Avvii un report personalizzato nel tuo strumento di statistiche. Dice: "Questo report si basa su 100.000 sessioni. Dati non campionati: 1.250.000 sessioni." Il tuo report usa stime ricavate dall'8% dei tuoi dati reali.
Il campionamento dei dati avviene quando gli strumenti di statistiche non riescono a elaborare tutti i tuoi dati e quindi fanno una stima. La stima spesso è abbastanza accurata, ma non sono comunque i tuoi numeri reali.
Che cos'è il campionamento dei dati e perché gli strumenti lo usano
Il problema: troppi dati da elaborare
Gli strumenti di statistiche elaborano milioni di eventi al secondo su milioni di siti web. Elaborare ogni singolo dato in tempo reale non è pratico. Quando il traffico diventa abbastanza alto, gli strumenti passano dal contare tutto al campionare un sottoinsieme ed estrapolare.
Come funziona il campionamento
Lo strumento guarda il 10% del tuo traffico. Calcola le metriche su quel 10%. Poi moltiplica i risultati per 10 per stimare le metriche totali. Se nel campione ci sono 5 conversioni, lo strumento stima 50 conversioni in totale. È una stima matematica, non i tuoi numeri reali.
La percentuale di campionamento cambia in base allo strumento e al livello di traffico
Alcuni strumenti iniziano a campionare a 100.000 sessioni al mese. Altri a 1 milione. Alcuni piani gratuiti campionano in modo più aggressivo dei piani a pagamento. Più alto è il traffico, più aggressivo è il campionamento.
Il campionamento è trasparente (a volte)
Gli strumenti buoni ti dicono quando campionano. Compare una nota che dice "Questi dati sono campionati". Quelli cattivi non lo dichiarano. Pensi di guardare numeri reali ma stai guardando stime.
Quando avviene il campionamento dei dati
In Google Analytics
Il piano gratuito di Google Analytics campiona quando crei report personalizzati che superano i suoi limiti di elaborazione (di solito intorno a 1 milione di eventi). I piani premium campionano a soglie molto più alte. Se il tuo report include molti dati, il campionamento è probabile.
Nei report in tempo reale
I dati in tempo reale sono quasi sempre campionati, perché mostrare dati davvero in tempo reale per ogni evento sarebbe impossibile dal punto di vista del calcolo. Le dashboard in tempo reale mostrano stime aggiornate di frequente, non numeri esatti.
Nei report personalizzati complessi
Più dimensioni e metriche includi in un report, più è probabile il campionamento. Un semplice report "traffico per fonte" può essere non campionato. Un report dettagliato che scompone 10 dimensioni con metriche personalizzate può essere molto campionato.
L'impatto del campionamento dei dati
Le stime di solito sono vicine ai numeri reali
Gli algoritmi di campionamento sono sofisticati. Un campione del 10% esteso al 100% spesso è accurato entro pochi punti percentuali. Per le decisioni di visione generale, le stime bastano.
Il campionamento funziona male sui numeri piccoli
Quando campioni il 10% e cerchi le conversioni di una fonte di traffico precisa, puoi vedere zero nel campione anche se in realtà ne avevi qualcuna. La stima diventa "zero conversioni" quando in realtà erano due o tre. I numeri piccoli si distorcono.
I confronti diventano meno affidabili
Confrontare i tassi di conversione tra due fonti di traffico quando i dati sono campionati è rischioso. Potresti concludere che la fonte A funziona meglio della fonte B quando la differenza è solo un errore di campionamento.
L'analisi delle tendenze diventa meno accurata
Seguire se le conversioni salgono o scendono con dati campionati aggiunge rumore. Il calo è reale o è solo variazione di campionamento? Non puoi esserne sicuro.
Come lavorare con i dati campionati
Ottieni dati non campionati se il tuo strumento li offre
I piani premium di statistiche di solito offrono dati non campionati. Google Analytics 360 fornisce report non campionati. La maggior parte degli strumenti di statistiche a pagamento permette di esportare dati non campionati. Se prendi decisioni importanti, passa a un piano superiore per avere numeri reali.
