My Board

本例中，的用户不符合任何过滤条件，属于合法访问。

一旦创建了细分，我们只需选择它，垃圾邮件发送者的访问数据：

选择过滤垃圾浏览量的细分
如何检测垃圾流量？
现在我们知道了我们可以在中找到的垃圾流量类型以及如何在我们的网络分析中排除它们，接下来的问题是，我们如何知道某些访问是垃圾邮件发送者的产物？

在我们迄今为止见过的所有任务和配置中，分析收集的数据以找出哪些数据可 卢森堡 WhatsApp 数据 能与垃圾邮件发送者相对应可能是最复杂和最繁琐的。

原因是什么？

并没有固定的规则可以让我们确定确信某次访问是由垃圾邮件发送者发起的，而是一系列可疑的模式和行为可以为我们提供正在发生的线索。

一般来说，我们不必担心，因为正如我们所见，它存在使用无效主机名或与我们的网站无关的主机名的缺陷，因此我们创建的过滤器可以完美地对抗它们。

那么，问题可能来自于更改或使用新名称或源地址过滤器中的活动来源的爬虫引荐垃圾邮件，因此我们必须首先识别它们，其次更新过滤器的正则表达式。

为了识别它们，我们别无选择，只能定期分析图表和引荐流量报告：

在中分析引荐流量
根据这些数据，我们必须检查是否存在以下任何可疑的垃圾邮件行为：

来自单个参考的会话或访问次数过度增长，这就是我在本文中作为介绍向您介绍的情况。很多时候，这将是某些异常事情发生的第一个迹象。
无意义或我们不希望引用的源名称来源列。例如，在上表中，或将会是可疑的。但是，或是有效的，因为我们被或+引用是正常的。
不真实的跳出率，接近和。跳出率在不同网站之间差别很大，取决于许多因素，但它们应该始终处于中等范围，而不是极端范围。在上表中，和将被怀疑为垃圾邮件。
非典型平均会话持续时间，因为它持续零秒或极短的几秒钟或远高于平均持续时间的几分钟。在上表中，或不在该网站的典型行为范围内。
新会话百分比接近或，这意味着几乎所有访问都来自不同的用户或几乎所有访问都来自同一个用户。通常，该值位于中间区域，而不是极端区域。在我们的示例中，或将会是可疑的。
一旦我们发现了一些可疑的垃圾邮件来源，下一步就是对其进行更详细的分析。

例如，查看该网址是否真的存在或检查指向我们的网页是否存在且有效。