Du kører en tilpasset rapport i dit analytics-værktøj. Der står: "Denne rapport bygger på 100.000 sessioner. Usamplede data: 1.250.000 sessioner." Din rapport bruger estimater fra 8 % af dine faktiske data.
Datasampling sker, når analytics-værktøjer ikke kan behandle alle dine data og derfor estimerer. Estimatet er ofte nøjagtigt nok, men det er stadig ikke dine rigtige tal.
Hvad datasampling er, og hvorfor værktøjer bruger det
Problemet: for mange data at behandle
Analytics-værktøjer behandler millioner af hændelser i sekundet på millioner af hjemmesider. Det er ikke praktisk at behandle hvert eneste datapunkt i realtid. Når trafikken bliver høj nok, skifter værktøjerne fra at tælle alt til at sample en delmængde og regne opad.
Sådan virker sampling
Værktøjet ser på 10 % af din trafik. Det regner nøgletal ud fra de 10 %. Derefter ganger det resultaterne med 10 for at estimere de samlede tal. Hvis stikprøven viser 5 konverteringer, estimerer værktøjet 50 konverteringer i alt. Det er et matematisk estimat, ikke dine faktiske tal.
Samplingraten varierer efter værktøj og trafik
Nogle værktøjer begynder at sample ved 100.000 sessioner om måneden. Andre ved 1 million. Nogle gratis niveauer sampler hårdere end betalte niveauer. Jo mere trafik du har, jo hårdere bliver samplingen.
Sampling er (nogle gange) synlig
Gode værktøjer fortæller dig, når de sampler. Der står en note med "Disse data er samplet". Dårlige værktøjer siger det ikke. Du tror, du ser faktiske tal, men du ser i virkeligheden estimater.
Hvornår datasampling sker
I Google Analytics
Det gratis niveau af Google Analytics sampler, når du laver tilpassede rapporter, der overskrider grænsen for, hvad der kan behandles (som regel omkring 1 million hændelser). Premium-niveauer sampler ved meget højere grænser. Hvis din rapport indeholder mange data, er sampling sandsynlig.
I realtidsrapporter
Realtidsdata er næsten altid samplet, fordi det ville være umuligt at vise sande realtidsdata for hver eneste hændelse. Realtidsdashboards viser estimater, der opdateres ofte, ikke eksakte tal.
I komplekse tilpassede rapporter
Jo flere dimensioner og målinger du lægger i en rapport, jo mere sandsynligt bliver sampling. En enkel rapport om "trafik pr. kilde" kan være usamplet. En detaljeret rapport med 10 dimensioner og egne målinger kan være kraftigt samplet.
Hvad datasampling betyder
Estimater ligger som regel tæt på de faktiske tal
Samplingalgoritmer er avancerede. En stikprøve på 10 %, der regnes op til 100 %, rammer ofte inden for få procent. Til beslutninger om det store billede er estimaterne gode nok.
Sampling svigter ved små tal
Når du sampler 10 % og leder efter konverteringer fra en bestemt trafikkilde, kan du se nul i stikprøven, selv om du i virkeligheden havde nogle få. Estimatet bliver "nul konverteringer", selv om der var to eller tre. Små tal bliver forvrænget.
Sammenligninger bliver mindre pålidelige
Det er risikabelt at sammenligne konverteringsrater mellem to trafikkilder, når data er samplet. Du kan konkludere, at kilde A klarer sig bedre end kilde B, når forskellen bare er en samplingfejl.
Tendensanalyse bliver mindre nøjagtig
Når du følger, om konverteringer går op eller ned, og data er samplet, kommer der støj på. Er faldet reelt, eller er det bare udsving i samplingen? Det kan du ikke være sikker på.
Sådan arbejder du med samplede data
Få usamplede data, hvis dit værktøj tilbyder det
Premium-niveauer i analytics tilbyder som regel usamplede data. Google Analytics 360 giver usamplede rapporter. De fleste betalte analytics-værktøjer lader dig eksportere usamplede data. Hvis du træffer vigtige beslutninger, kan det betale sig at opgradere for at få de rigtige tal.
