滞在時間(セッション時間)とは|UA/GA4で測定方法が違う指標の本質と正しい解釈

『滞在時間』『セッション時間』って、Google Analyticsを開いて毎日眺めてるけど、何を測っている指標か、ちゃんと説明できますか?

株式会社Cameen 西村温裕ことおんゆーです。

近年、Webサイト分析が一般化し、Google Analytics 4(GA4)・Adobe Analytics・Mixpanel、こういうアクセス解析ツールを毎日眺めることが日常になりました。「平均セッション時間が3分5秒」「滞在時間が前月比10%向上」、こういう報告がマーケ部のミーティングで飛び交っています。

でも、いざ「滞在時間って具体的に何の時間?」「UAとGA4で何が違うの?」「滞在時間が長いと良いサイトなの?」と聞かれると、答えに詰まる方が多いんですよね。「ユーザーがサイトに居た時間」という認識で止まって、滞在時間の本質的な性格まで理解している人は意外と少ない。これ、自分だけだと思ってませんか?

うちの事業でアクセス解析を5年以上運用してきて、滞在時間という指標は「最も誤解されやすい数字の一つ」だと痛感してきました。なぜか。それは、滞在時間が「サイト訪問の長さ」を測っているように見えて、実は「ユーザーがコンテンツに価値を感じた時間の代理指標」でしかないからです。タブを開いたまま放置している30分も、集中して読んでいる3分も、同じ「滞在時間」としてカウントされてしまう。これが構造的な欠陥です。

もう1つ繰り返し観察したのは、「UAとGA4の数値を直接比較して一喜一憂する」担当者が多いという事実。UAのセッション時間とGA4のエンゲージメント時間は、定義も計測方法も別物です。数値を直接比較しても、何の意味もありません。これを知らないまま「GA4移行で滞在時間が半分になった、サイトが悪化した」と誤解する人が、業界には驚くほど多い。

今回はその「今さら聞けない滞在時間(セッション時間)」を、表面的な解説ではなく、指標の本質と正しい解釈、UA→GA4の指標変化まで一気に深掘りしていきます。読み終わる頃には、自分のサイトの滞在時間データを、紙に書き出して改善施策に繋げられるレベルになっているはずです。

結論:滞在時間の核心は「サイト訪問の長さ」ではなく「コンテンツ価値の代理指標」

滞在時間の本当の正体は、「ユーザーがコンテンツに価値を感じて読み進めた時間の代理指標」のことです。アクセス解析ツールが「ユーザーの集中時間」を直接測ることはできないので、ページ表示時間やクリック間隔という「観測可能なデータ」を使って、ユーザーの集中時間を間接的に推定しているだけです。あくまで代理指標であって、絶対的な評価指標ではない。

業界の体感として、滞在時間は「コンテンツが読まれているかを推定する指標」として使えるレベルです。ブログ記事なら3分以上、ランディングページなら30秒〜1分、ECサイトの商品ページなら1〜2分、こういうベンチマークが業界には存在します。ただし、これらの数値は「コンテンツタイプ別」で見るべきもので、サイト全体の平均値で語ると意味が壊れます。

もっと重要なのは、UA(Universal Analytics)とGA4(Google Analytics 4)で、滞在時間の測定方法が根本的に違うこと。UAのセッション時間は「セッション開始からセッション終了までの時間」、GA4のエンゲージメント時間は「ブラウザタブがアクティブで、ユーザーがページにいた時間」です。同じ「滞在時間」と言っても、定義が別物。UAの3分とGA4の3分は、まったく違う意味を持ちます。

滞在時間の真の価値は「コンテンツ改善のヒントが得られる」点にあります。ページ別の滞在時間を見て、想定より短い記事があれば「コンテンツに価値を感じてもらえていない」、想定より長すぎる記事があれば「読みづらい・情報過多」と推定できる。改善仮説を立てるための「最初の入口」として滞在時間データを使うのが、業界の標準的な活用法です。

