Słownik

Kiedy zaczyna się próbkowanie danych i jak rozpoznać je w raporcie

Taras Shynkarenko
Taras Shynkarenko
•Zaktualizowano: •9 min czytania
Kiedy zaczyna się próbkowanie danych i jak rozpoznać je w raporcieKiedy zaczyna się próbkowanie danych i jak rozpoznać je w raporcie

W skrócie

9 min czytania

Google Analytics 4 odpowiada na zapytanie z tabel zagregowanych, gdy tylko może, a gdy nie może, sięga do tabel ze zdarzeniami i tam zaczyna się próbkowanie. Udokumentowany limit to 10 mln zdarzeń na zapytanie w zwykłych usługach i 100 mln w Analytics 360, gdzie pojedynczą eksplorację można rozszerzyć do 1 mld. Jedynym sygnałem na ekranie jest ikona jakości danych, pokazująca odsetek faktycznie odczytanych zdarzeń, a Data API udostępnia to samo jako samplesReadCount do samplingSpaceSize. Adobe Analytics nie dokumentuje próbkowania podczas generowania raportów, lecz po przekroczeniu 2 000 000 unikalnych wartości wymiaru przenosi je do pozycji Low-Traffic. Matomo deklaruje, że w ogóle nie próbkuje, ale domyślnie archiwizuje tylko kilkaset najwyższych wierszy raportu, a resztę sumuje w pozycji Others.

Czym jest próbkowanie danych w analityce?

W raporcie analitycznym próbkowanie danych oznacza, że czytane liczby obliczono na podstawie części zdarzeń i przeskalowano, zamiast policzyć każde zebrane zdarzenie. Platforma wybiera fragment dostępnych danych, wykonuje na nim zapytanie i mnoży wynik, aby oszacować pełną wartość. Nic nie jest usuwane. Surowe zdarzenia nadal istnieją. Zmienia się tylko to, że raport przed tobą jest szacunkiem podanym tą samą czcionką co dokładne zliczenie.

Ta różnica ma największe znaczenie na obrzeżach danych. Główny wskaźnik, taki jak łączna liczba sesji, dobrze znosi próbkowanie, bo szacunek ma dużą podstawę. Segment odpowiadający za 0,3% ruchu, rzadko odwiedzana strona docelowa lub czteroetapowa ścieżka konwersji mogą mocno się wahać, bo próbka może zawierać zaledwie kilka istotnych zdarzeń. To inny problem niż opisany w tekście o tym, jak GA4 ukrywa wiersze, by chronić tożsamość, gdzie wiersze są całkowicie usuwane, a nie szacowane.

Kiedy Google Analytics 4 stosuje próbkowanie?

Google opisuje konkretny warunek: próbkowanie następuje, „gdy liczba zdarzeń użytych do utworzenia raportu, eksploracji lub żądania przekracza limit dla twojej usługi”. Limit zależy od typu usługi.

ObszarZwykła usługaAnalytics 360
Domyślna liczba zdarzeń odczytywanych na zapytanie10 mln100 mln
Najwyższy dostępny limit10 mln1 mld, przez „More detailed results” w Explore
Eksploracje bez próbkowaniaNiedostępneDostępne, ale tylko gdy zapytanie zwróciłoby ponad 1 mld zdarzeń

Limit 10 mln zdarzeń nie powoduje próbkowania większości raportów, bo GA4 w ogóle nie odpowiada na większość zapytań na podstawie danych o pojedynczych zdarzeniach. Google opisuje dwie grupy tabel: „Jedna grupa tabel agreguje dane, aby szybko i bez próbkowania odpowiadać na najczęstsze żądania. Druga przechowuje bardziej szczegółowe dane o zdarzeniach i użytkownikach, co daje swobodę w jednorazowych, zaawansowanych analizach”. Standardowe raporty ze standardowymi wymiarami korzystają z tabel zagregowanych i wracają bez próbkowania niezależnie od wielkości ruchu. Próbkowanie pojawia się, gdy zapytania nie da się obsłużyć z tabel wstępnie zagregowanych: przy niestandardowym zakresie dat, porównaniu, doraźnym segmencie, nietypowym zestawieniu wymiarów i w większości przypadków w Explore.

Dlatego dwie osoby pracujące na tej samej usłudze mogą się spierać, czy GA4 próbkuje. Jedna korzysta ze standardowych raportów i nigdy tego nie widziała. Druga buduje eksploracje i widzi to co tydzień.

Analityk przygląda się tabeli danych na monitorze, podobnie jak przy sprawdzaniu odsetka próbkowania w ikonie jakości danych.

