Documentazione
Decomposizione delle serie storiche: trend, andamento settimanale e rumore
Suddivide i clic o le impressioni giornalieri in trend, andamento per giorno della settimana e residuo, indica la direzione del trend e segnala i giorni che il modello non riesce a spiegare.
La Decomposizione delle serie storiche separa i clic o le impressioni giornalieri in tre componenti: un trend livellato, un andamento ricorrente per giorno della settimana e il residuo, cioè ciò che resta. Classifica il trend come in crescita, in calo o stabile, misura il divario tra il giorno della settimana più forte e quello più debole e segnala i giorni con un residuo insolitamente elevato. Usala per distinguere un vero cambio di direzione dal normale ritmo della settimana.
Come viene scomposta la serie
- Una media mobile centrata a 7 giorni fornisce una prima stima del trend.
- Lo scostamento di ogni giorno da quella media viene raggruppato per giorno della settimana. La media di ciascun giorno, traslata in modo che i sette valori sommino a zero, diventa l'effetto stagionale di quel giorno.
- L'effetto stagionale viene sottratto dalla serie originale, ottenendo la Serie destagionalizzata, che viene poi livellata applicando due volte la media a 7 giorni. Questa linea più regolare è il trend che vedi.
- Il residuo è il valore originale meno il trend e l'effetto stagionale. Un giorno il cui residuo si discosta da zero di più di due deviazioni standard, calcolate su tutti i residui, viene segnalato come anomalo.
Si tratta di una decomposizione additiva: l'effetto del giorno della settimana è un numero di clic o impressioni, non una percentuale. L'intestazione della pagina la chiama STL, ma il metodo è una decomposizione classica a media mobile, non la regressione locale di STL. Forecasting: Principles and Practice spiega la decomposizione classica e in cosa si differenzia STL.
Come viene classificato il trend
Una retta viene adattata al trend e la sua pendenza è espressa come percentuale del livello medio del trend per giorno:
| Pendenza giornaliera | Etichetta | Su 30 giorni |
|---|---|---|
| +0.25% o più | In crescita | circa +7.5% o più |
| tra −0.25% e +0.25% | Stabile | entro circa ±7.5% |
| −0.25% o meno | In calo | circa −7.5% o più in basso |
Le schede mostrano l'etichetta con il primo e l'ultimo valore del trend, la variazione giornaliera con il suo equivalente a 30 giorni, la Variazione del trend nella finestra dal primo all'ultimo giorno, l'Oscillazione settimanale (effetto del giorno più forte meno quello del più debole, con entrambi i giorni indicati) e il numero di Anomalie nei residui con la deviazione standard dei residui.
Come leggere i grafici
- Originale e trend: i valori giornalieri con il trend sovrapposto.
- Componente stagionale settimanale: lo scostamento medio dal trend per ciascun giorno della settimana. Le barre sopra lo zero indicano i giorni con più traffico.
- Serie destagionalizzata: i dati privati dell'effetto del giorno della settimana, che rende più leggibili le variazioni da una settimana all'altra.
- Residui: ciò che trend e giorno della settimana non riescono a spiegare, con linee tratteggiate a ±2 deviazioni standard.
La tabella Componenti giornaliere elenca ogni giorno con il relativo giorno della settimana, valore originale, trend, effetto stagionale, residuo, z del residuo e un indicatore di anomalia. Anomalie nei residui elenca i giorni segnalati con i valori effettivi e attesi. Se dopo un'analisi passi da Clic a Impressioni nel selettore Metrica, la decomposizione viene rielaborata nel browser.
Cosa presuppone e i suoi punti ciechi
- Un andamento settimanale fisso e di dimensione costante. Se il traffico raddoppia nel corso della finestra, un'oscillazione per giorno della settimana misurata in clic è troppo piccola per la fine e troppo grande per l'inizio.
- Nessun ciclo annuale. L'analisi copre almeno 90 giorni (gli intervalli più brevi vengono estesi all'indietro, come indica la nota sopra i risultati), un periodo troppo breve per modellare le stagioni. Un calo a dicembre o una pausa estiva compaiono come trend.
- Le estremità sono meno stabili. Le medie mobili si riducono vicino all'inizio e alla fine della serie, quindi il trend dell'ultima settimana poggia su meno giorni e cambierà con l'arrivo di nuovi dati.
- Le anomalie influenzano le medie. Un solo giorno estremo sposta la media del suo giorno della settimana e la dispersione dei residui; il rilevamento delle anomalie usa statistiche robuste che resistono a questo effetto.
- I giorni mancanti contano come zero, e per questo una proprietà più recente della finestra mostra un inizio piatto.
Come usare ciò che trovi
Un'anomalia è una data da spiegare: un rilascio, un'interruzione, una menzione sulla stampa o un aggiornamento del ranking di Google. Aggiungi un'annotazione in modo che la data e il motivo compaiano da quel momento nel grafico del trend della dashboard. Per datare il momento in cui è cambiato il livello vero e proprio, esegui il rilevamento dei punti di cambiamento sullo stesso intervallo.