网上讲"短链数据分析"的文章，八成是编的。他们给你一张漂亮的饼图，告诉你"用户来自移动端占 78%"，然后你照着改落地页，改完发现什么都没变。
这篇不一样。我把 PicKu 站 5 个多月的原始统计摊开：27013 次点击、120 个国家/地区、时间跨度 2026 年 5 月 25 日到 10 月 21 日。下面每个数字都来自真实记录，包括那些难看的部分。
先看总量：量级决定你能做什么
| 指标 | 实测值 |
|---|---|
| 短链总数 | 806 |
| 总点击 | 27013 |
| 明细行数 | 27002 |
| 覆盖国家/地区 | 120 |
| 系统种类 | 15 |
| 浏览器种类 | 7 |
第一件值得说的事：总点击 27013，明细行 27002，差 11 条。
这 11 条不是 bug。大部分短链系统在两种情况下不写明细：爬虫或安全扫描器打到短链（它会跳，但没有 referer、没有完整 UA），或者 JS 跳转还没渲染出来就被抓走了。占比 0.04%，可以忽略。但如果你的差值超过 1%，那就得看一眼跳转实现。
第二件：5 个多月，120 个国家，27000 次点击。平均每个国家 225 次，绝大多数国家是 1 到 10 次。所以当后台写着"覆盖 120 个国家"时，请记住：这里面有 90 个国家贡献的总和不到总量。
来源这一栏，最容易被自己骗
这是整份数据里最值钱的部分。
| 来源 | 次数 | 占比 |
|---|---|---|
| （直接访问，即无 referer） | 13745 | 50.9% |
| 关联站点A（自有） | 8198 | 30.4% |
| 本站（自有） | 2420 | 9.0% |
| 关联站点B（自有） | 1441 | 5.3% |
| security.feishu.cn | 275 | 1.0% |
| link.zhihu.com | 155 | 0.6% |
| www.google.com | 139 | 0.5% |
| weixin110.qq.com | 99 | 0.4% |
| www.facebook.com | 46 | 0.2% |
先解释"直接访问"为什么过半。这不是统计坏了，这是短链的宿命。
短链的主要用途是把一串长链接塞进聊天窗口。用户从微信、QQ、邮件里点开短链，浏览器拿到的 referer 要么是空，要么是那些 App 的内嵌容器（飞书安全页、知乎链接都属于这一类）。但现代 App 大量使用自己的 WebView，很多会把 Referer 头直接剥掉——这是隐私保护行为，不是能拦住的。
所以：任何短链系统的 referer 分布里，"直接访问"占比高都是正常的。如果某个工具说它能 100% 追踪来源，那它在骗你，或者它只统计了有 referer 的那部分然后做了归一化，看起来漂亮但没法用。
再说难听的那一半。把上面那三个自家关联域名加起来是 12220 次，占 45.2%。也就是说，你近一半的"分析数据"，其实是你自己给自己的导流。
这不代表这些流量是假的。但它意味着：如果你直接拿这份数据做"我的用户主要从哪里来"的判断，你会被自己的推广渠道完全带偏。你会得出"我的用户都来自我的另一个站"，然后花钱加倍投那个站，形成一个自嗨的闭环。
正确用法是把自有来源和外部来源拆开。把关联域名剔除后，外部来源里真正有信息量的是那几个：飞书安全页 275 次、知乎 155 次、Google 139 次、微信 99 次、Facebook 46 次，合计 714 次，占 2.6%。这份数据里"外部自然流量"的真实体量就是这个数。别嫌少，0.5% 的 Google 转化流量在稳定运行的工具站里其实相当不错。
系统：Unknown OS 占了 23%，这才是重点
| 系统 | 次数 | 占比 |
|---|---|---|
| Windows 10 | 9360 | 34.7% |
| Unknown OS | 6320 | 23.4% |
| Android | 5109 | 18.9% |
| Mac OS X | 2800 | 10.4% |
| iPhone | 2424 | 9.0% |
| Linux | 645 | 2.4% |
| iPad | 125 | 0.5% |