Jak odróżnić raport próbkowany od niepróbkowanego?

Spójrz na ikonę jakości danych u góry raportu lub eksploracji. Google podaje, że „gdy wyniki korzystają z próbkowania, ikona jakości danych pokazuje odsetek danych użytych do ich utworzenia”. Ten odsetek to cały sygnał. Raport zbudowany z 4% zdarzeń i raport z 96% wyglądają identycznie, poza tą liczbą, a zasługują na zupełnie inny poziom zaufania.

W Data API ta sama informacja przychodzi w postaci uporządkowanych pól. ResponseMetaData zawiera tablicę samplingMetadatas, a Google precyzyjnie opisuje, kiedy się ona pojawia: „Jeśli wyniki raportu są próbkowane, pole opisuje odsetek zdarzeń użytych w raporcie. Dla każdego zakresu dat wypełniany jest jeden element samplingMetadatas. Jeśli jednak wyniki nie są próbkowane, to pole nie jest zdefiniowane”. Każdy wpis zawiera dwa ciągi int64:

  • samplesReadCount, „łączna liczba zdarzeń odczytanych w tym próbkowanym raporcie dla zakresu dat”
  • samplingSpaceSize, „łączna liczba zdarzeń w danych tej usługi, które można było przeanalizować w tym raporcie dla zakresu dat”

Podziel pierwszą wartość przez drugą, a otrzymasz odsetek, który pokazałaby ikona. W potoku raportowym ważny jest jeden szczegół: brak samplingMetadatas oznacza wynik bez próbkowania, więc kod sprawdzający tylko niski odsetek uzna każdą czystą odpowiedź za podejrzaną.

Czym różnią się usługi zwykłe i Analytics 360 w próbkowaniu?

Różnica polega na wielkości zapytania, na jaką może sobie pozwolić 360, a nie na innej metodzie. Gdy próbkowanie już zachodzi, oba typy działają tak samo. Analytics 360 zaczyna od 100 mln zdarzeń na zapytanie zamiast 10 mln i dodaje dwa wyjścia awaryjne.

Pierwsze to przełącznik w Explore. Domyślnie ustawione jest „Faster results”, a wybranie „More detailed results” zwiększa próbkę do około 1 mld zdarzeń, co według Google w większości przypadków wystarcza do uzyskania wyników bez próbkowania. Jest tu pułapka, która zaskakuje w środku analizy: „Każda zmiana wymagająca ponownego uruchomienia zapytania przywraca domyślną opcję Faster results”. Zmienisz datę, dodasz segment lub podmienisz wymiar i wracasz do małej próbki, a żadne okno dialogowe cię o tym nie poinformuje.

Drugie wyjście to żądanie eksploracji bez próbkowania, które wykonuje zapytanie offline i wysyła e-mail, gdy wynik jest gotowy. Udokumentowane przez Google ograniczenia są wyjątkowo konkretne:

OgraniczenieUdokumentowana wartość
WarunekTylko gdy zapytanie zwróciłoby ponad 1 mld zdarzeń
Dzienny limit tokenów20 000 tokenów na usługę, wspólne dla wszystkich użytkowników i żądań API
Maksymalny koszt zapytania5000 tokenów
Odnowienie limituPółnoc czasu pacyficznego
Typowy czas przetwarzaniaPoniżej 30 minut
Dostępność wyniku50 dni od złożenia żądania
Rozmiar eksportuDo 10 000 000 komórek dla TSV i CSV
Wymagane uprawnieniaAnalityk lub wyższe
Nieobsługiwana technikaUser lifetime

Zespoły najbardziej zaskakuje warunek dostępności. Eksploracja bez próbkowania nie jest ogólnym przyciskiem „daj mi dokładne liczby”; istnieje tylko powyżej punktu, w którym przekroczono już własny pułap 360 wynoszący 1 mld zdarzeń.

Dwoje współpracowników porównuje wydrukowane raporty obok siebie, co obrazuje, jak różne platformy analityczne odmiennie traktują ten sam ruch.

Jak wyjść z próbkowania GA4 w Analytics 360
Zapytanie przekracza limit 100 mln zdarzeń
Tylko Faster results (domyślna próbka)
Przełączenie na More detailed results (do 1 mld zdarzeń)
Każda zmiana przywraca Faster results
Żądanie eksploracji bez próbkowania (tylko powyżej 1 mld zdarzeń)
Każde wyjście działa tylko do następnej zmiany zapytania, z wyjątkiem żądania offline bez próbkowania.

