Dimulai dengan set data Februari 2021, kami menambahkan metrik eksperimental ke laporan CrUX di BigQuery yang membedakan popularitas origin berdasarkan urutan magnitudo: 1 ribu origin teratas, 10 ribu teratas, 100 ribu teratas, 1 juta teratas, ...
Mari kita lihat cara kerjanya:
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
| Baris | 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 |
Untuk set data global Februari 2021, kami mendapatkan 5 bucket. Seperti yang diharapkan, di baris 1, kita melihat bahwa ada 1000 asal-usul dengan besarnya peringkat 1000 - yang paling populer berdasarkan metrik kita. Baris 2 mungkin terlihat mengejutkan, menunjukkan bahwa ada hanya 9k asal di set 10k teratas; ini karena sumber di baris 1 adalah juga bagian dari top 10k set. Untuk memilih 10 ribu origin teratas, seseorang harus menentukan eksperimental.popularity.rank <= 10000 saat membuat kueri.
{i>Dataset<i} ini juga berisi magnitudo peringkat khusus negara. Misalnya, daftar 10k asal yang paling populer di Jerman.
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
Untuk membahas potensi metrik popularitas baru, mari kita lihat seberapa popularitas segmen web akan berbeda sehubungan dengan metrik first contentful paint (FCP). Untuk tujuan kueri ini, kami menganggap 1 detik sebagai pengalaman pengguna yang cepat.
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
Untuk origin dengan experimental.popularity.rank <= 1000, kueri menjumlahkan semua
kepadatan bucket histogram untuk nilai metrik FCP yang lebih kecil dari 1000 md dan membagi
data dengan jumlah asal - yaitu, penghitungan rata-rata persentase
pemuatan FCP yang cepat untuk
1k asal yang paling populer. Dalam kueri ini, semua {i>origin <i}memiliki
memiliki bobot yang sama, jadi
bisa dibilang ini tidak sempurna. Sekarang mari kita lihat apakah hasilnya
sensitif terhadap perubahan magnitudo peringkat, dengan mengubah klausa di mana menjadi
menentukan eksperimental.popularity.rank <= 10000. Kami melakukan ini untuk 10k, 100k, dan selanjutnya
pada:
| Peringkat magnitudo sumber | Persentase FCP < 1, dirata-rata dari origin |
|---|---|
| 1.000 | 53,6% |
| 10.000 | 49,6% |
| 100.000 | 45,9% |
| 1.000.000 | 43,2% |
| 10.000.000 | 39,9% |
Hal ini menunjukkan bahwa pengalaman pengguna yang lebih cepat di web berkorelasi dengan menjadi lebih populer.
Dalam set data Oktober 2022, metrik ini dibagi lebih lanjut berdasarkan beberapa langkah peringkat setengah. Menjalankan kembali kueri pertama untuk set data ini menampilkan setengah langkah dan jumlah origin di setiap magnitudo peringkat:
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
| Baris | 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 |
Pelajari lebih lanjut cara menggunakan CrUX di BigQuery dan menjelajahi Cookbook CrUX untuk mengetahui contoh kueri lainnya. Bagikan pertanyaan Anda jika Anda mau, dan beri tahu kami apa yang Anda temukan.