TapCub 正式上线:统计、分析、客服一个平台免费用
术语表

什么是数据过滤?统计分析中的类型与示例

数据过滤把内部流量、机器人等记录排除在统计之外,让报表描述真实用户。过滤的类型,以及一个能复算的前后对比示例。

许安 审核人 卢卡斯·海斯 又称 数据过滤器 最后更新 2026 年 11 月 20 日 术语表

一句话回答

统计分析里的数据过滤,是按规则排除记录,比如自己团队的访问、机器人和测试流量,可以在入库前(采集时)或生成报表时(报表时)进行,让指标描述的是你要衡量的人群。

统计分析里的数据过滤是什么?

统计分析里的数据过滤,是按你设定的规则,在数据入库之前或生成报表时,把一部分记录排除掉。目的是让数字描述的是你真正想衡量的人:客户和潜在客户,而不是你自己的团队、自动化流量或预发布站点。过滤会改变几乎所有比率的分母,所以过滤缺失或设错,转化率、跳出率和单次访问成本会同时跑偏。

过滤可以发生在两个位置,两者的差别决定了你要多谨慎。采集时过滤在记录入库前就丢弃,数据彻底没有了。报表时过滤(分群、表格筛选或视图)只是在某一张报表里隐藏记录,数据还在,随时可以改主意。

数据过滤有哪些类型?

大多数统计过滤分为六类。下表列出每一类排除什么、常见规则,以及能不能撤销。

过滤类型排除什么常见规则能撤销吗?
内部流量你自己的团队、测试和办公室访问排除某个 IP 地址或地址段,或给员工设置一个 Cookie取决于作用位置
机器人和爬虫自动化访问已知机器人名单、浏览器标识规则、行为检测,见机器人过滤取决于作用位置
测试和预发布数据开发或预览站点的访问只保留生产环境的主机名采集时过滤:不能
垃圾引荐和不想要的来源伪造的引荐来源和垃圾活动按引荐域名或来源值排除报表时过滤:能
路径和页面不想计入的后台、登录和结账步骤排除 /admin/* 这类路径采集时过滤:不能
地域或设备不在范围内的地区或设备类型按国家或设备类型包含或排除报表时过滤:能

内部流量这一类,可以看怎么排除内部流量。

采集时过滤和报表时过滤有什么区别?

过滤放在哪一层,是干净程度和安全性之间的取舍。

采集时过滤报表时过滤
数据是否保存?不保存,记录被丢弃保存,记录还在
设错的代价数据彻底丢失一张错报表,可以重建
是否作用于历史?否,只对新数据是,任何时间段
适合你永远不想要的流量:自己的 IP、预发布主机名以后可能想找回的切片:某个国家、某个垃圾来源

Google Analytics 4 可以说明这件事能有多严格。按其文档,数据过滤器可以处于测试、启用或停用状态;每个媒体资源最多 10 个数据过滤器;过滤器可能需要 24 到 36 小时才生效;启用后“对数据的影响不可撤销”,被排除的数据不会被处理。如果只是想隐藏数据,Google 建议用报表筛选。这个经验适用于任何工具:在启用不可撤销的过滤之前先测试,并记下每一条过滤排除了什么。

为什么要过滤:机器人和自己人

自动化流量不是罕见的边角情况。Imperva 2025 年发布的 Bad Bot 报告基于 2024 年数据,发布于 2025 年 4 月 15 日,结论是自动化流量占 2024 年全部网络流量的 51%,恶意机器人占互联网流量的 37%。这些数字描述的是 Imperva 所保护的大批网站,不是你自己的网站,你的占比可能低得多也可能高得多,但它们说明:如果报表要描述的是人,机器人过滤就不是可选项。

内部流量重要,是出于另一个原因:量小,但极不典型。你的团队每周要打开几百次定价页,用测试数据提交结账表单,反复刷新网站。几百次这样的会话,对一个小站的转化率的扭曲,可能比几千次正常访问还大。

算例:过滤前后

示例数据:一家网店某个月的统计报表,先是原始数字,再是过滤内部流量和机器人之后的数字。

指标原始报表内部流量机器人过滤后
会话数52,0001,9007,80042,300
转化数910600850
转化率910 ÷ 52,000 = 1.75%不适用不适用850 ÷ 42,300 = 2.01%

算一遍:52,000 − 1,900 − 7,800 = 42,300 次会话留下,也就是原始会话里有 18.7% 不是客户(内部 3.7%、机器人 15.0%)。内部访问带来了 60 个测试转化,所以真实转化是 910 − 60 − 0 = 850。转化率从 1.75% 升到 2.01%,相对变化约 15%,而网店的实际表现一点没变。

有两点要注意。其一,过滤没有让网店变好,它让报表变真实,原来的 1.75% 低估了表现,因为机器人增加了永远不会转化的会话。其二,两种影响方向不同:机器人拉低了比率(会话多、没有转化),测试订单抬高了转化数。只修其中一个,数字仍然是错的。

怎么安全地设置过滤?

