如何从BigQuery提取GA4会话级流量而非用户获取流量

GA4默认BigQuery导出的traffic_source字段组为用户首次获客维度属性，仅解析page_location全链路UTM参数无法和官方报表对齐，核心原因是GA4会话流量判定有固定逻辑，并非全链路取UTM值。以下是可直接落地的实现方案，完全匹配会话级、用户首次来源分维度统计需求：

方案1：优先使用原生会话流量字段（匹配度99%+，推荐） #

2022年底后创建的GA4 BQ导出，所有事件级表都自带collected_traffic_source字段组，该字段存储事件触发时的实时流量来源，不属于用户固定属性，是提取会话级流量的最优选择。

• 会话唯一标识用user_pseudo_id + ga_session_id（ga_session_id从event_params中取）
• 按会话维度聚合，取会话内时间最早的事件对应的collected_traffic_source下的manual_source/manual_medium/manual_campaign值，即为本次会话的流量来源
• 字段会自动解析Google Ads/AdWords的gclid、其他平台自动标记参数，不需要额外做映射
• 用户首次获客来源直接取用户维度最早事件的traffic_source.source/traffic_source.medium即可，和会话字段互不干扰

参考SQL实现：

WITH event_with_session_id AS (
  SELECT
    user_pseudo_id,
    event_timestamp,
    (SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'ga_session_id') AS session_id,
    collected_traffic_source,
    -- 取用户全生命周期最早的流量来源作为首次获客来源
    FIRST_VALUE(traffic_source.source) OVER (PARTITION BY user_pseudo_id ORDER BY event_timestamp ASC) AS first_acquisition_source,
    FIRST_VALUE(traffic_source.medium) OVER (PARTITION BY user_pseudo_id ORDER BY event_timestamp ASC) AS first_acquisition_medium
  FROM `你的GCP项目ID.GA4数据集名.events_*`
  WHERE _TABLE_SUFFIX BETWEEN '20230101' AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
),
session_with_traffic AS (
  SELECT
    user_pseudo_id,
    session_id,
    first_acquisition_source,
    first_acquisition_medium,
    -- 取单会话最早事件的流量来源作为会话来源
    FIRST_VALUE(collected_traffic_source.manual_source IGNORE NULLS) OVER (PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ASC) AS session_source,
    FIRST_VALUE(collected_traffic_source.manual_medium IGNORE NULLS) OVER (PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ASC) AS session_medium,
    FIRST_VALUE(collected_traffic_source.manual_campaign IGNORE NULLS) OVER (PARTITION BY user_pseudo_id, session_id ORDER BY event_timestamp ASC) AS session_campaign
  FROM event_with_session_id
  WHERE session_id IS NOT NULL
)
SELECT DISTINCT * FROM session_with_traffic

运行后即可匹配业务场景需求：用户首次从email到访，后续从google到访的会话，first_acquisition_source为email，session_source为google。

方案2：历史旧导出兼容方案 #

如果是2023年之前的历史导出表没有collected_traffic_source字段，按以下逻辑处理即可对齐官方报表：

• 不要解析会话内所有page_location的UTM参数，仅提取每个会话第一个事件（即session_start事件）对应的page_location中的UTM参数
• 额外识别自动标记参数：存在gclid则映射source=google、medium=cpc；存在fbclid则映射source=facebook、medium=cpc，无UTM无自动标记的流量归为direct
• 该方案和官方报表匹配度约95%，仅在跨域跳转、UTM参数丢失场景下存在少量误差

方案3：官方归因结果直接导出 #

如果需要对齐GA4后台的非最后点击、数据驱动等自定义归因模型的统计结果，不需要自行计算归因逻辑：

• 进入GA4后台BigQuery导出设置页，开启「会话归因数据导出」开关
• 导出完成后会生成独立的会话归因表，表内已经预置了GA4官方计算的各归因模型下的来源、媒介、活动字段，直接查询即可

常见避坑提示 #

• 不要直接用根级traffic_source字段做会话统计，该字段属于用户属性，只要用户不清除浏览器缓存、不更换设备，后续所有访问该字段值都不会更新，仅适合做首次获客维度统计
• 会话流量判定仅参考会话第一个命中的落地页参数，会话内页面跳转带的UTM参数不会覆盖当前会话的来源属性，这也是之前全链路解析page_location结果不对齐的核心原因

内容的提问来源于stack exchange，提问作者Tom Wu