点击流 (Clickstream) 是指按时间顺序记录用户在网站或应用上进行的一系列点击 (触摸) 操作的数据。例如"首页 > 商品列表 > 商品详情 > 购物车 > 完成购买"这样的完整用户行为路径。
点击流数据包含访问页面的 URL、各页面的停留时间、点击的元素、来源 (Referrer)、使用的设备和浏览器、时间戳等信息。通过分析这些数据，可以掌握用户在网站内的浏览路径和离开位置的规律。另一方面，这也是会细致留下个人行为的数据，部分地区要求在收集前取得同意并限制保存期限。在设计分析方案之前先确定保留哪些数据、保留多久，可以减少事后返工。
短链接服务的点击分析对应点击流的入口部分。将短链接被点击时的数据 (点击时间、地区、设备、来源) 与重定向目标网站的 Google Analytics 数据结合，可以大致串联出"用户从哪条路径进入、在网站内如何浏览、最终是否完成转化"的流程。但两者是分别统计的数据，没有共同的标识符。要真正串联起来，需要在短链接的目标地址上加计测参数 (如 utm_source)，即使如此，能对应的也只是流量分组这一粒度，并不能连成个人层面的路径。短链接侧的点击数与目标网站的会话数通常也不一致：重定向后页面尚未打开完就离开、预取以及机器人访问都会拉大差距。
点击流分析的实际应用包括：漏斗分析 (识别各阶段的流失率)、路径分析 (发现最容易达成转化的路径)、异常检测 (识别机器人或欺诈点击的模式)。路径分析中路径种类会迅速膨胀，只看排名靠前的几条路径容易误读整体情况。实务上更好用的做法是先找出流失集中的那一步，再聚焦分析它前后的路径。
大规模点击流数据的处理需要 Apache Kafka (实时流处理)、Apache Spark (批处理)、BigQuery (分析查询) 等大数据技术。小型网站先使用 Google Analytics 4 的路径探索报告通常就够用，等需要追踪更细的行为时再转向 BigQuery 导出更为现实。