Documentación
Descomposición de series temporales: tendencia, patrón semanal y ruido
Divide los clics o las impresiones diarias en tendencia, patrón por día de la semana y residuo, etiqueta la dirección de la tendencia y señala los días que el modelo no logra explicar.
La descomposición de series temporales separa tus clics o impresiones diarias en tres partes: una tendencia suavizada, un patrón semanal que se repite y el residuo, es decir, lo que queda una vez descontado lo anterior. Etiqueta la tendencia como creciente, decreciente o estable, mide la diferencia entre tu mejor y tu peor día de la semana y señala los días con un residuo inusualmente grande. Úsala para distinguir un verdadero cambio de dirección del ritmo habitual de la semana.
Cómo se divide la serie
- Una media móvil centrada de 7 días ofrece una primera estimación de la tendencia.
- La distancia de cada día respecto a esa media se agrupa por día de la semana. El promedio de cada día de la semana, desplazado para que los siete valores sumen cero, se convierte en el efecto estacional de ese día.
- El efecto estacional se resta de la serie original, lo que da la Serie desestacionalizada, y el resultado se suaviza aplicando dos veces la media de 7 días. Esa línea más suave es la tendencia que ves.
- El residuo es el valor original menos la tendencia y el efecto estacional. Un día cuyo residuo se aleja de cero en más de dos desviaciones estándar, calculadas sobre todos los residuos, se marca como atípico.
Se trata de una descomposición aditiva: el efecto del día de la semana es un número de clics o impresiones, no un porcentaje. El encabezado de la página la llama STL, pero el método es una descomposición clásica por medias móviles y no la regresión local de STL. Forecasting: Principles and Practice explica la descomposición clásica y en qué se diferencia STL.
Cómo se etiqueta la tendencia
Se ajusta una recta a la tendencia y su pendiente se expresa como porcentaje diario del nivel medio de la tendencia:
| Pendiente diaria | Etiqueta | En 30 días |
|---|---|---|
| +0.25% o más | Creciente | aprox. +7.5% o más |
| entre −0.25% y +0.25% | Estable | dentro de aprox. ±7.5% |
| −0.25% o menos | Decreciente | aprox. −7.5% o más de caída |
Las tarjetas muestran la etiqueta con el primer y el último valor de la tendencia, el cambio diario con su equivalente a 30 días, el Cambio de tendencia en la ventana desde el primer día hasta el último, la Oscilación semanal (el efecto del mejor día de la semana menos el del peor, con ambos días indicados) y el número de Residuos atípicos junto con la desviación estándar del residuo.
Cómo leer los gráficos
- Original y tendencia: los valores diarios con la tendencia superpuesta.
- Componente estacional semanal: la distancia media a la tendencia de cada día de la semana. Las barras por encima de cero son tus días de más actividad.
- Serie desestacionalizada: los datos sin el efecto del día de la semana, lo que facilita leer la evolución de una semana a otra.
- Residuos: lo que la tendencia y el día de la semana no pueden explicar, con líneas discontinuas en ±2 desviaciones estándar.
La tabla Componentes diarios enumera cada día con su día de la semana, valor original, tendencia, efecto estacional, residuo, z del residuo y un indicador de atípico. Residuos atípicos muestra los días señalados con sus valores reales y esperados. Si cambias Métrica entre Clics e Impresiones después de una ejecución, la descomposición se vuelve a calcular en el navegador.
Qué supone y cuáles son sus puntos ciegos
- Un patrón semanal fijo y de tamaño constante. Si el tráfico se duplica durante la ventana, una oscilación semanal medida en clics resulta demasiado pequeña para el final y demasiado grande para el principio.
- Sin ciclo anual. La ejecución abarca al menos 90 días (los rangos más cortos se amplían hacia atrás, como indica la nota sobre los resultados), un periodo demasiado corto para modelar estaciones. Una caída en diciembre o un bache veraniego aparecen como tendencia.
- Los extremos son menos estables. Las medias móviles se reducen cerca del inicio y del final de la serie, por lo que la tendencia de la última semana se apoya en menos días y cambiará cuando lleguen datos nuevos.
- Los valores atípicos tiran de los promedios. Un día extremo desplaza el promedio de su día de la semana y la dispersión del residuo; la detección de anomalías usa estadísticos robustos que resisten este efecto.
- Los días sin datos cuentan como cero, lo que en una propiedad más reciente que la ventana se ve como un inicio plano.
Qué hacer con lo que encuentres
Un valor atípico es una fecha que hay que explicar: un lanzamiento, una caída del servicio, una mención en prensa o una actualización del ranking de Google. Añade una anotación para que la fecha y su motivo aparezcan desde ese momento en el gráfico de tendencia del panel. Para datar cuándo cambió el propio nivel, ejecuta la detección de puntos de cambio sobre el mismo rango.