| Windows 7 | 91 | 0.3% |
第一眼看到 Unknown OS 排第二，我第一反应是"解析器写错了"。查完之后确认不是 bug，是真实情况。UA 字符串被识别成 Unknown 的主要是三类：
- 各家 App 的内嵌 WebView，自报家门时经常缺关键字段，或者干脆伪装。
- 微信、QQ 的内置浏览器，下面会单独说，它占了 27.8%。
- 搜索引擎的预抓取，百度、360、Bing 的蜘蛛常年爬短链。
第 3 类值得强调：短链是被爬虫爬得最狠的页面类型之一。任何一条公开短链被发到群里，几小时内就会有爬虫抓一遍。你把它计入分析，等于用假流量污染数据。
我的判断是：23% 的 Unknown 里至少一半是 App WebView 加爬虫，两者都会让"操作系统"这个维度的结论失真。所以你会看到很多短链工具的统计里"移动端占比"是个很虚的数字。
不过还有一条实打实的结论：Windows 10 单项 34.7%，加上 Windows 7 的 91 次，桌面 Windows 是绝对主力。这意味着你的短链落地页（尤其是带图片、有弹窗、有启动页的那种）第一版就应该按 1366×768 到 1920×1080 的桌面尺寸做设计，不是先做手机。这跟大多数人的直觉相反，但数据说了算。移动端合计确实过半，但它们高度碎片化，且很多是点开即走。桌面用户是更有可能真的看完页面内容的一群人。
浏览器：Handheld Browser 27.8%，这是微信
| 浏览器 | 次数 | 占比 |
|---|---|---|
| Chrome | 12632 | 46.8% |
| Handheld Browser | 7520 | 27.8% |
| Unknown Browser | 5359 | 19.8% |
| Firefox | 790 | 2.9% |
| Safari | 695 | 2.6% |
| Internet Explorer | 5 | 0.02% |
| Opera | 1 | — |
"Handheld Browser" 不是什么正经浏览器，它是服务端 UA 解析库在完全识别不出引擎时的兜底标签。所有落到这一桶的，实质上都是移动端 WebView。
判断依据是交叉验证过的：这个桶占 27.8%，和系统分布里"移动类合计过半"方向一致；而且它的出现频率明显高于桌面任何一个冷门浏览器（Opera 只有 1 次这种量级）。两条线索对得上。
对做落地页的人来说，这条比"Chrome 占 46.8%"有用得多：
- 微信内置浏览器不支持部分现代 CSS，比如 backdrop-filter、:has()、部分 position: sticky 的表现。
- 微信会拦截带外链的页面，落地页上有跳出去的按钮，微信里可能被拦成中间页。
- 图片格式上，微信对 WebP 的支持看版本，老 WebView 可能出现你精心优化的图变白块。
所以如果你在国内做短链，一定要在微信里实测一遍你的启动页，不要只在 Chrome 开发者工具的移动模拟里看。我见过太多"模拟器里好好的，微信里图片不出来"的案例。
国家：空值不是"未知国家"，是"没解析出来"
| 国家/地区 | 次数 |
|---|---|
| china | 10127 |
| united states | 6174 |
| france | 1722 |
| （空） | 1417 |
| japan | 1268 |
| united kingdom | 875 |
| germany | 609 |
| hong kong, China | 441 |
| canada | 420 |
| taiwan, China | 399 |
| south africa | 388 |
| republic of moldova | 385 |
那个空值 1417 次，占 5.2%，不是"来自某个未知地区"，而是"这次请求没带 IP 信息或 IP 无法定位"。常见于服务器端内部跳转、代理请求、部分 CDN 回源、爬虫。
这里有个容易被误读的点：很多人看到"中国 10127，美国 6174"，就下结论说"我的用户一半在国内、一半在美国"。但这 13745 次"直接访问"里，到底有多少是中国用户对着国内页面点的、多少是海外用户点国内链接的，referer 那一栏空着，你无从判断。
