Documentatie
Tijdreeksdecompositie: trend, weekpatroon en ruis
Splitst dagelijkse klikken of vertoningen in trend, weekdagpatroon en residu, benoemt de richting van de trend en markeert dagen die het model niet kan verklaren.
Tijdreeksdecompositie scheidt je dagelijkse klikken of vertoningen in drie delen: een afgevlakte trend, een terugkerend weekdagpatroon en het residu, oftewel wat overblijft. De tool bestempelt de trend als groeiend, dalend of stabiel, meet het verschil tussen je sterkste en zwakste weekdag en markeert dagen met een ongewoon groot residu. Gebruik de tool om een echte koerswijziging te onderscheiden van het gewone ritme van de week.
Hoe de reeks wordt opgesplitst
- Een gecentreerd voortschrijdend gemiddelde over 7 dagen geeft een eerste schatting van de trend.
- De afstand van elke dag tot dat gemiddelde wordt per weekdag gegroepeerd. Het gemiddelde per weekdag, zo verschoven dat de zeven waarden samen nul zijn, wordt het seizoenseffect van die weekdag.
- Het seizoenseffect wordt uit de oorspronkelijke reeks gehaald. Dat levert de Deseasonalised series (gedeseizoeneerde reeks) op, die vervolgens wordt afgevlakt met het 7-daagse gemiddelde, twee keer toegepast. Die gladdere lijn is de trend die je ziet.
- Het residu is de oorspronkelijke waarde min de trend en het seizoenseffect. Een dag waarvan het residu meer dan twee standaarddeviaties van nul af ligt, gemeten over alle residuen, wordt als uitschieter gemarkeerd.
Dit is een additieve decompositie: het weekdageffect is een aantal klikken of vertoningen, geen percentage. In de paginakop heet de methode STL, maar het is een klassieke decompositie met voortschrijdend gemiddelde en geen STL met lokale regressie. Forecasting: Principles and Practice legt de klassieke decompositie uit en vertelt hoe STL daarvan verschilt.
Hoe de trend wordt benoemd
Er wordt een rechte lijn door de trend getrokken. De helling daarvan wordt uitgedrukt als percentage van het gemiddelde niveau van de trend per dag:
| Dagelijkse helling | Label | Over 30 dagen |
|---|---|---|
| +0.25% of meer | Growing | ongeveer +7.5% of meer |
| tussen −0.25% en +0.25% | Stable | binnen ongeveer ±7.5% |
| −0.25% of minder | Declining | ongeveer −7.5% of lager |
De kaarten tonen het label met de eerste en laatste waarde van de trend, de dagelijkse verandering met het equivalent over 30 dagen, de Trend change over window (trendverandering over de periode) van de eerste tot de laatste dag, de Weekly swing (weekschommeling: sterkste weekdageffect min het zwakste, met beide dagen benoemd) en het aantal Residual outliers (uitschieters in het residu) met de standaarddeviatie van het residu.
De grafieken lezen
- Original and trend: de dagelijkse waarden met de trend erover.
- Weekly seasonal component: de gemiddelde afstand tot de trend per weekdag. Balken boven nul zijn je drukkere dagen.
- Deseasonalised series: de data zonder het weekdageffect, waardoor verschuivingen van week tot week beter te lezen zijn.
- Residuals: wat trend en weekdag niet kunnen verklaren, met stippellijnen op ±2 standaarddeviaties.
De tabel Daily components toont elke dag met weekdag, oorspronkelijke waarde, trend, seizoenseffect, residu, residu-z en een Outlier-markering. Residual outliers toont de gemarkeerde dagen met hun werkelijke en verwachte waarden. Schakel na een run tussen de metrics Clicks en Impressions, dan wordt de decompositie opnieuw in de browser uitgevoerd.
Uitgangspunten en blinde vlekken
- Een vast weekpatroon van vaste omvang. Als het verkeer in de periode verdubbelt, is een weekdagschommeling in klikken te klein voor het einde en te groot voor het begin.
- Geen jaarcyclus. De run beslaat minimaal 90 dagen (kortere perioden worden naar achteren uitgebreid, zoals de opmerking boven de resultaten aangeeft), en dat is te kort om seizoenen te modelleren. Een dip in december of een zomerstop verschijnt als trend.
- De uiteinden zijn minder stabiel. De voortschrijdende gemiddelden worden aan het begin en einde van de reeks korter, dus de trend voor de meest recente week berust op minder dagen en verandert zodra er nieuwe data binnenkomen.
- Uitschieters trekken aan de gemiddelden. Eén extreme dag verschuift het gemiddelde van zijn weekdag en de spreiding van het residu; Anomaly Detection gebruikt robuuste statistiek die hier minder gevoelig voor is.
- Ontbrekende dagen tellen als nul, waardoor een property die jonger is dan de periode een vlak begin toont.
Aan de slag met je bevindingen
Een uitschieter is een datum die om uitleg vraagt: een release, een storing, een vermelding in het nieuws of een Google-rankingupdate. Voeg een annotatie toe, zodat de datum en de reden daarvan voortaan in de trendgrafiek van het dashboard verschijnen. Om vast te stellen wanneer het niveau zelf verschoof, voer je Change Point Detection uit over dezelfde periode.