Şubat 2021 veri kümesinden itibaren BigQuery'deki CrUX raporuna, kaynaklarının popülerliğini büyüklük sırasına göre ayıran deneysel bir metrik ekliyoruz: En popüler 1.000 kaynak, en popüler 10.000 kaynak, en popüler 100.000 kaynak, en popüler 1.000.000 kaynak...
Uygulamada bunun nasıl göründüğüne bakalım:
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
| Satır | 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 |
Şubat 2021'deki global veri kümesi için 5 paket alıyoruz. Beklendiği gibi, 1. satırda, sıralaması 1.000 olan 1.000 kaynak olduğunu görüyoruz. Bu, metriğimize göre en popüler 1.000 kaynaktır. İlk 10.000'de yalnızca 9.000 kaynak olduğunu belirten 2. satır şaşırtıcı görünebilir. Bunun nedeni, 1. satırdaki kaynakların da ilk 10.000 kümede yer almasıdır. En popüler 10.000 kaynağı seçmek için sorgu sırasında experimental.popularity.rank <= 10000 değerini belirtmeniz gerekir.
Veri kümesi, ülkeye özgü sıralama büyüklüğünü de içerir. Örneğin, bu sorgu Almanya'da en popüler olan 10.000 kaynağı listeler.
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
Yeni popülerlik metriğimizin potansiyelinden bahsetmek için, web'deki popülerlik segmentlerinin ilk zengin içerikli boyama metriğine (FCP) göre nasıl farklılık gösterdiğine bakalım. Bu sorgu kapsamında 1 saniyeyi hızlı bir kullanıcı deneyimi olarak kabul ederiz.
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
experimental.popularity.rank değeri <= 1.000 olan kaynaklarda sorgu, 1.000 ms'den küçük FCP metrik değerleri için tüm histogram paket yoğunluklarını toplar ve bunları kaynak sayısına böler. Yani en popüler 1.000 kaynak için hızlı FCP yüklemelerinin ortalama yüzdesini hesaplar. Bu sorguda tüm kaynakların ağırlığı eşittir. Bu nedenle, bu yöntemin mükemmel olmadığı söylenebilir. Ancak where yan tümcesini experimental.popularity.rank <= 10000 olarak değiştirerek sonucun, sıralama büyüklüğünün değişmesine duyarlı olup olmadığını görelim. Bunu 10.000, 100.000 ve daha fazla takipçi için yaparız:
| Kaynakların büyüklük sırası | Kaynaklar genelinde ortalama FCP < 1 saniye yüzdesi |
|---|---|
| 1.000 | %53,6 |
| 10.000 | %49,6 |
| 100.000 | %45,9 |
| 1.000.000 | %43,2 |
| 10.000.000 | %39,9 |
Bu, web'de daha hızlı bir kullanıcı deneyiminin daha popüler olmakla ilişkili olduğunu gösterir.
Ekim 2022 veri kümesinde bu, yarım sıra adımlarına göre daha da bölünmüştür. Bu veri kümesi için ilk sorguyu yeniden çalıştırdığınızda yarım adımlar ve her bir sıralama aralığındaki kaynak sayısı gösterilir:
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
| Satır | 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 |
BigQuery'de CrUX'i kullanma hakkında daha fazla bilgi edinin ve daha fazla örnek sorgu için CrUX Kılavuzu'na göz atın. İsterseniz sorgularınızı paylaşın ve bulduğunuz sonuçları bize bildirin.