なぜ「Session Duration」と命名されたのか

もう少し深く掘ります。なぜこの指標は「Session Duration(セッション時間)」と名付けられたのか。命名の背景を整理します。

「Session(セッション)」は英語で「一連のやりとり」「一区切りの時間」のこと。Webサイトの文脈では、ユーザーがサイトを訪れてから離脱するまでの「一連の行動」をひとまとまりとして扱う概念です。Duration(時間の長さ)と組み合わせて「Session Duration=セッションの長さ」=「サイト訪問の長さ」を意味する指標として命名されました。

セッション時間の概念は、Google Analyticsが2005年にサービス開始してから整理され、Webマーケティング業界の標準指標として定着しました。当時はFlashコンテンツや動画が普及し始め、「ユーザーがコンテンツにどれだけ集中しているか」を測る必要が出てきた時代背景があります。ページビュー(PV)だけでは「ただ表示しただけ」か「実際に読まれたか」が判別できないため、滞在時間という指標が補完的な役割で導入されました。

業界の体感として、2010年代前半までは「滞在時間が長いサイトは良いサイト」という単純な認識が一般的でした。SEO業界でも「滞在時間がGoogleランキングの間接的な指標」として語られ、滞在時間を伸ばすコンテンツ施策が流行しました。しかし、この時代から「タブ放置による滞在時間の歪み」も問題視され始めました。

2020年にGoogleがGA4(Google Analytics 4)を発表し、2023年7月にUA(Universal Analytics)が廃止されたことで、業界の指標体系が大きく変わりました。GA4では「Session Duration」が廃止され、新しい指標「Engagement Time(エンゲージメント時間)」が導入されました。これは「ブラウザタブがアクティブで、ユーザーが実際にページに集中していた時間」を測る指標で、UA時代の弱点(タブ放置による歪み)を改善した設計です。

近年は、GA4のエンゲージメント時間が業界の主要指標になりつつあります。ただし、UA時代から運用している企業は「過去のUAデータとGA4データを直接比較できない」という構造的な問題に直面しています。同じ「滞在時間」と言っても、UAとGA4では定義が違うため、ベンチマーク値も別物として扱う必要があります。

業界の進化として、滞在時間という指標の解釈がより精緻化しています。単なる「長い=良い」という単純な判定ではなく、「コンテンツタイプ別のベンチマーク設定」「外れ値除外」「ユーザーセグメント別の比較」、こういう多軸的な分析手法が標準化されつつあります。指標としての成熟度が上がってきました。

滞在時間分析の現場で何が起きているか

滞在時間分析の現場で、具体的に何が起きているか。5段階で整理します。

ステージ1:ページ別滞在時間データの取得

分析の最初の一歩は、GA4管理画面からページ別滞在時間データを取得すること。GA4では「レポート→エンゲージメント→ページとスクリーン」で、各ページのエンゲージメント時間が確認できます。データの粒度はページ単位、期間は直近30日〜90日が標準的な範囲です。

UA時代から運用しているサイトでは、過去データをBigQueryやCSVエクスポートで取得し、GA4データと並列で参照する形が一般的です。ただし、UAのセッション時間とGA4のエンゲージメント時間は定義が別物のため、絶対値ではなく「相対的な変動」を見る形になります。

ステージ2:コンテンツタイプ別の評価基準設定

取得したデータを、コンテンツタイプ別に分類します。ブログ記事・ランディングページ・商品ページ・FAQページ・採用ページ、それぞれで「期待される滞在時間」が大きく異なるからです。一律のベンチマークを適用すると、評価が壊れます。

業界の標準的なベンチマークは、ブログ記事3分以上、ランディングページ30秒〜1分、商品ページ1〜2分、FAQページ30秒〜1分、採用ページ2〜3分、こういうレンジが目安。これらの数値を基準に、自社の各ページが「期待値を上回っているか・下回っているか」を判断します。

ステージ3:外れ値の除外と平均値の補正

分析の重要ステップが、外れ値の除外です。タブを開いたまま放置している30分・1時間のセッションが、サイト全体の平均値を大きく歪ませます。業界の標準は「30分以上のセッションを外れ値として除外」して、補正後の平均値で評価する手法です。

