डेटा सैंपलिंग: जब आपकी रिपोर्ट असली आंकड़ों की जगह अनुमान इस्तेमाल करती है

आप अपने एनालिटिक्स टूल में कस्टम रिपोर्ट चलाते हैं। उसमें लिखा आता है "यह रिपोर्ट 100,000 सेशन पर आधारित है। बिना सैंपल का डेटा: 1,250,000 सेशन।" आपकी रिपोर्ट आपके असली डेटा के 8% से निकाले अनुमान इस्तेमाल कर रही है।

डेटा सैंपलिंग तब होती है जब एनालिटिक्स टूल आपका सारा डेटा प्रोसेस नहीं कर पाते, इसलिए अनुमान लगाते हैं। अनुमान अक्सर काफ़ी सही होता है, लेकिन फिर भी वह आपके असली आंकड़े नहीं है।

डेटा सैंपलिंग क्या है और टूल इसे क्यों इस्तेमाल करते हैं

समस्या: प्रोसेस करने के लिए बहुत ज़्यादा डेटा

एनालिटिक्स टूल लाखों वेबसाइटों पर हर सेकंड लाखों इवेंट प्रोसेस करते हैं। रीयल टाइम में हर एक डेटा पॉइंट प्रोसेस करना व्यावहारिक नहीं है। जब ट्रैफ़िक काफ़ी ऊंचा हो जाता है, तो टूल सब कुछ गिनने की जगह एक हिस्से का सैंपल लेते हैं और उससे अनुमान बढ़ाते हैं।

सैंपलिंग कैसे काम करती है

टूल आपके ट्रैफ़िक का 10% देखता है। वह उसी 10% से मेट्रिक्स निकालता है। फिर कुल मेट्रिक्स का अनुमान लगाने के लिए नतीजों को 10 से गुणा कर देता है। अगर सैंपल में 5 कन्वर्ज़न दिखें, तो टूल कुल 50 कन्वर्ज़न का अनुमान लगाता है। यह गणित का अनुमान है, आपके असली आंकड़े नहीं।

सैंपलिंग दर टूल और ट्रैफ़िक के स्तर के हिसाब से बदलती है

कुछ टूल महीने में 100K सेशन से सैंपलिंग शुरू करते हैं। कुछ 1M से। कुछ मुफ़्त प्लान पेड प्लान से ज़्यादा सख़्ती से सैंपल करते हैं। आपका ट्रैफ़िक जितना ज़्यादा, सैंपलिंग उतनी सख़्त।

सैंपलिंग पारदर्शी होती है (कभी-कभी)

अच्छे टूल बताते हैं कि वे कब सैंपलिंग कर रहे हैं। एक नोट आता है कि "यह डेटा सैंपल किया हुआ है।" खराब टूल इसे नहीं बताते। आपको लगता है कि आप असली आंकड़े देख रहे हैं, पर असल में आप अनुमान देख रहे होते हैं।

डेटा सैंपलिंग कब होती है

Google Analytics में

Google Analytics का मुफ़्त वर्शन तब सैंपल करता है जब आप ऐसी कस्टम रिपोर्ट बनाते हैं जो उसकी प्रोसेसिंग की सीमा (आमतौर पर लगभग 1M इवेंट) से ज़्यादा हो। प्रीमियम वर्शन बहुत ऊंची सीमा पर सैंपल करते हैं। अगर आपकी रिपोर्ट में बहुत ज़्यादा डेटा है, तो सैंपलिंग की संभावना ज़्यादा है।

रीयल-टाइम रिपोर्ट में

रीयल-टाइम डेटा लगभग हमेशा सैंपल किया जाता है, क्योंकि हर इवेंट का सच्चा रीयल-टाइम डेटा दिखाना कंप्यूटर के लिहाज़ से नामुमकिन होगा। रीयल-टाइम डैशबोर्ड बार-बार अपडेट होने वाले अनुमान दिखाते हैं, सटीक आंकड़े नहीं।

जटिल कस्टम रिपोर्ट में

आप रिपोर्ट में जितने ज़्यादा डाइमेंशन और मेट्रिक्स जोड़ते हैं, सैंपलिंग की संभावना उतनी बढ़ती है। "सोर्स के हिसाब से ट्रैफ़िक" जैसी सीधी रिपोर्ट शायद बिना सैंपल की हो। कस्टम मेट्रिक्स के साथ 10 डाइमेंशन में बंटी विस्तृत रिपोर्ट में भारी सैंपलिंग हो सकती है।

डेटा सैंपलिंग का असर

अनुमान आमतौर पर असली आंकड़ों के करीब होते हैं

सैंपलिंग के एल्गोरिदम परिष्कृत होते हैं। 10% का सैंपल जब 100% तक बढ़ाया जाता है, तो वह अक्सर कुछ प्रतिशत के भीतर सही होता है। बड़ी तस्वीर के फ़ैसलों के लिए अनुमान काफ़ी अच्छे होते हैं।

