google-analytics - 谷歌分析 API : hour of event vs hour of session?

Question

假设我有以下疑问:

d1 = service.data().ga().get(
      ids='ga:xxxxxxx',
      start_date='2016-04-25',
      end_date='2016-05-14',
      metrics='ga:users',
      dimensions='ga:dimension1,ga:hour,ga:date',
      sort='-ga:date',
      start_index='1',
      max_results='1500').execute()

d2 = service.data().ga().get(
      ids='ga:xxxxxxx',
      start_date='2016-04-25',
      end_date='2016-05-14',
      metrics='ga:uniqueEvents',
      dimensions='ga:dimension1,ga:eventCategory,ga:eventAction,ga:eventLabel,ga:date,ga:hour',
      sort='-ga:date',
      start_index='1',
      max_results='1500').execute()

ga:dimension1正在填充每个用户唯一的用户范围的客户端 ID。

目标是加入d1和d2上ga:date , ga:hour ，和ga:dimension1 .

但假设用户在 10 点开始 session ，并在 12 点触发事件。d1会给出 hour = 10，但会 d2给出小时 = 10 或 12？

Answer 1

事件将获取事件发生的小时，即 d2 在您的示例中将给出 hour=12。

解决这个问题的方法是在查询中添加维度 ga:sessionDurationBucket，该维度以秒为单位给出 session 的持续时间(请参阅 here )。我不确定你使用什么语言来访问 api，无论如何我不会发布代码，而只会发布解决问题的步骤。 (我使用 R，当然，如果您认为有帮助，我可以发布我的代码)。

• 我根据 ga:date、ga:hour 和 ga:min 为每条记录构建时间戳

• 我按 ga:dimension1 和 ga:sessionDurationBucket 对记录进行分组

• 对于每个组，在循环中:(a) 获取较旧的时间戳，并添加 session 持续时间 (ga:sessionDurationBucket/60+1)/(60* 24) 要获取“最后”时间戳，(b) 我将从 session 的第一个时间戳到最后一个时间戳的所有记录分配给 session ，并且 (c) 如果还有剩余记录，则新的第一个时间戳是旧时间戳这些剩余的记录，然后我转到 (a)

• 循环之后，“所有”寄存器都分配给一个 session ，然后我进行处理(我将所有寄存器放在引号之间，因为进程中可能有一些寄存器我无法分配，但通常数量可以忽略不计) )

我希望它足够清楚并且有帮助。如果您认为它有用，我可以发布 R 代码，或者如果您告诉我您使用哪种编程语言，我可以尝试重写它...

<小时/>

注释后添加:R 中的示例代码

我正在使用 RGoogleAnalytics 库，这是我运行的查询(请注意，在本例中我不使用 dimension1，因为我正在使用的网站确实没有设置):

query.coll.d <- Init(start.date=start_date.d,
                     end.date=end_date.d,
                     dimensions=c("ga:date",
                                  "ga:hour",
                                  "ga:minute",
                                  "ga:sourceMedium",
                                  "ga:pagePath",
                                  "ga:previousPagePath",
                                  "ga:sessionDurationBucket"),
                     metrics=c("ga:sessions",
                               "ga:pageviews",
                               "ga:newUsers"),
                     table.id="ga:XXX view id XXX",
                     sort="-ga:date,-ga:hour,-ga:minute",
                     max.results = 20000)

ga.query.d <- QueryBuilder(query.coll.d)
ga.data.coll.d <- GetReportData(ga.query.d, token, paginate_query=TRUE)

据此，我构建了时间戳(请注意，GA 不提供秒)，

require(chron)
ga.data.coll.d$datetime <- chron(ga.data.coll.d$date, paste(ga.data.coll.d$hour,
                                                            ga.data.coll.d$minute,
                                                            '00',
                                                            sep=":"),
                                 format=c("ymd","h:m:s"))

这是一个使用全局变量创建唯一 userId 的函数，以便我稍后可以在函数中使用它。

userId <- 1
getNewId <- function() {
  current <- get("userId", envir = .GlobalEnv)
  current <- current + 1
  assign("userId", current, envir = .GlobalEnv)
  return(current)
}

这是我根据上面尝试描述的算法处理分组结果的函数，其中 sessionDurationBucket 是一个整数，datetimes 和sessions 是 session 列表和分组依据的时间戳。

one_minute <- 1/(60*24)
setUserId <- function(datetimes, sessions, sessionDurationBucket) {
  if (length(datetimes) == 1) {
    # just one row received
    return(getNewId())
  }
  if (sum(sessions) == 1) {
    # just one session, all rows belong to the same user
    return(getNewId())
  }
  users <- rep(NA, length(datetimes))
  if (sessionDurationBucket == 0) {
    # sessions of 1 page and length 0 => assign a user per session
    for (i in 1:length(datetimes)) {
      users[i] <- getNewId()
    }
    return(users)
  }
  # general case
  minutes <- ceiling(as.numeric(sessionDurationBucket)/60) + 1
  i <- 1
  while(TRUE) {
    index_lag <- (datetimes >= datetimes[i] - minutes*one_minute) & is.na(users)
    sessions_lag <- sum(sessions[index_lag])
    if (sessions_lag == 1) {
      users[index_lag] <- getNewId()
    } else {
      # two or more sessions mixed together
      users[index_lag] <- 0
    }
    # look for remaining users (without id yet)
    rem_users <- which(is.na(users))
    if (length(rem_users) == 0) {
      break
    }
    i <- min(rem_users)
  }
  return(users)
}

我使用 data.table 来运行分组并创建新列(请注意，在您的情况下，您可以使用 dimension1 而不是 sourceMedium 在分组依据中)。另请注意，它假设寄存器按日期逆序排列，这是在 GA 查询中完成的。

require(data.table)
ga.data.coll.dt <- data.table(ga.data.coll.d)
ga.data.coll.dt[, userId:=setUserId(datetime, sessions, sessionDurationBucket), by=list(sessionDurationBucket, sourceMedium)]

最后，我删除了所有 userId 等于 0 的寄存器，因为对于那些寄存器，上面的代码无法解析 session 。就我而言，这个数字可以忽略不计。

我实际上打算在我的简陋博客中写一篇文章，包括更多解释，但直到月底我才能做到......希望它有所帮助。