CrUX ใน BigQuery

ดูโครงสร้างข้อมูล CrUX ใน BigQuery

บทนำ

ข้อมูลดิบที่อยู่เบื้องหลังรายงานประสบการณ์ของผู้ใช้ Chrome (CrUX) พร้อมใช้งานใน BigQuery ซึ่งเป็นฐานข้อมูลที่โฮสต์ใน Google Cloud

CrUX ใน BigQuery ช่วยให้ผู้ใช้ค้นหาชุดข้อมูลทั้งหมดได้โดยตรงตั้งแต่ปี 2017 เช่น เพื่อวิเคราะห์แนวโน้ม เปรียบเทียบเทคโนโลยีเว็บ และเปรียบเทียบโดเมน

ข้อมูลจะจัดโครงสร้างตามการเผยแพร่รายเดือน รวมถึงตารางสรุปจำนวนหนึ่งเพื่อให้เข้าถึงข้อมูลได้เร็วขึ้นสำหรับการค้นหาข้อมูล

ข้อมูล BigQuery เป็นพื้นฐานของแดชบอร์ด CrUX ซึ่งช่วยให้คุณเห็นภาพข้อมูลนี้ได้โดยไม่ต้องเขียนการค้นหา SQL

เข้าถึงชุดข้อมูล

การใช้ BigQuery ต้องมีบัญชี Google Cloud และความรู้พื้นฐานเกี่ยวกับ SQL ชุดข้อมูล CrUX ใน BigQuery สามารถเข้าถึงและสำรวจได้ฟรีตามขีดจำกัดของแพ็กเกจรุ่นฟรี ซึ่ง BigQuery จะต่ออายุให้ทุกเดือน นอกจากนี้ ผู้ใช้ Google Cloud รายใหม่ยังอาจมีสิทธิ์ได้รับเครดิตลงชื่อสมัครใช้เพื่อครอบคลุมค่าใช้จ่ายที่เกินระดับฟรี โปรดทราบว่าต้องระบุบัตรเครดิตสำหรับโปรเจ็กต์ Google Cloud โปรดดูทำไมฉันจึงต้องระบุบัตรเครดิต

หากใช้ BigQuery เป็นครั้งแรก ให้ทำตามขั้นตอนต่อไปนี้เพื่อตั้งค่าโปรเจ็กต์

  1. ไปที่สร้างโปรเจ็กต์ใน Google Cloud Console
  2. ตั้งชื่อโปรเจ็กต์ใหม่ เช่น "รายงาน UX ของ Chrome ของฉัน" แล้วคลิกสร้าง
  3. ระบุข้อมูลสำหรับการเรียกเก็บเงินหากได้รับข้อความแจ้ง
  4. ไปที่ชุดข้อมูล CrUX ใน BigQuery

ตอนนี้คุณก็พร้อมที่จะเริ่มค้นหาชุดข้อมูลแล้ว

การจัดระเบียบโปรเจ็กต์

ข้อมูล CrUX ใน BigQuery จะเผยแพร่ในวันอังคารที่ 2 ของเดือนถัดไป แต่ละเดือนจะเผยแพร่เป็นตารางใหม่ในส่วนchrome-ux-report.all นอกจากนี้ ยังมีตารางที่สร้างขึ้นจำนวนหนึ่งซึ่งแสดงสถิติสรุปสำหรับแต่ละเดือน

สคีมาของตารางโดยละเอียด

ตารางดิบสำหรับแต่ละประเทศและallชุดข้อมูลจะแสดงตามปีและเดือน

ตารางข้อมูลดิบ

ตารางดิบมีสคีมาต่อไปนี้

  • origin
  • effective_connection_type
  • form_factor
  • first_paint
  • first_contentful_paint
  • largest_contentful_paint
  • dom_content_loaded
  • onload
  • layout_instability
    • cumulative_layout_shift
  • interaction_to_next_paint
  • round_trip_time
  • navigation_types
    • navigate
    • navigate_cache
    • reload
    • restore
    • back_forward
    • back_forward_cache
    • prerender
  • experimental
    • permission
      • notifications
    • time_to_first_byte
    • popularity

สคีมาของตารางที่เป็นรูปธรรม

เรามีตารางที่สร้างขึ้นเพื่อช่วยให้เข้าถึงข้อมูลสรุปตามมิติข้อมูลสําคัญจํานวนหนึ่งได้ง่ายขึ้น ไม่มีการระบุฮิสโทแกรม แต่จะรวบรวมข้อมูลประสิทธิภาพเป็นเศษส่วนตามการประเมินประสิทธิภาพและค่าเปอร์เซ็นไทล์ที่ 75 ตัวอย่างนี้แสดงชุดแถวตัวอย่างจากตาราง metrics_summary

ปปปปดด origin 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 1400
202202 https://example.com 0.9169 0.0545 0.0284 1,500
202201 https://example.com 0.9072 0.0626 0.0298 1,500

