Data Sampling Nedir?

Sayılarla ne demek?

Bir analiz milyonlarca olayı taramayı gerektirdiğinde sistem, hız için verinin yalnızca bir bölümünü işler ve sonucu tamamına oranlar. Gösterilen sayı ölçülmüş değil, tahmin edilmiştir.

Büyük ve dengeli kitlelerde tahmin genelde gerçeğe yakın çıkar. Sorun küçük segmentlerde başlar: nadir görülen bir davranış, örneklenen dilimde tesadüfen çok az ya da çok fazla yer alabilir ve sonuç ciddi sapar.

GA4'te standart raporlar genelde örneklenmez; örnekleme daha çok keşif raporlarında, uzun tarih aralıklarında ve karmaşık sorgularda ortaya çıkar. Ekranda bir uyarı işareti bunu gösterir.

Ne zaman sorun olur?

Üçüncü satır e-ticaret için kritik. Satın alma, oturumların küçük bir kısmında görülen bir olay; örnekleme bu nadir olayı en çok bozan durum ve tahmini dönüşüm oranı gerçekten epey uzak çıkabiliyor.

Nasıl önlenir?

1. Uyarı işaretine bakın. Rapor tam mı, tahmin mi?
2. Dönemi kısaltın. Uzun aralığı dilimlere bölün.
3. Boyut sayısını azaltın. Her ek boyut yükü artırır.
4. Standart raporu tercih edin. Genelde tam veriyle çalışır.
5. Kritik analizi ham veride yapın. Dışa aktarımda örnekleme yok.

Uygulamada ne oluyor?

En sık durum, uyarının hiç fark edilmemesi. Keşif raporundaki sayı sunuma giriyor ve kesin bir ölçüm gibi aktarılıyor; oysa ekranın köşesindeki işaret bunun bir tahmin olduğunu söylüyordu.

İkinci gözlem, küçük kampanyaların örneklenmiş veriyle değerlendirilmesi. Az bütçeli bir kampanyanın dönüşüm oranı tesadüfen yüksek çıkıyor ve bütçe yanlış bir sinyale göre artırılıyor.

Üçüncüsü, standart rapor ile keşif raporunun farklı sayılar vermesinin hata sanılması. Biri tam veriyle, diğeri örnekle çalıştığında fark kaçınılmaz.

Dördüncüsü, bir yıllık verinin tek sorguda analiz edilmesi. Aynı soru çeyrek dilimlerle sorulup sonuçlar birleştirildiğinde örnekleme çoğu zaman tamamen ortadan kalkıyor.

Beşincisi, gereksiz boyutların tabloya eklenmesi. Her yeni kırılım işlenecek kombinasyonu büyütüyor ve sistemin örneklemeye geçme ihtimalini artırıyor.

Altıncısı, örneklenmiş iki sonucun birbiriyle karşılaştırılması. İki tahminin farkı gerçek bir farkı mı yoksa örnekleme gürültüsünü mü gösteriyor, bilinemiyor.

Yedincisi, test sonuçlarının örneklenmiş veriyle okunması. Bir değişikliğin etkisi küçükse, örnekleme hatası o etkiden büyük olabiliyor ve yanlış kazanan ilan ediliyor.

Sekizincisi, ham dışa aktarımın hiç kurulmaması. Tam veriye ihtiyaç duyulan kritik analizler için tek güvenilir yol bu; açılmadığında örneklemeye mecbur kalınıyor.

Dokuzuncusu, üçüncü taraf pano araçlarının etkisinin bilinmemesi. Bazı raporlama araçları veriyi arka planda sorgularken aynı sınırlara takılıyor ve panodaki sayı sessizce tahmin oluyor.

Onuncusu, sorunun büyük siteye özgü sanılması. Küçük sitelerde de uzun tarih aralığı ve çok boyutlu sorgu birleştiğinde örnekleme ortaya çıkabiliyor.

On birincisi, örneklenmiş sonuçların raporlarda işaretlenmemesi. Sunum hazırlanırken hangi sayının tahmin olduğu belirtilmediğinde, karar verenler bütün sayılara aynı güvenle yaklaşıyor.

On ikincisi, karar eşiğinin tahmin payıyla birlikte düşünülmemesi. Sonuç yüzde iki fark gösteriyorsa ve örnekleme yüzde birkaçlık sapma üretebiliyorsa, o fark bir karar gerekçesi değil; önce tam veriyle doğrulanmalı.

Neyi göstermez?

Örneklenmiş rapor, sapmanın ne kadar olduğunu göstermez. Yalnızca tahmin olduğunu söyler; güven aralığı ekranda yer almaz.

Sıkça sorulan sorular

Örneklendiğini nasıl anlarım?

Raporun köşesindeki uyarı işaretinden. İşaret sonucun tahmin olduğunu gösterir.

En güvenilir çözüm ne?

Kritik analizleri ham veri dışa aktarımında yapmak; orada örnekleme olmaz.

Hangi durumda en tehlikeli?

Küçük segmentlerde ve satın alma gibi nadir olaylarda.

Bu kavramın bütün resim içindeki yerini Dönüşüm Takibi ve Ölçümleme Rehberi içinde ayrıntılı anlattım.