Hva er (other)-raden?
I rapporter, utforskninger eller Data API-svar kan det vises en (other)-rad (annet) når antallet rader i en tabell overskrider grensen for antallet rader i tabellen. I slike tilfeller viser Analytics bare de vanligste dimensjonsverdiene, mens de mindre vanlige verdiene samles i (other)-raden.
Hvis for eksempel radgrensen i tabellen som støtter «Sider og skjermer»-rapporten, er 100 000, men området har 150 000 unike sider, sorterer Analytics radene fra de vanligste til sjeldneste. Deretter grupperes de siste 50 000 radene under (other)-raden.
Årsaker til at du ser (other)-raden
Hver dimensjon i Analytics kan være tilordnet en rekke verdier. Antallet verdier som er tilordnet en dimensjon, er dimensjonens kardinalitet. Er konverteringshendelse-dimensjonen kan for eksempel ha to tilordnede verdier («sann» eller «usann»). Sidebane-dimensjonen kan derimot ha ulike verdier for hver nettadressebane på nettstedet ditt.
Mange tabeller omfatter flere dimensjoner, og antallet rader som trengs i disse tabellene, kan være så høyt som antallet verdier for hver dimensjon multiplisert. Hvis både Enhet-dimensjonen (som har 3 verdier: mobil, nettbrett, datamaskin) og Aldersgruppe-dimensjonen (6 aldersgrupper) brukes i en rapport, kan tabellen ha opptil 18 rader. Akkurat hvor mange det er, kommer an på om du samler inn data om hver kombinasjon av dimensjonsverdiene.
Alle dimensjoner med mer enn 500 verdier bør anses som dimensjoner med høy kardinalitet, siden de betydelig øker kardinaliteten til alle tabellene som lagrer denne dimensjonen. Samtidig stiger sjansene for at visse data fra disse tabellene samles under (other)-raden. De 500 verdiene per dimensjon er veiledende, ikke noen grense skrevet i sten. Jo flere verdier som samles inn for dimensjonene du bruker, desto større sannsynlighet er det for at data samles under (other)-raden.
Merk: Det kan hende du ser et varsel om (other)-raden i ikonet for datakvalitet, men det vises ingen (other)-rad i rapporten eller utforskningen. Dette kan skje når (other)-raden påvirker resultatene, men ikke nødvendigvis er synlig i den gjeldende visningen. Hvis du for eksempel har brukt etrapportfilter som skjuler resultatene gruppert under (other)-raden, ser du ikke (other)-raden, men et varsel.
Hvilke grenser finnes?
Den øvre grensen for antallet rader i tabeller varierer ut fra disse faktorene:
- Områdetypen: Analytics 360-områder har høyere grenser enn standardområder.
- Den enkelte rapporten eller utforskningen: Enkelte rapporter (f.eks. «Sider og skjermer»-rapporten) har høyere kardinalitetsdimensjoner og dermed også høyere grenser.
- Søkets kompleksitet: Standardrapporter som bare har én dimensjon, inneholder veldig sjelden noen (other)-rad, men i rapporter med filtre, sammenligninger eller sekundære dimensjoner øker sannsynligheten for at du ser en (other)-rad. Grunnen til dette er at det kreves databasetabeller med mange dimensjoner. Jo større datamengder og mer komplekse data områdene har, desto større er sjansene for at kardinalitetsgrensene overskrides.
Anbefalte fremgangsmåter for å unngå (other)-raden
Ved å følge de anbefalte fremgangsmåtene nedenfor kan du redusere sannsynligheten for at du ser (other)-raden:
- Bruk eksisterende dimensjoner før du oppretter egendefinerte dimensjoner. Du kan for eksempel bruke de forhåndsdefinerte gamingdimensjonene (f.eks. Rollefigur, Virtuell valutatype) i stedet for å konfigurere egendefinerte dimensjoner for de samme dataene.
- Bruk dimensjoner med høy kardinalitet bare når det er strengt tatt er nødvendig, siden slike dimensjoner fører området nærmere – eller til og med over – radgrensene.
- Ikke bruk egendefinerte dimensjoner til å opprette unike identifikatorer for hver bruker. Bruk i stedet User-ID-funksjonen.
- Bruk standardrapporter når det er mulig, siden slike rapporter har samletabeller som reduserer sannsynligheten for at data samles under en (other)-rad.
Hvis du har behov for å måle data med høy kardinalitet, bør du vurdere å sende dataene via brukeregenskaper og hendelsesparametere, uten at dataene registreres i egendefinerte dimensjoner. Når du unnlater å registrere egendefinerte dimensjoner, kan du fortsatt bruke dataene i BigQuery, målgrupper, segmenter og andre funksjoner uten at dette påvirker områdegrensene.