用数据库记录用户停留时长，让行为分析更精准

你有没有过这样的经历：打开一个购物网站，随便看看就关了，结果第二天首页推荐的全是刚才看过的商品？这背后不光是算法聪明，关键是数据库里记下了你在页面上待了多久。

停留时长不是简单计时

很多人以为，用户点开页面开始计时，关闭就结束。但实际复杂得多。比如你打开一个文章页面，去切微信聊了十分钟，回来继续看——这段时间算不算？如果全算，数据就失真了。

合理的做法是结合“活跃状态”判断。通过前端定时上报心跳，比如每30秒发一次请求告诉服务器：“我还在这儿”。如果连续两次没上报，就认为用户已经离开。这样记录下来的停留时间才靠谱。

数据库怎么存这些数据

假设你用的是MySQL，可以建一张行为日志表：

CREATE TABLE user_behavior_log (
  id BIGINT AUTO_INCREMENT PRIMARY KEY,
  user_id INT NOT NULL,
  page_url VARCHAR(500) NOT NULL,
  session_id VARCHAR(100),
  enter_time DATETIME NOT NULL,
  leave_time DATETIME,
  duration_seconds INT DEFAULT 0,
  is_active TINYINT DEFAULT 1,
  INDEX idx_user_time (user_id, enter_time),
  INDEX idx_page_time (page_url, enter_time)
);

每次用户进入页面，插入一条记录，带上线时间。等检测到用户离开或心跳中断，再更新 leave_time 和 duration_seconds。后台定时任务处理未闭合的会话，避免数据堆积。

举个真实场景

你运营一个技术博客，发现某篇教程页面平均停留超过8分钟，但跳出率也高。查数据发现，很多用户前30秒就没了心跳——其实是打开后直接关掉，根本没读。这时候你意识到，得把“有效阅读”和“标签页挂着”区分开。

于是你在前端加了个逻辑：只有滚动到内容区域，才算真正开始计时。再结合数据库里的新字段 is_scrolled（布尔值），分析时就能过滤出真实互动用户。

别小看这个数字

电商页面平均停留从1分20秒提到1分45秒，转化率可能涨5%。新闻App里，单篇文章停留超2分钟的用户，次日留存明显更高。这些决策依据，都来自数据库里一条条看似不起眼的行为记录。

你不需要一上来就搞复杂模型。先把基础数据记准，用好SQL的 GROUP BY 和 AVG 统计各页面平均时长，再按时间段、设备类型拆解，很快就能发现哪些内容真能留住人。