如何计算对接BigQuery的GA4中各页面的Engagement Rate？

问题根源 #

你的代码出现超过100%的核心原因是：

• 同一个会话（user_pseudo_id + ga_session_id）在同一页面可能有多条记录（如页面刷新、交互事件触发），直接对session_engaged求和会重复统计同一个engaged会话，导致engaged_session_nums虚高。
• GA4中页面级Engagement Rate的定义是：访问过该页面的会话中，属于engaged会话的数量 ÷ 访问过该页面的总会话数 × 100%，每个会话在每个页面仅需统计一次。

修正后的代码 #

# 1. 生成唯一会话标识（用下划线分隔避免字符串拼接冲突）
df['session_id'] = df['user_pseudo_id'] + '_' + df['ga_session_id'].astype(str)

# 2. 标记每个会话的engaged状态（同一个会话的session_engaged值统一，取第一个即可）
df['session_is_engaged'] = df.groupby('session_id')['session_engaged'].transform('first')

# 3. 去重页面-会话组合，避免同一页面下的同一会话被重复统计
unique_page_session = df[['page_location', 'session_id', 'session_is_engaged']].drop_duplicates()

# 4. 按页面分组计算核心指标
page_engagement = unique_page_session.groupby('page_location').agg(
    total_session_nums=('session_id', 'count'),
    engaged_session_nums=('session_is_engaged', 'sum')
).reset_index()

# 5. 计算Engagement Rate
page_engagement['engagement_rate'] = (page_engagement['engaged_session_nums'] / page_engagement['total_session_nums']) * 100

# 可选：保留两位小数，和GA4报表格式对齐
page_engagement['engagement_rate'] = page_engagement['engagement_rate'].round(2)

关键说明 #

• 会话去重：通过drop_duplicates()确保每个页面-会话组合仅统计一次，彻底解决重复计数问题。
• 会话状态标记：利用groupby.transform为同一会话的所有记录统一标记engaged状态，保证会话状态的一致性。
• 指标计算逻辑：total_session_nums是访问过该页面的唯一会话数，engaged_session_nums是这些会话中engaged的数量，完全匹配GA4的定义。

这样计算出来的结果就会和GA4报表的数值一致，不会出现超过100%的异常情况。

内容的提问来源于stack exchange，提问作者Xiang