V analytickém nástroji spustíte vlastní report. Píše se v něm: "Tento report je založen na 100 000 relacích. Nevzorkovaná data: 1 250 000 relací." Váš report používá odhady z 8 % vašich skutečných dat.
Ke vzorkování dat dochází, když analytické nástroje nezvládnou zpracovat všechna vaše data, a proto odhadují. Odhad je často dostatečně přesný, ale stále to nejsou vaše skutečná čísla.
Co je vzorkování dat a proč ho nástroje používají
Problém: příliš mnoho dat ke zpracování
Analytické nástroje zpracovávají miliony událostí za sekundu na milionech webů. Zpracovat každý jednotlivý datový bod v reálném čase není praktické. Když návštěvnost dosáhne dostatečné výše, nástroje přestanou počítat vše a začnou vzorkovat podmnožinu a extrapolovat.
Jak vzorkování funguje
Nástroj se podívá na 10 % vaší návštěvnosti. Z těchto 10 % spočítá metriky. Poté výsledky vynásobí deseti, aby odhadl celkové metriky. Pokud vzorek ukazuje 5 konverzí, nástroj odhadne celkem 50 konverzí. Je to matematický odhad, ne vaše skutečná čísla.
Míra vzorkování se liší podle nástroje a úrovně návštěvnosti
Některé nástroje začínají vzorkovat při 100 tisících relací měsíčně. Jiné při 1 milionu. Některé bezplatné úrovně vzorkují agresivněji než placené. Čím vyšší návštěvnost, tím agresivnější vzorkování.
Vzorkování je (někdy) transparentní
Dobré nástroje vám řeknou, když vzorkují. Objeví se poznámka "Tato data jsou vzorkovaná." Špatné nástroje to neoznámí. Myslíte si, že se díváte na skutečná čísla, ale ve skutečnosti se díváte na odhady.
Kdy ke vzorkování dat dochází
V Google Analytics
Bezplatná úroveň Google Analytics vzorkuje, když vytvoříte vlastní reporty, které překročí limity zpracování (obvykle kolem 1 milionu událostí). Prémiové úrovně vzorkují při mnohem vyšších prazích. Pokud váš report obsahuje hodně dat, vzorkování je pravděpodobné.
V reportech v reálném čase
Data v reálném čase jsou téměř vždy vzorkovaná, protože zobrazit skutečná data v reálném čase pro každou událost by bylo výpočetně nemožné. Přehledy v reálném čase ukazují odhady, které se často aktualizují, ne přesná čísla.
Ve složitých vlastních reportech
Čím víc dimenzí a metrik do reportu zahrnete, tím pravděpodobnější je vzorkování. Jednoduchý report "návštěvnost podle zdroje" může být nevzorkovaný. Podrobný report s rozpisem do 10 dimenzí a vlastními metrikami může být silně vzorkovaný.
Dopad vzorkování dat
Odhady jsou obvykle blízko skutečným číslům
Algoritmy vzorkování jsou sofistikované. Vzorek 10 % extrapolovaný na 100 % je často přesný na několik procent. Pro rozhodnutí o celkovém obrazu jsou odhady dostatečně dobré.
Vzorkování selhává u malých čísel
Když vzorkujete 10 % a hledáte konverze z konkrétního zdroje návštěvnosti, ve vzorku můžete vidět nulu, i když jste jich ve skutečnosti měli několik. Odhad pak zní "nula konverzí", přestože byly dvě nebo tři. Malá čísla se zkreslují.
Porovnání jsou méně spolehlivá
Porovnávat konverzní poměry mezi dvěma zdroji návštěvnosti, když jsou data vzorkovaná, je nebezpečné. Můžete dojít k závěru, že zdroj A funguje lépe než zdroj B, ačkoli rozdíl je jen chyba vzorkování.
Analýza trendů je méně přesná
Sledování, zda konverze rostou nebo klesají, když jsou data vzorkovaná, přidává šum. Je pokles skutečný, nebo jde jen o kolísání vzorkování? Nemůžete si být jistí.
Jak pracovat se vzorkovanými daty
Získejte nevzorkovaná data, pokud je váš nástroj nabízí
Prémiové úrovně analytiky obvykle nabízejí nevzorkovaná data. Google Analytics 360 poskytuje nevzorkované reporty. Většina placených analytických nástrojů umožňuje export nevzorkovaných dat. Pokud děláte důležitá rozhodnutí, upgradujte a získejte skutečná čísla.
