基于活动日志估算用户单程序使用时长

核心逻辑实现（R语言） #

针对你提出的规则，这里提供基于dplyr的分组处理实现，适配POSIXct时间戳与difftime类型差值：

library(dplyr)

# 模拟与你的日志格式对齐的数据结构
log_data <- tibble(
  user_id = c(1,1,1,1,2,2),
  event_time = as.POSIXct(c("2024-05-20 10:00:00", "2024-05-20 10:00:15", 
                            "2024-05-20 10:02:00", "2024-05-20 10:02:03",
                            "2024-05-20 11:05:00", "2024-05-20 11:06:10")),
  time_diff = as.difftime(c(NA, 15, 105, 3, NA, 70), units = "secs")
)

# 按用户分组计算会话时长
session_duration <- log_data %>%
  group_by(user_id) %>%
  arrange(event_time) %>%
  # 标记会话分组：时间差为空（首条日志）或超60秒时开启新会话
  mutate(session_id = cumsum(is.na(time_diff) | time_diff > 60)) %>%
  # 计算每个会话的累计时长
  group_by(user_id, session_id) %>%
  summarise(
    session_length = case_when(
      n() == 1 ~ 5,  # 单条日志会话默认计5秒
      TRUE ~ sum(time_diff[!is.na(time_diff) & time_diff <= 60])
    ),
    .groups = "drop"
  )

print(session_duration)

代码说明 #

• 先按用户分组并按时间排序，确保日志时序正确
• 用cumsum生成会话ID：当时间差为空或超过60秒时，会话ID递增，完成会话划分
• 单条日志直接赋值5秒；多条日志仅累加符合条件（≤60秒）的时间差

更优估算方案征集 #

以下几个方向可优化时长估算的准确性，欢迎补充讨论：

• 动态超时阈值：根据用户历史行为调整超时时间（比如高频操作用户设更短阈值，低频用户设更长）
• 操作权重赋值：不同类型的日志（如点击、输入、浏览）对应不同基础时长，替代统一的5秒默认值
• 收尾会话补全：最后一条日志后若未触发超时，可按固定时长（如30秒）或用户平均操作间隔补全会话时长
• 异常日志修正：处理时间戳乱序、重复日志等异常情况，避免会话划分错误
• 滑动窗口统计：用滑动窗口计算用户活跃时段，结合停留时长模型（如幂律分布）优化估算

数据片段与预期输出 #

输入数据片段 #

预期输出 #

内容的提问来源于stack exchange，提问作者Mathias