不过有一个冷门但值得注意的信号：republic of moldova 385 次，排到了第 12 位。摩尔多瓦的人口约 250 万。一个 250 万人口的国家贡献了 385 次点击，占总量 1.4%，排在日本、英国、德国之后。这个数量级不正常。
我倾向于这批流量不是摩尔多瓦的真实用户，而是某些海外 VPS 或代理服务节点的出口 IP 定位到摩尔多瓦，被拿去做某些访问；或者 IP 库在这个区域的数据本身不准。摩尔多瓦确实是欧洲常见的代理中转地之一。
这给你的启示不是"要针对摩尔多瓦做运营"，而是：看国家分布时，永远要怀疑长尾里的异常值。一个国家突然挤进前五，先去查 IP 归属和流量真实性，别急着本地化。
日期：日均 207 次，能看出周内节律
| 日期 | 次数 |
|---|---|
| 10-21 | 206 |
| 10-20 | 287 |
| 10-19 | 299 |
| 10-18 | 291 |
| 10-17 | 284 |
| 10-16 | 229 |
| 10-15 | 109 |
| 10-14 | 97 |
| 10-13 | 169 |
| 10-12 | 97 |
近 10 天合计 2068 次，日均 206.8。工作日（10-16 到 10-21）平均 266 次；周末（10-12、10-13）只有 97 和 169。周末塌到工作日的 40% 到 60%，这个规律非常稳定。
这条数据对做投放和排期很实用：
- 工作日白天是主战场，转化和响应速度应该在这段时间做到最好。
- 周末流量低不等于没价值，短链分享类内容恰恰是周末发得多，次日工作日才被点开。但样本量不支持我下这个结论，需要更多天的数据交叉确认。
- 别用单日数据判断趋势。10-13 的 169 看起来像掉了，实际是周六。这是我一开始差点误判的地方。
那么这些数据到底能干什么用
如果上面五张表看完你还是觉得"所以呢"，下面是三个我自己在用的动作。
1. 决定落地页尺寸，而不是靠猜。用系统分布。桌面 Windows 34.7%，落地页按 1440px 宽设计，移动端做自适应折叠，不要反过来。多数人做错了顺序。
2. 决定技术栈里必须兼容什么。用浏览器分布。Handheld Browser 27.8%，必须兼容旧 WebView，别用 :has()，别过度依赖 backdrop-filter，图片准备 WebP 加 JPG 双格式。
3. 把自有流量剥掉，再决定要不要投外部渠道。用 referer 分布。剥掉自有来源后，外部自然流量只剩 2.6%。这个数字小，但它告诉你一件更重要的事：你目前几乎没有外部获客。如果要增长，钱应该花在外部渠道，而不是加倍投自己的另一个站。
这些数字没有告诉你的事
一篇只报喜的数据分析没有价值，这篇得把局限一起说清楚：
- 短链无法追踪"点击后发生了什么"。用户点开跳转走了，你只知道起点终点。
- referer 天生残缺。前面说过，50.9% 的空值是结构性的，不是能修的。
- IP 定位有误差。VPN、代理、机房 IP 会把国外用户识别成本地用户，也会把本地用户识别成摩尔多瓦。
- 爬虫混在里面。短链页面是爬虫重灾区，27002 条明细里有多少是真人点击，无法精确剥离。
- 只统计了点击，不统计曝光。没人点的短链，在这份数据里等于不存在。
最后
短链分析这件事，真正有用的不是"哪个国家最多"，而是知道自己哪里看不见。
这份数据里，27013 次点击，有一半看不到来源，23.4% 不知道操作系统，27.8% 不知道浏览器引擎，5.2% 不知道国家。把这些"不知道"量化出来，比假装它们都是"未知用户"然后去做笼统的优化，值钱得多。
顺带说明：上面这27013 次点击的统计，是用 PicKu 自己的分析面板跑出来的——来源、设备、浏览器、国家四个维度都是直接查库得到的原始分布，没有做任何归一化美化。如果你也想看自己链接的真实分布，可以注册一个免费账号，把链接丢进去跑几天，再回来对一遍数。https://picku.org
如果你也在做短链工具，跑一遍同样的 SQL（SELECT os, COUNT(*) FROM stats GROUP BY os 之类），大概会得到一份和自己直觉差挺远的图。欢迎来对数。