Zjistěte míru vzorkování
Když vidíte vzorkovaný report, hledejte procento vzorkování. "Na základě 100 000 z 500 000 relací" znamená vzorkování 20 %. Čím menší procento, tím méně spolehlivá čísla. Vzorkování od 50 % je přiměřeně spolehlivé. Vzorkování 5 % není.
Segmenty snižují objem dat
Vzorkované reporty vznikají proto, že se snažíte zpracovat příliš mnoho dat. Použijte časové období nebo segment, abyste datovou sadu zmenšili. Vytvářejte report za posledních 7 dní místo 90 dní. Vytvářejte report za jeden zdroj návštěvnosti místo všech zdrojů. Menší datové sady se vzorkují s menší pravděpodobností.
Exportujte data pro offline analýzu
Pokud váš nástroj umožňuje export nevzorkovaných dat, využijte to. Exportujte do tabulky nebo databáze a analýzu proveďte tam. Získáte skutečná čísla místo odhadů.
Vytvářejte automatizované reporty s nižší složitostí
Místo jednoho složitého reportu s 10 dimenzemi vytvořte několik jednoduchých reportů. Každý jednoduchý report se vzorkuje s menší pravděpodobností. Dohromady vám dají nevzorkovaný vhled do vašich dat.
Dá se vzorkování dat vyhnout
Vzorkování dat se nedá vždy vyhnout
Pokud je vaše návštěvnost velmi vysoká a chcete reporty v reálném čase, může být určitá míra vzorkování nevyhnutelná. Můžete ji minimalizovat tím, že reporty udržíte jednoduché a cílené.
Prémiové nástroje nabízejí vyšší prahy
Placené analytické nástroje mají mnohem vyšší prahy vzorkování než bezplatné verze. Google Analytics 360 a další prémiové platformy zvládnou mnohem větší objemy dat bez vzorkování.
Analytika na straně serveru vzorkování nepoužívá
Pokud konverze sledujete na straně serveru ve vlastní databázi, data máte pod kontrolou a nikdy nevzorkujete. Vaše data o konverzích jsou přesná. Tento přístup vyžaduje víc technického nastavení, ale dává vám skutečná čísla.
Často kladené otázky
Jsou vzorkovaná data nespolehlivá?
Ne nutně. Statisticky platné vzorkování je pro metriky celkového obrazu spolehlivé. U malých čísel, konkrétních porovnání a podrobné analýzy ale vzorkovaná data ztrácejí přesnost. Používejte je pro trendy, ne pro přesná čísla. S Tvůrcem webů od WEMASY to můžete nastavit přímo na svém webu.
Jak poznám, že jsou moje data vzorkovaná?
Hledejte v analytickém nástroji poznámku "Data jsou vzorkovaná" nebo "Na základě X % relací". Pokud poznámku nevidíte, data jsou pravděpodobně nevzorkovaná. Většina nástrojů vzorkování oznamuje, když k němu dochází.
Mám upgradovat, abych se vzorkování dat vyhnul?
Jen pokud vzorkování ovlivňuje důležitá rozhodnutí. Pokud většina vašich rozhodnutí už používá nevzorkovaná data, upgrade jen kvůli vzorkování se nemusí vyplatit. Zjistěte, která rozhodnutí potřebují skutečná čísla, a upgradujte, pokud je to významné.
Ovlivňuje vzorkování dat moje základní metriky?
Možná. Pokud váš hlavní přehled používá vzorkovaná data, je váš základ odhad. Vytvořte samostatné zobrazení s reporty s nižší složitostí a získejte nevzorkovaná čísla pro své hlavní metriky.
Mohu ze vzorkovaných dat vyvozovat statisticky platné závěry?
U souhrnných trendů ano. U konkrétních porovnání záleží na velikosti vzorku. Vzorek 50 % při analýze 1000 událostí může závěry podpořit. Vzorek 1 % při analýze 100 událostí ne.
Jak vzorkování ovlivňuje výsledky A/B testů?
A/B testy potřebují k platnosti nevzorkovaná data. Vzorkování do výsledků přidává šum. Pokud provádíte A/B testy, ujistěte se, že váš analytický nástroj testovací data nevzorkuje. Většina placených nástrojů data A/B testování nevzorkuje.