CrUX en BigQuery

Descubre cómo se estructuran los datos de CrUX en BigQuery.

Introducción

Los datos sin procesar del informe de UX de Chrome (CrUX) están disponibles en BigQuery, una base de datos alojada en Google Cloud.

CrUX en BigQuery permite a los usuarios consultar directamente el conjunto de datos completo desde 2017, por ejemplo, para analizar tendencias y comparar tecnologías web y dominios.

Los datos se estructuran por lanzamientos mensuales, así como por varias tablas de resumen para proporcionar un acceso simple que permita consultarlos.

Los datos de BigQuery son la base del panel de CrUX, que te permite visualizar estos datos sin escribir consultas en SQL.

Cómo acceder al conjunto de datos

Para usar BigQuery, se requiere una cuenta de Google Cloud y conocimientos básicos de SQL. El conjunto de datos de CrUX en BigQuery es de acceso gratuito y puede explorarse hasta los límites del nivel gratuito, que se renueva mensualmente y lo proporciona BigQuery. Además, los usuarios nuevos de Google Cloud pueden ser aptos para obtener un crédito de registro para cubrir gastos más allá del nivel gratuito. Ten en cuenta que se debe proporcionar una tarjeta de crédito para el proyecto de Google Cloud. Consulta ¿Por qué debo proporcionar una tarjeta de crédito?

Si es la primera vez que usas BigQuery, sigue estos pasos para configurar un proyecto:

  1. Ve a Crear un proyecto en la consola de Google Cloud.
  2. Asígnale un nombre a tu proyecto nuevo, como "Mi informe de UX de Chrome" y haz clic en Crear.
  3. Proporciona tus datos de facturación si se te solicita.
  4. Navega al conjunto de datos de CrUX en BigQuery

Ya está todo listo para comenzar a consultar el conjunto de datos.

Organización del proyecto

Los datos de CrUX en BigQuery se publican el segundo martes del mes siguiente. Cada mes se publica como una tabla nueva bajo chrome-ux-report.all. También hay una serie de tablas materializadas que proporcionan estadísticas resumidas para cada mes.

Esquema detallado de la tabla

Las tablas sin procesar de cada país y el conjunto de datos all se proporcionan por año y mes.

Tablas sin procesar

Las tablas sin procesar tienen el siguiente esquema:

  • origin
  • effective_connection_type
  • form_factor
  • first_paint
  • first_contentful_paint
  • largest_contentful_paint
  • dom_content_loaded
  • onload
  • first_input
    • delay
  • layout_instability
    • cumulative_layout_shift
  • interaction_to_next_paint
  • navigation_types
    • navigate
    • navigate_cache
    • reload
    • restore
    • back_forward
    • back_forward_cache
    • prerender
  • experimental
    • permission
      • notifications
    • time_to_first_byte
    • popularity

Esquema de tabla materializada

Las tablas materializadas se proporcionan para acceder con mayor facilidad a los datos de resumen según varias dimensiones clave. No se proporcionan histogramas, sino que los datos de rendimiento se agregan en fracciones por evaluación de rendimiento y el valor del percentil 75. En este ejemplo, se muestra un conjunto de filas de ejemplo de la tabla metrics_summary:

aaaamm origin fast_lcp avg_lcp slow_lcp p75_lcp
202204 https://example.com 0,9056 0,0635 0,0301 1600
202203 https://example.com 0,9209 0,052 0,0274 1400
202202 https://example.com 0,9169 0,0545 0.0284 1,500
202201 https://example.com 0,9072 0,0626 0,0298 1,500

Esto muestra que, en el conjunto de datos de 202204, el 90.56% de las experiencias de usuarios reales en https://example.com cumplieron con los criterios para un LCP bueno y que el valor aproximado del LCP del percentil 75 fue de 1,600 ms. Este proceso es un poco más lento que en los meses anteriores.

Se proporcionan las siguientes cuatro tablas materializadas:

metrics_summary
Métricas clave por mes y origen
device_summary
métricas clave por mes, origen y tipo de dispositivo
country_summary
métricas clave por mes, origen, tipo de dispositivo y país
origin_summary
una lista de todos los orígenes incluidos en el conjunto de datos

metrics_summary

La tabla metrics_summary contiene estadísticas de resumen de cada origen y cada conjunto de datos mensual:

yyyymm
Mes del período de recopilación de datos
origin
URL de origen del sitio
rank
Ranking por popularidad general (hasta marzo de 2021)
[small|medium|large]_cls
fracción de tráfico por umbrales de CLS
[fast|avg|slow]_<metric>
fracción del tráfico por umbrales de rendimiento
p75_<metric>
Valor del percentil 75 de las métricas de rendimiento (milisegundos)
notification_permission_[accept|deny|ignore|dismiss]
fracción de comportamientos de permisos de notificaciones
[desktop|phone|tablet]Density
fracción de tráfico por factor de forma
[_4G|_3G|_2G|slow2G|offline]Density
fracción de tráfico por tipo de conexión eficaz
navigation_type_[navigate|navigate_cache|reload|restore|back_forward|back_forward_cache|prerender]
fracción de tipos de navegación

device_summary

La tabla device_summary contiene estadísticas agregadas por mes, origen, país y dispositivo. Además de las columnas metrics_summary, hay lo siguiente:

device
Factor de forma del dispositivo

country_summary

La tabla country_summary contiene estadísticas agregadas por mes, origen, país y dispositivo. Además de las columnas metrics_summary, hay lo siguiente:

country_code
Código de país de dos letras
device
Factor de forma del dispositivo

origin_summary

La tabla origin_summary contiene una lista de todos los orígenes en el conjunto de datos de CrUX. Se actualiza mensualmente con la lista de orígenes más reciente del conjunto de datos y tiene una sola columna: origin.

Conjunto de datos experimental

Las tablas del conjunto de datos experimental son copias exactas de las tablas YYYYMM predeterminadas, pero usan funciones de BigQuery más nuevas y avanzadas, como la partición y el agrupamiento en clústeres, que te permiten escribir consultas más rápidas, simples y económicas.

country

El conjunto de datos experimental.country contiene datos agregados de los conjuntos de datos de country_CC con una columna yyyymm adicional para la fecha del conjunto de datos. El esquema es idéntico a las tablas sin procesar, ya que se agregaron las columnas de fecha y country_code, lo que permite realizar comparaciones a nivel de país en consultas de tiempo sin unir las tablas mensuales.

global

El conjunto de datos experimental.global contiene datos agregados del conjunto de datos all con una columna yyyymm adicional para la fecha del conjunto de datos. El esquema es idéntico a las tablas sin procesar, pero se agrega la fecha, lo que permite comparar consultas en el tiempo para que se ejecuten sin unirse a las tablas mensuales.