Семплирование трафика и репрезентативность данных

Семплирование трафика — это методика, позволяющая собирать и анализировать метрики производительности сайтов без необходимости обработки всех сессий пользователей. В контексте Web Vitals семплирование особенно важно, поскольку измеряемые показатели напрямую зависят от реального опыта пользователей на разных устройствах, сетях и географических регионах. Цель семплирования — сохранить точность метрик при уменьшении объема данных для анализа.

Принципы семплирования

Семплирование делится на два основных типа: случайное (random) и стратифицированное (stratified).

Случайное семплирование При случайном семплировании каждый визит на сайт имеет одинаковую вероятность быть включённым в набор данных. Этот метод прост в реализации: достаточно подключить скрипт Web Vitals к случайно выбранному проценту пользователей. Преимущества:
- Легко реализуется через JavaScript.
- Минимизирует систематическую ошибку, если трафик достаточно велик. Недостатки:
- Может не учитывать различия между устройствами, регионами или браузерами.
- При малом объеме трафика репрезентативность падает.
Стратифицированное семплирование Позволяет гарантировать, что данные будут представлены пропорционально важным группам пользователей, например, по:
- устройствам (мобильные, десктопные);
- регионам;
- браузерам;
- сетевым условиям (3G, 4G, Wi-Fi). Стратификация повышает точность оценки Core Web Vitals, особенно при небольшом объеме данных. Реализуется через распределение вероятностей включения в выборку внутри каждой группы.

Настройка семплирования в Web Vitals

Для измерения Web Vitals на практике часто используют библиотеку web-vitals:

import { getCLS, getFID, getLCP } from 'web-vitals';

function sendToAnalytics(metric) {
  const body = JSON.stringify(metric);
  navigator.sendBeacon('/analytics', body);
}

const SAMPLE_RATE = 0.1; // 10% трафика

function shouldSample() {
  return Math.random() < SAMPLE_RATE;
}

if (shouldSample()) {
  getCLS(sendToAnalytics);
  getFID(sendToAnalytics);
  getLCP(sendToAnalytics);
}

В данном примере 10% всех пользователей будут участвовать в измерениях Core Web Vitals. Это обеспечивает баланс между нагрузкой на аналитическую систему и репрезентативностью данных.

Репрезентативность данных

Репрезентативность критически важна, чтобы метрики Core Web Vitals отражали реальный пользовательский опыт. Несоблюдение репрезентативности приводит к искажённым выводам, например:

Среднее время Largest Contentful Paint (LCP) может быть занижено, если выборка в основном включает быстрые сети и современные устройства.
Cumulative Layout Shift (CLS) может быть завышен, если выборка не учитывает десктопных пользователей, у которых страницы чаще рендерятся корректно.

Чтобы оценить репрезентативность, используют метод сравнения распределений: сверяют распределение сессий в выборке с полной популяцией пользователей по ключевым атрибутам (устройство, браузер, регион, скорость сети).

Динамическое семплирование

Для больших сайтов с миллионами пользователей используют динамическое семплирование, при котором процент охвата может изменяться в зависимости от времени суток или нагрузки сервера. Это позволяет:

Сохранять стабильность аналитики при резких пиках трафика.
Поддерживать достаточную репрезентативность по всем сегментам.
Минимизировать задержку отправки данных с клиентских устройств.

Метрики и погрешность при семплировании

При семплировании важно учитывать статистическую погрешность, которая увеличивается при уменьшении выборки. Для Core Web Vitals, таких как LCP, CLS и FID, погрешность можно приблизительно оценить через стандартную ошибку среднего:

[ SE = ]

где () — стандартное отклонение метрики, (n) — размер выборки. Малые выборки дают высокую стандартную ошибку, что делает данные менее надежными.