让每条 page_view 只发一次
这个站点一直没有任何统计。倒不是反对,只是没到需要看数据的时候;等到想看看哪些文章真的有人在读,才发现连「有没有人打开过」都不知道。
于是把 Google Tag Manager、GA4 和 Search Console 一起接上。看起来是贴两段脚本的事,实际大部分时间花在同一个问题上:为什么一次页面浏览会上报两次。
先让统计脚本别挡路
用 GTM 后台给的官方片段,而不是 src 直连 gtm.js 的简化写法。官方片段只创建一个 async 脚本,会先把 gtm.start 和 gtm.js 推给 dataLayer 再去加载容器;直连版本省掉的正是这一步,容器的启动时机也跟着不对了。
片段用 is:inline 放在 <head>,容器排在打包后的脚本之前启动。ClientRouter 换 head 时,内容相同的内联脚本不会二次执行,所以整站只有一个容器。
剩下的事交给浏览器:async 不阻塞解析,统计只往本地 dataLayer 数组里写。googletagmanager.com 被拦或超时,页面照常渲染,只是没有数据。国内网络下这个差别很实际。
统计只在生产构建里输出(import.meta.env.PROD),astro dev 的访问不会进容器;<noscript> 的 iframe 也一起带上,给不开 JS 的读者。
单页应用里,page_view 得自己发
站点用了 <ClientRouter />,站内跳转不重新加载文档。GA4 自带的页面浏览吃的是浏览器历史记录,实测在这套跳转里并没有稳定触发——pushState 之后没有产生 page_view,后退偶尔有,但不可靠。
所以自己推:
window.dataLayer.push({
event: 'page_view',
page_title: document.title,
page_location: window.location.href,
page_path: window.location.pathname + window.location.search,
})
时机选 astro:page-load:新页面的 title 已经换好,路由也走完了。初始加载也会触发同一次事件,所以用一个 URL 变量去重——同一个 URL 不重复推,等号只在前进或后退到别的页面时才成立。
GTM 里配一条 GA4 事件代码,事件名 page_view,触发器选「自定义事件 page_view」。这样每次推事件才会真的产生一条命中。
一次浏览,两次命中
上线之后看验证结果:首屏 2 条,站内跳转 1 条。
一条是自己推的,另一条来自 Google 代码——它在加载时会把 gtag('config', ...) 跑一遍,而 send_page_view 默认是 true,所以自己先发了一次。
中间试过两条歪路。先是把那条 page_view 事件代码暂停:首屏降到 1 条,站内跳转也跟着没了。再是把 Google 代码整个删掉:一条都发不出去——GA4 事件代码要靠它初始化目标,单独留着事件代码没有意义。
正确的做法是在 Google 代码的「配置设置」里加参数:send_page_view = false。这里有两个容易走错的地方:
- Google 代码没有对应的复选框,只能加配置参数。我一开始把参数加到了
page_view事件代码的「事件参数」里,那只是让每次事件多带一个没人读的字段,自动的 page_view 照发。 - 容器公开配置能看出区别:配置参数落在 destination 的
vtp_configSettingsTable上,事件参数落在vtp_eventSettingsTable上。拉一次gtm.js就知道自己加对没有。
验证:别在正式数据上试错
统计调试最怕的是「验证本身在污染数据」。本站的每一条访问都会进真实的媒体资源,所以验证放在本地:pnpm build 之后起 preview,再用 headless Chrome 通过 CDP 连上去。
关键只有一条:拦收集请求,不拦容器脚本。让 gtm.js 真的加载、标签真的执行,只把 google-analytics.com 的请求挡在本地;然后从 Network.requestWillBeSent 里读请求的 URL 和 body,看四个字段——en、dl、dt,以及 _s。
_s 是页面浏览的序号,会随着每次上报递增。每个页面状态只对应一个 _s,就说明只发了一条;同一个页面出现两个不同的 _s,就是多算。
这里也踩过一个坑:最早用 Fetch 域拦截并返回 204(或直接 abort),gtag 会重试一次,看起来像重复上报。以 Network 层的请求数为准,别被拦截方式制造的假象骗了。
robots.txt 与 Search Console
public/ 里加了 robots.txt:全站 Allow,Sitemap 指向 sitemap-index.xml。
但这份文件对 Google 其实不生效:站点是 GitHub Pages 的项目站点,部署在 /snowiest/ 下,而爬虫只读域名根的 robots.txt。现在根目录是 404,等于不限制,所以收录不受影响;这份文件的作用主要是给其他工具看,以及声明 sitemap 的位置。
Search Console 里用「网址前缀」添加 https://ezhana.github.io/snowiest/,再提交 sitemap。所有权验证用 HTML 标记:在 <head> 里放一个 meta 就够了,比容器片段的方式省事——尤其我们的 GTM 片段是拼出来的,页面源码里并没有一段标准的脚本可以给验证器去找。
留下的判断
- 统计的默认值通常偏向「多算」。接入时先把「一次浏览等于几条命中」弄清楚,再去看报表。
- 界面上的开关不可信,容器配置才是事实。要确认一项设置生效没有,拉一次
gtm.js的公开配置,看参数落在哪个代码上。 - 多个 GTM 容器共用
dataLayer:同一个事件会被每个容器各处理一次,page_view 只能在一处配置。 - 排查统计要能拦住上报,否则每次验证都在破坏自己的数据。
- 统计脚本永远按非关键依赖处理,尤其是国内网络。
现在每条浏览只有一条 page_view,看报表时终于不用先心算除以二。