परफ़ॉर्मेंस को प्राथमिकता देना न सिर्फ़ उपयोगकर्ताओं के लिए अच्छा होता है, बल्कि यह कारोबार के लिए भी अच्छा हो सकता है. इस कलेक्शन में मौजूद सबसे सही तरीके, मुख्य रूप से आपके Google पब्लिशर टैग (GPT) इंटिग्रेशन को ऑप्टिमाइज़ करने पर फ़ोकस करते हैं. हालांकि, किसी पेज की परफ़ॉर्मेंस पर कई अन्य फ़ैक्टर भी असर डालते हैं. जब भी कोई बदलाव किया जाता है, तो यह ज़रूरी है कि आप उन बदलावों के असर का आकलन करें. यह आकलन, आपकी साइट की परफ़ॉर्मेंस के सभी पहलुओं के लिए किया जाना चाहिए.
पेज की परफ़ॉर्मेंस को मेज़र करना
यह समझने के लिए कि किसी बदलाव से आपकी साइट की परफ़ॉर्मेंस पर क्या असर पड़ता है, आपको सबसे पहले तुलना करने के लिए एक बेसलाइन तय करनी होगी. इसका सबसे अच्छा तरीका यह है कि आप एक ऐसा परफ़ॉर्मेंस बजट बनाएं जो एक आइडिया के लिए बेसलाइन तय करता हो, जिसे आपकी साइट अभी पूरा कर सकती हो या नहीं. अगर आपको परफ़ॉर्मेंस के एक तय लेवल को बनाए रखना है, तो अपनी साइट की मौजूदा परफ़ॉर्मेंस मेट्रिक को बेसलाइन के तौर पर इस्तेमाल किया जा सकता है.
परफ़ॉर्मेंस का आकलन करने के लिए, इन तरीकों को मिलाकर इस्तेमाल करने का सुझाव दिया जाता है:
- सिंथेटिक मॉनिटरिंग
- लैब सेटिंग में पेज की परफ़ॉर्मेंस को मेज़र करने के लिए, Lighthouse और Publisher Ads Audits for Lighthouse जैसे टूल का इस्तेमाल किया जा सकता है. इस तरह के मेज़रमेंट के लिए असली उपयोगकर्ता के इंटरैक्शन की ज़रूरत नहीं होती. इसलिए, इसका इस्तेमाल ऑटोमेटेड टेस्ट में किया जा सकता है. साथ ही, इसका इस्तेमाल उपयोगकर्ताओं के लिए रिलीज़ करने से पहले, परफ़ॉर्मेंस की पुष्टि करने के लिए किया जा सकता है.
- उपयोगकर्ताओं को असल में मॉनिटर करने की सुविधा (आरयूएम)
- असली परफ़ॉर्मेंस का डेटा सीधे उपयोगकर्ताओं से इकट्ठा करने के लिए, Google Analytics और PageSpeed Insights जैसे टूल का इस्तेमाल किया जा सकता है. इस तरह का मेज़रमेंट, असली उपयोगकर्ता के इंटरैक्शन पर आधारित होता है. इसलिए, यह आखिरी चरण की परफ़ॉर्मेंस से जुड़ी उन समस्याओं की पहचान करने के लिए मददगार होता है जिन्हें सिंथेटिक टेस्ट से आसानी से नहीं ढूंढा जा सकता.
नियमित रूप से माप लेना और अपनी बेसलाइन से तुलना करना न भूलें. इससे आपको यह पता चलेगा कि समय के साथ आपकी साइट की परफ़ॉर्मेंस सही दिशा में बढ़ रही है या नहीं.
मापने के लिए कोई चीज़ चुनें
परफ़ॉर्मेंस के मामले में, कोई भी मेट्रिक आपको यह नहीं बता सकती कि आपकी साइट की परफ़ॉर्मेंस कैसी है. पूरी जानकारी पाने के लिए, आपको पेज की परफ़ॉर्मेंस के अलग-अलग पहलुओं को कवर करने वाली कई तरह की मेट्रिक को देखना होगा. परफ़ॉर्मेंस के कुछ मुख्य क्षेत्र और सुझाई गई मेट्रिक, यहां दी गई टेबल में दी गई हैं.
