Priorytetowe traktowanie wydajności jest korzystne nie tylko dla użytkowników, ale też dla firmy. Chociaż sprawdzone metody w tej kolekcji koncentrują się głównie na optymalizacji integracji tagu wydawcy Google (GPT), wiele innych czynników wpływa na ogólną skuteczność danej strony. Po wprowadzeniu zmian należy sprawdzić ich wpływ na wszystkie aspekty skuteczności witryny.
Pomiar wydajności strony
Aby zrozumieć, jak dana zmiana wpływa na skuteczność witryny, musisz najpierw ustalić podstawę do porównania. Najlepszym sposobem na to jest utworzenie budżetu skuteczności, który określa docelową wartość docelową, której Twoja witryna może lub nie może obecnie osiągnąć. Jeśli jednak zależy Ci na utrzymaniu stałego poziomu skuteczności, możesz użyć bieżących danych o skuteczności witryny jako wartości bazowej.
Aby zacząć mierzyć skuteczność, zalecamy zastosowanie kombinacji tych metod:
- Monitorowanie syntetyczne
- Aby mierzyć wydajność strony w warunkach laboratoryjnych, możesz użyć narzędzi takich jak Lighthouse i Publisher Ads Audits for Lighthouse. Ten typ pomiaru nie wymaga interakcji użytkownika, dlatego nadaje się do testów automatycznych i można go stosować do sprawdzania wydajności zmian przed udostępnieniem ich użytkownikom.
- Monitorowanie rzeczywistych użytkowników (RUM)
- Możesz używać narzędzi takich jak Google Analytics i PageSpeed Insights, aby zbierać dane o wydajności w świecie rzeczywistym bezpośrednio od użytkowników. Ten typ pomiaru opiera się na interakcjach użytkowników, dlatego jest przydatny do wykrywania problemów z wydajnością na ostatnim etapie, których nie można łatwo wykryć za pomocą testów syntetycznych.
Pamiętaj, aby regularnie wykonywać pomiary i porównywać je z wartościami wyjściowymi. Dzięki temu możesz sprawdzić, czy skuteczność Twojej witryny zmienia się w chcianym kierunku.
Wybierz, co chcesz mierzyć
Jeśli chodzi o skuteczność, nie ma jednego rodzaju danych, który zawierałby wszystkie informacje o tym, jak radzi sobie Twoja witryna. Aby uzyskać pełny obraz, musisz sprawdzić różne dane dotyczące różnych aspektów skuteczności strony. Niektóre kluczowe obszary skuteczności i sugerowane dane znajdziesz w tabeli poniżej.
| Obszar skuteczności | |
|---|---|
| Postrzegana szybkość wczytywania |
Pomiar skuteczności
Szybkość wczytywania i renderowania wszystkich elementów interfejsu. Sugerowane dane
Pierwsze wyrenderowanie treści (FCP) |
| Szybkość wczytywania strony |
Pomiar
Jak szybko strona staje się responsywna po początkowym wczytaniu. Sugerowane dane
Opóźnienie przy pierwszym działaniu (FID) |
| Stabilność wizualna |
Pomiar
jak bardzo przesuwają się elementy interfejsu i czy te przesunięcia nie zakłócają interakcji z użytkownikiem. Więcej informacji znajdziesz w artykule Minimalizowanie przesunięcia układu. Sugerowane dane
Zbiorcze przesunięcie reklamy |
Oprócz skuteczności strony możesz też mierzyć dane biznesowe dotyczące reklam. Informacje takie jak wyświetlenia, kliknięcia i możliwość obejrzenia reklamy w poszczególnych slotach można uzyskać z raportów Google Ad Managera.
Sprawdź zmiany
Gdy zdefiniujesz dane o skuteczności i zaczniesz je regularnie mierzyć, możesz zacząć używać tych informacji do oceny wpływu wprowadzanych zmian w witrynie na jej skuteczność. Aby to zrobić, porównaj dane zmierzone po wprowadzeniu zmiany z tymi, które zostały zmierzone przed wprowadzeniem zmiany (lub z wartościami bazowymi określonymi wcześniej). Dzięki temu możesz wykrywać i rozwiązywać problemy z wydajnością, zanim staną się one poważnym problemem dla Twojej firmy lub użytkowników.
