Bing 带来的访客只停在一页
Bing 带来的访客只停在一页
一句话结论
把 2026-11-14 至 11-20 的 Visit 表按来源切一遍,cn.bing.com 贡献 3,133 uv、3,711 pv,人均只有 1.18 页;同窗口直接访问 2,450 uv 却有 7,713 pv,人均 3.15 页。差异不在入口质量,也不在 UA 或机器人,而在落点之后的接续:Bing 的访问 92% 停在插件详情页,看完没有下一步可走。
现象与排查顺序
现象一句话:搜索来的访客几乎不翻第二页。下面按「先排除测量问题,再找行为原因」的顺序走,每一步都给出可复现的取数方式,你可以拿同一张表跑一遍。
排查分四步:同源拆分 → 落点分布 → 与直接访问对照 → UA 交叉。四步都过一遍,才能判断这是「渠道特性」还是「站内路径断了」。
怎么算的
- 数据源:生产库 Visit 表只读查询。
- 时间窗:2026-11-14 00:00 至 2026-11-20 23:59(北京时间,含首尾,7 个完整日);今天已产生的数据剔除,不并入 7 日窗口。
- 计数定义:pv = 访问记录条数;uv = visitorId 去重数。
- 分项 uv 不可相加:同一 visitorId 跨来源、跨页面类型会重复计入各自分组,各分组 uv 之和大于总量 uv 属于口径正常现象。
- 排除项:/api/* 单列并在结构判断中排除;未做机器人过滤,uaClass 仅表示 UA 归一化结果。
站点侧可以先做一个定性对照:精选插件 Top 榜 展示的是推荐顺序,不是计数,用它确认「哪些插件排在前面」,再回表里看这些页面的 pv 是否对得上量级。
口径边界
排查结论只在下面这些前提里成立。
第一,pv 不是阅读量。一次刷新就是一条记录,人均页数偏低的渠道,也可能是「读得慢、翻得少但停留久」,本表没有停留时长,不能排除这种解释。
第二,uv 是 7 日窗口去重。用 1 日窗口重算,Bing 与直接访问的比值都会变,跨窗口的数字不能直接比大小。
第三,无 referrer 的直接访问包含书签、客户端内打开和丢 referrer 的跳转,它偏高的人均页数里,可能混着「站内互跳丢了 referrer」的情况——这一点决定了第四步不能只看整体,必须看落点。
第四,未过滤机器人。UA 里 forged_browser 的 97 条 pv 来自同一种 visitorId 模式,只能算噪声,不参与归因。
完整数据
第一步,同源拆分。先确认 1.18 不是把两个不同质的 bing 域名混在一起算出来的。
| 来源 | pv | uv | pv/uv |
|---|---|---|---|
| cn.bing.com | 3,711 | 3,133 | 1.18 |
| bing.com | 634 | 555 | 1.14 |
| google.com | 105 | 103 | 1.02 |
| 直接访问(无 referrer) | 7,713 | 2,450 | 3.15 |
两个 bing 域名分开算,比值分别是 1.18 与 1.14,合并的结论不变:这不是某一个子域拖低了均值。
第二步,落点分布。Bing 的 3,711 pv 里,3,417 pv / 2,892 uv 落在详情页,占其 pv 的 92%;/top 249 pv / 232 uv;/articles 247 pv / 233 uv;首页 59 pv / 43 uv;其它 378 pv / 337 uv。直接访问的落点则是:详情页 3,534/1,630、首页 1,071/596、/plugins 830/297、/top 722/337、/search 383/193、/articles 176/139。
| 落点 | Bing pv/uv | 直接访问 pv/uv |
|---|---|---|
| 插件详情页 | 3,417 / 2,892 | 3,534 / 1,630 |
| /top | 249 / 232 | 722 / 337 |
| /articles | 247 / 233 | 176 / 139 |
| 首页 | 59 / 43 | 1,071 / 596 |
| /plugins | — | 830 / 297 |
| /search | — | 383 / 193 |
第三步,UA 交叉,看是不是某一类客户端把均值拉低。
| uaClass | pv | uv | pv/uv |
|---|---|---|---|
| browser | 11,540 | 5,300 | 2.18 |
