谷歌分析数据抽样问题

正文

一些网站分析工具会使用抽样数据（Sampled Data）。比如，谷歌分析（Google Analytics /GA）在报表里会展示抽样数据。

文章里我会解释抽样数据会给你做分析带来的问题。

数据抽样（Data Sampling）

数据抽样会产生严重的问题。

谷歌分析（Google Analytics / GA），会将数据进行抽样，在一些情况中，GA报表中展示的数据会是抽样数据。

一般场景是当一个GA 媒体资源属性（Property）所收集的数据超过了该资源属性的上限时，GA就会在其报表中显示抽样数据。

GA数据是如何被抽样的？

在以下场景中，数据会被抽样：

报告中每天有50,000行以上的预汇总数据时。
报告中有500,000个访问来自非汇总数据时。

当数据被抽样时，你的数据报告就不再精确了，而且GA也会向你展示如下信息，以表示该报告是以抽样数据为基准的：

"本报告以100,000访问次数为基准（占总访问次数的10%）"

GA数据抽样会导致什么问题？

举例而言，在你所选取的日期区间内，本来有1,000,000个访问。通过数据抽样，GA选取了当中的100,000个访问（假设是总访问次数的10%），把所有的数值乘以10倍，然后生成了你需要的报告。

假设，你GA帐号某时间段记录了1,000,000个访问，当中的10,000个访问（=1%）是属于某一个来源访问地址（referring URL=example.com）。如果要选取10%作为样本来计算，GA就会从1,000,000个访问中随机抽取100,000个。这100,000个访问中，GA很可能随机抽取了2,500个来自这个访问地址（example.com），然后将2,500乘以一个比例，得出一个“估计值” - 2,500是原来10,000的4分之1。最后，通过这样的数据抽样方式将数据汇报到平时的GA报表中。

通过数据抽样的方式，将数据汇报到平时的GA报表中后，你的数据就面临极不精准的问题。我稍后继续说明不精准的数据会带来什么样的数据分析问题。

在GA抽样数据上，如何使数据更精准？

在GA报告中，你可以选择增加抽样的样本量以提升精准性，或者降低样本量，以提升报告的生成速度。是两者二选一。

当然我们希望增加样本量，让GA基于更大的样本基数来运算，生成你的报表。

比如，GA一开始提供的标准抽样基数会比较低：

"此报告基于50,000个访问（总访问次数的5%）来计算"

你在GA帐号里手动提升了抽样基数后：

"此报告基于200,000个访问（总访问次数的20%）来计算"

GA数据抽样问题最终解决了吗？

免费版的GA，抽样问题无法完全避免，只能降低其影响。

你是可以通过GA帐号里的一个滑块开关来增加样本量，增加样本量后，GA报告的数据精准性会增加。但是，GA本来就有精度上限，你也只能把精度提升到比如20%（为最大值），所以GA报表中的数据出现的精度问题（或），抽样数据以后带来的问题，还是不能解决。

GA中的抽样数据无法解决！

抽样数据带来的问题

因为是从GA取得的是抽样数据，所以会碰到的问题包括：

如果是电商业务，有可能发生的是你GA订单数据的细节跟你业务数据库里的订单数据对不上号。
你很可能希望把用户数据做成用户轨迹（User Clickstream），但在建用户轨迹模型时，你会发觉当中缺数据。

使用GA的另一个麻烦问题是：你的网站分析数据其实是存放在Google的服务器上，你并没有自己保存一份完整的原始数据。以后你要做复杂的数据细分、比较、建模，前提是需要先有完整的原始数据，但是你没有保存一份。所以就别想要做复杂的细分、比较、建模了。

解决方法是：

你会需要自己保存自己的网站分析数据。

China Mobile SEO Book

过去我写过的一本SEO书：

www.ChinaMobileSEO.com

我的个人微信号二维码

需要联系，就请扫二维码。