Campionamento

Che cos'è il campionamento?

Il campionamento è un processo in cui viene analizzata una piccola parte dei dati per ottenere un'idea delle caratteristiche e dei parametri dell'intero insieme di informazioni. Questo termine deriva dalla parola inglese “sample”, che si traduce come campione o campionatura. Nella sezione di lingua russa di Internet esistono due varianti di scrittura di questa parola: "campionamento" e "campionamento". Dal punto di vista grammaticale, la prima variante è considerata corretta, tuttavia entrambe sono utilizzate nel linguaggio colloquiale.

In matematica, il campionamento comprende un insieme di metodi che consentono di formare un campione, ovvero di selezionare una piccola parte dei dati da un vasto volume di informazioni. Il principio del campionamento può essere illustrato con un esempio: per capire com'è il sapore di una pizza, non è necessario mangiare tutta la pizza. È sufficiente assaggiare un pezzo. Analogamente, le conclusioni sulle caratteristiche e qualità di un grande gruppo di dati vengono fatte esaminando solo una parte di esso.

Quando viene utilizzato il campionamento dei dati?

Il campionamento dei dati è un elemento importante di vari strumenti analitici. Ad esempio, Google Analytics e "Yandex.Metrica" utilizzano il campionamento durante l'elaborazione di grandi volumi di informazioni e nella preparazione di report di web analytics, specialmente quando il numero di sessioni supera il limite stabilito.

Consideriamo una situazione: se 100 utenti visitano il sito e 11 di essi cliccano su un link dai social media, il programma può facilmente tenere traccia di ogni operazione e generare un report. Tuttavia, quando 10.000.000 di utenti visitano il sito, l'analisi di ogni azione diventa estremamente complessa e richiede grandi risorse di calcolo. Per ottimizzare il compito, il programma può effettuare un campionamento del 10%, il che consente di selezionare 1.000.000 di utenti ed estrapolare i dati all'intera audience.

Campionamento in Google Analytics

Nei report standard di Google Analytics non viene applicato il campionamento. I dati completi sono disponibili in schede come "Pubblico", "Fonti di traffico", "Comportamento" e "Conversioni". Tuttavia, il campionamento può verificarsi nei seguenti casi:

• Durante l'elaborazione di richieste speciali, quando il volume dei dati supera il limite di 500.000 sessioni (o 100.000.000 sessioni per Google Analytics 360).
• Quando si modifica un report su sequenze multicanale che tracciano il percorso dell'utente dal primo contatto con l'azienda fino all'acquisto.
• Quando si aggiungono parametri e filtri, dove la dimensione massima del campione è di 1.000.000 sessioni.

Per capire quali dati utilizza il servizio per costruire il report, è sufficiente prestare attenzione al colore dell'icona a forma di scudo. Un'icona verde indica dati completi, mentre un'icona arancione indica l'uso del campionamento.

Campionamento in "Yandex.Metrica"

In "Yandex.Metrica" viene anche applicato il campionamento durante la creazione di report analitici. Il limite è di 500.000 sessioni nella versione standard, ma con l'attivazione del servizio "Metrica Pro" non ci sono limiti. A differenza di Google Analytics, il campionamento non viene utilizzato nella generazione di report per la categoria "Direct". Per capire se il campionamento è applicato a un report specifico, è necessario prestare attenzione al valore dell'indicatore "Precisione". Se è pari al 100%, i dati sono completi, altrimenti il programma utilizza un campionamento.

Svantaggi del campionamento dei dati

Il principale svantaggio del campionamento è che non tutti i dati vengono analizzati, il che può portare a perdere informazioni importanti. Quando si lavora con un campione, c'è il rischio di trascurare dettagli o tendenze che potrebbero essere evidenti analizzando l'intero insieme di dati. Ad esempio, se abbiamo una scatola di palline, per capire tutti i colori e le dimensioni, è necessario esaminare ognuna di esse. Ma se ci sono troppe palline, possiamo selezionarne solo una parte e, di conseguenza, non vedere alcuni colori. Il campionamento aiuta a ridurre il tempo di analisi e a diminuire il carico sui server, tuttavia non è sempre possibile rinunciare completamente ad esso.

Come evitare il campionamento dei dati nei report?

Per minimizzare l'impatto del campionamento e aumentare la precisione dei report, è possibile intraprendere i seguenti passi:

• Ridurre il periodo di analisi, creando un report per un intervallo di tempo più breve.
• Aumentare il volume e la precisione del campionamento, utilizzando le impostazioni appropriate in Google Analytics e "Yandex.Metrica".
• Attivare strumenti aggiuntivi, come "Metrica Pro" o Google Analytics 360, così come sistemi BI e servizi alternativi.
• Creare pannelli separati per ciascun sito, per semplificare la gestione dei dati ed evitare sovraccarichi.