你已经被取样了。
数据抽样是在统计建模中使用的一种技术，它允许分析人员利用较小部分的数据来分析代表更大一部分的数据。虽然这并不总是一个坏主意，但这是你应该做的事情总是在分析谷歌Analytics的数据时注意。
为什么你应该关心你的数据是否被采样?
以这个场景为例:你想要比较今年迄今为止与去年迄今为止由付费会话驱动的转化率。容易,对吧?你添加支付交通段，导航到收购报告在谷歌分析和瞧！
你可以报告目标完成的增加+ 14%同比!
你再往下钻，添加高级过滤器这样你就可以理解特定的Goal url是如何执行的。
注意到数据有什么不同吗?惊喜!你已经被取样了。
现在，当你注意到年转化率的百分比变化时，你会发现付费流量在某种程度上下降了-3%。
等等，这怎么可能呢?你只是的增长+ 14%.．.
您决定单独查看数据-删除比较周期，因此日期范围仅为2017年1月1日- 2017年7月1日。以下是你所记录的内容:
2017财政年度(转换)
- 所有用户: 522620
- 支付交通:345474年
接下来，你复制你的标签，将日期范围更改为2016年1月1日- 2016年7月1日，并注意一些奇怪的事情:
2016财政年度(转换)
- 所有用户:509469年
- 支付交通:303942年
支付交通做了转化率同比增长(2016年为303,942次，2017年为345,474次)。那么，当你相比使用谷歌Analytics日期工具的日期范围?
简而言之，通过两个部分(所有用户vs.付费流量)来查看数据被谷歌Analytics视为特别查询，因此受到抽样的影响。为什么?因为比较两个日期范围增加了总会话数(超过抽样门限500000年)。
如果您正在使用的日期范围的会话数量超过了Property类型的阈值，则临时查询将受到抽样的影响。
简而言之，你只看到了你网站数据的一部分——你没有得到你的表现的全貌。
走出我们的场景，你就能明白为什么这是巨大的报告网站指标时的问题。如果你使用谷歌分析来报告收入或目标值-抽样数据可能对您的业务更不利。
你的数据有被采样的风险吗?
截至2017年7月，谷歌Analytics抽样的阈值为500000届在属性级别为给定的日期范围。
与上面的场景非常相似，抽样可能导致数据差异，从而导致不准确的性能测量。虽然可能很容易通过切割数据来获取敏锐的见解，但通过阅读下面的建议，可以避免像抽样这样的细微差别。
推荐如何对抗谷歌分析中的数据采样
现在你知道了为什么而且如何数据采样会影响你的数据，我们自己的Seer Analytics团队有一些建议来对抗它:
# 1:我们的Chrome扩展
使用这Chrome扩展，由我们的内部开发人员创建，斯蒂芬•哈里斯，闪光”采样当你达到阈值级别时，在GA中对应的图标旁边(如下所示)。
# 2:Unsampler工具
这个漂亮的工具推荐的帕特里克·斯特里克勒最好用于临时提取未采样的数据。首先，连接到GA并配置报表以最适合您的分析。
接下来，生成报告并等待unsampler.io用谷歌验证您的请求。一旦完成，选择复制/粘贴未采样的数据或将其下载到文件中进行进一步分析(Unsampler。io允许导出Excel或CSV文件)。
在幕后，该工具将数据分解为更小的时间框架，然后将其聚合到一个范围-完全避免采样。
# 3:谷歌分析API集成
另一种避免与抽样相关问题的方法是通过谷歌分析电子表格插件-注意，这是高级的(即。你可能需要我们!)这是我们经常使用在Seer查询数据从分析API在谷歌表。
如果你想了解更多关于这个集成的知识，阅读这篇文章基本知识。
为了避免采样，手动将GA数据拉入单独的时间范围，然后使用公式将它们重新组合在一起(就像Unsampler在幕后所做的那样)。
它可能看起来不是提取数据的首选方式，但请相信我们，当您想要最终控制报告和挖掘时，API是一种选择自动化重复的工作．
如果你不喜欢床单，那就去吧这篇旧文章来自Michelle Noonan，详细介绍了如何使用高级Microsoft Excel公式取消数据采样。
# 4:谷歌分析360
如果你想要“花钱玩游戏”，那就去研究谷歌分析360．该产品最大的好处是它将采样门限从50万会话提高到1亿年-让你对你的数据有一个真实的了解。
谷歌的这个更强大的选项允许点击率更高的公司(即页面浏览量，事件等)整合他们所有的数字营销解决方案，以获得更准确的报告，从而做出更好的决策。
# 5:报告的自动化
就在几年前，数字营销中还不存在“数据仓库”这个热门短语。今天，这是公司努力追求的东西。
通过数据仓库自动化，您基本上可以限制分析师提取、传输和加载数据以报告和分析数据所花费的时间。对于那些了解减少人们报告和分析重复数据集所需的时间和精力的重要性的人来说，这个重载解决方案是理想的。
你有没有尝试过我们的数据抽样解决方案?关于这个(或任何其他)分析问题还有其他问题吗?我们很乐意在下面的评论中听到它，直接,或在推特上．
