自 2021 年 2 月資料集起，我們將在 BigQuery 的 CrUX 報告中新增一項實驗性指標，依據規模排序來區分來源熱門程度：前 1 千名、前 1 萬大熱門、前 10 萬大、前 100 萬......
以下是實際執行情況：
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 |
2021 年 2 月的全球資料集可獲得 5 個值區。如預期，在第 1 列中，我們發現有 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/地區特定的排名規模。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
為說明新的熱門程度指標的潛力，讓我們看看網路在首次顯示內容繪製指標 (FCP) 上的熱門程度區隔有何不同。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，因此這並非最佳做法。但只要變更 where 子句，指定 experiment.popularity.rank <= 10000，即可查看結果，瞭解變更排名規模是否敏感。這項做法適用於 1 萬個、10 萬人，以此類推：
| 來源排名大小 | 平均來源的 FCP 小於 1 秒百分比 |
|---|---|
| 1.000 美元 | 53.6% |
| 10,000 | 49.6% |
| 100,000 | 45.9% |
| 1,000,000 | 43.2% |
| 10,000,000 | 39.9% |
這表示網頁載入速度較快，較熱門程度更重要。
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 人 |
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。