Capisci la percentuale di campionamento
Quando vedi un report campionato, cerca la percentuale di campionamento. "Basato su 100.000 di 500.000 sessioni" significa campionamento al 20%. Più bassa è la percentuale, meno affidabili sono i numeri. Un campionamento del 50% o più è abbastanza affidabile. Uno del 5% no.
Usa i segmenti per ridurre il volume di dati
I report campionati nascono perché provi a elaborare troppi dati. Usa un intervallo di date o un segmento per ridurre l'insieme di dati. Fai il report sugli ultimi 7 giorni invece che su 90. Fallo su una fonte di traffico invece che su tutte. Gli insiemi di dati più piccoli hanno meno probabilità di essere campionati.
Esporta i dati per l'analisi offline
Se il tuo strumento permette di esportare dati non campionati, fallo. Esporta in un foglio di calcolo o in un database e fai lì la tua analisi. Così hai numeri reali invece di stime.
Crea report automatici meno complessi
Invece di creare un solo report complesso con 10 dimensioni, crea più report semplici. Ogni report semplice ha meno probabilità di essere campionato. Insieme ti danno una visione non campionata dei tuoi dati.
Si può evitare il campionamento dei dati
Il campionamento non è sempre evitabile
Se il tuo traffico è molto alto e vuoi report in tempo reale, un certo livello di campionamento può essere inevitabile. Puoi ridurlo tenendo i report semplici e mirati.
Gli strumenti premium offrono soglie più alte
Gli strumenti di statistiche a pagamento hanno soglie di campionamento molto più alte delle versioni gratuite. Google Analytics 360 e altre piattaforme premium gestiscono volumi di dati molto più alti senza campionare.
Le statistiche lato server evitano il campionamento
Se tracci le conversioni lato server nel tuo database, controlli i dati e non campioni mai. I tuoi dati di conversione sono esatti. Questo approccio richiede più configurazione tecnica ma ti dà numeri veri.
Domande frequenti
I dati campionati sono inaffidabili?
Non necessariamente. Un campionamento statisticamente valido è affidabile per le metriche di visione generale. Ma per i numeri piccoli, i confronti specifici e le analisi dettagliate, i dati campionati perdono precisione. Usali per le tendenze, non per i numeri precisi. Con il creatore di siti di WEMASY puoi impostarlo direttamente sul tuo sito.
Come faccio a sapere se i miei dati sono campionati?
Cerca una nota nel tuo strumento di statistiche che dica "I dati sono campionati" oppure "Basato sul X% delle sessioni". Se non vedi nessuna nota, probabilmente non sono campionati. La maggior parte degli strumenti dichiara il campionamento quando avviene.
Devo passare a un piano superiore per evitare il campionamento?
Solo se il campionamento influisce su decisioni importanti. Se la maggior parte delle tue decisioni usa già dati non campionati, passare a un piano superiore solo per questo può non valere la pena. Individua quali decisioni richiedono numeri reali e passa al piano superiore se sono significative.
Il campionamento dei dati influisce sulle mie metriche di base?
Forse. Se la tua dashboard principale usa dati campionati, la tua base di partenza è una stima. Crea una vista separata con report meno complessi per avere numeri non campionati per le tue metriche principali.
Posso trarre conclusioni statisticamente valide da dati campionati?
Per le tendenze complessive sì. Per i confronti specifici dipende dalla dimensione del campione. Un campione del 50% su 1000 eventi può sostenere delle conclusioni. Un campione dell'1% su 100 eventi no.
Come influisce il campionamento sui risultati dei test A/B?
I test A/B richiedono dati non campionati per essere validi. Il campionamento aggiunge rumore ai risultati. Se fai test A/B, assicurati che il tuo strumento di statistiche non campioni i dati del test. La maggior parte degli strumenti a pagamento non campiona i dati dei test A/B.