ปัจจัยที่ล้วนแต่ส่งผลต่อการใช้งานของผู้ใช้บนอินเทอร์เน็ตมีอยู่ด้วยกันหลายปัจจัย ซึ่งได้แก่ ความเร็วในการเชื่อมต่ออินเทอร์เน็ตของผู้ใช้ ความเชื่อถือได้ในการเข้าถึงเครือข่าย ความพร้อมใช้งานและคุณลักษณะการโหลดเซิร์ฟเวอร์แอปพลิเคชัน ในบางกรณียังรวมถึงการกำหนดค่าเครือข่ายภายในบ้านของผู้ใช้ รวมทั้งปัจจัยอื่นๆ ตัววัดผลเฉพาะและแยกออกมา เช่น ความเร็วในการเข้าถึงหรือความจุของเซิร์ฟเวอร์ ไม่สามารถบันทึกการใช้งานของผู้ใช้ได้อย่างแท้จริง การวัดประสิทธิภาพในระดับแอปพลิเคชันจากต้นทางสู่ผู้ใช้ซึ่งรวมปัจจัยที่มีผลทั้งหมดในสมการจึงเป็นแนวทางที่เหมาะสมในการวัดผลและปริมาณเกี่ยวกับประสบการณ์ของผู้ใช้อินเทอร์เน็ตได้อย่างแท้จริง
ข้อมูลที่แสดงอยู่นี้เป็นวิธีการให้คะแนนผู้ให้บริการอินเทอร์เน็ต (ISP) ในแง่ความสามารถในการแสดงวิดีโอ YouTube โดยอ้างอิงการวัดประสิทธิภาพในระดับแอปพลิเคชันอย่างต่อเนื่อง โดยมีจุดประสงค์เพื่อแสดงการให้คะแนนที่เป็นประโยชน์ เข้าใจง่าย และสะท้อนให้เห็นประสบการณ์ใช้งานอินเทอร์เน็ตได้อย่างใกล้เคียงกับความเป็นจริง
การเล่นวิดีโอ YouTube โดยทั่วไปเริ่มจากการที่โปรแกรมฝั่งผู้ใช้ (client) ส่งคำร้องขอข้อมูลวิดีโอ (เช่น HTTP GET) เพื่อดึงข้อมูลวิดีโอในรูปแบบสตรีมมิงจากเซิร์ฟเวอร์หนึ่งในเครือข่ายนำส่งข้อมูล (Content Delivery Network : CDN) ของ YouTube การให้คะแนนคุณภาพแก่ ISP เริ่มจากการวัดความเร็วต่อเนื่องในการถ่ายโอนข้อมูลวิดีโอเหล่านี้จากเซิร์ฟเวอร์ไปยังผู้ใช้ ระบบจะบันทึกข้อมูลต่อไปนี้จากคำขอข้อมูลวิดีโอแต่ละครั้ง เพื่อวัดปริมาณข้อมูลระดับแอปพลิเคชันทั้งหมด ที่ผู้ใช้ได้รับ (Goodput)
ระบบจะอาศัยการวัดผลเหล่านี้เพื่อคำนวณค่า Goodput สำหรับคำขอ "R" ที่กำหนดโดยใช้สูตรด้านล่างนี้ แต่ละคำขอที่มีการวัดผลดังกล่าวจะถือเป็นหนึ่งหน่วยข้อมูลตัวอย่าง (sample) ของ Goodput
คะแนนจะได้จากการรวมตัวอย่าง Goodput ที่เกี่ยวข้องซึ่งได้รับการบันทึกในขั้นการวัดผล วิธีการนี้รองรับการคำนวณคะแนนที่แบ่งย่อยในหลายระดับและหลายกลุ่มเป้าหมาย ตัวอย่างเช่น คะแนนของ ISP สามารถคำนวณได้ตามส่วนเวลาที่แตกต่างกัน (เช่น ชั่วโมง วัน สัปดาห์ และเดือน) และ/หรือระดับทางภูมิศาสตร์ที่หลากหลาย (เช่น ประเทศ จังหวัด เขต หรือเมือง)
สำหรับระยะเวลาที่กำหนด "T" (เช่น 30 วันต่อมา) และตำแหน่งทางภูมิศาสตร์ "L" (เช่น กรุงเทพมหานคร, ประเทศไทย) คะแนนของ ISP "P" (เช่น TOT) จะได้รับการคำนวณตามวิธีต่อไปนี้
| ระดับ GAT | ค่าเกณฑ์ Goodput | เหตุผล |
|---|---|---|
