自 2021 年 2 月的資料集起,我們會在 BigQuery 中的 CrUX 報表中加入實驗指標,以便依據數量級別區分來源的熱門程度:前 1, 000 個來源、前 10, 000 個來源、前 100, 000 個來源、前 1, 000,000 個來源,以此類推。
以下是實際應用的情況:
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
列 | 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 |
針對 2021 年 2 月的全球資料集,我們會取得 5 個值區。如預期,在第 1 列中,我們看到有 1000 個排名等級為 1000 的來源,也就是根據指標最熱門的 1,000 個來源。資料列 2 可能會讓人感到意外,因為它顯示前 10,000 個來源中只有 9,000 個來源;這是因為資料列 1 中的來源也是前 10,000 個來源的一部分。如要選取前 10, 000 個來源,請在查詢時指定 experimental.popularity.rank <= 10000。
資料集也包含國家/地區專屬的排名等級。舉例來說,這項查詢會列出德國最熱門的 10, 000 個來源。
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
為了瞭解新推出的「人氣」指標的潛力,我們將說明網路人氣區塊在「首次顯示內容所需時間」指標 (FCP) 方面的差異。為了方便本查詢,我們將 1 秒視為快速的使用者體驗。
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
對於 experimental.popularity.rank
<= 1000 的來源,查詢會將 FCP 指標值小於 1000ms 的所有直方圖桶密度相加,然後除以來源數量,也就是計算最熱門的 1,000 個來源快速 FCP 載入作業的平均百分比。在這個查詢中,所有來源都具有相同權重,因此這並非完美的做法。不過,我們可以透過變更 where 子句來指定 experimental.popularity.rank <= 10000,看看結果是否會因排名大小而有所變化。我們會為 10k、100k 等做這麼做:
來源排名大小 | 平均來源的 FCP 小於 1 秒百分比 |
---|---|
1.000 | 53.6% |
10,000 | 49.6% |
100,000 | 45.9% |
1,000,000 | 43.2% |
10,000,000 | 39.9% |
這表示網站上的使用者體驗越快,就越受歡迎。
在 2022 年 10 月資料集中,我們進一步將這項指標細分為半級別步驟。重新執行此資料集的第一個查詢,即可查看每個排名等級中的半步驟和來源數量:
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
列 | rank_magnitude | num_origins |
---|---|---|
1 | 1,000 | 1,000 |
2 | 5,000 | 4,000 |
3 | 10,000 | 5,000 |
4 | 50,000 次 | 40,000 |
5 | 100,000 | 50,000 次 |
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 |
進一步瞭解如何在 BigQuery 中使用 CrUX,並瀏覽 CrUX 教戰手冊,取得更多查詢範例。歡迎與我們分享你的查詢,並告訴我們你發現了什麼。