1. 视频版讲解

2. 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、某些特殊节点的访问情况等。

Session 分析入口:分析 > Session 分析

2.1. 创建 Session

进行 Session 分析之前,需要先创建 Session。

创建 Session 入口:分析 > Session 分析,然后点击右上角的 Session 管理,在弹出的 Session 管理窗口中点击 创建 Session

  1. 填写 Session 显示名
  2. 填写 Session 名
  3. 填写 备注,可选。
  4. 选择 Session 包含的事件
  5. 设置切割规则
    1. 时间切割
    2. 事件切割

关于切割规则,下文介绍。

2.2. Session 的切割方法

2.2.1. 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。

2.2.2. 事件切割

在时间切割的基础上,支持使用指定的 开始事件结束事件 进行会话切割。其中,开始事件 可选,结束事件 必选。

2.2.2.1. 事件切割使用场景

当我们对会话有明确的 开始事件结束事件 的定义时,可以使用 开始事件结束事件 让我们切割出来的会话更加符合预期。

例如:

  • 在视频行业中有明确的 开始播放结束播放
  • 在移动端有明确的 App 启动App 退出
  • 一次转化路径中,会认为 访问首页 是开始,支付订单 是结束。

2.2.2.2. 事件切割是如何实现的

  1. 将用户的行为序列按照发生时间由远到近进行排序。
  2. 以第一个行为作为起点,向后进行匹配。
    1. 若匹配到的是一个 开始事件:会自动切断会话,并以这个 开始事件 作为起点,进行第二个 Session 的匹配。 
    2. 若匹配到的是一个 结束事件:会将这个 结束事件 划入到当前会话中,并以 结束事件 的下一个事件作为起点,进行第二个 Session 的匹配。

    3. 若在切割时间内没有匹配到 任何事件:会根据设置的 Session 切割时间自动切断会话,并以下个事件作为起点,进行第二个 Session 的匹配。

2.3.  Session 分析

选择 分析 > Session 即可使用 Session 分析。

  1. 在 A 处选择已经创建的 Session
  2. 在 B 处选择此 Session 中的 事件
    1. Session总体:可以对 Session 整体情况进行分析。
    2. Session 中具体某个事件:可以对事件本身进行分析。
  3. 选择 指标在 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。
  4. 设置 全局筛选
  5. 选择 分组
  6. 点击 查询 按钮。

2.4. Session 相关指标计算规则

下面对几个主要的指标的计算规则进行说明:

  • Session 中具体某个事件
    • 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。
  • 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,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。

如上图所示:

      • 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。

比如:

      • 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
A19:0120:14

19:00-19:30 —— 3人

19:30-20:00 —— 1人

20:00-20:30 —— 2人

20:30-21:00 —— 0人


结论得出: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


结论得出:在 20:00-20:30 期间进行投放效果最好。

B19:1420:14
C19:2920:14
D19:5920:14
E20:1421:01
F20:2922:01

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。

如果想了解更多关于 Session 的内容,可阅读神策博客文章《如何应用 Sensors Analytics 进行 Session 分析》