| परफ़ॉर्मेंस का क्षेत्र | |
|---|---|
| पेज लोड होने में लगने वाला अनुमानित समय |
माप
कोई पेज, सभी यूज़र इंटरफ़ेस (यूआई) एलिमेंट को कितनी तेज़ी से लोड और रेंडर कर पाता है. सुझाई गई मेट्रिक
फ़र्स्ट कॉन्टेंटफ़ुल पेंट (एफ़सीपी) |
| पेज लोड होने में लगने वाला समय |
माप
शुरुआती लोड के बाद, पेज कितनी जल्दी रिस्पॉन्सिव हो जाता है. सुझाई गई मेट्रिक
पेज पर मौजूद लिंक को क्लिक करके उस पर पहुंचने वाला समय (एफ़आईडी) |
| विज़ुअल स्टेबिलिटी |
माप
यूज़र इंटरफ़ेस (यूआई) एलिमेंट में कितना बदलाव हुआ है और क्या इन शिफ़्ट की वजह से उपयोगकर्ता के इंटरैक्शन पर असर पड़ता है. ज़्यादा जानकारी के लिए, लेआउट में बदलाव को कम करना लेख पढ़ें. सुझाई गई मेट्रिक |
पेज की परफ़ॉर्मेंस के अलावा, आपको विज्ञापन से जुड़ी कारोबार की मेट्रिक को भी मेज़र करना पड़ सकता है. Google Ad Manager की रिपोर्टिंग से, स्लॉट के हिसाब से इंप्रेशन, क्लिक, और व्यू की जानकारी मिल सकती है.
बदलावों को टेस्ट करें
परफ़ॉर्मेंस मेट्रिक तय करने और उन्हें नियमित तौर पर मेज़र करने के बाद, इस डेटा का इस्तेमाल करके अपनी साइट में किए गए बदलावों की परफ़ॉर्मेंस पर पड़ने वाले असर का आकलन किया जा सकता है. ऐसा करने के लिए, बदलाव किए जाने के बाद मेज़र की गई मेट्रिक की तुलना, बदलाव किए जाने से पहले मेज़र की गई मेट्रिक (और/या पहले से तय किए गए बेसलाइन) से करें. इस तरह की जांच से, आपको परफ़ॉर्मेंस से जुड़ी समस्याओं का पता चलेगा और उन्हें ठीक करने में मदद मिलेगी. इससे, ये समस्याएं आपके कारोबार या उपयोगकर्ताओं के लिए बड़ी समस्या बनने से पहले ही ठीक हो जाएंगी.
अपने-आप होने वाली जांच
सिंथेटिक टेस्ट की मदद से, उन मेट्रिक को मेज़र किया जा सकता है जो उपयोगकर्ता इंटरैक्शन पर निर्भर नहीं होती हैं. डेवलपमेंट की प्रोसेस के दौरान, इस तरह के टेस्ट ज़्यादा से ज़्यादा चलाए जाने चाहिए. इससे यह समझने में मदद मिलती है कि रिलीज़ नहीं किए गए बदलावों से परफ़ॉर्मेंस पर क्या असर पड़ेगा. इस तरह की पहले से की जाने वाली टेस्टिंग से, उपयोगकर्ताओं के लिए बदलाव रिलीज़ होने से पहले ही परफ़ॉर्मेंस से जुड़ी समस्याओं का पता चल सकता है.
ऐसा करने का एक तरीका यह है कि सिंथेटिक टेस्ट को कंटिन्यूअस इंटिग्रेशन (सीआई) वर्कफ़्लो का हिस्सा बनाया जा सकता है. इसमें बदलाव होने पर, सिंथेटिक टेस्ट अपने-आप चलते हैं. कई सीआई वर्कफ़्लो में सिंथेटिक परफ़ॉर्मेंस टेस्टिंग को इंटिग्रेट करने के लिए, Lighthouse CI का इस्तेमाल किया जा सकता है:
- लाइटहाउस सीआई की मदद से परफ़ॉर्मेंस पर नज़र रखना
- Lighthouse CI के इस्तेमाल के लिए, Publisher Ads Audits for Lighthouse
A/B टेस्टिंग
उपयोगकर्ता इंटरैक्शन पर निर्भर मेट्रिक की पूरी तरह से जांच तब तक नहीं की जा सकती, जब तक उपयोगकर्ताओं के लिए कोई बदलाव रिलीज़ नहीं किया जाता. अगर आपको नहीं पता कि बदलाव कैसे काम करेगा, तो ऐसा करना जोखिम भरा हो सकता है. इस जोखिम को कम करने की एक तकनीक है A/B टेस्टिंग.
