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(custom 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(custom 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])))$。哈哈，可怕吧!别担心，其实你访问这个地址，就能自动生成你ip段的正则表达式了：https://www.google.com/support/googleanalytics/bin/answer.py?answer=55572&hl=en_us&utm_id=ad。google自己的这个工具很好用。
不过，这种方法可能会误伤其他合理的访问数据，所以如果要精确地去除掉你每天毫无规律变动的ip地址，那么仅靠过滤功能本身就有点儿力不从心了。我们需要利用控制cookie和filter的结合来实现，可以在这里找到一些线索：，这里不多说了。
设置二：改变content报告中top content报告uri的大小写
看看下面这个报告的情况是不是大家经常遇到?
图7
其实四个url只代表着两个页面，但是由于ga是大小写敏感(lowercase sensitive)的，因此它会认为这是不同的url，代表着不同的页面。
这可不太妙，对于page view这样的度量，我们还可以直接加总，而要把该页面的bounce rate或者avg. time on page合并起来，就有点儿麻烦了(当然其实也还是有办法，这里按下不表，大家自己研究一下就能弄通)。所以，我们要想办法让ga识别这种情况。
利用filter就能轻松解决，非常简单。filter的设置方法如下所示：
图8
请注意几点：
1. 这里利用了自定义filter(Custom filter)。
2. 选择Lowercase是全部变成小写，也就是所有的content报告中的页面URI都会变成小写，而同一个页面URI以前是大写的，就自动和小写URI的合并在一起了，这样就不会被GA记成两个不同页面了。如果你想全部变成大写，用Uppercase。
3. Filter Field是我们要施加过滤功能的某一个GA属性(dimension)，Request URI指被用户访问(即用户请求)的页面的URI。URI是什么?简单理解URI是URL去掉域名后剩下的(相对路径)。除了Request URI，Filter Field还可以选取很多其他的属性，点击这里看全部属性的解释。
设置三：把Content报告中页面的URI变成页面实际的Title
GA和Omniture不同，GA中显示的网站页面名字是固定好的，就是这个页面的Request URI。而Omniture则完全可以自己定义页面的名称和目录结构。那么，如果GA不能自己定义页面名称，那么至少能够想想办法让页面名称自己显示出来吧!
没错!用Filter就可以实现，具体的设置如下图9。
图9
大家可以看到，我们现在使用了自定义过滤中的高级过滤(Advanced)，现在我稍微解释一下我们这么设置的意义，因为相信有些符号大家会有点儿奇怪。
1. Field A –> Extract A和Field B –> Extract B是两个数据段，这两个并不是运算的关系，而是并列的关系。由于有两个数据段，因此我们可以合并两种不同的GA属性。这两个数据段相当于“input”，即输入数据部分。
2. Output To –> Constructor是输出部分，我们可以把A、B数据段中的数据按照一定方式修改，然后合并，在这个地方进行输出。
3. A、B数据段都是支持正则表达式输入的，上图中的(.*)就是正则表达式，表示所有的字符。具体正则表达式的解释请见这里(需要翻墙)。正则表达式最好了解一个原理，不过精通?恩，感觉不容易，反正我害怕这东西。
4. Output To这个数据段不支持正则表达式，因此你看到的“$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!
