ตั้งแต่ชุดข้อมูลเดือนกุมภาพันธ์ 2021 เป็นต้นไป เราจะเพิ่มเมตริกเวอร์ชันทดลองลงในรายงาน CrUX ใน BigQuery ซึ่งจะแยกความนิยมของต้นทางตามลำดับความสำคัญ เช่น ต้นทางยอดนิยม 1,000 อันดับแรก 10,000 อันดับแรก 100,000 อันดับแรก 1 ล้านอันดับแรก ...
มาดูตัวอย่างการใช้งานกัน
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 |
| 3 | 100,000 | 90,000 |
| 4 | 1,000,000 | 900,000 |
| 15 | 10,000,000 | 7,264,371 |
สําหรับชุดข้อมูลทั่วโลกของเดือนกุมภาพันธ์ 2021 เราได้รับที่เก็บข้อมูล 5 รายการ ในแถวที่ 1 เราเห็นว่ามีต้นทาง 1,000 รายการที่มีขนาดอันดับ 1,000 ซึ่งเป็นต้นทางยอดนิยม 1,000 รายการตามเมตริกของเรา แถวที่ 2 อาจดูน่าประหลาดใจเนื่องจากระบุว่ามีต้นทางเพียง 9,000 รายการในชุด 10,000 อันดับแรก ทั้งนี้เนื่องจากต้นทางในแถวที่ 1 เป็นส่วนหนึ่งของชุด 10,000 อันดับแรกด้วย หากต้องการเลือกต้นทางยอดนิยม 10, 000 อันดับแรก คุณต้องระบุ experimental.popularity.rank <= 10000 เมื่อทำการค้นหา
ชุดข้อมูลยังมีขนาดของอันดับที่เจาะจงประเทศด้วย ตัวอย่างเช่น การค้นหานี้จะแสดงต้นทาง 10, 000 รายการที่ได้รับความนิยมสูงสุดในเยอรมนี
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
มาดูกันว่ากลุ่มความนิยมของเว็บมีความแตกต่างกันอย่างไรเมื่อเทียบกับเมตริก First Contentful Paint (FCP) เพื่อแสดงให้เห็นถึงศักยภาพของเมตริกความนิยมใหม่ สําหรับคําค้นหานี้ 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 การค้นหาจะรวมความหนาแน่นของที่เก็บข้อมูลฮิสโตแกรมทั้งหมดสําหรับค่าเมตริก FCP ที่น้อยกว่า 1,000 มิลลิวินาที แล้วหารด้วยจํานวนต้นทาง กล่าวคือจะคํานวณเปอร์เซ็นต์เฉลี่ยของการโหลด FCP ที่รวดเร็วสําหรับต้นทางยอดนิยม 1,000 รายการ ในข้อความค้นหานี้ ต้นทางทั้งหมดมีน้ำหนักเท่าๆ กัน จึงอาจกล่าวได้ว่าไม่สมบูรณ์ แต่มาดูกันว่าผลลัพธ์จะไวต่อการเปลี่ยนแปลงขนาดของอันดับหรือไม่ โดยการเปลี่ยนคำสั่ง WHERE ให้ระบุ experimental.popularity.rank <= 10000 เราทำเช่นนี้สำหรับ 10,000, 100,000 และอื่นๆ ดังนี้
| อันดับความสำคัญของต้นทาง | 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 | 39.9% |
ซึ่งหมายความว่าประสบการณ์ของผู้ใช้ที่เร็วขึ้นในเว็บมีความเกี่ยวข้องกับความนิยมที่มากขึ้น
ในชุดข้อมูลเดือนตุลาคม 2022 ข้อมูลนี้ได้รับการแยกย่อยเพิ่มเติมตามขั้นตอนครึ่งอันดับ การเรียกใช้การค้นหาแรกอีกครั้งสำหรับชุดข้อมูลนี้แสดงครึ่งขั้นตอนและจำนวนต้นทางในลําดับความสำคัญแต่ละระดับ 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 |
| 5 | 100,000 | 50,000 |
| 6 | 500,000 | 400,000 |
| 7 | 1,000,000 | 500,000 |
| 8 | 5,000,000 | 4,000,000 |
| 9 | 10,000,000 | 5,000,000 |
| 10 | 50,000,000 | 7,637,195 |
ดูข้อมูลเพิ่มเติมเกี่ยวกับการใช้ CrUX ใน BigQuery และเรียกดู CrUX Cookbook เพื่อดูตัวอย่างการค้นหาเพิ่มเติม โปรดแชร์คำถามของคุณและแจ้งให้เราทราบสิ่งที่พบ