Découvrez comment les données CrUX sont structurées dans BigQuery.
Introduction
Les données brutes sur lesquelles repose le rapport d'expérience utilisateur Chrome (CrUX) sont disponibles sur BigQuery, une base de données hébergée sur Google Cloud Platform (GCP).
CrUX sur BigQuery permet aux utilisateurs d'interroger directement l'ensemble de données complet remontant à 2017, par exemple pour analyser les tendances, comparer les technologies Web et comparer les domaines.
Les données sont structurées par publication mensuelle, ainsi que par un certain nombre de tableaux récapitulatifs pour faciliter l'accès aux données et les interroger. Vous les trouverez plus loin dans cette documentation.
Les données BigQuery constituent la base du tableau de bord CrUX, qui vous permet de les visualiser sans avoir à écrire de requêtes SQL.
Accéder à l'ensemble de données dans GCP
L'utilisation de BigQuery nécessite un projet GCP et des connaissances de base du langage SQL. L'accès à l'ensemble de données CrUX sur BigQuery est sans frais et permet de l'explorer dans les limites du niveau sans frais, qui est renouvelé tous les mois et fourni par BigQuery. En outre, les nouveaux utilisateurs de GCP peuvent bénéficier d'un crédit d'inscription pour couvrir les dépenses au-delà du quota sans frais. Notez qu'une carte de crédit doit être fournie pour le projet GCP. Consultez la section Pourquoi dois-je fournir une carte de crédit ?.
Si vous utilisez BigQuery pour la première fois, suivez les étapes ci-dessous pour configurer un projet:
- Accédez à Google Cloud Platform.
- Cliquez sur Créer un projet.
- Donnez un nom à votre nouveau projet, par exemple "Mon rapport d'expérience utilisateur Chrome", puis cliquez sur "Créer".
- Indiquez vos informations de facturation si vous y êtes invité.
- Accédez à l'ensemble de données CrUX sur BigQuery.
Vous êtes maintenant prêt à commencer à interroger le jeu de données.
Organisation du projet
Les données CrUX sur BigQuery sont publiées le deuxième mardi du mois suivant. Chaque mois est publié sous la forme d'une nouvelle table sous chrome-ux-report.all
. Il existe également un certain nombre de tables matérialisées qui fournissent des statistiques récapitulatives pour chaque mois.
- `chrome-ux-report
Schéma détaillé du tableau
Tableaux bruts
Les tables brutes pour chaque pays et l'ensemble de données all
présentent le schéma suivant:
origin
effective_connection_type
form_factor
first_paint
first_contentful_paint
largest_contentful_paint
dom_content_loaded
onload
first_input
delay
layout_instability
- cumulative_layout_shift
interaction_to_next_paint
experimental
permission
notifications
time_to_first_byte
popularity
Schéma de la table matérialisée
Les tableaux matérialisées sont fournies pour faciliter l'accès aux données récapitulatives en fonction d'un certain nombre de dimensions clés. Aucun histogramme n'est fourni, mais les données de performances sont agrégées en fractions en fonction de l'évaluation des performances et de la valeur du 75e centile. Voici un ensemble d'exemples de lignes de la table metrics_summary
:
aaaamm | origine | fast_lcp | avg_lcp | slow_lcp | p75_lcp |
---|---|---|---|---|---|
202204 | https://example.com | 0,9056 | 0,0635 | 0,0301 | 1600 |
202203 | https://example.com | 0,9209 | 0,052 | 0,0274 | 1 400 |
202202 | https://example.com | 0,9169 | 0,0545 | 0,0284 | 1 500 |
202201 | https://example.com | 0,9072 | 0,0626 | 0,0298 | 1 500 |
Cela montre que dans l'ensemble de données de 202204, 90, 56% des expériences utilisateur réelles sur https://example.com
répondaient aux critères d'un bon LCP,et que la valeur approximative du LCP au 75e centile était de 1 600 ms. C'est un peu plus lent que les mois précédents.
Quatre tables matérialisées sont fournies:
metrics_summary
- métriques clés par mois et origine
device_summary
- métriques clés par mois, origine et type d'appareil
country_summary
- métriques clés par mois, origine, type d'appareil et pays
origin_summary
- Liste de toutes les origines incluses dans l'ensemble de données
metrics_summary
La table metrics_summary
contient des statistiques récapitulatives pour chaque origine et chaque ensemble de données mensuel:
yyyymm
- Mois de la collecte des données
origin
- URL de l'origine du site
rank
- Classement général de popularité (mars 2021)
[small|medium|large]_cls
- fraction du trafic par seuil CLS
[fast|avg|slow]_<metric>
- fraction du trafic par seuils de performances
p75_<metric>
- Valeur du 75e centile des métriques de performances (millisecondes)
notification_permission_[accept|deny|ignore|dismiss]
- fraction des comportements liés aux autorisations de notifications
[desktop|phone|tablet]Density
- fraction du trafic par facteur de forme
[_4G|_3G|_2G|slow2G|offline]Density
- Fraction du trafic par type de connexion effectif
device_summary
Le tableau device_summary
contient des statistiques agrégées par mois, origine, pays et appareil. Outre les colonnes metrics_summary
, on trouve les éléments suivants:
device
- Facteur de forme de l'appareil
country_summary
Le tableau country_summary
contient des statistiques agrégées par mois, origine, pays et appareil. Outre les colonnes metrics_summary
, on trouve les éléments suivants:
country_code
- Code pays à deux lettres
device
- Facteur de forme de l'appareil
origin_summary
La table origin_summary
contient la liste de toutes les origines de l'ensemble de données CrUX. Elle est mise à jour tous les mois avec la dernière liste des origines de l'ensemble de données et comporte une seule colonne: origin
.
Ensemble de données expérimental
Les tables de l'ensemble de données expérimental sont des copies exactes des tables YYYYMM
par défaut, mais elles utilisent des fonctionnalités BigQuery plus récentes et plus avancées, telles que le partitionnement et le clustering, qui vous permettent d'écrire des requêtes plus rapides, plus simples et moins coûteuses.
country
L'ensemble de données experimental.country
contient des données globales issues des ensembles de données country_CC
, ainsi qu'une colonne yyyymm
supplémentaire pour la date de l'ensemble de données. Le schéma est identique à celui des tables brutes, avec l'ajout des colonnes de date et country_code
, ce qui permet d'exécuter des requêtes de comparaison temporelle au niveau du pays sans joindre les tables mensuelles.
global
L'ensemble de données experimental.global
contient des données globales de l'ensemble de données all
, ainsi qu'une colonne yyyymm
supplémentaire pour la date de l'ensemble de données. Le schéma est identique aux tables brutes, avec l'ajout d'une date, ce qui permet d'exécuter des requêtes de comparaison au fil du temps sans joindre les tables mensuelles.