Thêm độ lớn thứ hạng vào báo cáo CrUX trong BigQuery

Bắt đầu từ tập dữ liệu vào tháng 2 năm 2021, chúng tôi sẽ thêm một chỉ số thử nghiệm vào báo cáo CrUX trong BigQuery, để phân biệt mức độ phổ biến của các nguồn theo thứ tự về độ lớn: 1.000 nguồn gốc hàng đầu, 10 nghìn hàng đầu, 100 nghìn hàng đầu, 1 triệu hàng đầu, ...

Hãy xem trong thực tế:

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
Hàng 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

Đối với tập dữ liệu toàn cầu tháng 2 năm 2021, chúng ta sẽ nhận được 5 bộ chứa. Như dự kiến, trong hàng 1, chúng ta thấy có 1.000 nguồn gốc có độ lớn thứ hạng là 1.000 – là 1.000 nguồn gốc phổ biến nhất theo chỉ số của chúng tôi. Hàng 2 có thể trông khá ngạc nhiên vì chỉ có 9 nghìn nguồn gốc trong nhóm 10 nghìn hàng đầu; điều này là do các nguồn gốc ở hàng 1 cũng thuộc tập hợp 10 nghìn nguồn trên cùng. Để chọn 10.000 nguồn gốc hàng đầu, bạn cần chỉ địnhExperimental.commonity.rank <= 10000 khi truy vấn.

Tập dữ liệu cũng chứa độ lớn thứ hạng theo quốc gia. Ví dụ: truy vấn này liệt kê 10 nghìn nguồn gốc phổ biến nhất ở Đức.

SELECT DISTINCT origin
FROM `chrome-ux-report.country_de.202102`
WHERE experimental.popularity.rank <= 10000

Để đánh giá tiềm năng của chỉ số mức độ phổ biến mới, hãy xem các phân khúc mức độ phổ biến trên web khác nhau như thế nào so với chỉ số hiển thị nội dung đầu tiên (FCP). Đối với truy vấn này, chúng tôi coi 1 giây là trải nghiệm người dùng nhanh.

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

Đối với những nguồn gốc có experimental.popularity.rank <= 1000, truy vấn tính tổng tất cả mật độ bộ chứa biểu đồ đối với những giá trị chỉ số FCP nhỏ hơn 1000 mili giây và chia cho số nguồn gốc – tức là công cụ này sẽ tính tỷ lệ phần trăm trung bình của lượt tải FCP nhanh cho 1 nghìn nguồn gốc phổ biến nhất. Trong truy vấn này, mọi nguồn gốc đều có trọng số bằng nhau, nên có thể cho rằng điều này không hoàn hảo. Tuy nhiên, hãy xem kết quả có nhạy cảm với việc thay đổi cường độ thứ hạng hay không, bằng cách thay đổi mệnh đề where để chỉ định thử nghiệm.commonity.rank <= 10000. Chúng tôi làm điều này với 10k, 100k, v.v.:

Độ lớn thứ hạng của nguồn gốc Tỷ lệ phần trăm FCP < 1 giây, tính trung bình trên nguồn gốc
1.000 53,6%
10.000 49,6%
100.000 45,9%
1.000.000 43,2%
10.000.000 39,9%

Điều này cho thấy rằng trải nghiệm người dùng nhanh hơn trên web có mối tương quan với mức độ phổ biến hơn.

Trong tập dữ liệu vào tháng 10 năm 2022, kết quả phân chia này được chia nhỏ theo 1/2 bậc. Khi chạy lại truy vấn đầu tiên cho tập dữ liệu này, bạn sẽ thấy nửa bước và số lượng điểm gốc theo từng cấp độ của thứ hạng:

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
Hàng rank_magnitude num_origins
1 1.000 1.000
2 5.000 4.000
3 10.000 5.000
4 50.000 40.000
5 100.000 50.000
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

Tìm hiểu thêm về cách sử dụng CrUX trên BigQueryduyệt xem Sổ tay nấu ăn trên CrUX để xem thêm các cụm từ tìm kiếm mẫu. Hãy chia sẻ cụm từ tìm kiếm nếu bạn muốn và cho chúng tôi biết ý kiến của bạn.