「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
每當使用者於前景開啟應用程式，或是瀏覽網頁/畫面，而且當下沒有其他有效的工作階段時 (例如先前的工作階段已逾時)，Analytics (分析) 就會視為已啟動新的工作階段。
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：
- 在 Google Analytics (分析) 中，按一下「管理」。
- 確認您使用正確的帳戶。
- 在「資源」欄中，按一下「資料串流」。
- 選取一個網站資料串流。
- 按一下頁面底部的「進行代碼設定」。
- 在「設定」部分，按一下「全部顯示」查看所有可用選項。
- 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。
- 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 (分析) 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 3 個或第 5 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 (分析) 仍會產生工作階段 ID。
工作階段數的計算方式
Analytics (分析) 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 gclid、Urchin 流量監視器 (UTM) 參數和參照網址。
工作階段的歸因模式仍會採用非直接造訪最終點擊歸因模式，而轉換回溯期取決於「所有其他轉換事件」設定 (預設為 90 天)。進一步瞭解如何選取或更新歸因分析設定。
例子
預設 90 天轉換回溯期
第 1 天：使用者透過 Google 自然連結到達網站 => 工作階段歸因於「google/隨機」
第 68 天：使用者直接返回網站 => 工作階段也會歸因於「google/隨機」
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 (分析) 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已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 (分析) 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。
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 (分析) 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 (所謂的 HyperLogLog++ 演算法)。進一步瞭解 Google Analytics (分析) 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。
| 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%) |
與通用 Analytics (分析) 的差異
Google Analytics (分析) 4 資源的工作階段數可能會低於通用 Analytics (分析) 資源的工作階段數。這是因為廣告活動來源在工作階段期間半途變更時，Google Analytics (分析) 4 不會建立新的工作階段，但通用 Analytics (分析) 會建立新的工作階段。
如果工作階段跨越一日的起始 (例如從某天晚上 11:55 開始，在隔天凌晨 12:05 結束)，這樣算是一個工作階段，但系統會為這兩天各計入一次工作階段。進一步瞭解工作階段差異。