A/B टेस्ट के दौरान, उपयोगकर्ताओं को किसी पेज के अलग-अलग वैरिएंट बिना किसी क्रम के दिखाए जाते हैं. इस तकनीक का इस्तेमाल करके, अपने पेज के बदले गए वर्शन को कुल ट्रैफ़िक के एक छोटे से प्रतिशत को दिखाया जा सकता है. वहीं, ज़्यादातर लोगों को बिना बदलाव वाला पेज दिखाया जाता रहेगा. इसके बाद, आरयूएम के साथ मिलकर, दो ग्रुप की परफ़ॉर्मेंस का आकलन किया जा सकता है. इससे यह पता चलता है कि कौनसा ग्रुप बेहतर परफ़ॉर्म करता है. इसके लिए, 100% ट्रैफ़िक को खतरे में डालने की ज़रूरत नहीं होती.
A/B टेस्ट का एक और फ़ायदा यह है कि इनकी मदद से, बदलावों के असर को ज़्यादा सटीक तरीके से मेज़र किया जा सकता है. कई साइटों के लिए, यह तय करना मुश्किल हो सकता है कि परफ़ॉर्मेंस में थोड़ा अंतर, हाल ही में किए गए बदलाव की वजह से है या ट्रैफ़िक में सामान्य बदलाव की वजह से. A/B टेस्ट का एक्सपेरिमेंटल ग्रुप, कुल ट्रैफ़िक का एक तय प्रतिशत दिखाता है. इसलिए, कॉन्सटेंट फ़ैक्टर के आधार पर मेट्रिक, कंट्रोल ग्रुप से अलग होनी चाहिए. इसलिए, अगर दो ग्रुप के बीच कोई अंतर दिखता है, तो इसका मतलब है कि टेस्ट किए जा रहे बदलाव पूरे भरोसे के साथ किए जा सकते हैं.
Optimizely और Google Optimize जैसे टूल, A/B टेस्ट सेट अप करने और उन्हें चलाने में मदद कर सकते हैं. हालांकि, ध्यान रखें कि A/B टेस्टिंग (इन टूल का डिफ़ॉल्ट कॉन्फ़िगरेशन) पर आधारित टैग खुद ही परफ़ॉर्मेंस पर बुरा असर डाल सकता है और गुमराह करने वाले नतीजे दे सकता है. इसलिए, हमारा सुझाव है कि आप सर्वर साइड इंटिग्रेशन का इस्तेमाल करें:
A/B टेस्ट के नतीजे
A/B टेस्ट का इस्तेमाल करके किसी बदलाव के असर को मेज़र करने के लिए, कंट्रोल और एक्सपेरिमेंटल ग्रुप, दोनों से मेट्रिक इकट्ठा की जाती हैं और एक-दूसरे से तुलना की जाती है. इसके लिए, आपको यह बताने का तरीका चाहिए कि कौनसा ट्रैफ़िक किस ग्रुप का हिस्सा है.
पेज परफ़ॉर्मेंस मेट्रिक के लिए, अक्सर हर पेज पर एक सामान्य आइडेंटिफ़ायर शामिल करना काफ़ी होता है. इससे पता चलता है कि कंट्रोल या एक्सपेरिमेंट के तौर पर उपलब्ध वर्शन को दिखाया गया था या नहीं. इस आइडेंटिफ़ायर को अपनी पसंद के मुताबिक बनाया जा सकता है. हालांकि, यह ज़रूरी है कि इसे मेट्रिक के साथ पार्स और जोड़ा जा सके. अगर पहले से बने टेस्टिंग फ़्रेमवर्क का इस्तेमाल किया जा रहा है, तो यह आम तौर पर अपने-आप मैनेज हो जाएगा.
विज्ञापन से जुड़ी कारोबार की मेट्रिक के लिए, GPT की की-वैल्यू टारगेटिंग सुविधा का इस्तेमाल करके, विज्ञापन अनुरोधों को कंट्रोल ग्रुप बनाम एक्सपेरिमेंटल ग्रुप से अलग किया जा सकता है:
// 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');
इसके बाद, Google Ad Manager रिपोर्ट चलाते समय इन की-वैल्यू का रेफ़रंस दिया जा सकता है, ताकि ग्रुप के हिसाब से नतीजों को फ़िल्टर किया जा सके.