Session (webbanalys)

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 17 juni 2021; kontroller kräver 4 redigeringar .

Definitionen av "session" ( engelska  Session ), eller "HTTP-session", varierar, särskilt i förhållande till sökmotorer [1] . Vanligtvis förstås en session som "en sekvens av förfrågningar gjorda av en slutklient (webbläsare, applikation, sökrobot, etc.) när du besöker en specifik värd" [2] . I samband med sökmotorer har "session" eller "frågesession" minst två definitioner [1] . I ordets breda bemärkelse är dessa alla förfrågningar gjorda av användaren under en viss tidsperiod [3] . I en snäv mening är en "session" i webbanalys en serie förfrågningar eller övergångar med ett konsekvent användarbehov.

Google Analytics använder konceptet " websession " [ 4] . Yandex.Metrica använder termen " session " eller " besök " [5] .

Beskrivning

Session är den grundläggande heuristiken för att bestämma historien för klient- och värdinteraktioner över HTTP-protokollet. Mekanismerna för sessioner och sessioner används i konstruktionen av heuristik på högre nivå, såsom användaren etc.

Sessionen skapas på den första begäran till värden (servern). När en klient kommer åt värden genererar den en sessionsidentifierare, som sedan används av klienten varje gång värden kontaktas så länge som sessionen existerar. På värdsidan kan olika logik för sessionsavslutning implementeras: till exempel att spara en session under lång tid, ta bort en session när en session slutar, öppna en ny session med varje övergång från en ny källa, öppna en ny session vid identifiering (inloggning), radering av en session efter en tidsperiod, etc. Om en klient kommer åt en värd med en inaktiv (t.ex. raderad eller markerad som inaktiv, inaktuell) sessionsidentifierare skapas en ny session. På klientsidan implementeras vanligtvis att bryta en HTTP-session genom att ta bort sessionsidentifieraren. Detta implementeras olika på olika kunder. I webbläsare görs detta i första hand genom att uppdatera eller radera cookies.

I vissa webbanalyssystem slutar sessionen när användaren inte utför nya åtgärder under en viss tid, till exempel i Google Analytics och Yandex.Metrica är standardinställningen 30 minuter.

Beräkningen av organiska sessioner på sajten och reklam är annorlunda. Varje annonsklick, oavsett användarens vistelse på webbplatsen, kommer att betraktas som ett nytt besök [6] . Dessutom kommer Google.Analytics alltid att betrakta en session som avslutad om klockan är midnatt, och efter midnatt anses en pågående session vara en ny [7] .

Applikation

Sessioner kan användas för webbanalysrapporter för att studera användarbeteende på webbplatser [8] . De studerade mätvärdena inkluderar sessionslängd [9] och användaråtgärder per session [10] . Sessionslängd ses som ett mer korrekt alternativ till antalet sidvisningar [11] [12] .

Sessionerna som har passerat på sajten används också för att mäta den totala användartrafiken, inklusive för att mäta antalet arbetstimmar som spenderas på skapandet av Wikipedia [13] . Sessioner används också för operationsanalys, dataanonymisering, upptäckt av nätverksavvikelser och generering av artificiell arbetsbelastning för att testa servrar med artificiell trafik [14] [15] .

Sessioner lagrar data om webbplatsen vid den tidpunkt då användaren interagerar med webbresursen via webbläsaren med hjälp av motsvarande nyckel [16] .

Genom att utvärdera webbplatstrafiken kan du bestämma kundernas engagemang, för detta bör du ta hänsyn till varaktigheten och frekvensen av besöken på webbplatsen, procentandelen upprepade besök, besökets längd, besökets bredd (procentandel av de som besökte sajten), samt försäljningsstatistik via sajten [17] .

Sessionsrekonstruktion

Webanalytiker studerar sessioner för att få nödvändig information om webbplatsen, och förmågan att identifiera sessioner spelar en viktig roll här. Möjligheten att rekonstruera en användares session kallas också för "sessionsåterställning". Tillvägagångssätt för återuppbyggnad av sessioner kan delas in i två huvudkategorier: tidsorienterade och navigationsorienterade [18] .

Den tidsbaserade metoden visar en viss period av användarinaktivitet, vilket kallas "inaktivitetströskeln". Och när användarinaktivitet inträffar antas det att han lämnade webbplatsen eller helt slutade använda webbläsaren och sessionen avslutades. Ytterligare förfrågningar från samma användare betraktas som en andra session. Det allmänna värdet för användarinaktivitetströskeln är 30 minuter [19] [20] . Vissa hävdar att en sessionsperiod på 30 minuter skapar artefakter kring naturligt långa sessioner och experimenterar med andra perioder [21] [22] . Andra hävdar att "det finns ingen tidsgräns som är effektiv för att upptäcka sessioner" [23] , det finns ett alternativ till "inaktivitetströskeln" på 30 minuter, vilket är att använda anpassade vistelseperioder på webbplatsen [24] [25] .

