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