Testowanie automatyczne
Dane, które nie zależą od interakcji użytkownika, możesz mierzyć za pomocą testów syntetycznych. Tego typu testy należy przeprowadzać tak często, jak to możliwe w trakcie procesu rozwoju, aby zrozumieć, jak wpływ na wydajność będą miały zmiany, które nie zostały jeszcze opublikowane. Takie proaktywne testowanie może pomóc w uniknięciu problemów z wydajnością, zanim zmiany zostaną udostępnione użytkownikom.
Jednym ze sposobów na to jest dodanie testów syntetycznych do przepływu pracy w ramach ciągłej integracji (CI), w ramach którego testy są wykonywane automatycznie po każdej zmianie. Możesz użyć Lighthouse CI, aby zintegrować testy wydajności syntetycznej z wielu procesami CI:
- Monitorowanie wydajności za pomocą CI Lighthouse
- Używanie Publisher Ads Audits for Lighthouse w ramach CI
Testy A/B
Dane, które zależą od interakcji użytkowników, można w pełni przetestować dopiero wtedy, gdy zmiany zostaną faktycznie udostępnione użytkownikom. Może to być ryzykowne, jeśli nie masz pewności, jak zmieni się zachowanie aplikacji. Jedną z technik zmniejszania tego ryzyka są testy A/B.
Podczas testu A/B użytkownikom losowo wyświetlane są różne wersje strony. Dzięki tej metodzie możesz wyświetlać zmodyfikowaną wersję strony niewielkiemu odsetkowi ogólnego ruchu, podczas gdy większość nadal widzi niezmodyfikowaną stronę. Dzięki połączeniu z RUM możesz ocenić względną skuteczność obu grup, aby określić, która z nich sprawdza się lepiej – bez narażania na ryzyko 100% ruchu.
Kolejną zaletą testów A/B jest to, że umożliwiają dokładniejsze pomiary skutków zmian. W przypadku wielu witryn trudno jest określić, czy niewielka różnica w skuteczności jest spowodowana niedawną zmianą czy normalną zmiennością ruchu. Grupa eksperymentalna w teście A/B reprezentuje stały odsetek całego ruchu, więc dane powinny się różnić od danych grupy kontrolnej o stały współczynnik. Dlatego różnice zaobserwowane między 2 grupami można z większym prawdopodobieństwem przypisać do testowanej zmiany.
Konfigurowanie i przeprowadzanie testów A/B ułatwiają narzędzia takie jak Optimizely i Google Optimize. Pamiętaj jednak, że testy A/B oparte na tagach (domyślna konfiguracja tych narzędzi) mogą mieć negatywny wpływ na skuteczność i przynosić wyniki, które wprowadzają w błąd. Dlatego zalecamy integrację po stronie serwera:
Wyniki testów A/B
Aby zmierzyć wpływ zmiany za pomocą testu A/B, zbierasz dane z grup kontrolnej i eksperymentalnej, a potem je porównujesz. Aby to zrobić, musisz określić, do której grupy należy dany ruch.
W przypadku danych o skuteczności strony często wystarczy umieścić na każdej stronie prosty identyfikator, który wskazuje, czy wyświetlana jest wersja kontrolna, czy eksperymentalna. Identyfikator może mieć dowolną nazwę, o ile tylko umożliwia Ci analizowanie i porównywanie danych. Jeśli korzystasz z gotowego frameworku testowego, ten proces jest zwykle wykonywany automatycznie.
W przypadku danych biznesowych związanych z poszczególnymi reklamami możesz użyć funkcji GPT kierowania na klucze i wartości, aby odróżnić żądania reklam od grupy kontrolnej i eksperymentalnej:
// On control group (A) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'a');
// On experimental group (B) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'b');
Następnie można się do nich odwoływać podczas generowania raportów Google Ad Managera, aby filtrować wyniki według grupy.