ga_session_idとは、新規セッション毎に「session_start」イベントによって生成されるパラメーターでありINT型の値を持つ。また、名称としての「セッションID」と同義である。
手持ちのデータでの検証では ga_session_id は全てのイベントと紐づくことが確認できた。
Contents
セッションはuser_pseudo_idとga_session_idを組み合わせる
ga_session_id はユニークに計測することでセッション数の計算にも使われると公式ヘルプに記載があるが、注意点としては ga_session_id はユーザーを跨り同一の ga_session_id が使われることがある。そのため、単純に「ga_session_id」を集計しただけでは、正確なセッション数とはならないため、ユーザーIDとなる user_pseudo_id と組み合わせて集計する必要がある。
1 | CONCAT(user_pseudo_id, CAST((SELECT VALUE.int_value FROM UNNEST(event_params) WHERE KEY = 'ga_session_id') AS string)) AS sid |
「ga_session_id」の重複率 ga_session_id + user_pseudo_id VS ga_session_id
ユニークセッションを算出するには user_pseudo_id と組み合わせる必要があるが、この組み合わせたものと ga_session_id をユニークに集計したものでは、どれくらい違いが出るのかをBigQueryを用いて検証する。
検証方法としては手持ちのデータとなるためデータ量としては少なくなるが、日次と月次でga_session_id と user_pseudo_idを組み合わせたものと、ga_session_idの両方をユニークな件数をカウントし比較することで、両者の一致率と重複率の算出を行った。
検証用SQL
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | WITH prep1 AS ( SELECT event_date, user_pseudo_id, (SELECT VALUE.int_value FROM UNNEST(event_params) WHERE KEY = 'ga_session_id') AS ga_session_id FROM `データセットID.events_2023*` ), prep2 AS ( SELECT event_date, COUNT(DISTINCT CONCAT(user_pseudo_id, ga_session_id)) AS user_pseudo_id_ga_session_id FROM prep1 GROUP BY event_date ), prep3 AS ( SELECT event_date, COUNT(DISTINCT ga_session_id) AS ga_session_id FROM prep1 GROUP BY event_date ) SELECT event_date, user_pseudo_id_ga_session_id, ga_session_id, FROM prep2 LEFT JOIN prep3 USING(event_date) ORDER BY event_date ; |
検証結果
1．日次
2023年04月 一致率：99.7% 重複率：0.3%
2023年05月 一致率：99.8% 重複率：0.2%
2023年06月 一致率：99.9% 重複率：0.1%
2．月次
2023年04月 一致率：99.7% 重複率：0.3%
2023年05月 一致率：99.8% 重複率：0.2%
2023年06月 一致率：99.9% 重複率：0.1%
検証結果から、一致率は99％以上であるため、概算目的であれば ga_session_id 単体でもユニークセッションとして扱っても問題ないだろが、サイト規模が大きくなるのと比例して重複率は上がるものと推測される。ただ、BigQueryでSQLを組む際は user_pseudo_id と組み合わせない理由が特段ない場合を除いては、常に組み合わせて使った方がよいだろう。
