Change Point Detection: tentukan tanggal pergeseran traffic Anda

Change Point Detection menemukan tanggal ketika klik atau impresi harian Anda menetap di level baru dan bertahan di sana, bukan sekadar hari-hari yang janggal. Untuk setiap perubahan, laporan ini menampilkan rata-rata sebelum dan sesudahnya, besar pergeseran yang diukur terhadap noise harian, serta skor keyakinan. Gunakan laporan ini untuk menentukan kapan persisnya penurunan atau kenaikan dimulai sebelum Anda mencari penyebabnya.

Cara pergeseran ditemukan

1. Pada seluruh rentang waktu, laporan menjumlahkan selisih nilai setiap hari terhadap rata-rata rentang tersebut, yaitu jumlah kumulatif atau CUSUM. Di titik level berubah, total berjalan ini membelok, dan hari yang paling jauh dari nol adalah titik pemisah yang paling mungkin.
2. Setiap sisi dari pemisahan harus berisi minimal 7 hari.
3. Pergeseran diukur sebagai selisih kedua rata-rata dibagi simpangan baku gabungan dari kedua sisi, atau dengan kata lain dalam satuan noise harian yang normal. Pemisahan hanya dipertahankan jika angka tersebut mencapai Sensitivity yang Anda atur.
4. Tingkat keyakinan berasal dari uji permutasi: hari-hari dalam segmen diacak 200 kali, dan keyakinan adalah persentase pengacakan yang rentang CUSUM-nya lebih kecil daripada rentang CUSUM yang asli.
5. Setiap pemisahan yang dipertahankan dicari lagi di kedua sisinya (binary segmentation), hingga maksimal 8 change point.

Sensitivity berkisar dari 0.5 hingga 3 simpangan baku, dengan nilai bawaan 1.5. Nilai yang lebih rendah menemukan pergeseran yang lebih kecil. Tanggal sebuah change point adalah hari pertama dari level yang baru. Handbook NIST menjelaskan CUSUM sebagai metode yang cocok untuk pergeseran kecil yang berkelanjutan pada rata-rata, dan itulah kasus yang ditangani di sini.

Membaca hasil

• Kartu: Change points detected (beserta jumlah segmen), Largest shift dalam persen (beserta noise harian dari seri tersebut), Latest change point beserta arah dan tingkat keyakinannya, dan perubahan dari rata-rata segmen pertama ke segmen terakhir.
• Series with change points menampilkan nilai harian, garis yang dihaluskan 7 hari, dan rata-rata tiap segmen, dengan garis putus-putus dan persentase perubahan di setiap change point.
• CUSUM statistic menampilkan total berjalan itu sendiri: perubahan kemiringan di sana berarti perubahan level pada seri.
• Tabel mencantumkan Date, Direction (Up atau Down), Before average, After average, Change, Shift (satuan SD), Confidence, Days before, dan Days after.

Jika Anda mengubah metrik atau sensitivity setelah laporan dijalankan, deteksi diulang di browser. Laporan selalu mencakup minimal 90 hari; rentang yang lebih pendek diperpanjang ke belakang dan sebuah catatan menyebutkan tanggal yang dipakai.

Asumsi yang digunakan

• Traffic bergerak dalam langkah datar. Modelnya adalah serangkaian level ditambah noise. Kenaikan yang stabil tidak punya satu titik patah, sehingga bisa terpotong menjadi beberapa langkah atau tidak menghasilkan apa pun.
• Pola hari dalam seminggu tetap ada. Naik-turun mingguan dianggap noise, sehingga pergeseran kecil lebih sulit melewati ambang. Pada situs dengan ritme mingguan yang kuat, lihat juga Time-Series Decomposition.
• Perubahan terbaru butuh waktu. Karena dibutuhkan 7 hari di setiap sisi, pergeseran yang mulai dalam enam hari terakhir belum bisa ditemukan.
• Keyakinan adalah panduan, bukan filter. Keyakinan tidak menentukan apakah sebuah titik ditampilkan; yang menentukan adalah besar pergeserannya. Pengacakan juga memperlakukan setiap hari sebagai independen, padahal traffic pada hari-hari berurutan saling berkaitan, jadi baca keyakinan sebagai nilai relatif, bukan probabilitas yang pasti.
• Patahan terbesar lebih dulu. Binary segmentation menemukan pemisahan terkuat sebelum yang lebih kecil, sehingga dua pergeseran yang berjarak satu minggu bisa dilaporkan sebagai satu.

Apa yang dilakukan dengan sebuah change point

Cocokkan tanggalnya dengan peristiwa di sekitarnya: deployment, migrasi, perubahan template, gangguan layanan, atau pembaruan peringkat Google. Lalu persempit dengan menjalankan laporan lagi memakai filter folder, negara, atau perangkat untuk melihat bagian situs mana yang bergerak. Setelah Anda tahu penyebabnya, catat sebagai anotasi.

Untuk hari-hari tunggal yang tidak biasa, bukan perubahan yang bertahan, gunakan Anomaly Detection. Untuk diberi tahu tentang penurunan saat terjadi, siapkan alert.