对于地图产品而言，空间分析与网络分析之间的区别在于功能叠加，而非相互替代。网络分析衡量页面、会话、营销活动、事件和转化。空间分析则在此基础上增加了地图、地点、区域、路线、覆盖范围、地理摩擦以及位置相关的结果，使团队能够了解客户决策的成败所在。地图产品通常需要同时具备这两个层面：一方面是来自网络分析的获客背景信息，另一方面是地图本身的以地点为中心的衡量指标。
以下各节将两种测量任务分开，首先介绍 Kaleidr Analytics 的当前公开页面，然后涵盖漏斗设计、所有权、标识符、地理摩擦、隐私以及何时值得投入成本使用专用空间图层。相关阅读包括地图产品的空间分析仪表板 KPI、位置智能客户体验地图、地点排名 API 和用于 AI 地图工作流的私有位置数据。已经运行 Web 分析的团队可以直接跳到双层架构；仍在选择核心指标的团队应该从漏斗开始。
比较要点
- 保持两个层级： Web 分析负责用户获取和全站转化；空间分析负责地图、地点和覆盖范围问题。
- ** 地点是缺失的单元：** 地图交互可能同时涉及多个地点，因此仅凭 URL 是不够的。
- ** 关注“发现”→“比较”→“行动”：** 标记点击和平移计数是辅助信号，而非结果。
- ** 使用稳定 ID 连接：** 会话、任务和地点标识符连接工具，无需复制每个事件。
- ** 确认产品合同：** Kaleidr Analytics 目前记录地图和地点互动情况，而非完整的主机转化模式。
空间分析与网络分析在地图产品方面有何区别？
有效的划分依据是分析单元。网络分析围绕页面、屏幕、会话、广告系列和转化事件展开。空间分析则围绕地图、地点、区域、路线、搜索区域、服务区域以及影响决策的地理条件展开。Google Analytics 目前将事件定义为衡量网站或应用上特定交互或事件的一种方式，包括页面加载、点击或购买（事件）。会话是指用户与网站或应用交互的时间段，Google 目前记录的默认超时时间为 30 分钟（关于 Analytics 会话）。这些定义对于地图产品仍然适用。事件和会话指标本身并不能回答用户选择了哪个地点、哪个区域没有符合条件的房源，或者客户愿意出行多远等问题。
酒店页面可以通过 URL 识别。一次地图交互可能涉及同一视图中的十家酒店、三个街区、一个选定的机场和一条路线。仅记录 place_selected 而不包含地点、区域、地图和旅行相关信息，会将事件简单地归类为一次点击。同样的客户旅程仍然需要从网络分析中获取营销活动和着陆页的相关信息，因为地理位置无法解释会话是如何产生的。
| 问题 | 网络分析 | 空间分析 |
|---|---|---|
| 用户访问了哪个页面？ | 核心问题 | 辅助信息 |
| 哪个营销活动促成了此次会话？ | 核心问题 | 辅助信息 |
| 打开了哪个地图？ | 事件或属性 | 核心地图维度 |
| 选择了哪个地点？ | 自定义事件或属性 | 核心地点维度 |
| 搜索失败的地点有哪些？ | 通常需要自定义建模 | 核心地理问题 |
| 哪些地区需求旺盛但供应不足？ | 并非天然空间问题 | 核心空间问题 |
| 顾客愿意出行多远？ | 需要自定义位置模型 | 天然空间指标 |
| 哪些地点促成了转化？ | 可使用自定义 ID | 以地点到结果为中心的分析 |
| 地图摩擦点在哪里？ | 仅凭 URL 难以判断 | 核心空间诊断 |
| 完成了哪些客户操作？ | 核心转化指标 | 必须与同一结果相关 |
为什么地图的页面和事件衡量指标不完整？
Google Analytics 将事件分为自动收集、增强衡量、推荐和自定义类型。对于预设名称未涵盖的交互，还存在自定义事件（设置事件）。因此，地图团队可以将 map_opened、place_selected、directions_clicked 或 booking_started 作为自定义事件发送。然而，事件模型仍然没有明确指定地理位置信息。如果没有位置上下文，团队就无法确定具体位置、区域、地图，也无法判断该地点距离用户出发地有多远，是否位于请求区域内，附近是否存在其他选择，以及该地点在不同市场中的表现是好是坏。
频繁的平移和缩放操作可能意味着用户参与度高、用户感到困惑、初始定位不佳、搜索结果错误或难以找到某个地点。长时间的 AI 对话可能意味着用户进行了深入探索，也可能意味着用户反复误解。因此，有效的衡量策略应将交互（用户做了什么）、解决方案（地图是否帮助用户找到或理解了正确的位置）和结果（是否发生了预期的下一步操作）区分开来。地图加载量可以回答用户是否访问了地图，但无法回答地图是否有所帮助。应将加载量视为漏斗的顶部，然后将其与搜索成功、地点选择和业务操作关联起来。
