Detección de puntos de cambio: fecha los cambios en tu tráfico

La detección de puntos de cambio encuentra las fechas en las que tus clics o impresiones diarias se estabilizaron en un nuevo nivel y se mantuvieron en él, a diferencia de los días atípicos aislados. Para cada cambio indica el promedio anterior y posterior, el tamaño del cambio medido frente al ruido diario y una puntuación de confianza. Úsala para fechar con precisión el inicio de una caída o de una subida antes de buscar la causa.

Cómo se encuentran los cambios

1. Sobre toda la ventana, el informe suma la distancia de cada día respecto al promedio de la ventana, es decir, una suma acumulada o CUSUM. Donde cambia el nivel, ese total acumulado se curva, y el día en que más se aleja de cero es la división más probable.
2. Cada lado de una división debe contener al menos 7 días.
3. El cambio se mide como la diferencia entre los dos promedios dividida por la desviación estándar combinada de ambos lados, es decir, en unidades del ruido diario normal. Una división solo se conserva si ese valor alcanza la Sensibilidad que hayas definido.
4. La confianza proviene de una prueba de permutación: los días del segmento se mezclan 200 veces, y la confianza es la proporción de mezclas cuyo rango de CUSUM resulta menor que el real.
5. Cada división conservada se vuelve a analizar a ambos lados (segmentación binaria), hasta un máximo de 8 puntos de cambio.

La Sensibilidad va de 0.5 a 3 desviaciones estándar, con 1.5 por defecto. Los valores más bajos detectan cambios más pequeños. La fecha de un punto de cambio es el primer día del nuevo nivel. El manual del NIST describe CUSUM como un método adecuado para cambios pequeños y sostenidos en una media, que es precisamente el caso que se aborda aquí.

Cómo leer los resultados

• Tarjetas: Puntos de cambio detectados (con el número de segmentos), Mayor cambio en porcentaje (con el ruido diario de la serie), Último punto de cambio con su dirección y confianza, y la variación entre el promedio del primer segmento y el del último.
• Serie con puntos de cambio muestra los valores diarios, una línea suavizada de 7 días y el promedio de cada segmento, con una línea discontinua y la variación porcentual en cada punto de cambio.
• Estadístico CUSUM muestra el propio total acumulado: un cambio de pendiente ahí equivale a un cambio de nivel en la serie.
• La tabla enumera Fecha, Dirección (Up o Down), Promedio anterior, Promedio posterior, Cambio, Variación (unidades de DE), Confianza, Días antes y Días después.

Si cambias la métrica o la sensibilidad después de una ejecución, la detección se recalcula en el navegador. El análisis siempre abarca al menos 90 días; un rango más corto se amplía hacia atrás y una nota indica qué fechas se usaron.

Qué supone el método

• El tráfico se mueve en escalones planos. El modelo es una serie de niveles más ruido. Un ascenso gradual no tiene un único punto de quiebre, por lo que puede dividirse en varios escalones o no producir ninguno.
• El patrón semanal se mantiene. Las subidas y bajadas semanales cuentan como ruido, lo que dificulta superar el umbral con cambios pequeños. En un sitio con un fuerte ritmo semanal, consulta también Time-Series Decomposition.
• Los cambios recientes necesitan tiempo. Al exigirse 7 días a cada lado, un cambio que comenzó en los últimos seis días todavía no se puede detectar.
• La confianza es una guía, no un filtro. No decide si un punto aparece en la lista; eso lo decide el tamaño del cambio. Además, el barajado trata cada día como independiente, mientras que el tráfico de días consecutivos está relacionado, así que interpreta la confianza como un valor relativo y no como una probabilidad exacta.
• Primero la mayor ruptura. La segmentación binaria encuentra la división más fuerte antes que las menores, por lo que dos cambios separados por una semana pueden aparecer como uno solo.

Qué hacer con un punto de cambio

Compara la fecha con lo que ocurrió en torno a ella: un despliegue, una migración, un cambio de plantilla, una caída del servicio o una actualización de clasificación de Google. Después acota la causa volviendo a ejecutar el informe con un filtro por carpeta, país o dispositivo para ver qué parte del sitio se movió. Cuando conozcas el motivo, regístralo como una anotación.

Para días inusuales aislados, en lugar de cambios duraderos, usa Anomaly Detection. Para recibir avisos de las caídas en cuanto ocurren, configura las alertas.