Den andra metoden som används för att studera användarsessionen är den navigeringscentrerade metoden . I det här fallet utnyttjar analytiker strukturen på webbplatser, särskilt närvaron av hyperlänkar och tendensen för användare att navigera mellan sidor på samma webbplats genom att klicka på dem utan att ange hela webbadressen i sin webbläsare [26] . Ett sätt att identifiera sessioner från denna data är att skapa en webbplatskarta: om första sidan av besöket kan fastställas fortsätter sessionen tills användaren är på en sida som inte kan nås från någon tidigare visade sida . Detta tar hänsyn till backtracking, när användaren kommer att granska sina steg innan han öppnar en ny sida [27] . En enklare variant som inte tar hänsyn till backtracking när varje begärans HTTP-hänvisning är en sida som redan var i sessionen [28] . Om det inte är det, behandlas sessionen som ny. Denna metod "visar mycket dålig prestanda" på webbplatser som innehåller ramuppsättningar [29] .

Se även

Anteckningar

  1. ↑ 1 2 Gayo-Avello, Daniel. En undersökning om sessionsdetekteringsmetoder i frågeloggar och ett förslag för framtida utvärdering // Informationsvetenskap. - 2009. - Nr 179 (12) . — S. 1822–1843 . — ISSN 0020-0255 . - doi : 10.1016/j.ins.2009.01.026 .
  2. ↑ Arlitt, Martin. Karakterisera  webbanvändarsessioner // SIGMETRICS Prestandautvärdering Granskning. - 2000. - Nr 28 (2) . — S. 50–63 . - doi : 10.1145/362883.362920 . Arkiverad 15 maj 2021.
  3. ↑ Donato, Debora; Bonchi, Francesco; Chi, Tom. Vill du göra anteckningar?: identifiera forskningsuppdrag i Yahoo! sökfältet // Proceedings of the 19th International Conference on World Wide Web. — 2010.
  4. ↑ Webbsessionsdefinition i Google Analytics - Google Analytics Hjälp . support.google.com. Hämtad 18 februari 2020. Arkiverad från originalet 17 mars 2020.
  5. ↑ Termer och definitioner - Metrika. Hjälp . yandex.ru. Hämtad 18 februari 2020. Arkiverad från originalet 18 februari 2020.
  6. ↑ Lektion 2: Grundläggande begrepp: visningar, besök, besökare . yandex.ru. Hämtad 5 mars 2020. Arkiverad från originalet 24 oktober 2019.
  7. ↑ Webbsessionsdefinition i Google Analytics - Google Analytics Hjälp . support.google.com. Hämtad 5 mars 2020. Arkiverad från originalet 17 mars 2020.
  8. ↑ Weischdel, Birgit; Huizingh, Eelko KRE Webbplatsoptimering med webbmätningar: en fallstudie . — Handlingar från den åttonde internationella konferensen om elektronisk handel. - 2006. - 463 sid. — ISBN 978-1595933928 . - doi : 10.1145/1151454.1151525 . Arkiverad 4 mars 2016 på Wayback Machine
  9. ↑ Jansen, Bernard J.; Spink, Amanda. Hur söker vi på webben? En jämförelse av nio transaktionsloggar för sökmotorer // Informationsbehandling och hantering. - 2006. - Nr 42 (1) . — S. 248–263 . — ISSN 0306-4573 . - doi : 10.1016/j.ipm.2004.10.007 .
  10. ↑ Jansen, Bernard J.; Spink, Amanda; Saracevic, Tefko. Verkliga livet, verkliga användare och verkliga behov: en studie och analys av användarfrågor på webben // Informationsbehandling och -hantering. - 2000. - Nr 36 (2) . — S. 207–227 . — ISSN 0306-4573 . - doi : 10.1016/S0306-4573(99)00056-4 .
  11. ↑ Khoo, Michael; Pagano, Joe; Washington, Anne L.; Recker, Mimi; Palmer, Bart; Donahue, Robert A. Använda webbmått för att analysera digitala bibliotek. — Handlingar från den åttonde ACM/IEEE-CS gemensamma konferensen om digitala bibliotek. — ACM, 2008.
  12. ↑ Catledge, L.; Pitkow, J. Characterizing surfing strategys in the world-wide web" (PDF) // Proceedings of the Third International World Wide Web Conference on Technology, Tools and Applications. - 1995. - Nr. 27 (6) . - P. 1065 -1073 - doi : 10.1016/0169-7552(95)00043-7 .
  13. ^ Geiger, R.S.; Halfaker, A. Använda redigeringssessioner för att mäta deltagande i Wikipedia // Proceedings of the 2013 ACM Conference on Computer Supported Cooperative Work. - ACM, 2014. - S. 861 . — ISSN 9781450313315 . - doi : 10.1145/2441776.2441873 .
