视频版讲解
Session 分析讲解视频
Session 分析概述
Session 分析是基于会话的分析,将用户单点发生的行为串联成整体进行分析。通过 Session 分析,可统计用户在产品中的整体访问深度、以及某些特殊节点的访问情况等。
在神策分析 2.4 版本,Session 分析的入口为:神策分析 > 分析 > Session 分析。
第一次进行 Session 分析之前,首先需要创建 Session
创建 Session 需要填写 Session 的基础信息、Session 包含的行为事件、Session 的切割规则。
空页面创建 Session 入口:

Session 管理常驻入口:

Session 的切割方法
时间切割
时间切割是指,当相邻事件间的时间间隔超出此时长,则进行一次切割。
开始事件、结束事件切割
在根据间隔时间切割的基础上,支持使用指定的 开始事件 和 结束事件 进行会话切割。其中,开始事件非必选,结束事件必选。

开始事件、结束事件切割的使用场景
当我们对我们的会话有明确的开始和结束事件的定义时,可以使用开始和结束来让我们切割出来的会话更加符合预期。
比如:
- 在视频行业中有明确的 开始播放 和 结束播放
- 在移动端有明确的 APP 启动 和 APP 退出
- 一次转化路径中,会认为 首页 算做一个开始的点,支付 的发生是一个结束的标志
按照开始事件、结束事件切割是如何实现的
步骤 1:将用户的行为序列,按照发生时间远到近进行排序。
步骤 2:以第一个行为作为起点,向后进行匹配。
若匹配到的是一个 开始事件:那么会自动切断会话;以这个 开始事件 作为起点,进行第二个 Session 的匹配

若匹配到的是一个 结束事件:那么会将这个 结束事件 划入到当前会话中;以 结束事件 的下一个事件作为起点,进行第二个 session 的匹配

若在切割时间内没有匹配到任何事件:那么就会根据设置的 session 切割时间自动切断会话;以下个事件作为起点,进行第二个 session 的匹配

Session 相关指标计算规则

- 在 A 处选择已经创建的 Session。
- 在 B 处选择此 Session 中的事件,选择 Session 总体 可以对 Session 整体情况进行分析;选择 Session 中的具体某个事件 可以对事件本身进行分析。
- 在 B 处选择不同类型的事件,则 C 中对应的指标也会发生变化,除一些通用指标外,还包含 B 处所选事件的属性的指标。
- D 处圈红的是 Session 属性,为每个 Session 内初始事件的属性的并集。Session 初始事件 是 Session 内第一次触发的事件。比如一个 Session 的事件序列为 A, B, C;A 事件的操作系统为 iOS,B 事件的操作系统为 Android,C 事件的操作系统为空,则这个 Session 中的 Session 属性操作系统应该是 iOS,是第一个事件对应的操作系统属性值。
下边对几个主要指标进行说明:
对于 Session 中的具体某个事件
- 退出率: Session 的退出率包括 Session 中某个事件的退出率和 Session 中任意事件的退出率。某个事件的退出率指该事件作为 Session 的结束事件的次数除以该事件发生次数,任意事件退出率指 Session 数除以 Session 中所有事件发生次数。比如有三个 Session,第一个 Session 事件序列为 A, B;第二个 Session 事件序列为 A;第三个 Session 事件序列为 A, C, A;则 Session 中 A 事件的退出率为 2/4,任意事件的退出率为 3/6。
- Session 内事件时长: 假如某 Session 内事件触发顺序为 a > b > c > d,则事件 a 的时长为 b 减去 a,事件 d 的时长未知。
- Session 内事件发生次数: 分析 Session 内具体事件时,可以计算 Session 内事件发生次数。
对于 Session 总体
- 跳出率: Session 中只发生一个事件的 Session 个数除以总 Session 数。比如有三个 Session,第一个 Session 事件序列为 A, B;第二个 Session 事件序列为 A;第三个 Session 事件序列为 A, C, B;则 Session 总体的跳出率为 1/3。
- Session 时长: Session 内最后一个事件触发的时间减去 Session 内第一个事件触发的时间。
- Session 深度: Session 内触发事件的次数。
- 同时并发人数: 分析 Session 总体时,可以使用 Session 同时并发人数来计算该时间点同时存在的会话数。我们认为一个会话是一个持续的时段,那么在计算同时并发人数的时候,就判断该时间点有多少个会话同时在线即可。

如图所示:
- 时间点 1 的同时在线人数为 3
- 时间点 2 的同时在线人数为 2
- 时间点 3 的同时在线人数为 1
在事件是存在持续行为的场景中,同时并发人数相对事件的发生次数更加有代表意义。
我们来举个例子:
- 一个视频类的 APP,每个时段都有用户不断地进入和退出。
- 当我们做一些线上的活动时,希望在用户 在线时间最密集 的那一刻进行活动的推送。
- 那么我们如何判断出哪个时段是在线的用户最多的时段呢?
我们来看一下模拟数据的结论:
用户 |
启动时间 |
退出时间 |
启动时间查看指标 |
同时在线查看指标 |
A |
19:01 |
20:14 |
19:00-19:30 —— 3 人
19:30-20:00 —— 1 人
20:00-20:30 —— 2 人
20:30-21:00 —— 0 人
最后结论得出,我们在 19:00-19:30 期间进行投放效果最好
|
19:00-19:30 —— 3 人
19:30-20:00 —— 4 人
20:00-20:30 —— 6 人
20:30-21:00 —— 2 人
最后结论得出,我们在 20:00-20:30 期间进行投放效果最好
|
B |
19:14 |
20:14 |
C |
19:29 |
20:14 |
D |
19:59 |
20:14 |
E |
20:14 |
21:01 |
F |
20:29 |
22:01 |
实际上,我们的用户在 20:00 至 20:30 之间是在线人数最多的,在这个时间段进行运营活动效果最好。
如果您想了解更多 Session 的定义、使用等内容,可阅读神策博客文章 《如何应用 Sensors Analytics 进行 Session 分析》。