Firebase vs BigQuery：不匹配的用户不匹配

Question

我无法理解Firebase控制台和BigQuery在计算不同用户方面的差异，请您能帮助我理解它们吗？

• 在bigquery中，我运行以下查询：

           select x.daytime, count(distinct x.user_pseudo_id) from (
                                        select _TABLE_SUFFIX daytime, user_pseudo_id 
                                        from `analytics_186900506.events_*`
                                           where _TABLE_SUFFIX BETWEEN '20200501' AND '20200531'
                                               and event_name="session_start"  
                                               and platform ='ANDROID'
                                     ) x
             group by x.daytime
             order by x.daytime

• 在firebase控制台中，我选择event =“ session_start”，并按Platform = Android和2020年5月1日至31日进行过滤。然后将结果导出到csv文件。

我发现在先验不再被修改的时期（每天超过1周），每天不同用户的数量差异为0-5％。通常，bigquery中的结果要么与Firebase匹配要么更高。在bigquery中看到数据，这也不适合我，这是由于时区不同所致。查询中有错误吗？

Answer 1

您的查询似乎不错；但是，it's not recommended使用session_start事件进行比较：

不要比较经常触发的诸如session_start或user_engagement之类的事件。

在同一答案中，还有关于Firebase中count方法的有趣信息，可以解释差异：

[此外，Google Analytics for Firebase正在使用HyperLogLog（HLL）近似算法来计算用户数。当按用户属性和受众过滤用户指标时，这提供了更大的灵活性，但可能导致事件计数上的差异。

如果您要计算活跃用户，也许using "user_engagement" event可以帮助进一步减少差异。

最后，如果您想深入了解所观察到的差异，我建议直接与Firebase support联系。>