छोटे आंकड़ों पर सैंपलिंग बिगड़ जाती है

जब आप 10% सैंपल करके किसी खास ट्रैफ़िक सोर्स के कन्वर्ज़न देखते हैं, तो हो सकता है सैंपल में आपको ज़ीरो दिखे, जबकि असल में कुछ थे। अनुमान "ज़ीरो कन्वर्ज़न" हो जाता है जबकि असल में दो या तीन थे। छोटे आंकड़े बिगड़ जाते हैं।

तुलना कम भरोसेमंद हो जाती है

जब डेटा सैंपल किया हुआ हो, तो दो ट्रैफ़िक सोर्स के कन्वर्ज़न रेट की तुलना करना खतरनाक है। आप शायद यह नतीजा निकाल लें कि सोर्स A, सोर्स B से बेहतर है, जबकि फ़र्क सिर्फ़ सैंपलिंग की गलती है।

ट्रेंड विश्लेषण कम सटीक हो जाता है

जब डेटा सैंपल किया हुआ हो, तो यह ट्रैक करना कि कन्वर्ज़न ऊपर जा रहे हैं या नीचे, शोर जोड़ देता है। क्या गिरावट असली है या सिर्फ़ सैंपलिंग का उतार-चढ़ाव? आप पक्का नहीं कह सकते।

सैंपल किए हुए डेटा के साथ कैसे काम करें

अगर आपका टूल दे, तो बिना सैंपल का डेटा लीजिए

प्रीमियम एनालिटिक्स प्लान आमतौर पर बिना सैंपल का डेटा देते हैं। Google Analytics 360 बिना सैंपल की रिपोर्ट देता है। ज़्यादातर पेड एनालिटिक्स टूल बिना सैंपल का डेटा एक्सपोर्ट करने देते हैं। अगर आप अहम फ़ैसले ले रहे हैं, तो असली आंकड़े पाने के लिए अपग्रेड कीजिए।

सैंपलिंग दर समझिए

जब आपको सैंपल की हुई रिपोर्ट दिखे, तो सैंपलिंग का प्रतिशत देखिए। "500,000 में से 100,000 सेशन पर आधारित" का मतलब है 20% सैंपलिंग। प्रतिशत जितना छोटा, आंकड़े उतने कम भरोसेमंद। 50% या उससे ज़्यादा सैंपलिंग काफ़ी भरोसेमंद है। 5% सैंपलिंग नहीं है।

डेटा की मात्रा घटाने के लिए सेगमेंट इस्तेमाल कीजिए

सैंपल की हुई रिपोर्ट इसलिए बनती हैं क्योंकि आप बहुत ज़्यादा डेटा प्रोसेस करने की कोशिश कर रहे हैं। डेटा सेट घटाने के लिए तारीख की रेंज या सेगमेंट इस्तेमाल कीजिए। 90 दिन की जगह पिछले 7 दिन की रिपोर्ट बनाइए। सारे सोर्स की जगह एक ट्रैफ़िक सोर्स की रिपोर्ट बनाइए। छोटे डेटा सेट के सैंपल होने की संभावना कम होती है।

ऑफ़लाइन विश्लेषण के लिए डेटा एक्सपोर्ट कीजिए

अगर आपका टूल बिना सैंपल का डेटा एक्सपोर्ट करने देता है, तो कीजिए। उसे स्प्रेडशीट या डेटाबेस में एक्सपोर्ट करके वहीं विश्लेषण कीजिए। इससे आपको अनुमान की जगह असली आंकड़े मिलते हैं।

कम जटिलता वाली ऑटोमैटिक रिपोर्ट बनाइए

10 डाइमेंशन वाली एक जटिल रिपोर्ट बनाने की जगह कई सीधी रिपोर्ट बनाइए। हर सीधी रिपोर्ट के सैंपल होने की संभावना कम होती है। साथ मिलकर वे आपको अपने डेटा की बिना सैंपल वाली समझ देती हैं।

क्या आप डेटा सैंपलिंग से बच सकते हैं

डेटा सैंपलिंग से हमेशा बचा नहीं जा सकता

अगर आपका ट्रैफ़िक बहुत ज़्यादा है और आप रीयल-टाइम रिपोर्टिंग चाहते हैं, तो कुछ हद तक सैंपलिंग शायद टाली न जा सके। रिपोर्ट सीधी और केंद्रित रखकर आप इसे कम कर सकते हैं।

प्रीमियम टूल ऊंची सीमा देते हैं

पेड एनालिटिक्स टूल की सैंपलिंग सीमा मुफ़्त वर्शन से बहुत ऊंची होती है। Google Analytics 360 और दूसरे प्रीमियम प्लेटफ़ॉर्म बिना सैंपलिंग के कहीं ज़्यादा डेटा संभाल सकते हैं।

सर्वर-साइड एनालिटिक्स सैंपलिंग से बचाता है

अगर आप कन्वर्ज़न को अपने ही डेटाबेस में सर्वर-साइड ट्रैक करते हैं, तो डेटा आपके कंट्रोल में रहता है और कभी सैंपल नहीं होता। आपका कन्वर्ज़न डेटा सटीक होता है। इस तरीके में तकनीकी सेटअप ज़्यादा लगता है, पर असली आंकड़े मिलते हैं।

अक्सर पूछे जाने वाले सवाल