Question

我只是在学习BigQuery，所以这可能是一个愚蠢的问题，但我们想在那里得到一些统计数据，其中一个是某一天的总会话数。

为此，我在BQ查询：

select sum(sessions) as total_sessions from (
  select
    fullvisitorid,
    count(distinct visitid) as sessions,
    from (table_query([40663402], 'timestamp(right(table_id,8)) between timestamp("20150519") and timestamp("20150519")'))
    group each by fullvisitorid
)

（我使用table_query，因为稍后我们可能会增加天数范围）

这会产生1,075,137。

但在我们的Google Analytics报告中，在＆＃34;受众群体概述＆＃34;部分，当天结果：

This report is based on 1,026,641 sessions (100% of sessions).

尽管有这一天，但总有大约5％的差异。所以我想知道，即使查询很简单，我们还有什么错误吗？

这种差异预计会发生吗？我阅读了BigQuery的文档，但在这个问题上找不到任何内容。

提前致谢，

Answer 1

standardsql

只需SUM(totals.visits)或使用COUNT(DISTINCT CONCAT(fullVisitorId, CAST(visitStartTime AS STRING) ))时确保totals.visits=1！

如果你使用visitId并且你没有每天分组，你将结合午夜分裂会话！

以下是所有情景：

SELECT
  COUNT(DISTINCT CONCAT(fullVisitorId, CAST(visitStartTime AS STRING) )) allSessionsUniquePerDay,
  COUNT(DISTINCT CONCAT(fullVisitorId, CAST(visitId AS STRING) )) allSessionsUniquePerSelectedTimeframe,
  sum(totals.visits) interactiveSessionsUniquePerDay, -- equals GA UI sessions
  COUNT(DISTINCT IF(totals.visits=1, CONCAT(fullVisitorId, CAST(visitId AS STRING)), NULL) ) interactiveSessionsUniquePerSelectedTimeframe,
  SUM(IF(totals.visits=1,0,1)) nonInteractiveSessions
FROM
  `project.dataset.ga_sessions_2017102*`

总结：

fullVisitorId + visitId：对重新连接midnight-splits非常有用
fullVisitorId + visitStartTime：将分组考虑在内很有用
totals.visits=1用于互动会话
fullVisitorId + visitStartTime其中totals.visits=1：GA UI会话（如果您需要会话ID）
SUM(totals.visits)：简单的GA UI会话
fullVisitorId + visitId其中totals.visits=1和GROUP BY date：GA会话错误和误解的可能性太大

Answer 2

在发布问题之后，我们与Google支持人员联系，发现在Google Analytics中，只会触发发生“事件”的会话。

在Bigquery中，无论是否进行了互动，您都可以找到所有会话。

为了找到与GA相同的结果，您应该在BQ查询中使用totals.visits = 1的会话进行过滤（totals.visits仅对于触发事件的会话为1）。

那是：

select sum(sessions) as total_sessions from (
  select
    fullvisitorid,
    count(distinct visitid) as sessions,
    from (table_query([40663402], 'timestamp(right(table_id,8)) between timestamp("20150519") and timestamp("20150519")'))
    where totals.visits = 1
    group each by fullvisitorid
)

Answer 3

问题可能是由于“COUNT DISTINCT”。

根据this post：

COUNT DISTINCT是大于1000
的所有结果的统计近似值

你可以尝试设置一个额外的COUNT参数，以牺牲性能来提高准确性（参见帖子），但我会先尝试一下：

SELECT COUNT( CONCAT( fullvisitorid,'_', STRING(visitid))) as sessions 
from (table_query([40663402], 'timestamp(right(table_id,8)) between 
timestamp("20150519") and timestamp("20150519")'))

Answer 4

对我有用的是：

SELECT count(distinct sessionId) FROM(
   SELECT CONCAT(clientId, "-", visitNumber, "-", date) as sessionId FROM `project-id.dataset-id.ga_sessions_*`
   WHERE _table_suffix BETWEEN "20191001" AND "20191031" AND totals.visits = 1)

解释（发现写得很好这篇文章：https://adswerve.com/blog/google-analytics-bigquery-tips-users-sessions-part-one/) 是在计算和处理会话时我们应该小心，因为默认情况下，Google Analytics 会中断结转午夜（视图的时区）的会话。因此，同一个会话可能会出现在两个每日表中：

Image from article mentioned above

提供的代码通过组合创建一个 sessionID：客户 ID + 访问次数 + 日期在确认会议休息的同时；结果将是人类可读的格式。最后，要匹配 Google Analytics（分析）用户界面中的会话，请确保仅过滤到 totals.visits = 1 的会话。

BigQuery与Google Analytics报告中的总会话数

4 个答案: