定義
進入正題前，我們先以一個典型場景來引出本文的主角。
如果把網站或 APP 比喻成一個商場，那互聯網用戶的行爲就如同逛街的顧客，他們從商場任意一扇門進入，然後東逛逛西瞅瞅，有的意興闌珊很快就離開了商場，有的興致不錯買了一些商品後才離開。
對於商場而言，顧客一系列的行爲是一次來訪，同理，對於網站或 APP 來說，用戶一系列的行爲，也是一次訪問。
市面上，類似的定義，我們就稱之爲 Session 或 Visit。
意義
用戶行爲往往是單點發生的，即在什麼時間什麼地點幹了一件什麼樣的事，也就是我們熟知的4W1H模型：
- Who：誰
- When：時間
- Where：地點
- How：如何
- What：具體事件
基於這樣用戶角度的行爲記錄，無論是一個商場，還是一個網站或 APP ，就可以知道他們的用戶都具體幹了些什麼事情，比如什麼時間進入，什麼時間買了什麼東西等等。
但是，還有一類需求，單點記錄的方式並不能很好的滿足，比如：
- 用戶平均會來幾次？
- 每次平均逛了幾個頁面？
- 每次來平均待多久？
- 某個具體頁面用戶平均停留多長時間？
可以發現，類似需求，都需要把用戶單點發生的行爲串聯起來形成一個整體，並在此基礎上進行計算後才能得到。
這樣的連續行爲整體，就是我們已定義好的 Session 概念，而解決類似的分析需求正是 Session 之於用戶行爲分析最大的意義。
組成
鋪墊完 Session 的定義和意義後，我們來講下 Session 實際的組成。接着上面的場景，我們舉兩個更具體的例子：
用戶A打開神策官網，很認真的看了10分鐘後，接了個女朋友電話，一打就一個小時過去了，然後重新回到電腦前，點擊之前未關閉的網頁繼續瀏覽
這種情況或更多類似的複雜情況，用戶A的 Session 該算幾次？
用戶B啓動聚美優品的 APP，先點擊了首頁 Banner 廣告，然後瀏覽了四五個頁面，接着使用了搜索功能，看了一個搜索結果頁後，把 APP 切換到了後臺；過了五分鐘，重新切換回來後，又點開搜索結果頁旁邊的推薦鏈接瀏覽，看完還是沒有心動，直接關掉了 APP
像這種情況，用戶B產生了幾次 Session ？每個 Session 裏都包含哪些行爲？中間的搜索結果頁用戶停留了多長時間？
可以看到，對於 Session 的理解以及相關指標的計算，主觀上好理解，但一旦落實到具體數據的採集和計算，這對於一款數據統計和分析工具而言，便不再那麼容易，而其中最重要的兩塊就是：
- Session 應該包含哪些行爲事件
- Session 如何切割：需設定切割時長，即相鄰事件間的時間間隔超出此時長，則進行切割
歷史
參照 Session 的組成，我們來分析下傳統統計工具，比如百度統計、谷歌分析等，是如何定義 Session 並進行相關指標的計算。
我們以電商一次典型的購買流程爲例，用戶C做了如下的行爲：
可以看到，用戶的行爲裏既有查看首頁、商品頁、訂單頁等頁面瀏覽型動作，也有如點擊搜索、點擊加入購物車和支付等交互動作。同時，不同的動作間，發生的時間間隔不一。
下面我們就以 Session 組成的兩個部分分開來看：
1. Session 事件
在這一層，對於傳統統計工具而言，由於默認只會採集頁面瀏覽型動作，所以 Session 的組成也只會包含瀏覽頁面事件，在這個場景裏，用戶C的 Session 內只有瀏覽首頁、商品頁和訂單頁三個事件。
受制於此，最大的問題就是某些頁面的停留時長計算會偏離理想狀態：
用戶C在商品頁上的停留時長，理想的情況應該是點擊加入購物車的時間點減去商品頁打開的時間點，即 Tc；而由於傳統統計工具的 Session 不包含加入購物車事件，所以商品頁的停留時長變成了訂單頁打開的時間點減去商品頁的打開時間點，即 Td。
2. Session 切割
這一層，我們以用戶C打開首頁後爲例，目前是間隔2分鐘後，用戶C進行了搜索的動作。
對於傳統統計工具而言，Session 的切割時長一般爲固定值，比如PC 端默認30分鐘，APP 端一分鐘。這樣區分的話，C用戶如果是用的 PC 端，那首頁的停留時長爲Ta；而如果用的是 APP，Session 既已做了切割，此刻首頁的時長是多少呢？
假設打開首頁後，用戶C將 APP 切換到了後臺，然後經過不同的時間再切換回來進行了搜索，比如59秒和2分鐘的切換，這對於傳統統計工具而言，都會產生不一樣的 Session 切割和時間計算。
對於間隔2分鐘的情況，不管是切換至後臺還是別的，傳統統計工具由於限定了切割時長爲1分鐘，所以 Session 切割爲兩次，打開首頁這次Session即爲所謂的跳出 Session，停留時長以0來計算。
以上。傳統工具對於 Session 的定義，最大的問題就是一刀切，限定死了 Session 事件的組成以及切割時長，這導致的最大問題便是無法滿足不同行業不同產品對於 Session 的分析需求。
不管是按行業，電商、互聯網金融、媒體等，還是按產品，交易型、功能型、閱讀型，對於用戶行爲的分析都會千差萬別，這也對 Session 的定義提出了更靈活的要求。