  14. ↑ Meiss, Mark; Duncan, John; Gonçalves, Bruno; Ramasco, José J.; Menczer, Filippo. Vad finns i en session: Spåra individuellt beteende på webben  // Proceedings of the 20th ACM Conference on Hypertext and Hypermedia. - ACM, 2009. Arkiverad från originalet den 8 maj 2021.
  15. ↑ Arlitt, Martin. Karakterisera webbanvändarsessioner (PDF) // SIGMETRICS Prestandautvärdering Granskning. - 2000. - Nr 28 (2) . — S. 50–63 . - doi : 10.1145/362883.362920 .
  16. ↑ Manual del 7: Sessioner . MDN webbdokumentation. Hämtad 18 februari 2020. Arkiverad från originalet 18 februari 2020.
  17. ↑ Okolnishnikova I.Yu. Hur mäter man graden av kundengagemang i ett varumärke? // Ryskt företagande. — 2011.
  18. ↑ Spiliopoulou, Myra; Mobasher, Bamshad; Berendt, Bettina; Nakagawa, Miki. Ett ramverk för utvärdering av sessionsrekonstruktionsheuristik i webbanvändningsanalys // INFORMS Journal on Computing. - 2003. - Nr 15 (2) . — S. 171–190 . — ISSN 1526-5528 . - doi : 10.1287/ijoc.15.2.171.14445 .
  19. ↑ Ortega, JL; Aguillo, I. Skillnader mellan webbsessioner beroende på ursprunget till deras besök // Journal of Informetrics. - 2010. - Nr 4 (3) . — S. 331–337 . — ISSN 1751-157 . - doi : 10.1016/j.joi.2010.02.001 .
  20. ↑ Eickhoff, Carsten; Teevan, Jaime; White, Ryan; Dumais, Susan. Lärdomar från resan: En frågelogganalys av inlärning inom sessionen. — Proceedings of the Seventh International Conference on Web Search and Web Data Mining. - ACM, 2014. - S. 223-232. — ISBN 9781450323512 . - doi : 10.1145/2556195.2556217 .
  21. ↑ Mehrzadi, David; Feitelson, Dror G. Om att extrahera sessionsdata från aktivitetsloggar  // SYSTOR '12. ACM. - 2012. - ISSN 978-1-4503-1448-0 . doi : 10.1145 / 2367589.2367592 . Arkiverad från originalet den 20 september 2019.
  22. ↑ He, Daqing; Goker, Ayse; Harper, David J. Kombinera bevis för automatisk identifiering av webbsessioner // Informationsbehandling och hantering. - 2002. - Nr 38 (5) . — S. 727–742 . — ISSN 0306-4573 . - doi : 10.1016/S0306-4573(01)00060-7 .
  23. ↑ Jones, Rosie; Klinkner, Kristina Lisa. Bortom sessionstidsgränsen: Automatisk hierarkisk segmentering av sökämnen i frågeloggar doi. — ACM. - 2008. - 699 sid. — ISBN 9781595939913 . - doi : 10.1145/1458082.1458176 .
  24. ↑ Murray, G. Craig; Lin, Jimmy; Chowdhury, Abdur. Identifiering av användarsessioner med hierarkisk agglomerativ klustring  // Proceedings of the American Society for Information Science and Technology. - 2006. - Nr 43 (1) . — S. 1–9 . - doi : 10.1002/meet.14504301312 . Arkiverad från originalet den 21 september 2019.
  25. ↑ Mehrzadi, David; Feitelson, Dror G. Om att extrahera sessionsdata från aktivitetsloggar (PDF)  // SYSTOR '12. ACM.. - 2012. - ISBN 978-1-4503-1448-0 . doi : 10.1145 / 2367589.2367592 . Arkiverad från originalet den 20 september 2019.
  26. ↑ Spiliopoulou, Myra; Mobasher, Bamshad; Berendt, Bettina; Nakagawa, Miki. Ett ramverk för utvärdering av sessionsrekonstruktionsheuristik i webbanvändningsanalys // INFORMS Journal on Computing. - 2003. - Nr 15 (2) . — S. 171–190 . — ISSN 1526-5528 . - doi : 10.1287/ijoc.15.2.171.14445 .
  27. ↑ Cooley, Robert; Mobasher, Bamshad; Srivastava, Jaideep. Dataförberedelse för gruvbrytning av webbläsarmönster // Kunskaps- och informationssystem. - 1999. - Nr 1 (1) . - S. 19 . — ISSN 0219-3116 . - doi : 10.1007/BF03325089 .
  28. ↑ Cooley, Robert; Mobasher, Bamshad; Srivastava, Jaideep. Dataförberedelse för gruvning av webbläsarmönster (PDF) // Kunskaps- och informationssystem. - 1999. - 1 (1). — S. 5–32 . — ISSN 0219-3116 . - doi : 10.1007/BF03325089 .
  29. ↑ Berendt, Bettina; Mobasher, Bamshad; Nakagawa, Miki; Spiliopoulou, Myra. Inverkan av webbplatsstruktur och användarmiljö på sessionsrekonstruktion i webbanvändningsanalys (PDF) // WEBKDD 2002 - Utvinning av webbdata för att upptäcka användningsmönster och profiler. WEBKDD. Springer.. - 2003. - ISBN 978-3-540-39663-5 . - doi : 10.1007/978-3-540-39663-5_10 .