ซึ่งแสดงให้เห็นว่าในชุดข้อมูล 202204 ประสบการณ์ของผู้ใช้จริง 90.56% ใน https://example.com เป็นไปตามเกณฑ์สำหรับ LCP ที่ดี และค่า LCP เปอร์เซ็นไทล์ที่ 75 แบบคร่าวๆ คือ 1,600 มิลลิวินาที ซึ่งช้ากว่าเดือนก่อนๆ เล็กน้อย

ระบบจะจัดเตรียมตารางที่สร้างขึ้น 4 ตารางดังนี้

metrics_summary
เมตริกสําคัญตามเดือนและแหล่งที่มา
device_summary
เมตริกหลักตามเดือน ต้นทาง และประเภทอุปกรณ์
country_summary
เมตริกสําคัญตามเดือน แหล่งที่มา ประเภทอุปกรณ์ และประเทศ
origin_summary
รายการต้นทางทั้งหมดที่รวมอยู่ในชุดข้อมูล

metrics_summary

ตาราง metrics_summary มีสถิติสรุปสำหรับแต่ละต้นทางและชุดข้อมูลรายเดือนแต่ละชุด

yyyymm
เดือนของระยะเวลาการเก็บรวบรวมข้อมูล
origin
URL ของต้นทางของเว็บไซต์
rank
การจัดอันดับความนิยมแบบคร่าวๆ (ข้อมูล ณ มีนาคม 2021)
[small|medium|large]_cls
เศษส่วนของการเข้าชมตามเกณฑ์ CLS
[fast|avg|slow]_<metric>
เศษส่วนของการเข้าชมตามเกณฑ์ประสิทธิภาพ
[low|medium|high]_rtt
เศษส่วนของการเข้าชมตามเกณฑ์ RTT
p75_<metric>
ค่าเปอร์เซ็นไทล์ที่ 75 ของเมตริกประสิทธิภาพ (มิลลิวินาที)
notification_permission_[accept|deny|ignore|dismiss]
เศษส่วนของลักษณะการทำงานของสิทธิ์การแจ้งเตือน
[desktop|phone|tablet]Density
สัดส่วนของการเข้าชมตามรูปแบบของอุปกรณ์
[_4G|_3G|_2G|slow2G|offline]Density
สัดส่วนของการเข้าชมตามประเภทการเชื่อมต่อที่มีประสิทธิภาพ (คำนวณจากrttฮิสโทแกรมตั้งแต่เดือนกุมภาพันธ์ 2025 โดยไม่มีการเข้าชมแบบออฟไลน์)
navigation_type_[navigate|navigate_cache|reload|restore|back_forward|back_forward_cache|prerender]
เศษส่วนของประเภทการนำทาง

device_summary

ตาราง device_summary มีสถิติรวมตามเดือน ต้นทาง ประเทศ และอุปกรณ์ นอกจากคอลัมน์ metrics_summary แล้ว ยังมีข้อมูลต่อไปนี้

device
รูปแบบ
ของอุปกรณ์

country_summary

ตาราง country_summary มีสถิติรวมตามเดือน ต้นทาง ประเทศ และอุปกรณ์ นอกจากคอลัมน์ metrics_summary แล้ว ยังมีข้อมูลต่อไปนี้

country_code
รหัสประเทศ 2 ตัวอักษร
device
รูปแบบ
ของอุปกรณ์

origin_summary

ตาราง origin_summary มีรายการต้นทางทั้งหมดในชุดข้อมูล CrUX โดยจะอัปเดตทุกเดือนด้วยรายการต้นทางล่าสุดในชุดข้อมูล และมีคอลัมน์เดียวคือ origin

ชุดข้อมูลเวอร์ชันทดลอง

ตารางในชุดข้อมูลทดลองเป็นสำเนาที่ตรงกันของตาราง YYYYMM เริ่มต้น แต่ใช้ฟีเจอร์ BigQuery ที่ใหม่กว่าและขั้นสูงกว่า เช่น การแบ่งพาร์ติชันและการจัดกลุ่ม ซึ่งช่วยให้คุณเขียนคำค้นหาได้เร็วขึ้น ง่ายขึ้น และถูกลง

country

experimental.country ชุดข้อมูลประกอบด้วยข้อมูลที่รวบรวมจากชุดข้อมูล country_CC โดยมีคอลัมน์ yyyymm เพิ่มเติมสำหรับวันที่ของชุดข้อมูล สคีมาจะเหมือนกับตารางดิบทุกประการ โดยมีคอลัมน์วันที่และ country_code เพิ่มเข้ามา ซึ่งจะช่วยให้เรียกใช้การเปรียบเทียบระดับประเทศในช่วงระยะเวลาหนึ่งได้โดยไม่ต้องรวมตารางรายเดือน

global

experimental.global ชุดข้อมูลประกอบด้วยข้อมูลรวมจากชุดข้อมูล all โดยมีคอลัมน์ yyyymm เพิ่มเติมสำหรับวันที่ของชุดข้อมูล สคีมาจะเหมือนกับตารางดิบทุกประการ โดยจะเพิ่มวันที่เพื่อให้เรียกใช้การเปรียบเทียบเมื่อเวลาผ่านไปได้โดยไม่ต้องรวมตารางรายเดือน