實踐
定義 Session
Session 創建功能：
- 可以根據自身業務，靈活選擇想要加入 Session 中的事件：可以是全部事件，可以只包含瀏覽頁面，也可以任意選擇添加。
- 可以根據自身業務，靈活設置切割規則，我們提供了分鐘和小時兩種級別的切割時長設置。
分析 Session
當創建完 Session 後，通過神策分析的 Session 分析功能，用戶可以非常快速的查看 Session 相關的一系列指標，我們以下面幾個典型需求作爲例子來講解：
Session 整體相關指標
1.平均使用時長
定義：等於所有用戶的 Session 時長之和除以 Session 數。 
1.2 選擇 Session 總體
1.3 選擇相應指標
2.平均交互深度
定義：等於所有 Session 內事件數之和除以總的 Session 數。 
2.2 選擇 Session 總體
2.3 選擇相應指標
3.人均訪問次數
定義：等於 Session 總數除以唯一身份用戶數。 如上圖，只要選擇“人均 Session 次數”即爲人均訪問次數。
4.跳出率
定義：當一個 Session 僅有一個事件時，即視爲跳出，一般情況這個事件以瀏覽頁面居多。所以 Session 整體跳出率等於跳出的 Session 數除以 Session 總數，而具體事件或頁面的跳出率，可以按屬性查看或篩選得出。 
4.2 選擇 Session 總體
4.3 選擇相應指標
4.4 可以選擇屬性分組
4.5 可以進行屬性篩選
Session 事件相關指標
1.頁面平均停留時長
定義：等於頁面停留時長的總和除以頁面被瀏覽的觸發數。
2.頁面退出率
定義：當用戶在某個頁面結束了該 Session 時即視爲退出，所以頁面退出率等於退出的頁面數除以該頁面的總瀏覽次數。 
2.2 選擇 Session 內具體的事件
2.3 選擇相應指標
2.4 可以選擇屬性分組
2.5 可以進行屬性篩選
Session 轉化分析
營銷推廣中一個非常典型的需求就是需要知道不同渠道帶來的註冊、購買等轉化情況，該需求本質上，就是需要界定 Session，然後按渠道屬性查看註冊、購買等事件的轉化數量： 
1.2 選擇 Session 內具體的轉化事件
1.3 選擇相應指標
1.4 選擇渠道屬性分組查看
這樣我們即能知道不同渠道過來的註冊轉化數據。
神策Session分析與傳統Session分析相比的優勢
接下來我們用以上幾個用戶的用戶行爲來舉例說明傳統Session和神策Session是如何切割的，以及神策Session切割展示出來的優勢
1.切割時長靈活設置
用戶A打開神策官網，很認真的看了10分鐘後，接了個女朋友電話，一打就一個小時過去了，然後重新回到電腦前，點擊之前未關閉的網頁繼續瀏覽
這種情況或更多類似的複雜情況，用戶A的 Session 該算幾次？
傳統Session切割規則：用戶無行爲超過30分鐘則進行切割
用戶A從訪問網站開始計第一個Session，用戶訪問10分鐘之後跟女朋友打了一個小時的電話，即用戶從第10分鐘開始，在網頁已沒有任何行爲累計一個小時，根據Session切割規則，Session會在用戶A在跟女朋友打電話第30分鐘的時間切割，當用戶打完電話繼續訪問網站時，Session另外計，如下圖所示
但是，某些網站的特徵是訪問時間比較長時，傳統30分鐘的切割方式並不能合理切割，例如，用戶A訪問的是愛奇藝視頻網站，他在瀏覽網站10分鐘後，選擇一部電影播放，期間邊跟女朋友打電話邊看電影一個小時，之後繼續瀏覽網站，此情況下如果Session按30分鐘切割，會造成計算Session時長偏短，Session深度偏低，以及Session數偏高，計算結果不能反應真實情況。
神策Session切割規則：可靈活選擇切割時長
假設我們的切割時長爲設置爲一個小時或者45分鐘，則Session切割如下： 
2.靈活選擇參與切割的事件
用戶B啓動聚美優品的 APP，先點擊了首頁 Banner 廣告，然後瀏覽了四五個頁面，接着使用了搜索功能，看了一個搜索結果頁後，把 APP 切換到了後臺；過了五分鐘，重新切換回來後，又點開搜索結果頁旁邊的推薦鏈接瀏覽，看完還是沒有心動，直接關掉了 APP
像這種情況，用戶B產生了幾次 Session ？每個 Session 裏都包含哪些行爲？中間的搜索結果頁用戶停留了多長時間？
神策分析的Session切割優勢除了能夠對Session切割時長進行自定義，還能對參與切割的事件進行自定義，如上圖所示，假設把神策的Session切割時長設置爲3m，且所有事件參與Session切割，則切割結果如上圖所示，明顯Session切割結果更能反應實際結果。
Session 分析對於用戶行爲分析來說，是非常重要的一部分，神策分析除了提供較爲靈活的 Session 定義和指標計算外，還能結合自身強大的維度篩選和分組功能，來滿足用戶愈加深度的行爲分析需求。