中国水军大量涌入文学城？

Alexa.com是一个权威的web 流量的监测和分析网站。这个网站由Amazon操作。它对世界上大部分网站按访问量进行排名。在这个网站上输入一个网址，就会得到该网站90天的流量和排名变化。还可以看到访问者来自于哪些国家。

好奇文学城的排名，我输入了wenxuecity.com，结果让我大吃一惊。文学城的访问量的前三名分别来自中国大陆（36%），美国（34.4%），加拿大（9.3%）。文学城网站在北美，大部分访问者应该是local的。而且文学城在中国是被防火墙封锁的，不翻墙是上不去的。来自中国大陆的访问者竟然高于美国和加拿大。怀疑结果的准确性，我又对比了google.com （全球排名第1），youtube.com （全球排名第2）和facebook.com（全球排名第3），以及中国排名第一，世界排名第4的百度。结果如下：

网站	1	2	3
Google.com	美国（20.9%）	印度（ 9.1%）	日本（5.2%）
Youtube.com	美国（15.3%）	印度（8.3%）	日本（4.8%）
Facebook.com	美国（25.6%）	英国（4.3%）	日本（4.3%）
Baidu.com	中国大陆（94.7）	日本（1.7%）	美国（1%）
Wenxuecity.com	中国大陆（36%）	美国（34.4%）	加拿大（9.3%）

除了文学城，其他网站访问分布是按照地域分布的。说明Alexa的统计方法是准确的。谷歌、油管和脸书也都是被防火墙封锁的，显然来自大陆的流量明显减少（google.com来自大陆的访问量占3.3%，youtube.com 来自大陆的访问量占3.7%）。

如果来自于大陆的文学城的访问者是翻墙的，这个翻墙量有点儿大。而且翻墙是通过VPN，IP包头已经转换到境外网址了，根据IP地址的统计应该是看不到的。就算Alexa的统计包括了翻墙的流量，这个流量也远远大于同样需要翻墙的谷歌、油管和脸书。

另外，由于中国和美国存在日夜颠倒的时差，如果主要的流量来源于大陆，文学城的峰值访问流量应该是在夜间，但实际上是相反。除非这些大陆访问客都在夜间值班。

难道是大陆的水军来了？怪不得这儿的小粉红有点儿多。

后续Followup:

得到文学城论坛管理的答复：http://bbs.wenxuecity.com/mychina/995405.html

“Alexa不准确！ 我们技术部有自己的tracking数据，同时也安装了google analytics，对比起来alexa的数据是天方夜谭，另外我们也问过广告部同事，他们回复的是因为Alexa分析自身的缺陷，业界早就不用alexa看了。”建议用SimilarWeb.com “虽然免费公开的部分数据没有那么全面，但是要看读者分布比例是足够了。跟我们用Google Analytics得到的数据相近 ，来自中国的流量肯定是有的，但绝对不是最大一部分流量。”

similarweb的结果是美国占60.8，加拿大占18.5%而中国占9.26%。

争论的重点是一，Alexa是否权威，为业界采用。二，Alexa的用户分布统计是否准确。

用Website Rank Analysis在Google搜索，最先给出的仍是alexa。similarweb要在第2页才能看到，显然Google 认为Alexa更权威。大多数用户会使用google的link。 以下来自维基对Alexa的评价。

“Alexa每天在网上搜集超过1,000GB的信息，然后进行集成发布，当前其搜集的URL数量已经超过了Google。Alexa网站排名的计算是以网站的每天平均使用人数、人均访问页面数（与人数和人均页数之乘积成正比）、与其他网站的链接或曝光数、网民所留言讨论的消息篇数等信息为基础，并以比重不明的加权平均数来排名。而正式名次是基于最近三个月之内数据的平均值。除全世界网站排名之外，Alexa网站亦提供各种语言、地区、主题的分类排名。

Alexa网站排名主要根据Internet Explorer、Firefox和Google Chrome提供的流量数据来排名，因此，使用它的人数是否能代表一般网络用户具有争议。此外，排名是根据最近三个月数据的总和来排行，因此要等很久才会有显著的变化。Alexa也承认排名中几项不准确信息的可能性，包括使用量较小的网站很难准确估量，主要被非IE用户使用的网站，以及某些同域的二级域名网站等。但由于Alexa的取样数量相当大，且参考依据为现今网络世界的主流浏览器，因此一般仍被最广泛用于评估网站的受欢迎度。”

2009年3月31日，Alexa重新设计了其网站，并提供了新的网络流量指针，目的是为了与其他网络分析网站竞争，如Quantcast和Compete.com。

综上所述：Alexa还仍然是一个被公认的网站排名的权威机构。其准确性存在着争议。主要集中在排名的准确性和及时性。Alexa也在改进其方法。但是对用户的地域分布的准确性还没看见到有质疑。

那么为什么Alexa和Similarweb在访问者的地域分布上分歧比较大呢。这主要是由于中国的防火墙。一般中国用户访问文学城必须翻墙使用VPN。Similarweb可能根据IP地址来定位访问者的国家。但是由于VPN代理服务器对IP包重新封装，在网站上看到的翻墙访问者的IP地址都在中国境外，所以Similarweb的中国数据只统计了那些不翻墙的走后门通道的访问者。根据https://stackoverflow.com/questions/6937372/how-alexa-can-find-out-my-country-if-im-using-proxy和维基的描述，ALexa不是根据IP地址来确定访问者的国家，而是通过用户的工具栏或其他客户端插件收集大量数据。包括用户的真正IP地址和其他归属信息。当一个用户click文学城的网页时，一些插件或者 Cookies（JavaScript代码）将会随着网页被下载到客户端。将从工具栏和其他客户端插件收集到的用户行为发送到Alexa统计网站。所以Alexa的统计更接近真实，比单纯看IP地址更准确。因为Alexa的数据包括了翻墙者和不需翻墙的用户(你知道他们是谁）的总和。那么Similarweb的中国分布数据就是那些来自中国的直接用户。为了验证这个推断，又分别查看了用Alexa和Similarweb对aa.com和oracle.com的统计。因为这两个网站不用翻墙，Alexa和Similarweb的结果相当一致。说明以上推断是正确的。

于是我们可推出有27%的翻墙的间接用户和9.26%的直接用户。这些直接用户包括水军和一小部分国外手机用户。低于9.26%的水军可能是更准确的猜测，也代表了这里的真实感受。毕竟36%的水军太庞大了，难以想象，也没必要。由于这个占比是时间占比而且水军都是在持续工作，而不是间断性的娱乐型，水军的实际人数应该低于9.26%。