Co zamiast tego robią Adobe i Matomo?

Rozwiązują ten sam problem wydajności innym kompromisem, który objawia się w innym miejscu raportów.

Flowsery
Flowsery

Rozpocznij 14-dniowy okres próbny

Panel w czasie rzeczywistym

Śledzenie celów

Śledzenie bez cookie

Adobe Analytics nie dokumentuje mechanizmu próbkowania podczas generowania raportów w Analysis Workspace i nie oferuje odpowiednika odsetka jakości danych z GA4. Adobe ogranicza liczność, a nie liczbę odczytanych wierszy. Próg 2 000 000 unikalnych wartości obowiązuje na wymiar, na zestaw raportów i na miesiąc kalendarzowy. Elementy wymiaru zebrane po jego przekroczeniu trafiają do jednej pozycji oznaczonej „Low-Traffic”, a drugi, ostrzejszy próg jest domyślnie ustawiony na 2 100 000 unikalnych wartości. Licznik zeruje się globalnie na koniec każdego miesiąca kalendarzowego.

Wersja Adobe jest niewidoczna podobnie jak próbkowanie, ale zniekształca inną oś. Sumy pozostają poprawne. Zestawienia według wymiarów przestają być kompletne w trakcie miesiąca, a Adobe ostrzega, że szczególnie narażony jest wymiar Page, bo na ten sam próg składa się kilka kolumn zaplecza, więc Low-Traffic może zadziałać na długo przed tym, zanim widoczna liczba stron zbliży się do 2 mln.

Matomo zajmuje przeciwne stanowisko i mówi o tym wprost: nie próbkuje danych, a dokumentacja jakości danych wymienia „No data sampling” jako cechę platformy. Raporty powstają ze wszystkich śledzonych danych. To prawda, ale nie oznacza, że raporty Matomo pokazują wszystko bez skrótów, i Matomo samo opisuje drugą stronę: aby archiwizacja była szybka, domyślnie przechowuje ograniczoną liczbę wierszy na raport, mniej więcej 500 najpopularniejszych stron oraz 1000 najczęstszych słów kluczowych i witryn, a wszystko poniżej sumuje w wierszu „Others”. Instalacje on-premise mogą podnieść ten pułap ustawieniami [General] w config/config.ini.php, takimi jak datatable_archiving_maximum_rows_actions i datatable_archiving_maximum_rows_referrers, co według dokumentacji odbija się na wydajności archiwizacji.

PlatformaCo ograniczaGdzie widać stratę
Google Analytics 4Zdarzenia odczytywane na zapytanieKażdy wskaźnik w raporcie, jako szacunek
Adobe AnalyticsUnikalne wartości wymiaru na miesiącJeden wiersz „Low-Traffic” pochłaniający długi ogon
MatomoWiersze archiwizowane na raportJeden wiersz „Others” pochłaniający długi ogon

Czytaj tę tabelę jak trzy odpowiedzi na jedno pytanie. GA4 zachowuje każdą wartość wymiaru i przybliża wskaźniki. Adobe i Matomo zachowują dokładne wskaźniki i zwijają wartości wymiarów. Jeśli pracujesz na sumach i trendach, kompromis GA4 kosztuje mniej; jeśli na zestawieniach z długiego ogona, kosztuje więcej i jest jedną ze strukturalnych przyczyn tego, dlaczego dwa narzędzia pokazują różne liczby dla tego samego tygodnia.

Jak obejść próbkowanie bez zmiany planu?

Zmniejsz zapytanie, zanim zaczniesz wątpić w odpowiedź, bo próbkowanie zależy od tego, ile zdarzeń musi odczytać jedno zapytanie.

  • Podziel długi zakres dat na kilka krótszych zapytań; limit obowiązuje na zapytanie i na zakres dat.
  • Wybieraj standardowe raporty wszędzie tam, gdzie wystarczą, bo korzystają z tabel zagregowanych.
  • Przenieś powtarzający się segment do listy odbiorców lub wymiaru niestandardowego, aby filtrowanie odbywało się podczas zbierania danych.
  • Odpytuj surowe zdarzenia w BigQuery, co całkowicie omija limit raportowania i jest najpewniejszą z dróg opisanych w tekście o wydobywaniu danych z Google Analytics.

Warto wyrobić sobie nawyk: najpierw ikona, potem wskaźnik, bo liczba odczytana z 3% zdarzeń wygląda równie wiarygodnie jak ta ze wszystkich. Ten nawyk wyłapuje też pokrewny problem zdarzeń, które w ogóle nie dotarły do usługi, czego próbkowanie nie wyjaśnia ani nie naprawia.

