细说Alexa排名的是是非非（三）

受记者委托，圈内著名的Web技术专家小林，用了近一个晚上的时间，对Alexa工具条及其向Alexa返回的数据进行了细致的分析，得出了很多宝贵的第一手资料。小林告诉记者，每当用户以装有Alexa工具条的IE浏览器打开新页面时，Alexa的一台服务器（data.alexa.com）都会收到加密的数据包，这个数据包中的核心信息就是十几个参数，这些参数包括当前网页地址、页面打开时间、用户端显示分辨率、Alexa工具条版本号、该用户是否为“亚马逊”的用户等，其中有一个重要的隐含参数，经小林分析，认为是Alexa为每个已安装的工具条自动生成的ID号码，这个号码应该是全球惟一的。Alexa可以通过这个ID对每个反馈数据包的发出者进行惟一标识，这是解决PV重复计算问题和防止同一用户多次刷新作弊的一个重要手段。
　　
　　小林告诉记者，从目前研究的结果来看，任何一个汇编高手都可以很容易地掌握Alexa工具条返回的数据包中的秘密，如果这个人同时也是一个网络编程高手，那么要针对Alexa作弊就比较容易了。从记者后来对一位上海的Alexa作弊高手的采访来看，小林的分析完全正确。该作弊者正是一位资深的Web开发工程师，其采用的手段与小林的分析也基本吻合——编写一个Alexa工具条返回码生成器，批量产生Alexa能够辨识的代码串，然后用虚拟多用户的方式发回data.alexa.com，这样就可以欺骗Alexa的服务器，让它误以为这些数据是不同用户发来的（征得该作弊者本人同意，本专题在最后公开了记者与该作弊者的网上聊天实录）。 　　
　　　　
　　从以上的技术分析来看，Alexa的服务器每天所做的工作就是不断接收全球用户传回的数据包，提取其中的那十几个参数并写入专门的数据库，然后在某个特定时间对当天收集到的这些数据进行分析计算，并以新的计算结果去更新当日的网站排名。据记者观察，这个数据库的分析结果至少会保存三年之久，因为在Alexa网站上对每个网站的Rank排名变化趋势图最多能提供三年来的数据变化。
　　
　　在破解了工具条的DNA之后，记者还与一些朋友探讨了Alexa工具条在全球的分布情况。按照Alexa的说法，工具条是它惟一的信息获取来源，那么工具条在全球用户中的分布也就成了另一个可以影响Alexa排名的重要因素。如果工具条真的是Alexa数据的惟一来源，可以想象，当中国网民都没有安装Alexa工具条的时候，新浪搜狐这样的门户网站恐怕在Alexa排名中都见不到影子，可是今年下半年以来，新浪和搜狐就已经紧随Google排在全球第四和第五的位置了，这似乎说明了Alexa工具条已经在中国具备了较高的普及率，否则，新浪、搜狐以及紧随其后的占领了Alexa全球500强中近1/3份额的中国网站就都有作弊的嫌疑。
　　
　　莫须有的技术隐私 　　2004年夏天，小林发现中国香港的网站排名出现异常的提升，像“太阳报”这样的小网站，居然能超过很多内地大网站的排名。由于电信网关和简繁体系统的原因，内地与香港网民一般是不做“跨地区互访的”，而香港网民安装Alexa工具条的绝对数也不会比内地用户高。从前文的分析和计算来看，内地网民中Alexa工具条的安装量恐怕比全香港网民的数量都不低，这样的情况下，香港网站在Alexa排名的普遍大幅度提升就显得毫无道理。
　　经过两个月的高排名期后，香港网站的排名开始逐渐回落，但至今仍有部分网站的排名高出其实际应处的名次。小林认为，这个现象与韩国网站在2003年出现的情况有很大相似性，而韩国的很多网站目前仍有偏高的排名。这种现象如果用Alexa工具条的普及率来解释是不合情理的，但如果用Alexa增加了其他采样机的说法来解释，就很容易说得通。
　　
　　据小林推断，Alexa可能在全球不同地方设置了一些采样机，通过与一些电信机构进行或明或暗的合作，甚至在临近电信网关的节点进行网络嗅探，得到一些“弥补性”的采样数据。而寻求这些采样数据的目的恰恰是为了照顾Alexa所认为的“工具条低安装率”地区的抽样效果。打个比方，如果Alexa认为韩国互联网已经非常普及，而韩国用户却一直没有安装Alexa工具条的习惯，它就可能会设法在韩国安插一些采样机，以弥补在韩国用工具条采样的不足。同样的情况，也可能导致香港在刚刚设置采样机时网站排名的猛增。而经过一段时间的考察，Alexa就会逐步调整在每个地区的采样数量，以得到它所认为的最合理的结果。
　　
　　甚至小林还认为，今年内地网站排名的大规模提升也有采样机在作怪，而国庆后内地网站排名的普遍下降也许就是因为Alexa在经过一年的考察后，重新调整了在中国内地采样比重的结果。
　　
　　当然，Alexa要维护其排名的权威性和公正性，不仅要完善流量数据的采样过程，更要在防止作弊方面做出巨大努力，那些防作弊的技术也都是Alexa的不宣之秘。那么Alexa到底是用什么办法来防止作弊呢？事实上，对于前文中记者提到的以编程模拟Alexa工具条返回数据包的作弊方式，Alexa几乎没什么好办法去防范，甚至要探测到这样的作弊手段都比较难。
　　
　　其实，对于现在网上常见的作弊手段，Alexa都已经有了足够的免疫力。一般来说，由于现在多数搜索引擎都无法处理JS脚本，所以针对搜索引擎的作弊往往都是用JS脚本编写恶意代码来实现，而Alexa和Google采用的爬行程序则是目前仅有的可识别JS脚本的此类程序。
　　
　　小林在对几个大型网站的流量监测中发现，Alexa启用了一个叫做IA_Archiver的机器人程序，这个机器人程序类似Google等搜索引擎使用的蜘蛛程序，专门在互联网上爬行，刺探每个Web页面的流量信息。尤其是当某个网站的流量超过Alexa设定的阈值时，IA_Archiver就会马上爬到该网站的服务器上，分析此网站的流量是否正常，有没有作弊行为。据小林对IA_Archiver的监测，该机器人程序已经可以识别大部分基于网站服务器端的流量作弊行为。但现在业内对IA_Archiver的认知普遍不足，记者也只是在Alexa网站的一个帮助页面上看到有关IA_Archiver机器人程序的简单介绍，而国内知道这个机器人程序的人不多，更缺乏相关的技术研究。
信任Alexa？
　　针对Alexa排名的可信度，不同的人有不同的看法，从事Web技术研究与应用的业内人士多倾向于这样一个说法：Alexa排名不一定是绝对准确的，但却是相对可信的。下面记者举出的一些例子，将从不同方面对Alexa排名的可信度进行对比。