Traduit de l'anglais à l'aide de l'IA
Veuillez noter que cet article a été traduit à l'aide de la technologie IA. Bien que nous travaillions à maintenir l'exactitude, certains détails peuvent ne pas refléter parfaitement le texte original. Si vous avez des doutes sur une information, veuillez vous référer à la version anglaise.
L'Error Analysis utilise l'approximation pour optimiser la performance et fournir des résultats plus rapides.
Dans l'Error Analysis, le nombre de sessions avec erreur ou de sessions avec rage click dans le tableau des Erreurs est approximé. Les calculs de KPI affichés sur le tableau des erreurs peuvent donc avoir une marge d'erreur en % basée sur la taille de l'ensemble de données comme indiqué ci-dessous.
Comment l'Error Analysis approxime les données
L'Error Analysis utilise un appel API (testé et approuvé) par ClickHouse qui utilise "Approximation".
L'algorithme d'approximation (HyperLogLog) calcule si certains éléments existent dans un actif. Nous utilisons trois algorithmes d'approximation en fonction de la taille de l'ensemble de données.
- Petit ensemble de données (Si la limite est inférieure à 9000) les données seront 100% précises
- Ensemble de données moyen : marge d'erreur de 0,05%
- Grand ensemble de données (plus de 200 000 éléments) : marge d'erreur moyenne de 0,1%
Comment voir les données exactes
Ouvrez le panneau latéral des erreurs pour voir les métriques exactes pour l'erreur.
Accédez au panneau latéral pour voir les détails de l'erreur et les détails des KPI basés sur des données 100% précises.
Exemple d'une erreur spécifique de l'onglet 'Toutes les Erreurs' :
Exemple d'une erreur spécifique de l'onglet 'Erreurs par Groupe de Pages' :
Vous pouvez continuer votre analyse avec les raccourcis vers Session Replay, Impact Quantification et Journey Analysis.