بدءًا من مجموعة بيانات شباط (فبراير) 2021، سنضيف مقياسًا تجريبيًا إلى تقرير تجربة المستخدم على Chrome في BigQuery للتمييز بين مدى رواج مصادر البيانات حسب الكمية: أبرز 1,000 أصل، وأعلى 10 آلاف أصل، وأعلى 100 ألف، وأعلى مليون،...
لنطّلِع على مثال عملي على ذلك:
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
| الصف | rank_magnitude | num_origins |
|---|---|---|
| 1 | 1,000 | 1,000 |
| 2 | 10,000 | 9,000 |
| 3 | 100,000 | 90,000 |
| 4 | 1,000,000 | 900000 |
| 15 | 10,000,000 | 7,264,371 |
بالنسبة إلى مجموعة البيانات العالمية لشهر شباط (فبراير) 2021، نحصل على 5 حِزم. كما هو متوقّع، في الصف 1، نرى أنّ هناك 1,000 مصدر بترتيب 1,000، أي 1,000 مصدر الأكثر رواجًا وفقًا لمقياسنا. قد يبدو الصف 2 مفاجئًا، ما يشير إلى أنّه ليس هناك سوى 9 آلاف مصدر في مجموعة أهم 10 آلاف مصدر، ويعود السبب في ذلك إلى أنّ المصادر الواردة في الصف 1 هي أيضًا جزء من مجموعة أهم 10 آلاف مصدر. لاختيار أهم 10, 000 مصدر، يجب تحديد experimental.popularity.rank <= 10000 عند إجراء طلب بحث.
تحتوي مجموعة البيانات أيضًا على قيمة التصنيف الخاصة بالبلد. على سبيل المثال، يسرد هذا الاستعلام 10 آلاف أصول أكثر شيوعًا في ألمانيا.
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
للتطرق إلى إمكانات مقياس مدى الرواج الجديد، يمكننا معرفة مدى اختلاف شرائح مدى رواج الويب في ما يتعلق بمقياس "سرعة عرض المحتوى على الصفحة" (FCP). لأغراض هذا الطلب، نعتبر أنّ ثانية واحدة هي تجربة سريعة للمستخدم.
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
بالنسبة إلى مصادر البيانات التي يكون فيها experimental.popularity.rank <= 1000، يجمع الطلب جميع كثافات مجموعات الرسم البياني الشريطي لقيم مقياس سرعة عرض المحتوى على الصفحة التي تقل عن 1000 ملي ثانية ويقسمها
بعدد مصادر البيانات، أي أنّه يحسب متوسط النسبة المئوية لعمليات تحميل سرعة عرض المحتوى على الصفحة السريعة لـ 1,000 مصدر بيانات الأكثر رواجًا. في طلب البحث هذا، يكون لكل مصادر المحتوى
وزن متساوٍ، لذا يمكن القول إنّ هذا الطلب غير مثالي. ولكن لنلقِ نظرة على ما إذا كانت النتيجة
حساسة لتغيير حجم الترتيب، وذلك من خلال تغيير عبارة where لتحديد experimental.popularity.rank <= 10000. نفعل ذلك لـ 10 آلاف و100 ألف وما يليه:
| ترتيب مدى أهمية مصادر الزيارات | النسبة المئوية لـ "سرعة عرض المحتوى على الصفحة" (FCP) أقل من 1 ثانية، حسب المتوسط مقارنةً بالمصادر |
|---|---|
| 1,000 | 53.6% |
| 10,000 | 49.6% |
| 100,000 | 45.9% |
| 1,000,000 | 43.2% |
| 10,000,000 | 39.9% |
يشير ذلك إلى أنّ تجربة المستخدم الأسرع على الويب ترتبط بزيادة مدى رواج الموقع الإلكتروني.
في مجموعة بيانات تشرين الأول (أكتوبر) 2022، تم تقسيمها أكثر بخطوات بنصف الترتيب. تؤدي إعادة تشغيل الاستعلام الأول لمجموعة البيانات هذه إلى إظهار نصف الخطوات وعدد الأصول في كل حجم ترتيب:
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
| الصف | rank_magnitude | num_origins |
|---|---|---|
| 1 | 1,000 | 1,000 |
| 2 | 5000 | 4000 |
| 3 | 10,000 | 5000 |
| 4 | 50,000 | 40,000 |
| 5 | 100,000 | 50,000 |
| 6 | 500,000 | 400,000 |
| 7 | 1,000,000 | 500000 |
| 8 | 5,000,000 | 4,000,000 |
| 9 | 10,000,000 | 5,000,000 |
| 10 | 50,000,000 | 7,637,195 |
اطّلِع على مزيد من المعلومات عن استخدام CrUX على BigQuery وتصفّح دليل CrUX للاطّلاع على المزيد من أمثلة طلبات البحث. يمكنك مشاركة طلبات البحث التي أجريتها إذا أردت، وإعلامنا بما وجدته.