一、這兩個指標是怎麼算出來的
假設使用者進入了網站首頁(Home),分析工具把這次行為標記為一個 Visit。接著他陸續看了另外兩個頁面(Page2 與 Page3),然後離開。如下圖:

我們想知道的是:

假如這位使用者從 10:00 開始訪問:

對 Page2 來說,停留時間是 10:01 到 10:05,也就是 4 分鐘。
接著他來到 Page3。這一刻,頁面無法滿足需求,或者他要找的東西已經找到了,於是他離開。

那麼,他在 Page3 究竟停了多久?由於我們無從得知離開的確切時刻,也就算不出這段停留時間。這正是問題所在:分析工具無法得知訪客在網站最後一個頁面上花了多少時間。
各頁面被統計到的停留時間如下:

很明顯,這組數字是偏低的。因為最後一頁的時間永遠缺失,工具給出的停留時間通常都會少於使用者真實的停留時長。而準確程度與跳出率、退出率直接相關——這兩個比率越高,平均停留時間就越不可信。
二、這些數字有什麼用
若把頁面停留時間與網站停留時間單獨拿出來看,意義其實有限,原因有三:
這些指標屬於戰術層面,無法直接反映對公司業績的影響,也對應不到具體營收。它們需要大量推論支撐,而「越大越好」這種簡單邏輯,並不足以判斷某個頁面究竟是好是壞。同時,這些主要是短期指標;隨著網路發展,僅靠工作階段(session)來衡量已經遠遠不夠,長期訪客行為、客戶生命週期往往更能說明問題。
更關鍵的是,不同的停留時間需要用不同的邏輯去解讀。看看淘寶的例子:

同一家公司出現差異明顯的數據,原因在於:淘寶更像超市,訪客往往沒有明確目標,進去之後買什麼都說不準;淘寶商城則更像百貨公司,去的人多半帶著明確目的,直奔目標、快速搜尋、快速下單、快速離開。
從使用者行為角度看,同一個人在超市與百貨公司裡的舉止本來就不一樣。所以淘寶商城的頁面風格更簡潔、服務更標準化、賣家品質也篩得更嚴。
同理,旅遊訂房類網站的訪客基本上都有明確的訂房需求,我們該做的是讓他們用最短時間找到合適的產品——在這種情境下,停留時間短反而是好事。
三、數據該怎麼應用
1、判斷頁面的使用者體驗
從計算方式可知,我們拿不到訪客離開前的最後一段停留時間;頁面停留時間是在「有後續行為」的前提下才算得出來的。因此這類數據真正可用的部分,是那些後續有點擊、有互動的頁面——把它作為評估頁面內容吸引力與引導效果的參考,比追求「停留越久越好」更務實。