作者的观点完全是他们自己的（不包括催眠这一不太可能发生的事件），并且可能并不总是反映 Moz 的观点。
当分析所有存在的数据不可行或不切实际时，抽样是统计中使用的过程。相反，使用一个小的、随机选择的子集来保持事情的可管理性。许多分析平台使用某种采样来控制报告加载时间，并且在分析采样方面似乎存在三种思想流派。有些人对此感到害怕，坚持使用任何报告的非抽样版本。还有一些人对此感到放松，相信统计逻辑。最后，还有那些健忘的人。
这三个人都被误导了。
抽样并不可怕，但是，尤其是在 Google Analytics 中，它并不总是值得信任的。因此，绝对值得您花时间了解它何时发生、它如何影响您的工作以及如何避免它。
当它发生时 您始终可以知道何时使用采样
因为每个报告顶部的这一行：如果百分比小于 100%，则采样正在进行中。您会注意到上面我已经根据超过 5 亿个会话生成了一份报告，而没有进行任何抽样 – 抽样不仅仅涉及报告中涉及的会话数量。这与您要求平台报告的内容的复杂性有关。对比下面的内容（对小屏幕 佐治亚州手机号码列表 截图表示歉意；我想确保包含整个上下文，因此添加了说明文字来解释您正在查看的内容）：
未应用分段，报告基于 100% 的会话
已应用细分，报告基于 0.17% 的会话
除了在第二种情况下使用段之外，两者是相同的。Google Analytics（分析）始终可以像第一种情况一样提供顶线总计的未抽样数据，但特别是细分市场很容易提示抽样。
还可以通过使用次级维度来引入完全相同的采样级别
应用辅助维度，报告基于 0.17% 的会话
其他一些专门报告也倾向于这种级别的抽样，最 B2B传真线索 值得注意的是：
电子商务概述
《流量报告》
基于 0.17% 会话的报告
基于 <0.1% 的会话的报告
到目前为止，总结一下，当我们使用以下内容时可以进行采样：
一段
不止一维
某些详细报告（包括电子商务概览和 AdWords 广告系列）
《流》报道
采样精度
在大多数情况下，抽样实际上是相当可靠的。取下面两个同期有机流量的数字，一个取自 0.17% 的微小样本，另一个取自未采样：
根据 0.17% 的会话进行报告，通过有机报告 303,384,785 个会话
基于 100% 会话的报告，通过有机报告 296,387,352 个会话
与 0.17% 的实际会话样本相比，差异仅为 2.4%。有趣的是，当我在较短的时间内（上个季度）重复进行这种比较时，样本大小达到了 71.3%，但误差幅度相当相似，均为 2.3%。
