Looker Studio (früher Data Studio) ist ein leistungsstarkes Tool zur Datenvisualisierung, mit dem Sie Dashboards auf der Grundlage von Big Data-Quellen wie dem UX-Bericht für Chrome (CrUX) erstellen können. In diesem Leitfaden erfahren Sie, wie Sie Ihr eigenes benutzerdefiniertes Dashboard für die Nutzererfahrung in Chrome erstellen, um die Nutzungstrends einer Quelle im Blick zu behalten.
Das CrUX-Dashboard enthält die Looker Studio-Funktion Community-Connectors. Dieser Connector ist eine vordefinierte Verknüpfung zwischen den CrUX-Rohdaten in BigQuery und den Visualisierungen in Looker Studio. Nutzende des Dashboards müssen keine Abfragen schreiben oder Diagramme generieren. Alles ist für Sie erstellt. Sie müssen lediglich einen Ursprung angeben und ein benutzerdefiniertes Dashboard wird für Sie erstellt.
CrUX-Standard-Dashboard verwenden
CrUX verfügt über ein Standard-Dashboard, das vom CrUX-Team verwaltet wird. Neue Messwerte (z. B. INP) werden vom Team hinzugefügt und sind verfügbar, wenn das Dashboard das nächste Mal geladen wird.
Das Standard-Dashboard wird empfohlen, um die CrUX-Daten einer Website schnell und einfach visualisieren zu können. Manche Benutzer möchten das Dashboard jedoch anpassen.
Benutzerdefiniertes Dashboard erstellen
Rufen Sie g.co/chromeuxdash auf, um loszulegen. Sie werden zur Connector-Seite der CrUX-Community weitergeleitet. Hier können Sie den Ursprung angeben, für den das Dashboard generiert wird. Hinweis: Neue Nutzer müssen möglicherweise auf Aufforderungen zu Berechtigungen oder Marketingpräferenzen antworten.
In das Texteingabefeld können nur Ursprünge und keine vollständigen URLs eingegeben werden. Beispiel:
https://web.dev
https://developer.chrome.com/chrome-ux-report-looker-studio-dashboard/
Wenn Sie das Protokoll weglassen, wird von HTTPS ausgegangen. Subdomains werden als unterschiedliche Ursprünge betrachtet. https://developers.google.com
und https://www.google.com
.
Einige häufige Probleme mit Ursprüngen sind die Angabe des falschen Protokolls, z. B. http://
statt https://
, und das Weglassen der Subdomain bei Bedarf. Einige Websites enthalten Weiterleitungen. Wenn http://example.com
zu https://www.example.com
weiterleitet, solltest du Letztere verwenden, die kanonische Version des Ursprungs. Als Faustregel gilt: Verwenden Sie den Ursprung, den Nutzer in der URL-Leiste sehen.
Wenn Ihr Ursprung nicht im CrUX-Dataset enthalten ist, erhalten Sie möglicherweise eine Fehlermeldung wie die folgende. Das Dataset enthält über 4 Millionen Ursprünge, aber für den von Ihnen gewünschten Ursprung sind möglicherweise nicht genügend Daten vorhanden.
Wenn der Ursprung vorhanden ist, werden Sie zur Schemaseite für das Dashboard weitergeleitet. Hier sehen Sie alle enthaltenen Felder: jeder effektive Verbindungstyp, jeder Formfaktor, der Monat des Dataset-Release, die Leistungsverteilung für jeden Messwert und natürlich der Name des Ursprungs. Sie müssen auf dieser Seite nichts tun oder ändern. Klicken Sie einfach auf Bericht erstellen, um fortzufahren.
Dashboard verwenden
Jedes Dashboard enthält drei Arten von Seiten:
- Core Web Vitals – Übersicht
- Messwertleistung
- Demografische Merkmale der Nutzer
Jede Seite enthält ein Diagramm, das die Verteilungen für jeden verfügbaren monatlichen Release im Zeitverlauf zeigt. Wenn neue Datasets veröffentlicht werden, können Sie das Dashboard einfach aktualisieren, um die neuesten Daten zu erhalten.
Die monatlichen Datasets werden am zweiten Dienstag jedes Monats veröffentlicht. Beispielsweise wird das Dataset, das aus User Experience-Daten aus dem Monat Mai besteht, am zweiten Dienstag im Juni veröffentlicht.
Core Web Vitals – Übersicht
Die erste Seite bietet eine Übersicht über die monatliche Leistung der Core Web Vitals des Ursprungs. Dies sind die wichtigsten UX-Messwerte, auf die Sie sich laut Google konzentrieren sollten.