また、平均値だけで見るのではなく、中央値(メディアン)も併用するのが業界の標準。平均値は外れ値の影響を受けやすいですが、中央値は外れ値の影響を受けにくいため、実態に近い数値が見えます。GA4管理画面では中央値は表示されないため、BigQueryやスプレッドシートで計算する必要があります。

ステージ4:改善仮説の立案

滞在時間データから、改善仮説を立てます。期待値より短いページは「コンテンツの導入部分で離脱されている」「タイトルと内容が一致していない」「読みづらい構造になっている」、こういう仮説が考えられます。逆に期待値より長すぎるページは「情報過多」「迷子になっている」「読みにくいデザイン」が原因の可能性があります。

滞在時間データだけで判断せず、ヒートマップ・スクロール率・離脱ページの分析と組み合わせるのが業界の標準。滞在時間は「何かが起きている」というシグナルにすぎず、「何が起きているか」を特定するには複数指標の併用が必須です。

ステージ5:施策実行と再計測

改善仮説をもとに、コンテンツ修正・デザイン変更・導入部の書き換え、こういう施策を実行します。施策実行後は2〜4週間の経過観察期間を設け、滞在時間の変動を再計測します。施策の効果が確認できれば、別ページにも横展開していく流れです。

滞在時間の改善は「PDCAサイクル」を回す形が業界の標準。1回の施策で大きく改善することは稀で、3〜5回の試行錯誤で徐々に改善していく粘り強さが必要です。短期的な数値変動に一喜一憂せず、長期的なトレンドを見る視点が決定的に重要です。

身近な話で全体像をつかむ

ちょっと身近な話で、全体像を掴み直しましょう。

映画館の上映時間に置き換えてみます。あなたが映画館の経営者で、「お客さんが2時間の映画をどれだけ集中して観てくれたか」を測りたい、と仮定します。映画の上映時間は120分で固定。でも、お客さんが本当にスクリーンに集中していた時間は、人によって違います。

あるお客さんは120分すべて集中して観る。別のお客さんは前半30分で寝てしまい、起きた時には映画が終わっている。さらに別のお客さんは、上映中に何度もトイレに行き、実際の鑑賞時間は90分程度。「上映時間=120分」という事実は同じでも、「実際の鑑賞時間」はバラバラです。

UA時代のセッション時間は、これでいう「上映時間=120分」に近い指標でした。「映画館にいた時間」を測っているだけで、実際に集中していた時間は反映されない。これがUAの構造的な弱点で、タブ放置による30分のセッションが、サイト全体の平均値を歪ませる原因になっていました。

GA4のエンゲージメント時間は、これでいう「実際の鑑賞時間」に近い指標です。ブラウザタブがアクティブで、ユーザーがページに実際にいた時間だけをカウントする設計。タブを別画面で開きっぱなしにしていても、その時間はカウントされません。UAより実態に近い数値が得られる仕組みです。

映画館の例で続けると、「平均鑑賞時間が90分」と聞いて「短い、映画がつまらないのか」と判断するのは早計です。映画のジャンルやお客さんの年齢層によって、適切な鑑賞時間は変わります。アクション映画なら集中しやすく100分以上、ドキュメンタリーなら集中力が続きにくく70分程度、こういう「コンテンツ特性別のベンチマーク」で評価しないと意味がありません。

滞在時間も同じです。ブログ記事の3分とランディングページの30秒は、両方とも「目的にとって適切な時間」なら良い数値です。一律に「長い=良い、短い=悪い」と判断するのは、映画館の経営者が「ジャンル無視で平均鑑賞時間を語る」のと同じ間違いです。コンテンツタイプ別に評価する目線が、滞在時間活用の核心です。

滞在時間データを正しく読み解く3軸

軸1:コンテンツタイプ別の評価基準

滞在時間を評価する最も重要な軸が、コンテンツタイプ別のベンチマーク設定です。一律のベンチマークを適用すると、評価が壊れます。コンテンツの目的・性質・ユーザーの行動文脈、これらが違うページに同じ評価基準を当てるのは無意味です。

