在 BigQuery 中，我们可以访问所有原始数据，从而计算几乎所有需要的指标。一些关键字段包括：
- Engagement_time_msec 参数：这是 GA4 用于计算“用户扩展”指标的基础数据。使用该参数可以获得与 GA4 非常相似的时间，但查询会变得更加复杂（您必须从参数中提取该参数并将其赋值给其上一个事件）。
- event_timestamp：事件发生的准确时间戳，以自 1970 年 1 月 1 日以来的微秒数表示。例如，1625097600000000。这是在 BigQuery 中 巴西电话号码数据 工作最舒适的方式（测量一个时间戳与另一个时间戳之间的时间），但如果您使用它，您将失去 GA4 提供的额外功能，因为它仅测量用户实际打开页面的时间，这将使您的时间更长。
- event_previous_timestamp：前一个事件的时间戳，用于计算事件之间的时间间隔。用event_timestamp减去此值即可得出两个事件之间相隔的时间。
- user_first_engagement：表示首次用户交互事件。它有助于我们了解首次交互与后续事件之间经过了多长时间。
- event_offset：批量发送事件时的偏移量（以毫秒为单位）。这对于调整已记录但未立即发送的事件的时间非常有用。
利用这些数据，我们可以进行高级分析，尽管这需要技术知识和 SQL 经验。例如，我们可以计算用户从首次访问到完成转化的平均时间。
我们可以使用交互时间指标执行的分析类型
现在我们了解了可用的指标，是时候探索我们可以在 GA4 中执行的不同类型的分析，以最大限度地延长参与时间。
宏观视野
在本部分中，我们将使用全局指标来概览我们网站或应用上的用户行为。这些指标有助于我们了解总体趋势并确定需要关注的领域。
例如，我们可以分析每位活跃用户的平均互动时长，以评估整体参与度。如果平均互动时长较高，则表明用户认为我们的内容很有价值。
我们还可以使用用户或会话维度来细分这些数据：
- 按设备：比较移动设备、平板电脑和桌面用户 几乎不可能想象医生脖子上不挂听诊器 的互动时间。例如，我们可能会发现桌面用户与网站互动的时间比移动用户更长，这可能表明桌面体验更好，或者需要针对移动设备进行优化。
- 按流量来源：评估不同的广告系列或渠道如何影响互动时长。如果某个广告系列的用户互动时长较长，我们可以推断该广告系列吸引了更多优质流量。
- 按地理位置：确定参与度较高或较低的市场。如果某些国家/地区的参与时间较短，我们可以调查是否存在需要解决的语言或文化障碍。
这使我们能够做出战略决策，例如将资源集中在能够产生最多参与度的设备或渠道上。
用户流程分析
这时，漏斗就派上用场了，它可以衡量用户旅程中特定步骤之间的时间。与会话级分析不同，在 GA4 中，这些漏斗是在用户级别进行分析的，这意味着我们可以看到用户从一个步骤到下一个步骤所需的时间，即使需要几天或几周。
GA4 漏斗报告（位于资源管理器区域）不仅允许您定义具体的步骤来查看每个步骤的用户百分比。它还有一个神奇的选项，允许您显示每个步骤之间的时间：
激活此选项后，我们可以将此报告用作时间跟踪器。我们只需详细说明两个步骤，即可查看用户从一个步骤到下一个步骤所需的时间（请务必记住，我们讨论的是用户，因此我们可以看到超过一天的时间）。
这对于理解成熟或考虑过程特别有用，例如：
- 电子商务：从用户浏览商品到购买商品的时间。 上次审核 例如，如果我们发现平均时间为 3 天，就可以在此时间范围内规划再营销活动。
- 酒店：预订窗口，我们可以分析用户从搜索空房到预订所需的时间。如果我们发现平均时间为 7 天，我们就可以发送优惠或提醒，鼓励预订。
- 服务：从用户表现出兴趣到购买服务的时间。在专业服务领域，交付周期可能更长，了解这段时间可以帮助我们在关键时刻与用户保持联系。
利用这些信息，我们可以制定再营销策略或调整我们的沟通方式，以缩短决策时间并提高转化率。
电子商务示例：
假设用户从浏览商品到实际购买平均需要三天时间。我们可以利用这些数据来：
- 第二天发送个性化电子邮件，提醒用户他们查看过的产品。
- 提供限时折扣或促销以鼓励购买。
- 在社交媒体上针对那些尚未决定的用户实施再营销活动。
服务中的示例：
假设您提供咨询服务，并注意到用户从访问您的服务页面到请求咨询大约需要两周时间。有了这些信息，您可以：
- 创建额外的内容，例如案例研究或推荐，并在此成熟期内自动发送给用户。
- 通过电子邮件营销安排个性化跟进以解决任何问题。
- 如果用户在一定时间后仍未取得进展，则提供免费咨询。
使用受众触发器
一种高级方法是使用受众触发器，在用户进入特定受众群体时生成事件。这使我们能够衡量用户从一个受众群体转换到另一个受众群体所需的时间，从而提供更具战略性的洞察。
例如，我们可以创建：
- 受众A：已经阅读过您的第一篇文章的用户。
- 受众 B：阅读了几篇文章或在网站上花费了一些时间后成为“重度读者”的用户。
通过设置在用户进入这些受众时生成事件的触发器，我们可以衡量用户从受众 A 发展到受众 B 所需的平均时间。这对于了解用户生命周期和优化我们的内容和参与策略非常有价值。