Vous lancez un rapport personnalisé dans votre outil de statistiques. Il indique : « Ce rapport repose sur 100 000 sessions. Données non échantillonnées : 1 250 000 sessions. » Votre rapport utilise des estimations tirées de 8 % de vos données réelles.
L'échantillonnage a lieu quand les outils de statistiques ne peuvent pas traiter toutes vos données et estiment donc à la place. L'estimation est souvent assez exacte, mais ce ne sont toujours pas vos vrais chiffres.
Ce qu'est l'échantillonnage et pourquoi les outils l'utilisent
Le problème : trop de données à traiter
Les outils de statistiques traitent des millions d'événements par seconde sur des millions de sites. Traiter chaque donnée en temps réel n'est pas réaliste. Quand le trafic devient assez élevé, les outils passent du comptage de tout à l'échantillonnage d'un sous-ensemble, qu'ils extrapolent ensuite.
Comment fonctionne l'échantillonnage
L'outil regarde 10 % de votre trafic. Il calcule les indicateurs à partir de ces 10 %. Puis il multiplie les résultats par 10 pour estimer les indicateurs totaux. Si l'échantillon montre 5 conversions, l'outil estime 50 conversions au total. C'est une estimation mathématique, pas vos vrais chiffres.
Le taux d'échantillonnage varie selon l'outil et le niveau de trafic
Certains outils commencent à échantillonner à 100 000 sessions par mois. D'autres à 1 million. Certaines offres gratuites échantillonnent plus fortement que les offres payantes. Plus votre trafic est élevé, plus l'échantillonnage est agressif.
L'échantillonnage est transparent (parfois)
Les bons outils vous disent quand ils échantillonnent. Une note apparaît : « Ces données sont échantillonnées. » Les mauvais ne le disent pas. Vous croyez regarder de vrais chiffres alors que ce sont des estimations.
Quand l'échantillonnage se produit
Dans Google Analytics
La version gratuite de Google Analytics échantillonne quand vous créez des rapports personnalisés qui dépassent ses limites de traitement (en général autour de 1 million d'événements). Les versions premium échantillonnent à des seuils bien plus élevés. Si votre rapport contient beaucoup de données, l'échantillonnage est probable.
Dans les rapports en temps réel
Les données en temps réel sont presque toujours échantillonnées, car afficher de vraies données en temps réel pour chaque événement serait impossible en calcul. Les tableaux de bord en temps réel montrent des estimations mises à jour fréquemment, pas des chiffres exacts.
Dans les rapports personnalisés complexes
Plus vous incluez de dimensions et d'indicateurs dans un rapport, plus l'échantillonnage devient probable. Un rapport simple « trafic par source » peut être non échantillonné. Un rapport détaillé qui décompose 10 dimensions avec des indicateurs personnalisés peut être très fortement échantillonné.
L'effet de l'échantillonnage
Les estimations sont en général proches des vrais chiffres
Les algorithmes d'échantillonnage sont sophistiqués. Un échantillon de 10 % extrapolé à 100 % est souvent exact à quelques pour cent près. Pour les décisions d'ensemble, les estimations suffisent.
L'échantillonnage se dégrade sur les petits nombres
Quand vous échantillonnez 10 % et cherchez les conversions d'une source de trafic précise, vous pouvez en voir zéro dans l'échantillon alors qu'il y en avait quelques-unes en réalité. L'estimation devient « zéro conversion » alors qu'il y en avait deux ou trois. Les petits nombres sont déformés.
Les comparaisons deviennent moins fiables
Comparer les taux de conversion de deux sources de trafic sur des données échantillonnées est risqué. Vous pouvez conclure que la source A fait mieux que la source B alors que la différence n'est qu'une erreur d'échantillonnage.
L'analyse des tendances devient moins exacte
Suivre la hausse ou la baisse des conversions sur des données échantillonnées ajoute du bruit. Le recul est-il réel ou n'est-ce qu'une variation d'échantillonnage ? Vous ne pouvez pas en être sûr.
Comment travailler avec des données échantillonnées
Obtenez des données non échantillonnées si votre outil le permet
Les offres premium des outils de statistiques proposent en général des données non échantillonnées. Google Analytics 360 fournit des rapports non échantillonnés. La plupart des outils de statistiques payants permettent d'exporter des données non échantillonnées. Si vous prenez des décisions importantes, passez à l'offre supérieure pour obtenir de vrais chiffres.
