GA4与UA会话量差异及BigQuery查询结果不符问题排查

一、GA4 UI与BigQuery查询结果不符的核心原因 #

• 数据处理逻辑差异：GA4 UI会自动应用内置过滤（比如排除内部流量、测试数据）、数据采样、归因修正，还会整合离线回填数据；而BigQuery导出的是原始事件数据，不会默认做这些处理，需要手动添加过滤条件。
• 会话计算的细节差异：GA4 UI的会话统计严格遵循其规则（30分钟无活动自动结束、跨午夜拆分会话），还会处理异常数据（比如重复会话ID、缺失标识的用户）；你的查询直接拼接用户标识与会话ID，未考虑部分事件缺失ga_session_id参数的情况，也没处理用户标识为空的场景，导致部分会话未被统计。
• 数据完整性差异：GA4 UI的当日数据可能经过了延迟同步和补全，而BigQuery的实时导出数据可能存在部分事件还未完全写入的情况，导致统计结果偏低。

二、你的两个BigQuery查询语句的问题 #

• 基于user_pseudo_id的查询（结果175）：部分登录用户的user_pseudo_id和user_id对应同一个真实用户，若同一用户在会话中既有匿名又有登录状态，会被统计为两个不同会话；另外，部分事件可能缺失ga_session_id，子查询返回null，拼接后结果为null，不会被count(distinct)统计，导致会话数少算。
• 基于user_id的查询（结果278）：大量匿名用户没有user_id，这部分用户的会话会因为user_id为null，拼接后结果为null而被排除，直接漏掉了匿名用户的会话量，所以结果远低于GA4 UI的331。

三、UA与GA4会话量差异的额外说明 #

UA的104和GA4的331差异主要源于两者的会话定义完全不同：

• UA会话触发规则：30分钟无活动或用户来源/媒介变化时结束会话；GA4仅以30分钟无活动或跨午夜作为会话结束条件，触发会话的事件范围更广（比如自动收集的滚动、点击事件都会触发会话）。
• 用户追踪逻辑：UA依赖client_id，GA4使用user_pseudo_id+user_id的组合，跨设备追踪能力更强，会将同一用户的跨设备操作合并或拆分，导致会话统计差异。
• 数据收集范围：GA4默认自动收集更多事件类型，而UA需要手动配置，这也会让GA4统计到更多会话。

修正后的BigQuery会话统计语句 #

要对齐GA4 UI的会话统计，需要兼顾所有用户类型、过滤无效数据，示例语句如下：

SELECT
  COUNT(DISTINCT CONCAT(
    COALESCE(user_id, user_pseudo_id),  -- 优先用user_id，无则用user_pseudo_id
    '-',
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id')
  )) AS sessions
FROM
  `your-project-id.analytics_xxxxxx.events_20230321`
WHERE
  -- 仅统计包含会话ID的有效事件
  EXISTS (SELECT 1 FROM UNNEST(event_params) WHERE key = 'ga_session_id')
  -- 排除内部流量（如果GA4 UI已配置此过滤）
  AND (SELECT value.string_value FROM UNNEST(user_properties) WHERE key = 'internal_traffic') IS NULL
  -- 排除测试用户（可根据实际情况添加）
  AND user_pseudo_id NOT IN ('test-user-id-1', 'test-user-id-2')

内容的提问来源于stack exchange，提问作者Tian