Kaleidr Analytics 目前记录哪些内容？
Kaleidr 目前将 Analytics 描述为一个用于地图和地点互动的仪表板，它组织会话、浏览量、交互量和受众活动，以便团队了解用户如何发现和使用地图（地图互动和位置分析）。同一公共页面列出了四个产品领域：覆盖范围、浏览量和互动量的仪表板；用于显示跨地图的受众位置和活动的受众；用于显示每个地图的会话、浏览量和交互量的互动；以及用于显示 AI 驱动的空间趋势和可操作信号的洞察。常见问题解答中提到，团队可以衡量地图加载量、会话数、浏览量和互动量，以及受众参与互动的地点和吸引注意力的地点。该页面指出，传统的网络分析“侧重于页面和事件”，而 Kaleidr Analytics “侧重于地点和地图”。
这段文字权威地阐述了 Kaleidr 自身的定位。目前，该公共页面并未提供完整的原始事件架构或保证自动业务转化事件列表。访问权限“正在分阶段向团队推出”，并且行动号召 (CTA) 会引导团队申请访问权限，而不是假定每个帐户中都已公开所有描述的工作流程。因此，以下架构将已记录的地图和地点指标视为 Kaleidr Analytics 的合约，并将预订、咨询、取货和购买事件视为应通过稳定标识符加入的主机工具。在依赖特定的生产工作流程之前，请在定价和计划上确认当前可用性。
空间漏斗应如何从发现过渡到行动？
Google Analytics 的漏斗分析可视化了用户完成任务的步骤，并显示了他们在每个步骤中的成功或失败之处（漏斗分析）。地图产品也需要对地理实体进行同样的分析。Kaleidr 的位置智能文档已经将客户任务定义为在正确的地点发现、比较和采取行动（位置智能客户体验地图）。对于位置感知地图而言，“发现”包括搜索、AI 问题、类别选择或探索区域。“比较”包括打开地点、查看第二个地点、查看路线时间或地图/列表选择更改。“采取行动”包括路线规划、预订、咨询、商店选择、取货、开始路线或保存。
漏斗分析比“打开地图，然后点击标记”更有效，因为它跟踪的是客户的决策，而不是渲染器的活动。平移、缩放、图层切换和消息计数仍然是有用的诊断指标，但它们不应全部成为关键绩效指标 (KPI)。一个包含二十个交互计数却没有任何任务结果的仪表盘，看起来可能很复杂，但实际上却解释不了什么。应该按地点、区域、出行时间范围和服务区域对同一转化漏斗进行细分，这样团队就可以探究当最近的符合条件的选项距离客户可接受的出行范围之外时，转化率是否会下降。
网络分析和空间分析应该如何共享所有权？
最佳架构为每个系统分配任务，并仅连接问题所需的数据。网络和产品分析应负责来源、广告系列、页面、会话和全站转化。空间分析应负责地图、地点、区域、路线、覆盖范围、地理摩擦和空间结果上下文。运营系统应负责库存、预订、交易、CRM状态和其他权威业务记录。 Google 目前已记录，报告、探索、数据 API 和 BigQuery 可以应用不同的身份、建模、阈值和可用性规则（比较导出到 BigQuery 的 Analytics 报告和数据）。将每个地图事件复制到每个平台会以更高的成本重新造成这种不一致性。
在问题需要的地方，使用 session_id、task_id 和 place_id 连接图层。付费搜索广告系列可以解读为：广告系列 → 房源地图 → 市中心区域 → 选择房源 → 开始查询。获取图层解释了用户如何找到目标页面。空间图层解释了位置如何影响用户的决策。主机系统仍然是查询或预订是否实际发生的唯一权威来源。Kaleidr Analytics 可以提供地图和地点上下文；不应要求它复制预订记录。
为什么稳定的 ID 比地名更重要？
地名是一个显示字符串。重复的名称、重命名的位置、本地化和标点符号的差异都会导致连接失败。一个稳定的 place_id 可以出现在地图图层的 place_selected 中，也可以出现在主机系统的 booking_started 中，因此即使公共名称发生更改，这两个事件描述的也是同一个位置。显示名称可以保留为属性。标识符应保持稳定，同样的规则也适用于 map_id 和 region_id。
本文中的事件名称仅为示例，并非 Kaleidr Analytics 自动记录的事件。一个实用的分类体系可能包括 map_opened、map_ready、map_search_submitted、map_results_returned、map_no_result、map_place_selected、map_route_opened 和 map_action_started，而结果名称则保持业务特定性（booking_started、property_inquiry_started、store_directions_opened）。在将这些字符串中的任何一个视为已发布的 Kaleidr 事件之前，请验证当前的产品架构。排名产品还应记录所选排名，因为第一个结果可能凭借展示而非偏好赢得点击；地点排名 API 解决了检索端的这种展示偏差问题。
