中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：最近在工作過程中，發現有不少業務同事對于用戶行為分析中的 Session 分析非常感興趣，但是對于這個分析方法的定義和運用場景存在很多誤解。于是筆者打算寫一篇針對 Session 分析的專題講解，希望能給各位小伙伴帶來思考和收獲。

一、定義

Session 翻譯過來是“會話”，簡單來說就是用戶在APP/小程序/官網等平臺上進行瀏覽/點擊/滑動等行為聚合成的序列（以下以 APP 為例，所有場景都可以運用到小程序和網頁端）。

類比在電商平臺購物時的場景，當我們點擊并打開客服聊天框時，就進入了和客服的 “會話”，我們會向客服詢問產品的情況或投訴，只有我們主動結束和客服的溝通，或在一段時間內我們沒有繼續向客服發消息時，客服才會發來 “滿意度邀請”，此次 “會話” 就結束了。

用戶啟動 APP 后在 APP 上的一系列操作和互動，也可以看作是用戶和 APP 的 “會話”，即使是用戶短暫放下手機去做別的事，只要在后面又重新打開 APP 進行操作，此次 “會話” 就沒有結束，除非用戶離開的時間超過了閾值，“會話” 就會自動結束。

二、Session存在的意義

有的小伙伴可能會問，既然要分析用戶的行為序列，為什么不直接對用戶從打開到退出 APP 的行為鏈條整體和鏈條中的各個事件進行分析，而是要創造出 Session 這個概念呢？下面給出一個例子。

在上圖中，這個用戶在上班路上打開了 APP，逛了一會后就退出了 APP。在下班回家后打開了 APP，逛了一會后放下手機，用一分鐘倒了一杯水，接著回來又打開了 APP 繼續瀏覽，直到最后退出了 APP。

如果簡單使用 “打開-退出 APP” 作為行為序列的切割標準，該用戶在上班路上使用 APP 的深度比回家后高（可以計算圖中從打開 APP 到退出 APP 中出現的 “圓圈” 的個數計算用戶從打開到退出過程中與 APP 的互動深度）。

但是實際上并不是如此，用戶在第一次退出 APP 后只是起身倒了一杯水，并沒有結束與 APP 的互動。如果輕易得出了 “上班時段的使用深度高于回家之后” 的錯誤結論，將會誤導業務同事，嚴重的話可能會導致其做出錯誤的決策。反之，Session 可以將回家后的兩段貌似 “割裂的” 行為序列進行合并，從而揭開用戶在一段時間內所做的行為和背后的動機。

三、Session的“切割”原理

回到剛才的例子，既然不是粗暴地以 “打開 – 退出 APP” 作為用戶行為序列的切割標準，那應該以什么標準切割用戶在 APP 上的行為鏈條呢？

這就要引入一個 “切割時間” 的概念。在第一部分的時候筆者提到 ，“除非用戶離開 APP 的時間超過了閾值，‘會話’ 就會自動結束”，這個 “閾值” 便是 “切割時間”。

再舉個簡單的例子，假設我們設定切割時間為 5 分鐘，那么就代表著如果用戶在做了某個行為 5 分鐘后沒有任何其他動作，前面的 “會話” 便會被 “切割” 并結束。

另外，在某些情況下，我們也可以設置特定的 “會話” 開始和結束事件，一旦用戶做了某個操作就會自動開始/結束 “會話”。

四、Session中可以分析的指標

1.“會話” 的個數

還是回到剛才的例子，在上述場景中，這個用戶該天有 2 個會話，代表著這個用戶該天在 APP 上有 2 段 “訪問” 記錄。當然，我們希望 “會話” 的個數越多越好，這個指標越高代表用戶對 APP 粘性越高。

2.“會話” 的深度

上圖是某個用戶的某次 “會話”（假設該 “會話” 中只記錄了 APP 的頁面瀏覽以及打開和退出），想要計算 “會話” 的深度，只需要數該行為序列中 “圓圈”（發生的事件）的個數。

上圖的會話中 “圓圈” 有 6 個，代表這個 “會話” 的深度是 6。這個指標的使用場景一般是計算用戶的每次 “會話” 或人均瀏覽深度。我們把用戶的瀏覽行為單獨挑出來，重新根據時間排序串成新的行為序列，并根據切割規則切割成一個個 “會話”，即可計算每個 “會話” 的深度（用戶每次訪問的頁面瀏覽數），并進行每次 “會話” 或每個用戶的平均數計算。

3.“會話” 的跳出率

上圖中，該用戶共有 4 次 “會話”，其中有兩次 “會話” 只啟動了 APP，后續就沒有做任何動作，這兩個 “會話” 的深度就是 1。

跳出率的計算方法就是拿深度為 1 的 “會話” 個數除以總的 “會話” 個數，由此可得，上圖的 “會話” 跳出率便是 2 除以 4 等于二分之一。該指標為負向指標，越高就說明用戶對于 APP 不是很感興趣，啟動了之后就不會再做任何后續的操作。

4.“會話” 內部各事件的屬性

以上指標都是對 “會話” 本身的分析。實際上，我們還可以對會話中的每個事件進行分析，例如最常見的頁面平均瀏覽時長，就可以通過 “會話” 中每個事件發生的時間進行計算。

五、案例：渠道投放效果分析

在渠道投放過程中，渠道落地頁作為用戶點擊渠道鏈接后進來的第一個頁面，起到了重要的 “第一印象” 的作用，直接決定用戶接下來是否會與 APP 交互。

我們平時在分析渠道效果時，會分不同渠道看渠道落地頁 PV、UV 等常規指標。但是，前面所說的頁面跳出率也可以用于評估渠道效果，即用戶看到渠道落地頁就 “跳出” 沒有做接下來的操作的比例。

假如下圖是統計出來的分渠道的落地頁 PV、UV 和跳出率數據（全部為模擬數據，僅供講解使用）。

在上圖中，我們發現 xxx 渠道來的 PV、UV 很高，但是跳出率很高。很多從 xxx 渠道進來的用戶看到此落地頁就直接離開了，可能是因為該渠道帶來的用戶質量太差，抑或是落地頁本身有問題。雖然 yyy 渠道 PV、UV 不如 xxx 渠道，但是跳出率很低，大多數從 yyy 渠道進來的用戶都會被落地頁吸引并做接下來的操作。

那如何確定到底是渠道本身帶來的流量問題，還是落地頁設計的問題呢？

我們可以拿自然流量帶來的渠道落地頁 PV、UV 和跳出率做比較，因為自然流量往往質量較好（愿意通過各種方式主動點進來看的用戶肯定是意向度較高的）。

如果連自然流量的跳出率都很高，說明該落地頁的設計本身就有問題，如果自然流量的落地頁跳出率很低，說明是 xxx 渠道帶來的流量質量有問題。

六、小結

以上是筆者基于過往工作經驗所總結的方法論，受制于個人經驗可能有不完善的地方，歡迎大家批評指正，也歡迎感興趣的小伙伴與我作進一步交流。

小插曲

我在參加人人都是產品經理2021年度作者評選，希望喜歡我的文章的朋友都能來支持我一下~

點擊下方鏈接進入我的個人參選頁面，點擊紅心即可為我投票。

每人最多可投3票，投票即有機會獲得百萬驚喜禮品&起點課堂千元豪禮哦！

投票傳送門：http://996.pm/7lJpP

作者：Albert，就職于某知名大數據服務公司；專注于數據產品、數據埋點和用戶行為數據分析；“數據人創作者聯盟”成員。

本文由@一個數據人的自留地 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。