Échantillonnage

Qu'est-ce que l'échantillonnage ?

L'échantillonnage est un processus par lequel une petite partie des données est analysée pour obtenir une vue d'ensemble des caractéristiques et des paramètres de l'ensemble des informations. Ce terme provient du mot anglais “sample”, qui se traduit par échantillon. Dans le segment francophone d'Internet, il existe deux variantes d'écriture de ce mot : "échantillonnage" et "échantillon". D'un point de vue grammatical, la première variante est considérée comme correcte, cependant, les deux sont utilisées dans le langage courant.

En mathématiques, l'échantillonnage englobe un ensemble de méthodes permettant de former un échantillon, c'est-à-dire de sélectionner une petite partie des données à partir d'un volume d'informations plus vaste. Le principe de l'échantillonnage peut être illustré par un exemple : pour comprendre le goût d'une pizza, il n'est pas nécessaire de manger toute la pizza. Il suffit de goûter un morceau. De même, les conclusions sur les caractéristiques et la qualité d'un grand groupe de données sont tirées en n'examinant qu'une partie de celui-ci.

Quand l'échantillonnage des données est-il utilisé ?

L'échantillonnage des données est un élément essentiel de divers outils d'analyse. Par exemple, Google Analytics et Yandex.Metrica utilisent l'échantillonnage lors du traitement de grands volumes d'informations et de la préparation de rapports d'analyse web, en particulier lorsque le nombre de sessions dépasse la limite fixée.

Considérons la situation suivante : si 100 utilisateurs visitent un site et que 11 d'entre eux cliquent sur un lien provenant des réseaux sociaux, le programme peut facilement suivre chaque opération et générer un rapport. Cependant, lorsque 10 000 000 utilisateurs visitent le site, l'analyse de chaque action devient extrêmement complexe et nécessite d'importantes ressources de calcul. Pour optimiser la tâche, le programme peut effectuer un échantillonnage de 10 %, ce qui permet de sélectionner 1 000 000 d'utilisateurs et d'extrapoler les données à l'ensemble de l'audience.

Échantillonnage dans Google Analytics

Dans les rapports standard de Google Analytics, l'échantillonnage n'est pas appliqué. Les données complètes sont disponibles dans des onglets tels que « Audience », « Sources de trafic », « Comportement » et « Conversions ». Cependant, l'échantillonnage peut survenir dans les cas suivants :

• Lors du traitement de requêtes spéciales, lorsque le volume de données dépasse la limite de 500 000 sessions (ou 100 000 000 sessions pour Google Analytics 360).
• Lors de la modification d'un rapport sur les séquences multi-canaux, qui suivent le parcours de l'utilisateur depuis sa première interaction avec l'entreprise jusqu'à l'achat.
• Lors de l'ajout de paramètres et de filtres, où la taille maximale de l'échantillon est de 1 000 000 sessions.

Pour comprendre quelles données le service utilise pour générer le rapport, il suffit de prêter attention à la couleur de l'icône en forme de bouclier. Une icône verte indique des données complètes, tandis qu'une icône orange signale l'utilisation d'un échantillon.

Échantillonnage dans Yandex.Metrica

Dans Yandex.Metrica, l'échantillonnage est également utilisé lors de la création de rapports d'analyse. La limite est de 500 000 sessions dans la version standard, mais en souscrivant au service « Metrica Pro », il n'y a pas de restrictions. Contrairement à Google Analytics, l'échantillonnage n'est pas utilisé lors de la génération de rapports pour la catégorie « Direct ». Pour comprendre si l'échantillonnage est appliqué à un rapport particulier, il faut prêter attention à la valeur de l'indicateur « Précision ». Si elle est de 100 %, les données sont complètes, sinon le programme utilise un échantillon.

Inconvénients de l'échantillonnage des données

Le principal inconvénient de l'échantillonnage est que toutes les données ne sont pas analysées, ce qui peut entraîner la perte d'informations importantes. Lors de l'utilisation d'un échantillon, il existe un risque de manquer des détails ou des tendances qui auraient pu être notés lors de l'analyse de l'ensemble des données. Par exemple, si nous avons une boîte de billes, pour comprendre toutes les couleurs et tailles, il est nécessaire de les examiner toutes. Mais si les billes sont trop nombreuses, nous ne pouvons en choisir qu'une partie, et en conséquence, ne pas voir certaines couleurs. L'échantillonnage aide à réduire le temps d'analyse et à alléger la charge sur les serveurs, mais il n'est pas toujours possible de s'en passer entièrement.

Comment éviter l'échantillonnage des données dans les rapports ?

Pour minimiser l'impact de l'échantillonnage et améliorer la précision des rapports, vous pouvez prendre les mesures suivantes :

• Réduire la période d'analyse en établissant un rapport sur une période plus courte.
• Augmenter le volume et la précision de l'échantillon en utilisant les paramètres appropriés dans Google Analytics et Yandex.Metrica.
• Activer des outils supplémentaires, tels que « Metrica Pro » ou Google Analytics 360, ainsi que des systèmes BI et des services alternatifs.
• Créer des tableaux de bord séparés pour chaque site afin de simplifier la gestion des données et d'éviter la surcharge.