地理摩擦可以回答哪些独特的问题？
当事件按地理位置分组并以比率进行比较时，空间分析就变得有用。如果受到管理，邻里、城市、市场、服务区域、销售区域和场所区域都是合法的区域维度。 URL 无法可靠回答的问题包括：需求集中在哪里、选择率低在哪里、用户反复扩大搜索范围在哪里，以及哪些服务区域没有合格的供应。搜索地理位置和用户地理位置并不相同：一个地区的用户可以搜索另一个地区的酒店，因此应将搜索来源与视口、输入的目的地、绘制的多边形或路线走廊分开建模。
如果可能，无结果事件应包含原因：没有候选酒店、没有合格的供应、超出服务区域、库存不可用、查询无法理解或授权已移除所有结果。简单的零结果计数无法告诉运营商需要修复什么。覆盖率分析会将需求与可用的地理覆盖范围进行比较：没有供应商的市场、距离顾客出行范围过远的门店、没有有效房源的房产搜索、有需求但合作伙伴薄弱的酒店区域。没有分母的热力图会产生误导，因为密集的单元格通常显示的是用户已经较多的区域，而不是性能更好的区域。保留选择率、搜索成功率和结果率。较大的区域自然包含更多事件；在对区域进行排名之前，先按会话数、合格供应量或地图浏览量进行标准化。
团队应如何处理分析中的位置隐私问题？
W3C 地理位置规范目前指出，获取设备的地理位置“也会泄露设备用户的位置，从而可能损害用户的隐私”，并告知开发者其所在司法管辖区的隐私法可以规范地理位置的使用和访问（Geolocation）。大多数产品分析问题不需要永久的精确坐标。如果 region_id、place_id、距离范围、旅行时间范围和 service_area_id 能够回答业务问题，则应优先使用这些信息。选定的商店 ID 加上出发区域通常就足够了；分析数据仓库中的精确出发地经纬度通常不够。
地点 ID 可能是公开的，而用户的精确出发地信息是敏感信息。请勿将两者视为等同。汇总报告——按社区搜索、按服务区域选择率、按出行时间段转换——可以降低噪声和可识别性。低流量的地理单元可能具有识别性，因此团队可能需要抑制、设置最小计数或扩大区域范围。正确的隐私政策取决于部署和法律环境；本文描述的是测量设计，而非针对特定读者的决策。有关私人商业场所的授权和最小化处理，请参阅用于 AI 地图工作流的私有位置数据。
何时网络分析就足够了，何时空间分析才必要？
Esri 目前将 GIS 定义为一种通过将位置与描述性信息连接起来来创建、管理、分析和绘制数据的技术（什么是 GIS？）。地图产品的空间分析并非同一概念。产品团队无需栅格处理、网络建模或地理统计学即可分析客户行为及其与地理实体和关系的关系。GIS 仍然可以支持底层计算。热力图只是一种可视化方式，而非策略；表格、漏斗图、地点排名、区域比较、出行时间区间和服务区域指标都属于空间分析的范畴。
仅包含一个办公室、没有地点级互动且业务结果与地理位置无关的装饰性联系地图可能不足以证明专用空间图层的必要性。当产品需要了解地点绩效、区域需求、覆盖盲区、出行时间行为、无结果地理区域、地图辅助转化或基于位置的 AI 质量（按区域划分）时，空间分析就变得必不可少了。对话式地图添加了 ai_question_submitted 和相关的主机事件，但最有效的指标仍然是问题已解决、相关地点已选择以及业务操作已完成。简短的对话可能比冗长的对话更有效。实时地图和 3D 地图增加了可靠性或摄像头诊断功能；但这些仍然需要通过相同的结果测试来验证。具体来说，对于 3D 而言，额外的相机移动而没有更好的选择或任务完成并不能证明其价值（Kaleidr Studio 中的 3D 地图）。
地图分析团队应避免哪些错误？
反复出现的错误是将地图活动视为成功。完全替换网络分析会抹杀用户获取的背景信息。仅跟踪地图打开次数会将采用误认为价值。将平移和缩放次数计入成功，会让摩擦看起来像是互动。存储地名而不是地名 ID 会破坏连接。将用户地理位置与搜索地理位置混为一谈会导致分析不准确。按原始计数对区域进行排名会奖励规模。将热力图视为策略并不能产生任何商业决策。跟踪精确坐标（而使用区间即可）会增加隐私风险。为了消息量而优化 AI 地图会导致长期失败。将每个事件复制到每个工具中会使架构臃肿。假设推荐的事件名称是 Kaleidr 自动事件是错误的。
