اعتبارًا من مجموعة البيانات لشهر شباط (فبراير) 2021، سنضيف مقياسًا تجريبيًا إلى تقرير CrUX في BigQuery. يتم من خلال هذا المقياس التمييز بين مدى رواج المصادر حسب عدد القيم:
لنرى كيف يبدو ذلك عمليًا:
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 | 9000 |
| 3 | 100000 | 90000 |
| 4 | 1,000,000 | 900000 |
| 15 | 10,000,000 | 7,264,371 |
بالنسبة إلى مجموعة البيانات العالمية لشهر شباط (فبراير) 2021، نحصل على 5 مجموعات بيانات. كما هو متوقع، في الصف 1، نرى أن هناك 1000 أصل بمقدار ترتيب 1000 - وهو الألف أصل الأكثر شيوعًا حسب مقياسنا. قد يبدو الصف 2 مفاجئًا، مما يشير إلى وجود 9 آلاف من الأصول فقط في أعلى 10 آلاف مجموعة، وذلك لأن الأصول في الصف 1 هي أيضًا جزء من أعلى 10 آلاف مجموعة. لتحديد أهم 10 آلاف أصل، يجب تحديد special.popularity.rank <= 10000 عند الاستعلام.
تحتوي مجموعة البيانات أيضًا على حجم الترتيب الخاص بالبلد. على سبيل المثال، يسرد هذا الاستعلام 10 آلاف أصل الأكثر شيوعًا في ألمانيا.
SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000
للحديث عن فرص استخدام مقياس مدى رواجنا الجديد، سنتعرّف على مدى اختلاف شرائح مدى رواج الويب على الويب في ما يتعلّق بمقياس سرعة عرض المحتوى على الصفحة (FCP). للغرض من هذا الاستعلام، نعتبر ثانية واحدة تجربة مستخدم سريعة.
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 الأصول ذات experimental.popularity.rank <= 1000، يجمع طلب البحث كل كثافات مجموعات المدرجات التكرارية لقيم مقياس FCP الأصغر من 1000 ملي ثانية، ويقسمه على عدد المصادر، أي أنه يحتسب متوسط النسبة المئوية لعمليات تحميل FCP بسرعة للألف أصل الأكثر شيوعًا. في هذا الاستعلام، جميع الأصول لها
وزن متساوٍ، لذا يمكن القول إن هذا ليس مثاليًا. لكن دعنا نرى ما إذا كانت النتيجة حساسة لتغيير حجم الترتيب، من خلال تغيير عبارة where لتحديد special.popularity.rank <= 10000. نفعل ذلك لـ 10 آلاف و100 ألف، وهكذا:
| حجم ترتيب المصادر | نسبة سرعة عرض أكبر محتوى مرئي (FCP) أقل من ثانية واحدة، بمتوسط ما تم احتسابه مقارنةً بالمصادر |
|---|---|
| 1.000 | 53.6% |
| 10,000 | 49.6% |
| 100000 | 45.9% |
| 1,000,000 | 43.2% |
| 10,000,000 | 39.9% |
ويشير هذا إلى أنّ تجربة المستخدم الأسرع على الويب مرتبطة بكونها أكثر شيوعًا.
في مجموعة بيانات تشرين الأول (أكتوبر) 2022، تم تقسيم ذلك أيضًا من خلال خطوات نصف الترتيب. تُظهر إعادة تشغيل الاستعلام الأول لمجموعة البيانات هذه 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 | 40000 |
| 5 | 100000 | 50,000 |
| 6 | 500000 | 400000 |
| 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 |
يمكنك الاطّلاع على مزيد من المعلومات حول استخدام CrUX على BigQuery وتصفُّح كتاب الطبخ على CrUX للحصول على مزيد من الأمثلة على طلبات البحث. شاركنا أسئلتك إذا كنت ترغب في ذلك، وأخبرنا بما وجدته.