| HD (ความละเอียดสูง) | > 2.5 Mbps | Goodput ขั้นต่ำที่จำเป็นต่อการรักษาการเล่นวิดีโอ HD บน YouTube โดยเฉลี่ยที่ความละเอียด 720p |
| SD (ความละเอียดมาตรฐาน) | 0.7 ถึง 2.5 Mbps | Goodput ขั้นต่ำที่จำเป็นต่อการรักษาการเล่นวิดีโอ SD บน YouTube โดยเฉลี่ยที่ความละเอียด 360p |
| LD (ความละเอียดต่ำ) | < 0.7 Mbps | Goodput น้อยเกินกว่าที่จะรักษาการเล่นวิดีโอ SD บน YouTube ที่ความละเอียด 360p |
3) กำหนดเกณฑ์การให้คะแนน: เกณฑ์การให้คะแนน ISP จะกำหนดโดยสอดคล้องตามระดับขั้นต่ำของความต้องการปริมาณ GAT สำหรับการให้คะแนนแต่ละระดับ เนื่องจากเมตริกนี้ออกแบบมาเพื่อสะท้อนความสม่ำเสมอและเชื่อถือได้ของเครือข่าย ISP จึงต้องกำหนดคะแนนในระดับซึ่งแสดงถึงประสิทธิภาพที่ยั่งยืนมากกว่าประสิทธิภาพโดยทั่วไป (โดยเฉลี่ย) เพื่อให้ได้ผลเช่นนั้น เราจึงกำหนดระดับคะแนนไว้ 3 ระดับ ได้แก่ GAT-90 (90% ของคำขออยู่สูงกว่าค่าเกณฑ์), GAT-95 (95% ของคำขออยู่สูงกว่าค่าเกณฑ์), GAT-99 (99% ของคำขออยู่สูงกว่าค่าเกณฑ์) เพื่อแสดงความน่าเชื่อถือในระดับที่แตกต่างกัน
ตารางต่อไปนี้ระบุเกณฑ์ที่ใช้กำหนดคะแนน ISP ขั้นสุดท้ายในวิธีการของเรา โดยใช้ค่า GAT-90 ระดับ 90% ถูกเลือกหลังจากพิจารณาอย่างรอบคอบถึงประสิทธิภาพที่ใช้ได้จริงตามที่สังเกตได้จากการทำงานดังกล่าว ระดับนี้จะเปลี่ยนแปลงไปตามความสามารถในการให้บริการของเครือข่ายที่จะพัฒนาในเวลาต่อไป
| การให้คะแนน | เกณฑ์ (GAT-90) | เหตุผล |
|---|---|---|
| HD (ความละเอียดสูง) |
ตัวอย่าง 90+% จัดอยู่ในระดับ HD |
เครือข่ายมอบประสิทธิภาพการใช้งาน YouTube ที่สม่ำเสมอและเชื่อถือได้ในระดับ HD (720p) |
| SD (ความละเอียดมาตรฐาน) |
ตัวอย่าง 90+% จัดอยู่ในประเภท SD เป็นอย่างน้อย |
เครือข่ายมอบประสิทธิภาพการใช้งาน YouTube ที่สม่ำเสมอและเชื่อถือได้ในระดับ SD (360p) |
| LD (ความละเอียดต่ำ) | ไม่อยู่ในเกณฑ์ข้างต้น | เครือข่ายมอบประสิทธิภาพการใช้งาน YouTube ที่ไม่สามารถเชื่อถือได้ |
การให้คะแนนเน้นที่เครือข่าย ไม่ใช่ผู้ใช้ ตัวอย่าง Goodput ทั้งหมดจะไม่มีการระบุชื่อบุคคลใดๆ และไม่มีการจัดเก็บข้อมูลของผู้ใช้ (เช่น คุกกี้ของเบราว์เซอร์ หรือที่อยู่ IP) หรือใช้งานโดยตรงในอัลกอริทึมการให้คะแนน นอกจากนี้ หากปริมาณตัวอย่างโดยรวมสำหรับระดับทางภูมิศาสตร์และช่วงเวลาที่เลือกอยู่ต่ำกว่าเกณฑ์ อัลกอริทึมจะลดลงไปใช้มิติข้อมูลแบ่งย่อยที่ละเอียดน้อยกว่าเดิม (เช่น รวมตามตำแหน่งภูมิศาสตร์และ/หรือช่วงเวลาที่กว้างกว่า) ซึ่งตรงกับความต้องการด้านขนาดขั้นต่ำในการคำนวณคะแนน