| 错误 | 结果 | 更佳方案 |
|---|---|---|
| 完全替换网络分析 | 用户获取背景信息丢失 | 同时使用两层数据 |
| 仅追踪地图打开次数 | 将用户采纳误认为价值 | 与结果关联 |
| 将平移和缩放视为成功 | 摩擦可能看起来像互动 | 衡量分辨率 |
| 存储地名而非 ID | 连接中断 | 使用稳定的 ID |
| 混合用户地理位置和搜索地理位置 | 分析变为不准确 | 分别建模 |
| 按区域使用原始计数 | 大区域看起来更好 | 保留分母 |
| 将热图视为策略 | 没有后续的业务决策 | 从漏斗和结果入手 |
| 不必要地跟踪精确坐标 | 隐私风险增加 | 使用区域、地点或区间 |
| 针对消息量优化 AI | 长时间的失败看起来不错 | 衡量任务解决率 |
| 假设推荐事件是自动 Kaleidr 事件 | 实现可能出错 | 验证当前产品模式 |
使用 Kaleidr 衡量地图和地点互动
了解客户如何发现、探索和使用地图和地点，并将这些信号与宿主产品已衡量的结果关联起来。探索 Kaleidr 分析，查看当前地图加载、会话、浏览、互动、受众、地点关注度和空间趋势等数据。在编码页面未记录的转化路径之前，请确认公共契约。
常见问题解答
空间分析和网络分析有什么区别？
网络分析主要衡量页面、会话、事件、用户获取和转化。空间分析则增加了地图、地点、区域、路线、服务区、旅行关系和其他地理维度。
地图产品是否仍然需要 Google Analytics 或其他网络分析工具？
通常是的。网络分析对于用户获取、页面浏览路径、设备行为和全站转化率仍然很有价值。空间分析应该作为其补充。
地图产品应该首先衡量什么？
首先关注客户结果：例如，用户是否选择了相关地点、打开了路线规划、开始预订、提交了咨询、完成了路线规划或其他与地点相关的任务。
地图平移和缩放是有效的指标吗？
它们是有用的诊断事件，但本身作为成功指标意义不大。频繁的交互可能表明用户参与度高，也可能表明用户存在摩擦。
什么是地点参与度？
地点参与度衡量用户与特定地点的交互方式，例如选择、比较、保存、规划路线、预订或咨询。
什么是空间漏斗？
空间漏斗追踪与地点相关的用户旅程，例如打开地图、搜索、符合条件的地点、选择地点，然后执行业务操作，并可根据需要按区域、地点、出行时间或覆盖范围进行细分。
为什么稳定的地点 ID 很重要？
稳定的 ID 使团队即使在地名变更或存在重复地名的情况下，也能将地图交互与下游业务事件关联起来。
空间分析是否应该存储原始的经纬度？
并非总是如此。许多业务问题可以通过地点 ID、区域 ID、距离范围、出行时间范围或服务区 ID 来解答，从而降低隐私风险。
Kaleidr Analytics 目前衡量哪些指标？
Kaleidr 当前的公开页面描述了地图加载量、会话数、浏览量、交互量、受众活动、受众参与地点、哪些地点吸引了关注以及空间趋势。
Kaleidr Analytics 是否已正式发布？
Kaleidr 当前的公开 Analytics 页面显示，访问权限正在分阶段向团队推出。在依赖特定生产工作流程之前，请确认您的工作区当前是否可用。
空间分析与 GIS 相同吗？
不相同。GIS 是一套更广泛的地理数据和分析工具。在本产品语境下，空间分析是指利用地理实体和关系分析客户或产品行为。
本文与《空间分析仪表板 KPI 指南》有何不同？
本文解释了空间分析与 Web 分析的区别，以及这两个测量层如何相互配合。KPI 指南则侧重于定义空间测量模型后的仪表板结构、指标层级、分母和报告。
参考文献
- Esri. What is GIS? Accessed 1 September 2026. https://www.esri.com/en-us/what-is-gis/overview
- Google Analytics. [GA4] Compare Analytics reports and data exported to BigQuery. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/13578783
- Google. Set up events. Google Analytics for Developers. Accessed 1 September 2026. https://developers.google.com/analytics/devguides/collection/ga4/events