業界の標準的なベンチマーク値は以下です。ブログ記事は3分以上が標準(2,000〜4,000字の記事を読み切る目安)、ランディングページは30秒〜1分(訴求を読んで判断する目安)、商品ページは1〜2分(商品詳細を確認する目安)、FAQページは30秒〜1分(疑問が解消されれば短くてOK)、採用ページは2〜3分(企業情報を吟味する目安)。

これらのベンチマークは「業界平均」であり、自社サイトの特性に合わせて調整する必要があります。例えば、長文の専門記事を扱うブログなら5分以上が標準になりますし、即決型のランディングページなら15秒でも十分という設計もあり得ます。「自社のコンテンツがユーザーに価値を提供できる時間」を逆算してベンチマークを設定するのが、本質的な活用法です。

軸2:UA→GA4の指標変化を理解する

2つ目の軸が、UAとGA4の指標の違いを正しく理解すること。これを誤解していると、データを根本から間違えて解釈してしまいます。

UAのセッション時間は「セッション開始からセッション終了までの時間」で計測されます。最後のページビューから30分以内に次の行動がなければセッション終了、その時点までの時間がセッション時間として記録されます。ただし、最後のページに到達してからセッション終了までの時間は計測されないため、1ページしか見られていないセッションは「セッション時間ゼロ」になります。

GA4のエンゲージメント時間は「ブラウザタブがアクティブで、ユーザーが実際にページにいた時間」で計測されます。タブを別画面で開きっぱなしにしている時間はカウントされません。1ページしか見ていないセッションでも、そのページに集中していた時間は正確に記録されます。これがUAより実態に近い数値が得られる理由です。

UAとGA4を直接比較しない、というのが業界の鉄則。UA時代の「平均セッション時間3分」とGA4時代の「平均エンゲージメント時間1分30秒」は、別物の指標です。GA4移行で数値が半分になったように見えても、それはサイトが悪化したのではなく、指標の定義が変わっただけ。UA時代のベンチマークをGA4にそのまま適用すると、すべての評価が狂います。

軸3:外れ値の除外と中央値の併用

3つ目の軸が、外れ値の除外と中央値の併用。これが業界では最も軽視されがちなのに、最も重要な観点です。

滞在時間の分布は「ロングテール型」になります。大半のユーザーは数十秒〜数分で離脱しますが、一部のユーザーはタブを放置して30分・1時間・数時間というセッションを記録します。これらの外れ値が、サイト全体の平均値を大きく歪ませます。業界の標準は「30分以上のセッションを外れ値として除外」して、補正後の平均値で評価する手法です。

もう一つ重要なのが、平均値と中央値を併用すること。平均値は外れ値の影響を受けやすいですが、中央値は外れ値の影響を受けにくいため、実態に近い数値が見えます。例えば、平均セッション時間が3分でも、中央値が30秒なら「大半のユーザーは30秒で離脱、一部のロング滞在が平均を引き上げている」という実態が見えてきます。平均値だけで判断すると、この実態が見えません。

GA4管理画面では中央値は標準で表示されないため、BigQueryやスプレッドシートで計算する必要があります。手間はかかりますが、中央値を見るかどうかで、データ解釈の精度が大きく変わります。「平均値で見て改善した」と判断した施策が、中央値では悪化していた、ということも業界では珍しくありません。3軸を組み合わせて見るのが、滞在時間活用の本質です。

滞在時間活用で失敗する典型3パターン

うちの事業でアクセス解析を5年以上運用してきた中で、ほぼこの3パターンに集約されます。

うちの事業で運用してわかった本音

うちの事業で5年以上アクセス解析を運用してきて、わかった本音をお伝えします。

本音1:平均値より中央値で見る方が実態に近い

これは現場で最も痛感した本音なんですが、滞在時間は「平均値より中央値で見る」方が圧倒的に実態に近いです。GA4管理画面の平均エンゲージメント時間だけを見て改善判断をしていた時期があったんですが、施策の効果が見えづらく、改善仮説の精度も低かった。BigQueryで中央値を計算するようにしてから、データの解像度が一気に上がりました。

