Sampling

Was ist Sampling?

Sampling ist der Prozess, bei dem ein kleiner Teil der Daten analysiert wird, um ein Bild von den Eigenschaften und Parametern der gesamten Informationsmenge zu erhalten. Dieser Begriff stammt vom englischen Wort „sample“, das Probe oder Muster bedeutet. Im russischsprachigen Internet gibt es zwei Schreibvarianten dieses Wortes: "Sampling" und "Сэмплирование". Aus grammatikalischer Sicht gilt die erste Variante als korrekt, jedoch werden beide in der Alltagssprache verwendet.

In der Mathematik umfasst Sampling eine Reihe von Methoden zur Bildung einer Stichprobe – das heißt, um einen kleinen Teil der Daten aus einer großen Informationsmenge auszuwählen. Das Prinzip des Samplings lässt sich am Beispiel veranschaulichen: Um zu verstehen, wie eine Pizza schmeckt, ist es nicht notwendig, die ganze Pizza zu essen. Es reicht aus, ein Stück zu probieren. In ähnlicher Weise werden Schlussfolgerungen über die Eigenschaften und Qualitäten einer großen Datenmenge gezogen, indem nur ein Teil davon untersucht wird.

Wann wird Sampling verwendet?

Sampling ist ein wichtiger Bestandteil verschiedener Analysetools. Zum Beispiel verwenden Google Analytics und Yandex.Metrica Sampling bei der Verarbeitung großer Datenmengen und der Erstellung von Web-Analyseberichten, insbesondere wenn die Anzahl der Sitzungen das festgelegte Limit überschreitet.

Betrachten wir die Situation: Wenn 100 Benutzer die Website besuchen und 11 von ihnen über einen Link aus sozialen Netzwerken gehen, kann das Programm jede Operation leicht nachverfolgen und einen Bericht erstellen. Wenn jedoch 10.000.000 Benutzer die Website besuchen, wird die Analyse jeder Aktion extrem komplex und erfordert erhebliche Rechenressourcen. Um die Aufgabe zu optimieren, kann das Programm eine Stichprobe von 10% erstellen, was bedeutet, dass 1.000.000 Benutzer ausgewählt werden und die Daten auf das gesamte Publikum extrapoliert werden.

Sampling in Google Analytics

In den Standardberichten von Google Analytics wird kein Sampling angewendet. Vollständige Daten sind in solchen Abschnitten wie „Zielgruppe“, „Traffic-Quellen“, „Verhalten“ und „Konversionen“ verfügbar. Allerdings kann Sampling in folgenden Fällen auftreten:

• Bei der Verarbeitung spezieller Anfragen, wenn das Datenvolumen das Limit von 500.000 Sitzungen (oder 100.000.000 Sitzungen für Google Analytics 360) überschreitet.
• Bei der Modifikation von Berichten über mehrkanalige Sequenzen, die den Weg des Benutzers von der ersten Bekanntschaft mit dem Unternehmen bis zum Kauf verfolgen.
• Bei der Hinzufügung von Parametern und Filtern, wobei die maximale Größe der Stichprobe 1.000.000 Sitzungen beträgt.

Um zu verstehen, welche Daten der Dienst zur Erstellung des Berichts verwendet, genügt es, auf die Farbe des Icons in Form eines Schildes zu achten. Ein grünes Icon zeigt vollständige Daten an, während ein orangefarbenes auf die Verwendung von Sampling hinweist.

Sampling in Yandex.Metrica

In Yandex.Metrica wird ebenfalls Sampling bei der Erstellung von Analyseberichten verwendet. Das Limit beträgt 500.000 Sitzungen in der Standardversion, aber bei Aktivierung des Dienstes „Metrica Pro“ gibt es keine Einschränkungen. Im Gegensatz zu Google Analytics wird Sampling nicht bei der Erstellung von Berichten in der Kategorie „Direkt“ verwendet. Um zu verstehen, ob Sampling für einen bestimmten Bericht angewendet wird, muss man auf den Wert des Indikators „Genauigkeit“ achten. Wenn er 100% beträgt, sind die Daten vollständig, andernfalls verwendet das Programm eine Stichprobe.

Nachteile des Samplings

Der Hauptnachteil des Samplings besteht darin, dass nicht alle Daten analysiert werden, was zu einem Verlust wichtiger Informationen führen kann. Bei der Arbeit mit einer Stichprobe besteht das Risiko, Details oder Trends zu übersehen, die bei der Analyse der gesamten Datenmenge sichtbar gewesen wären. Wenn wir beispielsweise eine Box mit Kugeln haben, um alle Farben und Größen zu verstehen, müssen wir jede einzelne betrachten. Wenn es jedoch zu viele Kugeln gibt, können wir nur einen Teil auswählen und sehen daher möglicherweise einige Farben nicht. Sampling hilft, die Analysezeit zu verkürzen und die Serverlast zu reduzieren, jedoch ist es nicht immer möglich, vollständig darauf zu verzichten.

Wie kann man Sampling in Berichten vermeiden?

Um den Einfluss des Samplings zu minimieren und die Genauigkeit der Berichte zu erhöhen, können folgende Schritte unternommen werden:

• Den Analysezeitraum verkürzen, indem ein Bericht für einen kürzeren Zeitraum erstellt wird.
• Das Volumen und die Genauigkeit der Stichprobe erhöhen, indem die entsprechenden Einstellungen in Google Analytics und Yandex.Metrica verwendet werden.
• Zusätzliche Tools wie „Metrica Pro“ oder Google Analytics 360 sowie BI-Systeme und alternative Dienste aktivieren.
• Separate Konten für jede Website erstellen, um die Datenverwaltung zu vereinfachen und Überlastung zu vermeiden.