通过带你 UTM 值的链接打开页面,确认来源和活动显示成你写的样子。这里写错一个字,会让一个活动一直拆成两行。
- 第 10–20 分钟:最初的真实访客看起来正常。 把设备和国家构成和平常的一天对比。只在某一种浏览器里能加载的页面,会表现为偏斜的构成。
- 第 20–30 分钟:记下基线。 记下活跃数和热门页面,这样上面的故障规则对这个新页面就有了参照。
30 分钟就停。再往后的转化、跳出和收入,属于完成后的报表。
在 TapCub 里怎样用实时统计?
TapCub 有实时视图和告警,二者的时机不同。下面是上面例子里的上线和故障工作流;逐页的参考见查看实时访客。

- 发布页面或装好脚本之后,自己打开它,然后进入网站统计 › 实时。几秒内你的页面浏览应该出现在真人事件流里。页面显示最近 5 分钟内有事件的去重访客数,旁边是最近半小时的活跃页面和来源。
- 对于活动,检查你的 UTM 来源是否出现在半小时来源列表里。事件流可以按页面浏览、自定义事件、外链点击、下载、表单和错误过滤,并且把真人和机器人分开。识别出的机器人不计入在线人数,所以爬虫高峰不会看起来像受众。
- 对于地区性高峰,打开监测 › 地球,选择 1 小时、6 小时、24 小时或 7 天。它按国家显示会话,不是精确位置。
- 对于故障发现,在全端分析 › 智能运营 › 监控里建一条监控。内置指标包括浏览量、访客、会话、错误率和错误数,其中有一个条件是在超过你设定的间隔内没有数据到达时触发。监控按小时、天、周或月的粒度检查,所以不要假设有分钟级告警。试运行会显示这条规则在过去 30 天里会触发几次。默认情况下,同一条告警约 60 分钟内不会重复。
- 记住它不做什么:TapCub 的告警只负责通知你,不会替你执行任何操作。判断转化和表现,等数据稳定之后用完成后的报表,例如网站统计 › 概览。
常见问题
什么是实时网站统计?
它是当前访客活动的实时视图:活跃用户、他们所在的页面和来源,以及最近事件的流水,窗口通常是 5 到 30 分钟。它用于确认和发现,不用于判断表现。
实时统计有多实时?
通常是几分钟。Google 的文档给其实时层的是「几分钟」,标准日内数据是 2–6 小时,数据可能在 24–48 小时内变化。其他工具各不相同,请查你自己工具文档里的时效数字。
什么时候该用实时统计?
上线时、活动刚开始时,以及可能出故障时。每种情况下,你问的都是「此刻有没有事情在发生」。不要用它看转化率、A/B 决策或周复盘。
能用实时数据计算转化率吗?
要很小心。120 个访客、3 次转化时,观察到的转化率是 2.5%,但 95% 区间是 0.9% 到 7.1%。在把实时转化率当成趋势之前,先等更长的窗口,或者先看区间。
实时数字是精确的吗?
不是。它们是临时的,处理完成后可能变化,而且依赖一个很短的窗口。把它们当作要去调查的信号,然后在稳定的报表里确认。
资料来源
- Google Analytics 帮助。Data freshness,实时、日内和每日的处理时间,以及 24–48 小时。核对日期 2026-11-20。
- Google Analytics 帮助。The Realtime report,5 分钟和 30 分钟窗口;应用数据分批。核对日期 2026-11-20。
- Lawrence D. Brown、T. Tony Cai 和 Anirban DasGupta。Interval estimation for a binomial proportion。Statistical Science 16(2),2001,Wilson 区间,以及简单公式为什么不可靠。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

