Documentação
Decomposição de séries temporais: tendência, padrão semanal e ruído
Divide os cliques ou impressões diários em tendência, padrão por dia da semana e resíduo, classifica a direção da tendência e sinaliza os dias que o modelo não consegue explicar.
A Decomposição de séries temporais separa seus cliques ou impressões diários em três partes: uma tendência suavizada, um padrão repetitivo por dia da semana e o resíduo, que é o que sobra. Ela classifica a tendência como crescente, em queda ou estável, mede a diferença entre o dia da semana mais forte e o mais fraco e sinaliza os dias com um resíduo incomumente grande. Use-a para distinguir uma mudança real de direção do ritmo normal da semana.
Como a série é dividida
- Uma média móvel centrada de 7 dias fornece uma primeira estimativa da tendência.
- A distância de cada dia em relação a essa média é agrupada por dia da semana. A média de cada dia da semana, ajustada para que os sete valores somem zero, torna-se o efeito sazonal desse dia.
- O efeito sazonal é removido da série original, o que gera a Série dessazonalizada, e o resultado é suavizado com a média de 7 dias aplicada duas vezes. Essa linha mais suave é a tendência que você vê.
- O resíduo é o valor original menos a tendência e o efeito sazonal. Um dia cujo resíduo esteja a mais de dois desvios-padrão de zero, medidos sobre todos os resíduos, é sinalizado como outlier.
Trata-se de uma decomposição aditiva: o efeito do dia da semana é um número de cliques ou impressões, não uma porcentagem. O cabeçalho da página a chama de STL, mas o método é uma decomposição clássica por médias móveis, e não a regressão local do STL. O livro Forecasting: Principles and Practice explica a decomposição clássica e como o STL se diferencia dela.
Como a tendência é classificada
Uma reta é ajustada sobre a tendência, e sua inclinação é expressa como porcentagem do nível médio da tendência por dia:
| Inclinação diária | Classificação | Em 30 dias |
|---|---|---|
| +0,25% ou mais | Crescente | cerca de +7,5% ou mais |
| entre −0,25% e +0,25% | Estável | dentro de cerca de ±7,5% |
| −0,25% ou menos | Em queda | queda de cerca de −7,5% ou mais |
Os cartões mostram a classificação com o primeiro e o último valor da tendência, a variação diária com seu equivalente em 30 dias, a Variação da tendência na janela do primeiro ao último dia, a Oscilação semanal (efeito do dia mais forte menos o do mais fraco, com os dois dias nomeados) e o número de Outliers de resíduo com o desvio-padrão do resíduo.
Como ler os gráficos
- Original e tendência: os valores diários com a tendência sobreposta.
- Componente sazonal semanal: a distância média em relação à tendência para cada dia da semana. As barras acima de zero são seus dias mais movimentados.
- Série dessazonalizada: os dados sem o efeito do dia da semana, o que facilita a leitura da variação de uma semana para outra.
- Resíduos: o que a tendência e o dia da semana não explicam, com linhas tracejadas em ±2 desvios-padrão.
A tabela Componentes diários lista cada dia com seu dia da semana, valor original, tendência, efeito sazonal, resíduo, z do resíduo e um indicador de Outlier. Outliers de resíduo lista os dias sinalizados com seus valores reais e esperados. Alterne a Métrica entre Cliques e Impressões após uma execução e a decomposição é refeita no navegador.
O que ela pressupõe e seus pontos cegos
- Um padrão semanal fixo e de tamanho constante. Se o tráfego dobrar ao longo da janela, uma oscilação por dia da semana medida em cliques fica pequena demais para o final e grande demais para o início.
- Nenhum ciclo anual. A execução cobre pelo menos 90 dias (intervalos menores são estendidos para trás, como informa a nota acima dos resultados), o que é curto demais para modelar estações do ano. Uma queda em dezembro ou uma baixa no verão aparece como tendência.
- As extremidades são menos estáveis. As médias móveis encolhem perto do início e do fim da série, então a tendência da semana mais recente se apoia em menos dias e mudará à medida que chegarem novos dados.
- Outliers puxam as médias. Um único dia extremo desloca a média do seu dia da semana e a dispersão dos resíduos; a Detecção de anomalias usa estatísticas robustas que resistem a esse efeito.
- Dias ausentes contam como zero, o que, em uma propriedade mais nova que a janela, aparece como um início plano.
Como usar o que você encontrar
Um outlier é uma data a ser explicada: um lançamento, uma queda do site, uma menção na imprensa ou uma atualização de ranqueamento do Google. Adicione uma anotação para que a data e o motivo passem a aparecer no gráfico de tendência do painel. Para datar quando o próprio nível mudou, execute a Detecção de pontos de mudança no mesmo intervalo.