  1. 列出要排除什么、为什么。 每条规则写一行:“办公室 IP 段,因为测试会提交测试订单”。
  2. 选好层级。 只对你永远不想找回的流量使用采集时过滤;以后可能想看的,用报表时过滤。
  3. 先测试。 如果工具有测试模式,先跑几天,看会被排除什么;没有的话,把规则先用在报表副本上。
  4. 前后对比。 像上表一样对比会话、转化和转化率。过滤掉 40% 的流量,要么排除的是真实的大量数据,要么你原来有很大的机器人问题,要弄清是哪一种。
  5. 变更后复查。 新的办公室 IP、VPN、新的预发布域名或新的爬虫,都会让问题重新出现。

数据过滤常见的错误有哪些?

  • 按结果过滤。 排除“不转化的来源”,会让剩下的每个来源都看起来更好。要按访问者是谁过滤,不要按他们做了什么。
  • 不可撤销的过滤却不测试。 写错的 IP 段或路径,会把真实客户从之后所有报表里删掉。要测试,并记下设置了什么。
  • 只靠 IP 规则。 远程员工、VPN 和手机热点的地址会变。IP 规则要配合标记自己浏览器的办法,比如排除用的 Cookie。
  • 忘了分母变了。 过滤之后,上个月的数字和这个月没法直接比。在过滤生效那天做个标注。
  • 把过滤当成拦截。 统计过滤清理的是报表,不会阻止机器人加载你的页面或占用服务器资源。

在 TapCub 里怎么做数据过滤?

把上面的例子在 TapCub 里做一遍。

TapCub 机器人报表:已识别的机器人和 AI 爬虫流量与真人访客分开统计
演示数据:机器人报表把已识别的自动化流量与真人访客数分开。
  1. 先处理机器人。 新项目默认是「识别并单独统计」:认出的机器人只出现在 网站统计 › 机器人,不计入真人的访客、会话和浏览量。想把它们混回去,只有「不识别」这个设置,不推荐这样做。只装了页面脚本时,只能看到会执行 JavaScript 的机器人;其余的要靠服务端事件或日志导入。
  2. 排除自己的团队。 在 网站统计 › 配置 › 网站设置 里加排除规则。网站规则可以匹配地址、路径、主机名或浏览器标识;点「排除我自己」会记下当前地址。测试机在 应用统计 › 配置 › App 设置 里按设备规则排除。
  3. 弄清它是哪一层。 排除规则作用在采集时:被排除地址的请求会被采集端丢弃,修改只对新数据生效。已有的会话保持原样,所以要在 配置 › 日期标注 里标出日期。
  4. 报表筛选用来看,不用来删。 点表格里的一行,会把该值作为报表顶部的筛选条件,可以随时清除。这是报表时过滤,不会从存储里删除任何东西。
  5. 验证。 用被排除的浏览器打开一个页面,在 网站统计 › 实时 里看;这次访问不应该出现。

资料来源

这个解释清楚吗?

我们会根据反馈修改和补充这篇内容。

许安

客户体验顾问

关注在线客服、访客沟通与自助服务,分享常见问题的处理思路和可复用流程,让每一次沟通更清晰有效。

常见问题

常见追问

大家看完定义后最常问的几个问题。

还有其他问题?

直接和 TapCub 团队聊聊——工作日通常几小时内回复。

统计分析里的数据过滤是什么?

是按规则把记录从数据里排除,让报表描述真实用户。常见对象有内部流量、机器人和爬虫、测试或预发布站点、垃圾引荐,以及不在范围内的路径或地区。

数据过滤器和报表筛选有什么区别?

数据过滤器作用在采集时,记录在入库前就被丢弃,所以影响不可撤销。报表筛选只是在某张报表里隐藏记录,数据还在,以后可以改。

要不要过滤内部流量和机器人?

大多数情况下要。两者都会扭曲比率:机器人增加永远不转化的会话,员工带来测试订单和重复访问。先测试规则,再对比过滤前后的会话和转化率。

TapCub 的过滤会删除以前的数据吗?

不会。TapCub 的排除规则只对新数据生效;已识别的机器人默认单独统计;报表顶部的筛选只改变显示内容。

在你自己的网站上看这个数字

加一行脚本就能开始,网站和 App 都能接,几分钟内就能看到第一批报表。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie