Change Point Detection: datera förändringarna i din trafik

Change Point Detection hittar de datum då dina dagliga klick eller visningar landade på en ny nivå och stannade där, till skillnad från enstaka avvikande dagar. För varje förändring får du medelvärdet före och efter, skiftets storlek mätt mot det normala dagliga bruset och ett konfidenspoäng. Använd den för att datera början på en nedgång eller ökning exakt innan du börjar leta efter orsaken.

Så hittas skiften

1. Över hela perioden summerar rapporten varje dags avstånd från periodens medelvärde, en kumulativ summa eller CUSUM. Där nivån ändras böjer den löpande summan av, och den dag som ligger längst från noll är den mest sannolika delningspunkten.
2. Varje sida av en delning måste innehålla minst 7 dagar.
3. Skiftet mäts som skillnaden mellan de två medelvärdena dividerad med den sammanslagna standardavvikelsen för de två sidorna, alltså i enheter av normalt dagligt brus. En delning behålls bara om talet når den Sensitivity du har angett.
4. Konfidensen kommer från ett permutationstest: segmentets dagar slumpas om 200 gånger, och konfidensen är andelen omslumpningar vars CUSUM-intervall blir mindre än det verkliga.
5. Varje behållen delning söks igenom på nytt på båda sidor (binär segmentering), upp till 8 change points.

Sensitivity går från 0.5 till 3 standardavvikelser, med 1.5 som standard. Lägre värden hittar mindre skiften. Datumet för en change point är den första dagen på den nya nivån. NIST:s handbok beskriver CUSUM som en metod som lämpar sig för små, bestående skiften i ett medelvärde, vilket är just det fall den hanterar här.

Tolka resultaten

• Kort: Change points detected (med antalet segment), Largest shift i procent (med seriens dagliga brus), Latest change point med riktning och konfidens, samt förändringen från det första segmentets medelvärde till det sista.
• Series with change points visar de dagliga värdena, en utjämnad 7-dagarslinje och varje segments medelvärde, med en streckad linje och procentuell förändring vid varje change point.
• CUSUM statistic visar själva löpande summan: en ändrad lutning där motsvarar en ändrad nivå i serien.
• Tabellen listar Date, Direction (Up eller Down), Before average, After average, Change, Shift (SD units), Confidence, Days before och Days after.

Om du ändrar mått eller känslighet efter en körning görs detekteringen om i webbläsaren. Körningen omfattar alltid minst 90 dagar; ett kortare intervall förlängs bakåt och en notering visar vilka datum som användes.

Vad den förutsätter

• Trafiken rör sig i jämna steg. Modellen är en serie nivåer plus brus. En stadig uppgång har ingen enskild brytpunkt, så den kan delas upp i flera steg eller inte ge några alls.
• Veckomönstret ligger kvar. Veckovisa svängningar räknas som brus, vilket gör det svårare för små skiften att passera tröskeln. På en webbplats med en tydlig veckorytm bör du titta på Time-Series Decomposition vid sidan av.
• Nya förändringar behöver tid. Eftersom 7 dagar krävs på varje sida kan ett skifte som började under de senaste sex dagarna inte hittas ännu.
• Konfidens är en vägledning, inte ett filter. Den avgör inte om en punkt listas, det gör skiftets storlek. Omslumpningen behandlar dessutom varje dag som oberoende, medan trafiken på på varandra följande dagar hänger ihop, så läs konfidensen som relativ snarare än som en exakt sannolikhet.
• Största brytpunkten först. Binär segmentering hittar den starkaste delningen före de mindre, så två skiften med en veckas mellanrum kan rapporteras som ett.

Vad du gör med en change point

Jämför datumet med vad som hände runt omkring: en driftsättning, en migrering, en malländring, ett avbrott eller en Google-rankinguppdatering. Avgränsa sedan genom att köra rapporten igen med ett filter på en mapp, ett land eller en enhet för att se vilken del av webbplatsen som rörde sig. När du känner till orsaken kan du registrera den som en annotation.

För enstaka ovanliga dagar i stället för bestående förändringar, använd Anomaly Detection. Om du vill bli underrättad om nedgångar när de sker kan du ställa in alerts.