การเพิ่มระดับอันดับไปยังรายงาน CrUX ใน BigQuery

ตั้งแต่ชุดข้อมูลเดือนกุมภาพันธ์ 2021 เป็นต้นไป เราจะเพิ่มเมตริกทดลองลงในรายงาน CrUX ใน BigQuery ซึ่งจะแยกความแตกต่างของความนิยมของต้นทางตามลําดับขนาด ได้แก่ ต้นทาง 1,000 อันดับแรก, 10,000 อันดับแรก, 100,000 อันดับแรก, 1 ล้านยอดนิยม...

มาดูกันว่าวิธีนี้จะมีลักษณะอย่างไรในทางปฏิบัติ

SELECT
  experimental.popularity.rank AS rank_magnitude,
  COUNT(DISTINCT origin) AS num_origins
FROM
  `chrome-ux-report.all.202102`
GROUP BY
  rank_magnitude
ORDER BY
  rank_magnitude
แถว rank_magnitude num_origins
1 1,000 1,000
2 10,000 9,000 คน
3 100,000 90,000 คน
4 1,000,000 900,000 คน
15 10,000,000 คน 7,264,371

สำหรับชุดข้อมูลส่วนกลางของเดือนกุมภาพันธ์ 2021 เราจะได้รับที่เก็บข้อมูล 5 รายการ อย่างที่คาดไว้ในแถวที่ 1 เราจะเห็นว่ามีต้นทาง 1,000 แห่งที่มีขนาดอันดับ 1,000 ซึ่งเป็นต้นทางที่ได้รับความนิยมสูงสุด 1,000 แห่งตามเมตริกของเรา แถว 2 อาจดูน่าประหลาดใจ ซึ่งบ่งบอกว่ามีต้นทางเพียง 9,000 รายการใน 10,000 ชุดแรกเท่านั้น เนื่องจากต้นทางในแถวที่ 1 เป็นส่วนหนึ่งของชุด 10,000 อันดับแรกด้วย หากต้องการเลือกต้นทาง 10, 000 อันดับแรก แหล่งที่มาหนึ่งจำเป็นต้องระบุ experiment.popularity.rank <= 10000 เมื่อทำการค้นหา

ชุดข้อมูลนี้ยังมีขนาดอันดับเฉพาะประเทศอีกด้วย เช่น คำค้นหานี้แสดงรายการต้นทาง 10, 000 รายการที่ได้รับความนิยมมากที่สุดในเยอรมนี

SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000

มาดูศักยภาพของเมตริกความนิยมใหม่ของเรากันว่ากลุ่มความนิยมในเว็บต่างไปจากเมตริก First Contentful Paint (FCP) อย่างไร สำหรับวัตถุประสงค์ของข้อความค้นหานี้ เราถือว่า 1 วินาทีเป็นประสบการณ์ของผู้ใช้ที่รวดเร็ว

SELECT
  SUM(fcp.density)/count(distinct origin)
FROM
  `chrome-ux-report.all.202102`,
  UNNEST(first_contentful_paint.histogram.bin) AS fcp
WHERE
  fcp.start < 1000 AND experimental.popularity.rank <= 1000

สำหรับต้นทางที่มี experimental.popularity.rank <= 1,000 คำค้นหาจะรวมความหนาแน่นของที่เก็บข้อมูลฮิสโตแกรมทั้งหมดสำหรับค่าเมตริก FCP ที่น้อยกว่า 1,000 มิลลิวินาที แล้วหารด้วยจำนวนต้นทาง กล่าวคือคำนวณเปอร์เซ็นต์เฉลี่ยของการโหลด FCP เร็วสำหรับต้นทางยอดนิยม 1,000 ต้นทาง ในคำค้นหานี้ ต้นทางทั้งหมดมีน้ำหนักเท่ากัน ดังนั้นจึงอาจไม่สมบูรณ์แบบ มาลองดูว่าผลลัพธ์มีความไวต่อการเปลี่ยนขนาดอันดับหรือไม่ โดยการเปลี่ยนอนุประโยค "where" เพื่อระบุexperiment.popularity.rank <= 10000 เราดำเนินการนี้สำหรับ 10,000, 100,000 รายการ และต่อๆ ไป

ขนาดของต้นทาง เปอร์เซ็นต์ของ FCP < 1 วินาที โดยเฉลี่ยจากต้นทาง
1.000 53.6%
10,000 49.6%
100,000 45.9%
1,000,000 43.2%
10,000,000 คน 39.9%

ซึ่งแสดงให้เห็นว่าประสบการณ์การใช้งานบนเว็บที่เร็วขึ้นของผู้ใช้สัมพันธ์กับการได้รับความนิยมมากขึ้น

ในชุดข้อมูลเดือนตุลาคม 2022 ข้อมูลนี้ได้แบ่งย่อยอีกออกเป็นขั้นตอนแบบครึ่งอันดับ การเรียกใช้การค้นหาแรกอีกครั้งสำหรับชุดข้อมูลนี้จะแสดงครึ่งขั้นตอนและจำนวนต้นทางในแต่ละระดับขนาด ดังนี้

SELECT
  experimental.popularity.rank AS rank_magnitude,
  COUNT(DISTINCT origin) AS num_origins
FROM
  `chrome-ux-report.all.202210`
GROUP BY
  rank_magnitude
ORDER BY
  rank_magnitude
แถว rank_magnitude num_origins
1 1,000 1,000
2 5,000 4,000
3 10,000 5,000
4 50,000 40,000 คน
5 100,000 50,000
6 5 แสน 400,000 คน
7 1,000,000 5 แสน
8 5,000,000 คน 4,000,000 คน
9 10,000,000 คน 5,000,000 คน
10 50,000,000 คน 7,637,195

ดูข้อมูลเพิ่มเติมเกี่ยวกับการใช้ CrUX ใน BigQuery และเรียกดู CrUX Cookbook เพื่อดูตัวอย่างเพิ่มเติม แชร์คำค้นหาของคุณ หากต้องการ และบอกเราว่าคุณพบอะไรบ้าง