Najczęściej zadawane pytania

Jaki jest dokładny próg zdarzeń dla próbkowania w GA4?

Google podaje jako domyślne ustawienia próbkowania 10 mln zdarzeń na zapytanie dla zwykłych usług i 100 mln dla usług Analytics 360. Analytics 360 może zwiększyć pojedynczą eksplorację do 1 mld zdarzeń przez wybranie „More detailed results”. Poniżej tych limitów zapytanie zwraca wyniki bez próbkowania; powyżej odczytywana jest próbka, a wynik jest skalowany.

Czy próbkowanie oznacza, że Google usunął moje dane?

Nie. Zdarzenia pozostają w usłudze i w eksporcie do BigQuery, jeśli jest skonfigurowany. Próbkowanie to decyzja podejmowana podczas zapytania, ile zdarzeń odczytać w ramach limitu, a nie decyzja o zbieraniu czy przechowywaniu. To samo pytanie w krótszym zakresie dat lub w BigQuery może dać dokładną odpowiedź z tych samych danych.

Dlaczego eksploracja znów jest próbkowana po zmianie filtra?

Bo Analytics 360 przywraca ustawienie wielkości próbki przy każdym ponownym uruchomieniu zapytania. Google podaje, że „każda zmiana wymagająca ponownego uruchomienia zapytania przywraca domyślną opcję Faster results”. Po każdej zmianie wybierz ponownie „More detailed results” i sprawdź ikonę jakości danych, zamiast zakładać, że ustawienie zostało zachowane.

Czy można wykryć próbkowanie przez Google Analytics Data API?

Tak, przez tablicę samplingMetadatas w ResponseMetaData. Jest wypełniana raz na zakres dat, gdy wynik jest próbkowany, a gdy nie jest, w ogóle nie jest zdefiniowana. Każdy wpis podaje samplesReadCount i samplingSpaceSize jako ciągi int64, a ich stosunek to odsetek odczytanych zdarzeń.

Czy Adobe Analytics próbkuje dane tak jak GA4?

Dokumentacja Analysis Workspace od Adobe nie opisuje ustawienia próbkowania podczas generowania raportów i nie pokazuje w interfejsie odsetka próbki. Udokumentowany limit dotyczy liczności wymiarów: po przekroczeniu 2 000 000 unikalnych wartości na wymiar, na zestaw raportów i na miesiąc kalendarzowy nowe elementy są grupowane pod etykietą „Low-Traffic”, a licznik zeruje się na koniec miesiąca.

Skoro Matomo nie próbkuje, dlaczego sumy różnią się od pełnego zliczenia z logów?

Bo Matomo ogranicza liczbę wierszy archiwizowanych na raport, a nie liczbę odczytywanych zdarzeń. Przetwarza wszystkie śledzone dane i deklaruje, że nie próbkuje, ale domyślnie archiwizuje tylko kilkaset najwyższych wierszy wielu raportów, a resztę sumuje w wierszu „Others”. Instalacja na własnym serwerze może podnieść ten pułap ustawieniami datatable_archiving_maximum_rows_* w config/config.ini.php, co według Matomo może znacząco wpłynąć na wydajność archiwizacji.

Czy próbkowanie w GA4 wpływa tak samo na każdy wskaźnik w raporcie?

Próbkowanie nie rozkłada się równomiernie. Główny wskaźnik, taki jak łączna liczba sesji, dobrze je znosi, bo szacunek ma dużą podstawę, natomiast segment odpowiadający za 0,3% ruchu, rzadko odwiedzana strona docelowa lub czteroetapowa ścieżka konwersji mogą mocno się wahać, bo próbka może zawierać tylko kilka istotnych zdarzeń. Raport pokazuje obie wartości tą samą czcionką, więc nic na stronie nie zdradza, która jest bardziej krucha.

Czy standardowe raporty GA4 bywają próbkowane?

Rzadko, bo większość z nich korzysta z tabel zagregowanych, które Google stworzył do szybkich odpowiedzi bez próbkowania na częste żądania. Próbkowanie pojawia się, gdy zapytania nie da się obsłużyć z tych tabel, na przykład przy niestandardowym zakresie dat, porównaniu, doraźnym segmencie, nietypowym zestawieniu wymiarów i w większości przypadków w Explore. Dlatego dwie osoby w tej samej usłudze mogą się spierać, czy GA4 w ogóle próbkuje: jedna korzysta ze standardowych raportów i nigdy tego nie widzi, druga buduje eksploracje i widzi to co tydzień.

