[GA4] 關於 Analytics 工作階段

「工作階段」是指使用者與網站或應用程式互動的一段時間。

計為工作階段的情況

在 Analytics 中，每當使用者於前景開啟應用程式，或是瀏覽網頁/畫面當時沒有有效的工作階段 (例如先前的工作階段已逾時)，系統就會啟動工作階段。

根據預設，工作階段會在使用者閒置 30 分鐘後結束或逾時。工作階段沒有持續時間長度限制。

調整工作階段逾時

調整應用程式工作階段逾時

應用程式移至背景運作時，就會逐漸列為工作階段逾時；但您可以把應用程式在背景執行時傳送的事件納入 extend_session 參數 (值為 1)，藉此延長工作階段。對於經常在背景執行的應用程式而言 (例如導航和音樂應用程式)，這個做法相當實用。

您可以透過 setSessionTimeoutDuration 方法，變更應用程式工作階段預設的逾時時間 (30 分鐘)。

調整網頁工作階段逾時時間

如要變更網頁工作階段的預設逾時時間 (30 分鐘)，請按照下列步驟操作：

1. 在 Google Analytics 中，按一下「管理」。
2. 確認您使用正確的帳戶。

3. 在「資源」欄中，按一下「資料串流」。
4. 選取一個網站資料串流。
5. 按一下頁面底部的「進行代碼設定」。
6. 在「設定」部分，按一下「全部顯示」查看所有可用選項。
7. 按一下「調整工作階段逾時」。
   • 調整工作階段逾時：以小時和分鐘設定工作階段逾時。
   • 調整互動工作階段的計時器：選取將某個工作階段視為互動工作階段所需的秒數。
8. 按一下「儲存」。

事件如何與工作階段 ID 和號碼建立關聯

Google 會在工作階段開始時自動收集 session_start 事件，並透過 session_start 事件產生工作階段 ID (ga_session_id) 和工作階段號碼 (ga_session_number)。

• 工作階段 ID 是工作階段開始時的時間戳記。如要分析 Google Analytics 以外的不同工作階段，建議您將 user_id 或 user_pseudo_id 與 session_id 彙整，取得各工作階段的專屬 ID。
• 工作階段號碼會指出在目前工作階段之前，使用者已啟動的工作階段數 (例如使用者在您網站上的第三或第五個工作階段)。

系統會自動透過 gtag.js 和 Google Analytics for Firebase SDK，將工作階段 ID 和工作階段號碼與工作階段中的每個事件建立關聯。但這組 ID 不會自動隨著 Measurement Protocol 或資料匯入的事件一起發送。

有時候，工作階段 ID 不會與 session_start 事件建立關聯 (例如事件從子資源中篩除時)。不過在這類情況下，Analytics 仍會產生工作階段 ID。

工作階段數的計算方式

Analytics 會估算不重複工作階段 ID 的數量，藉此計算在網站或應用程式上發生的工作階段數。

工作階段歸因的運作方式

session_start 事件包含決定工作階段歸因的資訊，例如 Google 點擊 ID、Urchin 流量監視器 (UTM) 參數和參照網址。

工作階段的歸因模式仍為非直接最終點擊歸因模式，而重要事件回溯期取決於「所有其他轉換事件」設定，預設為 90 天。進一步瞭解如何選擇或更新歸因分析設定。

例子

預設 90 天重要事件回溯期

第 1 天：使用者透過 Google 自然連結抵達網站 => 工作階段歸因於「google/organic」
第 68 天：使用者直接返回網站 => 工作階段也歸因於「google/organic」

可查看工作階段指標的位置

「工作階段」和「使用者」指標是估算而得。Google Analytics 提供多種工作階段指標，包括「工作階段」、「互動工作階段」和「每位活躍使用者互動工作階段」。您可以透過這些指標，查看自家網站或應用程式上啟動的工作階段數資料。

指標會顯示在「獲客總覽」、「獲取新客」和「參與狀況總覽」等報表中。您也可以在「探索」中查看工作階段指標。

工作階段數差異

Google Analytics 於 2021 年 10 月開始在標準和自訂報表、「探索」及 Looker Studio 中，更新工作階段指標的計算方式，希望藉此加快工作階段數的計算速度，提升資料精確度並降低錯誤率。因此，您可能會注意到工作階段數的計算方式與原先方式略有不同。

新計算方式會套用到 2021 年 10 月起至今的工作階段資料。如果報表日期範圍涵蓋 2021 年 10 月之前的資料，Analytics 不會顯示任何資料。不過，您還是可以使用篩選條件 event=session_start 存取事件報表中的歷來資料。

BigQuery 注意事項

除了在 Google Analytics 查看，您也可以將資料匯出至 BigQuery，透過類似 SQL 的語法查詢工作階段數。BigQuery 有足夠的時間和資源可以計算出精確的工作階段數，因此並未針對工作階段指標套用有效率的計算方式 (稱為 HyperLogLog++ 演算法)。進一步瞭解 Google Analytics 中的不重複計數估計值

BigQuery 不會套用更有效率的計算方式，因此在與標準和自訂報表、「探索」及 Looker Studio 中的結果比較時，您可能會發現工作階段數稍有差異。

選擇查看資料的位置時，考量重點如下：

• 如要從原始資料取得更精確的結果，請使用 BigQuery。
• 如要較快取得結果，請使用標準和自訂報表、「探索」及 Looker Studio。

以新計算方式得到的查詢結果，大多可讓您快速比較特定時間內的工作階段指標。

例子

查看上週的工作階段數時，報表中顯示 1,463 個工作階段，而 BigQuery 顯示 1,501 個工作階段。查看本週的工作階段數時，報表中顯示 1,828 個工作階段，而 BigQuery 顯示 1,876 個工作階段。雖然具體數量略有不同，但您會發現工作階段數增加了 25%。也就是說，您可以使用相同的資料觀察工作階段數的變化趨勢。

來源	上週 (工作階段數)	本週 (工作階段數)
報表	1,463	1,828 (+25%)
BigQuery	1,501	1,876 (+25%)