[GA4] Om (other)-raden

Vad är (other)-raden?

Raden (other) är en rad som visas i en rapport, en utforskning eller ett Data API-svar när antalet rader överskrider gränsen för en tabell. I sådana fall visar Analytics bara de vanligaste dimensionsvärdena och komprimerar mindre vanliga värden på raden (other).

Om till exempel radgränsen för tabellen för rapporten Sidor och skärmar är 100 000, men egendomen har 150 000 unika sidor, sorterar Analytics raderna från mest till minst vanliga och grupperar de sista 50 000 raderna under raden (other).

Obs! Ibland kan värdena på raden (other) se likadana ut som på raden other.

Därför visas raden (other)

Varje dimension i Analytics kan ha ett antal tilldelade värden. Antalet värden som tilldelas en dimension baseras på dimensionens kardinalitet. Dimensionen Är viktiga händelser kan till exempel ha två tilldelade värden (sant eller falskt). Dimensionen Sidsökväg kan däremot ha ett värde för varje webbadress på din webbplats.

Många tabeller innehåller flera dimensioner. För dessa tabeller kan antalet rader som behövs vara lika många som antalet värden för varje dimension. Om en rapport till exempel innehåller dimensionen Enhet (tre värden: dator, surfplatta och mobil) och dimensionen Ålder (sex åldersgrupper) kan tabellen ha upp till 18 rader beroende på om du samlar in data för varje kombination av dimensionsvärdena.

Alla dimensioner med fler än 500 värden bör anses ha hög kardinalitet eftersom de ger en markant ökning av kardinaliteten för alla tabeller som lagrar dimensionen och ökar sannolikheten för att dessa tabeller innehåller data som komprimeras på raden (other). 500 värden per dimension är inte en gräns, endast en vägledning. Ju fler värden som samlas in för dina dimensioner, desto större är risken att data komprimeras på raden (other).

Obs! Du kan se både other och (other) i dina rapporter. Båda värdena används för att uttrycka hög kardinalitet och det finns ingen betydande skillnad mellan dem.

Vilka begränsningar gäller?

Gränsen för tabellrader varierar beroende på följande faktorer:

• Typ av egendom: Analytics 360-egendomar har högre gränser än standardegendomar.
• Enskild rapport eller utforskning: Vissa rapporter (däribland rapporten Sidor och skärmar) har dimensioner med högre kardinalitet och därmed också högre gränser.
• Förfrågningens komplexitet: Standardrapporter med en enstaka dimension innehåller sällan raden (other). Rapporter med sekundära dimensioner, filter eller jämförelser innehåller oftare raden (other). Anledningen är att de behöver databastabeller med många dimensioner. Egendomar med stora datavolymer och komplex data överstiger oftare kardinalitetsgränserna.

Rekommenderade metoder för att undvika (other)-raden

Följande metoder kan minska risken för att raden (other) visas:

• Använd befintliga dimensioner innan du skapar anpassade dimensioner. Använd till exempel de fördefinierade speldimensionerna (till exempel Karaktär och Typ av virtuell valuta) i stället för att skapa anpassade dimensioner för samma data.
• Använd inte dimensioner med hög kardinalitet om det inte är nödvändigt eftersom dessa dimensioner får egendomen att närma sig eller överskrida radgränserna.
• Använd inte en anpassad dimension för att skapa en unik identifierare för varje användare. Använd funktionen User-ID i stället.
• Använd standardrapporter när det är möjligt, eftersom de innehåller aggregeringstabeller som minskar risken för att data komprimeras på raden (other).

Obs! Ibland kan en varning om raden (other) i datakvalitetsikonen visas utan att en (other)-rad visas i rapporten eller utforskningen. Detta kan inträffa när raden (other) påverkar resultatet men inte nödvändigtvis syns i den aktuella vyn. Om du till exempel har tillämpat ett filter på rapporten som döljer resultat grupperade på raden (other) visas raden (other) inte, men varningen visas.

Om du behöver mäta data med hög kardinalitet kan du överväga att skicka data via händelseparametrar och användarattribut utan att registrera datan i anpassade dimensioner. Om du inte registrerar anpassade dimensioner kan du fortfarande använda data i BigQuery, målgrupper, segment och andra funktioner, utan att det påverkar egendomsgränserna.