Jak długo wyniki eksploracji bez próbkowania w Analytics 360 są dostępne po złożeniu żądania?

Google podaje 50 dni od złożenia żądania, a typowy czas przetwarzania to poniżej 30 minut. Eksport może zawierać do 10 000 000 komórek w TSV i CSV, a żądanie kwalifikuje się tylko wtedy, gdy zapytanie zwróciłoby ponad 1 mld zdarzeń.

Flowsery
Flowsery

Rozpocznij 14-dniowy okres próbny

Panel w czasie rzeczywistym

Śledzenie celów

Śledzenie bez cookie

Czy próg Low-Traffic w Adobe działa jednakowo dla wszystkich wymiarów?

Nie. Próg 2 000 000 unikalnych wartości obowiązuje na wymiar, na zestaw raportów i na miesiąc kalendarzowy, ale Adobe ostrzega, że szczególnie narażony jest wymiar Page, bo na ten sam limit składa się kilka kolumn zaplecza. Low-Traffic może więc zacząć przejmować elementy na długo przed tym, zanim widoczna liczba stron zbliży się do 2 mln, a drugi, ostrzejszy próg jest domyślnie ustawiony na 2 100 000.

Czy ten artykuł był pomocny?

Chętnie poznamy opinię!

Częściej widoczni w Google

Jedno kliknięcie ustawia Flowsery jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych artykułach, trybie AI i Przeglądach od AI.

Jeszcze jedno...

Flowsery

Flowsery

Analityka witryny skupiona na przychodach

Każdy odwiedzający, źródło i konwersja w czasie rzeczywistym. Prosto, skutecznie i bez plików cookie.

Panel w czasie rzeczywistym

Śledzenie celów

Śledzenie bez cookie

Powiązane hasła ze słownika

Jak analityka decyduje, że wizyta to ruch organicznyJak analityka decyduje, że wizyta to ruch organiczny
Słownik

Jak analityka decyduje, że wizyta to ruch organiczny

Ruch organiczny to reguła klasyfikacji, a nie fakt. Zobacz, jak GA4 i Matomo zaliczają wizytę do wyszukiwania i dlaczego słowo kluczowe nigdy nie dociera.

•9 min czytania
Strona wejścia a strona docelowa w GA4 i AdobeStrona wejścia a strona docelowa w GA4 i Adobe
Słownik

Strona wejścia a strona docelowa w GA4 i Adobe

Podział na stronę wejścia i stronę docelową ma znaczenie: GA4 oferuje tylko wymiar Landing page, Adobe tylko Entry page, a liczą je z różnych pól.

•8 min czytania
Co liczy się jako ruch z odesłań, a co po cichu z niego wypadaCo liczy się jako ruch z odesłań, a co po cichu z niego wypada
Słownik

Co liczy się jako ruch z odesłań, a co po cichu z niego wypada

O ruchu z odesłań decydują dwie różne reguły. GA4 czyta medium, Matomo host referrera, a nagłówek Referer gubi większość adresu URL.

•9 min czytania
Dlaczego unikalni odwiedzający to w każdym narzędziu co innegoDlaczego unikalni odwiedzający to w każdym narzędziu co innego
Słownik

Dlaczego unikalni odwiedzający to w każdym narzędziu co innego

Znaczenie unikalnych odwiedzających zależy od narzędzia: GA4 ich liczbę szacuje, Matomo nie liczy jej dla długich okresów, a Adobe usuwa duplikaty w całym raporcie.

•8 min czytania
Dlaczego współczynnik odrzuceń w GA4 to odwrócony współczynnik zaangażowaniaDlaczego współczynnik odrzuceń w GA4 to odwrócony współczynnik zaangażowania
Słownik

Dlaczego współczynnik odrzuceń w GA4 to odwrócony współczynnik zaangażowania

Współczynnik odrzuceń w GA4 to odsetek sesji bez zaangażowania. Sprawdź, jak definiuje go Google, czym różni się od Universal Analytics i gdzie go dodać.

•8 min czytania
Co liczy raport stron docelowych w GA4 i gdzie pojawiają się puste wierszeCo liczy raport stron docelowych w GA4 i gdzie pojawiają się puste wiersze
Słownik

Co liczy raport stron docelowych w GA4 i gdzie pojawiają się puste wiersze

Raport stron docelowych w GA4 pokazuje pierwszą stronę każdej sesji. Gdzie go znaleźć, jakie ma domyślne wskaźniki, skąd (not set) i jak dodać źródło.

•8 min czytania

Powiązane artykuły