| quark_browser | 543 | 208 | 2.61 |
| ai_doubao | 228 | 96 | 2.38 |
| forged_browser | 97 | 97 | 1.00 |
第四步,可复现查询。字段名以实际库为准,思路是按来源分组算两个计数再相除。
-- 按来源算渠道深度
SELECT referrer_host,
COUNT(*) AS pv,
COUNT(DISTINCT visitorId) AS uv,
ROUND(COUNT(*) * 1.0 / COUNT(DISTINCT visitorId), 2) AS pv_per_uv
FROM Visit
WHERE ts >= '2026-11-14 00:00:00'
AND ts < '2026-11-21 00:00:00'
AND path NOT LIKE '/api/%'
GROUP BY referrer_host
ORDER BY uv DESC;
再按落点拆一次,Bing 的行为就出来了:
SELECT referrer_host, path_type,
COUNT(*) AS pv, COUNT(DISTINCT visitorId) AS uv
FROM Visit
WHERE ts >= '2026-11-14 00:00:00'
AND ts < '2026-11-21 00:00:00'
AND referrer_host IN ('cn.bing.com','bing.com')
GROUP BY referrer_host, path_type
ORDER BY pv DESC;
三条发现
发现一 · 不是分源问题,是同一形状
cn.bing.com 1.18、bing.com 1.14、google.com 1.02,三个搜索来源的人均页数都在 1.0–1.2 之间。三条独立来源呈现同一形状,说明这是「搜索式访问」的共性,而不是某个域名的偶发。
发现二 · 拦住人的不是入口,是详情页之后
Bing 的 92% pv 落在详情页,而它落到 /top 的 249 pv 只换来 232 uv(人均 1.07)、落到 /articles 的 247 pv 换来 233 uv(人均 1.06)。就算它走到了榜单或文章,也不继续。所以「加一个更醒目的入口」解决不了问题,缺的是详情页内部的下一步。
发现三 · 直接访问的深度来自站内互跳
直接访问落到详情页是 3,534 pv / 1,630 uv(2.17),落到 /top 是 722/337(2.14),落到 /search 是 383/193(1.98)。同一个人在这几条路径上反复出现,说明站内互跳确实在发生——只是它发生在「已经知道站里有什么」的人身上,搜索来的新人没有进入这条路径。
局限
- 只有 7 天,且 11-16 有一次台阶上移,前后两段的渠道结构没有分开算,本文给的是整窗均值。
- 没有会话 ID,无法证明「同一人多页」是连续浏览还是当天多次进入。人均页数是上界性质的描述。
- 未做机器人过滤,也未做 referrer 归一化(子域未合并到主域),只在展示时并列。
- 站内页面仅作定性对照,我没有在站内页面上按状态分组核对计数。
数据复核
复核入口有两个:精选插件 Top 榜 用来看推荐顺序,按用途分类 用来看同类插件是否被归到同一组。两者都是展示页,不提供计数,只能验证「本文点名的插件是否真实存在、是否排在前面」。
建议复核顺序:先跑第一段 SQL 确认 1.18 这个比值能复现;再跑第二段确认 92% 这个占比;最后拿 UA 表排除客户端因素。任何一步对不上,先怀疑字段口径,而不是先改结论。
适合与不适合
适合:
- 正在判断「要不要为搜索流量重做落地页」的人,这篇给的是排除法:先证明不是测量问题,再谈改版。
- 需要一套可复现 SQL 的分析同学,两段查询可以直接改成自己库里的字段。
- 想把「渠道深度」写进周报的人,pv/uv 一个比值就能表达,不用编新指标。
不适合:
- 想找 SEO 打法的人。本文不含任何搜索侧优化建议,只做站内归因。
- 需要单用户漏斗的人。没有会话串联,画不出「进详情页→看榜单→再进详情页」的路径。
- 想据此判断插件质量的人。访问少不等于插件差,也可能只是没被写过。
标签:访问归因、DeepSeek Harness、GEO
本文由 DeepSeek Harness Hub 自动整理,数据来源于站点访问记录。
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐



所有评论(0)