Change Point Detection: tukuyin ang petsa ng mga pagbabago sa iyong traffic

Hinahanap ng Change Point Detection ang mga petsa kung kailan nanatili sa bagong antas ang iyong pang-araw-araw na clicks o impressions, hindi lang basta mga kakaibang araw. Para sa bawat pagbabago, ibinibigay nito ang average bago at pagkatapos, ang laki ng paglipat na sinukat laban sa karaniwang pagbabago-bago kada araw, at isang confidence score. Gamitin ito para matukoy nang tiyak ang simula ng pagbaba o pagtaas bago ka maghanap ng dahilan.

Paano nahahanap ang mga pagbabago

1. Sa buong window, isinasama ng ulat ang distansya ng bawat araw mula sa average ng window, ang tinatawag na cumulative sum o CUSUM. Kapag nagbago ang antas, bumabaluktot ang running total na ito, at ang araw na pinakamalayo sa zero ang pinakamalamang na hatian.
2. Kailangang may hindi bababa sa 7 araw ang bawat panig ng hatian.
3. Sinusukat ang paglipat bilang agwat ng dalawang average na hinati sa pooled standard deviation ng dalawang panig, ibig sabihin, sa yunit ng normal na pagbabago-bago kada araw. Mananatili lang ang isang hatian kung umabot ang numerong iyon sa Sensitivity na itinakda mo.
4. Nagmumula ang confidence sa permutation test: nire-reshuffle ang mga araw ng segment nang 200 beses, at ang confidence ay ang bahagi ng mga shuffle na mas maliit ang CUSUM range kaysa sa totoo.
5. Hinahanap muli ang bawat napanatiling hatian sa magkabilang panig (binary segmentation), hanggang 8 change point.

Ang Sensitivity ay mula 0.5 hanggang 3 standard deviation, at 1.5 ang default. Mas maliliit na paglipat ang nahahanap kapag mas mababa ang halaga. Ang petsa ng isang change point ay ang unang araw ng bagong antas. Inilalarawan ng handbook ng NIST ang CUSUM bilang paraang angkop sa maliliit at tuluy-tuloy na paglipat ng mean, na siyang kaso ng ulat na ito.

Pagbasa sa mga resulta

• Mga card: Change points detected (kasama ang bilang ng mga segment), Largest shift bilang porsiyento (kasama ang day-to-day noise ng serye), Latest change point kasama ang direksyon at confidence nito, at ang pagbabago mula sa average ng unang segment hanggang sa huli.
• Iginuguhit ng Series with change points ang pang-araw-araw na halaga, isang 7-day smoothed line, at ang average ng bawat segment, na may putol-putol na linya at porsiyento ng pagbabago sa bawat change point.
• Ipinapakita ng CUSUM statistic ang mismong running total: ang pagbabago ng slope doon ay pagbabago ng antas sa serye.
• Nakalista sa talahanayan ang Date, Direction (Up o Down), Before average, After average, Change, Shift (SD units), Confidence, Days before at Days after.

Kapag binago mo ang metric o ang sensitivity pagkatapos ng takbo, uulitin ang detection sa browser. Laging sakop ng takbo ang hindi bababa sa 90 araw; pinahahaba pabalik ang mas maikling range at may tala kung aling mga petsa ang ginamit.

Mga ipinapalagay nito

• Gumagalaw ang traffic sa patag na hakbang. Ang modelo ay serye ng mga antas kasama ang ingay. Walang iisang putol ang unti-unting pag-akyat, kaya maaari itong hatiin sa ilang hakbang o wala talagang makita.
• Nananatili ang weekday pattern. Itinuturing na ingay ang lingguhang taas-baba, kaya mas mahirap maabot ang maliliit na paglipat. Sa site na malakas ang lingguhang ritmo, tingnan din ang Time-Series Decomposition.
• Kailangan ng panahon ang mga kamakailang pagbabago. Dahil kailangan ng 7 araw sa bawat panig, hindi pa matutukoy ang paglipat na nagsimula sa nakalipas na anim na araw.
• Gabay ang confidence, hindi filter. Hindi nito nagpapasya kung maililista ang isang punto; ang laki ng paglipat ang nagpapasya. Itinuturing din ng shuffling na malaya ang bawat araw, samantalang magkakaugnay ang traffic ng magkakasunod na araw, kaya basahin ang confidence bilang relatibo at hindi bilang eksaktong probability.
• Pinakamalaking putol muna. Nahahanap ng binary segmentation ang pinakamalakas na hatian bago ang mas maliliit, kaya maaaring iulat bilang isa ang dalawang paglipat na isang linggo lang ang pagitan.

Ano ang gagawin sa isang change point

Itapat ang petsa sa mga nangyari sa paligid nito: deployment, migration, pagbabago sa template, outage o Google ranking update. Pagkatapos, paliitin ang saklaw sa pamamagitan ng muling pagpapatakbo ng ulat na may filter sa isang folder, bansa o device para makita kung aling bahagi ng site ang gumalaw. Kapag alam mo na ang dahilan, itala ito bilang annotation.

Para sa mga nag-iisang kakaibang araw at hindi pangmatagalang paglipat, gamitin ang Anomaly Detection. Para maabisuhan tungkol sa mga pagbaba habang nangyayari ang mga ito, mag-set up ng alerts.