認識 Google Analytics的『取樣數據』- 初學者篇

舉例來說，如果你想知道台灣人口的2300萬人的行為資料，但2300萬人的資料過於龐大、處理起來會花費更高的成本與時間，因此你取了20%的460萬人口來做分析、理解他們的行為，並用這20%的人口樣本做為參考來理解整個2300萬人，在概念上，20%的取樣必須包含所有可能影響到資料的族群特徵，比方說這20%的取樣裡面必須包含所有的年齡層、性別、生活型態，這就是所謂的取樣數據。題外話：前幾個月因Harris在撰寫Google Analytics的書籍（預計2017年底前出版），所以文章有一段時間沒有更新，從九月初開始我將回來部落格繼續撰寫每週一篇的文章～，大家敬請期待。

Google Analytics的取樣數據可能對你的分析工作造成傷害

Google Analytics裡面一樣會有取樣數據的狀況，雖然取樣數據能夠讓整個分析過程加速進行、並具備高效率的特徵，但取樣數據的問題在於，你所得到的資料並不會是絕對精準，有極大的可能你所看到的取樣資料，與沒有被取樣到的資料具備著完全不同的特徵與結果。

如下圖，從Google Analytics報表的右上方我們可以看到該報表是否有被取樣（幾乎所有的報表右上方都會有這個欄位），上面會顯示“這份報表是以xx%的工作階段來計算，只要這裡顯示的不是以100%的工作階段來計算，就代表你當下正在看的報表，是有取樣數據的問題。

在網站分析上取樣數據並不是一件有正面影響的事情，因為這代表你看到的資料並不精準，尤其當你要計算網站收益、廣告成效這些重要指標時，取樣數據更可能錯誤的影響你的決策。

Google Analytics的取樣數據如何運作

Google Analytics在收集資料時，會先將資料整理、運算好，並預先儲存到資料庫裡面，當你在使用預設報表時（像是目標對象、客戶開發裡的預設標準報表），Google Analytics因為已經把這些資料提前運算並整理好，所以你可以在很短的時間內看到數據報表（Google Analytics的數據這麼龐大，但還能一點報表就立刻跑出數據，就是這個原因）。

但如果你今天使用了次要維度、或進階區隔來篩選出客製化的資料，因為Google Analytics並沒有預先把你要的資料運算好，為了加速報表呈現給你的速度，它就會取樣部分的資料來運算你的需求給你，這當然也是為了更快地呈現出報表。