- Google Analytics. About Analytics sessions. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9191807
- Google Analytics. [GA4] Event. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9356037
- Google Analytics. [GA4] Funnel exploration. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9327974
- Kaleidr. Map Engagement and Location Analytics. Accessed 1 September 2026. https://kaleidr.com/analytics
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 1 September 2026. https://www.w3.org/TR/geolocation/
@misc{esri_what_is_gis_2026_09_01,
title = {What is GIS?},
author = {{Esri}},
note = {Accessed 1 September 2026},
url = {https://www.esri.com/en-us/what-is-gis/overview}
}
@misc{google_bq_vs_reports_2026_09_01,
title = {{[GA4]} Compare Analytics reports and data exported to BigQuery},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/13578783}
}
@misc{google_ga4_events_setup_2026_09_01,
title = {Set up events},
author = {{Google}},
note = {Google Analytics for Developers; accessed 1 September 2026},
url = {https://developers.google.com/analytics/devguides/collection/ga4/events}
}
@misc{ga4_sessions_2026_09_01,
title = {About Analytics sessions},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9191807}
}
@misc{ga4_event_2026_09_01,
title = {{[GA4]} Event},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9356037}
}
@misc{ga4_funnel_exploration_2026_09_01,
title = {{[GA4]} Funnel exploration},
author = {{Google Analytics}},
note = {Analytics Help; accessed 1 September 2026},
url = {https://support.google.com/analytics/answer/9327974}
}
@misc{kaleidr_analytics_2026_09_01,
title = {Map Engagement and Location Analytics},
author = {{Kaleidr}},
note = {Accessed 1 September 2026},
url = {https://kaleidr.com/analytics}
}
@misc{w3c_geolocation_2026_03_26,
title = {Geolocation},
author = {{W3C}},
institution = {W3C},
year = {2026},
month = mar,
note = {W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 1 September 2026},
url = {https://www.w3.org/TR/geolocation/}
}