Forstå samplingraten
Når du ser en samplet rapport, så kig efter samplingprocenten. "Baseret på 100.000 af 500.000 sessioner" betyder 20 % sampling. Jo mindre procent, jo mindre pålidelige er tallene. Sampling på 50 % eller mere er nogenlunde pålidelig. Sampling på 5 % er det ikke.
Brug segmenter til at mindske datamængden
Du får samplede rapporter, fordi du prøver at behandle for mange data. Brug en datoperiode eller et segment til at gøre datasættet mindre. Lav rapporten for de seneste 7 dage i stedet for 90 dage. Lav den for én trafikkilde i stedet for alle. Mindre datasæt bliver sjældnere samplet.
Eksportér data til analyse offline
Hvis dit værktøj lader dig eksportere usamplede data, så gør det. Eksportér til et regneark eller en database, og lav analysen der. Så får du de rigtige tal i stedet for estimater.
Lav automatiske rapporter med lavere kompleksitet
I stedet for én kompleks rapport med 10 dimensioner kan du lave flere enkle rapporter. Hver enkel rapport bliver sjældnere samplet. Sammen giver de dig usamplet indsigt i dine data.
Kan du undgå datasampling
Datasampling kan ikke altid undgås
Hvis din trafik er meget høj, og du vil have rapportering i realtid, kan en vis grad af sampling være uundgåelig. Du kan begrænse den ved at holde rapporterne enkle og fokuserede.
Premium-værktøjer har højere grænser
Betalte analytics-værktøjer har meget højere samplinggrænser end de gratis versioner. Google Analytics 360 og andre premium-platforme kan håndtere langt større datamængder uden sampling.
Server-side analytics undgår sampling
Hvis du registrerer konverteringer server-side i din egen database, har du styr på dine data og sampler aldrig. Dine konverteringsdata er eksakte. Det kræver mere teknisk opsætning, men giver dig de sande tal.
Ofte stillede spørgsmål
Er samplede data upålidelige?
Ikke nødvendigvis. Statistisk gyldig sampling er pålidelig til nøgletal for det store billede. Men ved små tal, konkrete sammenligninger og detaljerede analyser mister samplede data nøjagtighed. Brug dem til tendenser, ikke til præcise tal. Med WEMASYs hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvordan ved jeg, om mine data er samplet?
Kig efter en note i dit analytics-værktøj, hvor der står "Data er samplet" eller "Baseret på X % af sessionerne". Hvis du ikke ser en note, er data sandsynligvis usamplet. De fleste værktøjer oplyser det, når de sampler.
Skal jeg opgradere for at undgå datasampling?
Kun hvis sampling påvirker vigtige beslutninger. Hvis de fleste af dine beslutninger allerede bygger på usamplede data, er det måske ikke værd at opgradere bare for samplingens skyld. Find ud af, hvilke beslutninger der kræver de rigtige tal, og opgradér, hvis det betyder noget.
Påvirker datasampling mine grundlæggende nøgletal?
Måske. Hvis dit hoveddashboard bruger samplede data, er dit udgangspunkt et estimat. Lav en separat visning med mindre komplekse rapporter for at få usamplede tal til dine vigtigste nøgletal.
Kan jeg drage statistisk gyldige konklusioner ud fra samplede data?
Ja, for samlede tendenser. Ved konkrete sammenligninger afhænger det af stikprøvens størrelse. En stikprøve på 50 %, der analyserer 1000 hændelser, kan understøtte konklusioner. En stikprøve på 1 %, der analyserer 100 hændelser, kan ikke.
Hvordan påvirker sampling resultaterne af A/B-test?
A/B-test har brug for usamplede data for at være gyldige. Sampling lægger støj på resultaterne. Hvis du kører A/B-test, så sørg for, at dit analytics-værktøj ikke sampler testdata. De fleste betalte værktøjer sampler ikke data fra A/B-test.