GA4里估算指标:会话数、活跃用户数和用户总数

GA4里的指标并不是都是按实际数量计算，有些是估算。

为什么会有估算值

对于大型数据集衡量确切的非重复计数（即基数）需要大量内存且会影响性能。

GA4是使用 HyperLogLog++ (HLL++) 算法来估算最常用指标的基数，使用 HLL++ 可确保实现较高的性能，同时提高估算准确性并缩小误差范围。

估算指标的影响

估算指标主要有两个影响：

• 估算指标与实际有差异
• 不同报告位置的同一指标数值可能会不同，延伸阅读：GA4中不同报告中的「活跃用户数」不一致

估算指标介绍

GA4里的估算值指标有会话数、活跃用户数、用户总数。

会话数

官方对会话数的定义是：GA4会估算唯一会话ID的数量，以此来计算发生的会话数。

BigQuery里的计算：ga_session_id 事件参数用于标识每个用户的唯一会话数。user_pseudo_id 和 ga_session_id 的组合在数据集内对唯一会话来说将是唯一的。这是GA4统计会话数的标准方法。对于会话数，precision 为 12。

SELECT
  HLL_COUNT.EXTRACT(
    HLL_COUNT.INIT(
      CONCAT(
        user_pseudo_id,
        (SELECT `value` FROM UNNEST(event_params) WHERE key = 'ga_session_id' LIMIT 1).int_value),
      12)) AS session_count,
FROM `table.events_*`

延伸阅读：深入理解 Google Analytics 4 中的会话

活跃用户数

活跃用户数是个估算值，它在不同报告中显示的值可能会不同。

BigQuery里的计算：首先需要对事件进行过滤，才能使系统仅显示活跃用户数。

WITH ActiveUsers AS
(
  SELECT
    user_pseudo_id
  FROM
    `table.events_*`
  WHERE
  (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'engagement_time_msec') > 0 OR (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'session_engaged') = '1' GROUP BY user_pseudo_id )
)
SELECT
  HLL_COUNT.EXTRACT(HLL_COUNT.INIT(user_pseudo_id, 14)) AS active_user_count,
FROM ActiveUsers

延伸阅读：GA4中不同报告中的「活跃用户数」不一致

用户总数

用戶总数是其实也是估算值。

BigQuery里的计算：

SELECT
  HLL_COUNT.EXTRACT(HLL_COUNT.INIT(user_pseudo_id, 14)) AS total_user_count,
FROM `table.events_*`

延伸阅读：Google Analytics 4 中识别用户的方式：身份空间