Comprenez le taux d'échantillonnage
Quand vous voyez un rapport échantillonné, repérez le pourcentage d'échantillonnage. « Basé sur 100 000 sessions sur 500 000 » signifie 20 % d'échantillonnage. Plus le pourcentage est petit, moins les chiffres sont fiables. Un échantillonnage de 50 % ou plus est assez fiable. Un échantillonnage de 5 % ne l'est pas.
Utilisez des segments pour réduire le volume de données
Les rapports échantillonnés existent parce que vous essayez de traiter trop de données. Utilisez une période ou un segment pour réduire l'ensemble de données. Faites le rapport sur les 7 derniers jours plutôt que sur 90 jours. Faites-le sur une seule source de trafic plutôt que sur toutes. Les petits ensembles de données sont moins susceptibles d'être échantillonnés.
Exportez les données pour une analyse hors ligne
Si votre outil permet d'exporter des données non échantillonnées, faites-le. Exportez vers un tableur ou une base de données et faites votre analyse là-bas. Vous obtenez de vrais chiffres au lieu d'estimations.
Créez des rapports automatisés moins complexes
Au lieu de créer un seul rapport complexe avec 10 dimensions, créez plusieurs rapports simples. Chaque rapport simple a moins de chances d'être échantillonné. Ensemble, ils vous donnent une vue non échantillonnée de vos données.
Peut-on éviter l'échantillonnage
L'échantillonnage n'est pas toujours évitable
Si votre trafic est très élevé et que vous voulez des rapports en temps réel, un certain niveau d'échantillonnage peut être inévitable. Vous pouvez le réduire en gardant des rapports simples et ciblés.
Les outils premium offrent des seuils plus élevés
Les outils de statistiques payants ont des seuils d'échantillonnage bien plus élevés que les versions gratuites. Google Analytics 360 et d'autres plateformes premium gèrent des volumes de données bien plus importants sans échantillonnage.
Les statistiques côté serveur évitent l'échantillonnage
Si vous suivez les conversions côté serveur, dans votre propre base de données, vous contrôlez les données et n'échantillonnez jamais. Vos données de conversion sont exactes. Cette approche demande plus de mise en place technique, mais donne de vrais chiffres.
Questions fréquentes
Les données échantillonnées sont-elles peu fiables ?
Pas forcément. Un échantillonnage statistiquement valide est fiable pour les indicateurs d'ensemble. Mais pour les petits nombres, les comparaisons précises et l'analyse détaillée, les données échantillonnées perdent en exactitude. Utilisez-les pour les tendances, pas pour des chiffres précis. Avec le créateur de site web de WEMASY, vous pouvez le configurer directement sur votre site.
Comment savoir si mes données sont échantillonnées ?
Cherchez une note dans votre outil de statistiques indiquant « Données échantillonnées » ou « Basé sur X % des sessions ». Si vous ne voyez aucune note, les données ne sont probablement pas échantillonnées. La plupart des outils signalent l'échantillonnage quand il a lieu.
Dois-je passer à une offre supérieure pour éviter l'échantillonnage ?
Seulement si l'échantillonnage touche des décisions importantes. Si la plupart de vos décisions utilisent déjà des données non échantillonnées, changer d'offre uniquement pour cela n'en vaut peut-être pas la peine. Repérez les décisions qui demandent de vrais chiffres et passez à l'offre supérieure si l'enjeu est important.
L'échantillonnage touche-t-il mes indicateurs de référence ?
Peut-être. Si votre tableau de bord principal utilise des données échantillonnées, votre référence est une estimation. Créez une vue séparée avec des rapports moins complexes pour obtenir des chiffres non échantillonnés pour vos indicateurs principaux.
Puis-je tirer des conclusions statistiquement valides de données échantillonnées ?
Pour les tendances globales, oui. Pour des comparaisons précises, cela dépend de la taille de l'échantillon. Un échantillon de 50 % qui analyse 1000 événements peut soutenir des conclusions. Un échantillon de 1 % qui analyse 100 événements, non.
Comment l'échantillonnage touche-t-il les résultats des tests A/B ?
Les tests A/B demandent des données non échantillonnées pour être valides. L'échantillonnage ajoute du bruit aux résultats. Si vous lancez des tests A/B, assurez-vous que votre outil de statistiques n'échantillonne pas les données du test. La plupart des outils payants n'échantillonnent pas les données de tests A/B.