具体的に、うちの事業のブログ記事で計測した数値を例にすると、平均エンゲージメント時間が3分でも、中央値は1分30秒程度になります。これが意味するのは「大半のユーザーは1分30秒で離脱、一部のロング滞在が平均を引き上げている」という実態。平均値だけで「3分の滞在時間が出ているから良いコンテンツ」と判断していたら、改善ポイントを完全に見逃していました。中央値を併用するだけで、データ解釈の精度が劇的に変わります。

本音2:タブ放置の30分が平均を歪める

うちの事業のアクセス解析で繰り返し発生したのが、「タブ放置による外れ値が平均を大きく歪ませる」現象。記事を読みながらタブを別画面で開きっぱなしにするユーザーが一定数存在し、30分・1時間・数時間というロング滞在が日常的に発生します。これらの外れ値が、サイト全体の平均値を実態より長く見せてしまいます。

業界の標準対応は「30分以上のセッションを外れ値として除外」する手法ですが、これだけでも数値が大きく変わります。例えば、外れ値除外前の平均エンゲージメント時間が3分だったページが、外れ値除外後は1分45秒になる、こういう変動が日常的に起きます。この補正後の数値の方が、実態に近い「ユーザーの実際の集中時間」を反映しています。外れ値除外なしで施策判断をしていると、改善仮説が完全に的外れになります。

本音3:コンテンツタイプ別ベンチマークが必須

これはアクセス解析を運用している人達ならわかると思うんですが、滞在時間はコンテンツタイプ別のベンチマークを設定しないと、まったく意味のある分析ができません。サイト全体の平均滞在時間を見ても、それが良いのか悪いのか判断できない。理由は、コンテンツタイプごとに「期待される滞在時間」が大きく違うからです。

具体的に、うちの事業で運用しているベンチマークを例にすると、長文ブログ記事5分以上、短文ブログ記事2〜3分、ランディングページ30秒〜1分、商品ページ1〜2分、FAQページ30秒以内、問い合わせ完了ページ15秒以内。これらの数値を基準に、各ページが期待値を上回っているか・下回っているかを判定します。一律のベンチマーク(例:全ページ3分以上)を適用していた時期と比べて、改善仮説の精度が3倍以上になりました。

業界の標準的なベンチマークは存在しますが、自社サイトの特性に合わせて調整する必要があります。「自社のコンテンツがユーザーに価値を提供できる時間」を逆算してベンチマークを設定し、3〜6ヶ月の運用データで検証・調整していく流れが業界の標準です。最初から完璧なベンチマークを作る必要はなく、運用しながら精度を上げていけば十分です。

もう一つ重要なのが、滞在時間データはあくまで「改善仮説のヒント」であって、それ単体で結論を出さないこと。滞在時間が短いページを見て「コンテンツが悪い」と決めつけるのではなく、ヒートマップ・スクロール率・離脱ページ分析と組み合わせて、何が起きているかを多角的に検証するのが業界標準。滞在時間は「シグナル」、原因特定は別指標との併用、これが正しい使い方です。

滞在時間活用の5STEP

ここまで読んでくださった方、お疲れさまです。滞在時間を改善施策に繋げる実践フローを5ステップで置いておきます。

滞在時間活用は、単なる数値追跡ではなく「コンテンツ改善のPDCA」を回す装置です。シンプルですが機能する活用フローの骨格が、この5STEPで完成します。

よくある質問(FAQ)

まとめ

で、結局滞在時間(セッション時間)とは、こういうことです。

• 滞在時間の核心は「サイト訪問の長さ」ではなく「ユーザーがコンテンツに価値を感じた時間の代理指標」
• UAとGA4で計測方法が根本的に違うため、直接比較は無意味。コンテンツタイプ別評価・UA→GA4の指標変化理解・外れ値除外の3軸で正しく読み解く
• 滞在時間データはあくまで「改善仮説のヒント」。ヒートマップ・スクロール率と組み合わせて多角的に分析する

長い・短いだけで一喜一憂するのではなく、コンテンツの目的に応じて適切なベンチマークを設定し、PDCAサイクルを回していくのが本質です。検討しているなら、まずは自社のコンテンツタイプ別ベンチマーク設定から始めてみてください。

ではでは。