Google Analytics 平均停留时长是如何计算, 如何提高呢?

本文解释 Google Analytics(以下统称 GA) 中的一个统计字段:平均停留时长的计算方式

我会从两个概念解释

1)  平均会话停留时长(Avg. Session Duration)

2)单个会话的停留时长

1) 平均会话停留时长=所有会话的总停留时长(按秒计算)/ 所有会话数

GA 会在你选择的时间区间内, 把所有的会话停留时长, 和所有的会话数相加, 比如:

所有的会话停留时长: 1000mins (60,000s)

所有的会话数: 100

那么这段时间内, 平均会话停留时长=1000/100=10mins (600s)

2) 单个会话的停留时间 = 计算方式稍有不同,取决于会话中最后一页的互动性点击(engagement hits )

为了能够更好地理解会话时长中涉及到的 "Hit" 相关的概念, 先给大家解释一下什么是 enagement hit 和 hit

(文末有相关的文档)

An engagement hit: 互动性点击是源于事件埋点中的互动性事件, 这个事件不能有"opt_noninteraction" .

(这个参数代表了非互动, 上报事件时,如果传了opt_noninteraction,就GA就认为这不是一个互动的点击). 例如, 给"播放视频"添加了事件埋点追踪, 那么这个事件的点击就是互动性点击; 如果给这个事件埋点加上opt_noninteraction 参数, 那么它就不是一个互动性点击)

Hit: A Hit is an interaction that results in data being sent to Analytics - 一个互动 - 这个互动可以把数据传给GA, 最典型的例子-网页加载; 总结来说, 有会话就会有 Hits:  Different types of Hits send different types of data to google analytics servers. Pageviews (or pageview hits) is just the number of pageview hits sent for a particular page.Sessions are the group of user interactions (or hits) with your website that takes place within a given time frame.

GA Hits 常见类别

GA Hits 运作逻辑

由于单个会话的停留时长是取决于会话最后一页的互动性点击, 那么就存在以下两种情况:

1) 无互动性点击 (No engagement hits):

单个会话的停留时长= 最后一页[第一次点击的时间] - 第一页[第一次点击的时间]

例如:

Page 1: 第一次点击: 10:00 am

Page 2: 第一次点击: 10:05 am

Page 3: 第一次点击: 10:10 am

那么此次会话的停留时长 = 10:10 am - 10:00 am = 10mins (600s)

2) 有互动性点击 (Engagement hits):

单个会话的停留时长= 最后一页[最后一次互动性点击的时间] - 第一页[第一次点击的时间]

例如:

Page 1: 第一次点击: 10:00 am

Page 2: 第一次点击: 10:05 am

Page 3: 第一次点击: 10:10 am, 最后一次互动性点击: 10:15 am

那么此次会话的停留时长 = 10:15 am - 10:00 am = 15 mins (900s)

3) 如何提高停留时长?

核心的因素 - 是不是为用户提供了高质量的信息

以下是几点简单的优化建议

1)干净的设计,也要提供足够的产品/服务信息;

2)添加短视频、可互动的设计

3)优化网页内容(更适用于博客,文字等)- 同时也是可以对SEO有帮助

4)着重优化互动性较高的页面

5)Call-to-action 引导用户进行某样操作

参考文档:

Avg. session duration: 

https://support.google.com/analytics/answer/1006253?hl=en

https://www.humcommerce.com/blog/good-average-session-duration/

opt_noninteraction

https://developers.google.com/analytics/devguides/collection/gajs/methods/gaJSApiEventTracking

GA Hits

https://developers.google.com/analytics/devguides/collection/protocol/v1/devguide#commonhits

https://www.digishuffle.com/blogs/google-analytics-hits/

https://support.google.com/analytics/answer/6086082?hl=en&ref_topic=6083659#

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342