Auf der Seite „Core Web Vitals“ erfahren Sie, wie der Ursprung von Nutzern von Computern und Smartphones wahrgenommen wird. Standardmäßig wird der Monat ausgewählt, der zum Zeitpunkt der Dashboard-Erstellung zuletzt war. Mit dem Filter Monat oben auf der Seite können Sie zwischen älteren und neueren monatlichen Veröffentlichungen wechseln.
Hinweis: Tablets sind in diesen Diagrammen standardmäßig nicht enthalten. Sie können bei Bedarf aber in der Balkendiagrammkonfiguration den Filter Kein Tablet entfernen (siehe unten).
Messwertleistung
Nach der Core Web Vitals-Seite finden Sie eigenständige Seiten für alle metrics im CrUX-Dataset.
Oben auf jeder Seite befindet sich der Filter Gerät, mit dem Sie die in den Daten zur Nutzerfreundlichkeit enthaltenen Formfaktoren einschränken können. So lassen sich beispielsweise die Nutzerfreundlichkeit von Smartphones gezielt aufschlüsseln. Diese Einstellung gilt für alle Seiten.
Die primären Visualisierungen auf diesen Seiten sind die monatlichen Verteilungen der Erfahrungen, die als „Gut“, „Optimierung erforderlich“ und „Schlecht“ kategorisiert sind. Die farblich gekennzeichnete Legende unter dem Diagramm gibt die in der Kategorie enthaltenen Erfahrungen an. Im Screenshot oben sehen Sie beispielsweise, dass der Prozentsatz der „guten“ Largest Contentful Paint (LCP) schwankt und sich in den letzten Monaten etwas verschlechtert.
Über dem Diagramm werden die Prozentsätze der „guten“ und „schlechten“ Nutzerfreundlichkeit des letzten Monats zusammen mit einem Indikator für den prozentualen Unterschied zum Vormonat angezeigt. Für diesen Ursprung sank die Anzahl der „guten“ LCP-Inhalte im Vergleich zum Vormonat um 3,2% auf 56,04 %.
Außerdem wird der Messwert „P75“ bei Messwerten wie LCP und anderen Core Web Vitals mit expliziten Perzentilempfehlungen zwischen dem Prozentsatz „Gut“ und „Schlecht“ angezeigt. Dieser Wert entspricht dem 75. Perzentil des Ursprungs für die Nutzererfahrung. Mit anderen Worten: 75% der Erfahrungen sind besser als dieser Wert. Beachten Sie, dass dies für die Gesamtverteilung auf alle Geräte am Ursprung gilt. Wenn Sie bestimmte Geräte mit dem Filter Gerät wechseln, wird das Perzentil nicht neu berechnet.
Langweilige technische Vorbehalte in Bezug auf Perzentile
Da die Perzentilmesswerte auf den Histogrammdaten aus BigQuery basieren, ist der Detaillierungsgrad grob: 1.000 ms für LCP, 100 ms für FID und 0, 05 für CLS. Mit anderen Worten: Ein P75-LCP von 3.800 ms gibt an, dass das echte 75. Perzentil zwischen 3.800 ms und 3.900 ms liegt.
Darüber hinaus wird im BigQuery-Dataset ein Verfahren namens „Bin Spreading“ verwendet, bei dem die Dichte der Nutzererfahrung in sehr grobe Klassen mit abnehmender Detailgenauigkeit gruppiert ist. Auf diese Weise können wir die Minutendichten am Ende der Verteilung einbeziehen, ohne dass eine Genauigkeit von mehr als vier Stellen erforderlich ist. LCP-Werte unter 3 Sekunden werden beispielsweise in Klassen mit einer Breite von 200 ms zusammengefasst. Die Container sind zwischen 3 und 10 Sekunden breit und 500 ms. Über 10 Sekunden sind die Container 5.000 ms breit usw. Statt Bins unterschiedlicher Breite zu haben, wird durch die Bin-Streuung sichergestellt, dass alle Container eine konstante Breite von 100 ms haben (der größte gemeinsame Teiler) und die Verteilung über jeden Container linear interpoliert wird.
Entsprechende P75-Werte in Tools wie PageSpeed Insights basieren nicht auf dem öffentlichen BigQuery-Dataset und können Werte im Millisekundenbereich angeben.
Demografische Merkmale der Nutzer
Auf den Seiten mit den demografischen Merkmalen der Nutzer gibt es zwei Dimensionen: Geräte und effektive Verbindungstypen (ECTs). Diese Seiten veranschaulichen die Verteilung der Seitenaufrufe im gesamten Ursprungsserver für Nutzer in der jeweiligen demografischen Gruppe.
Auf der Seite „Geräteverteilung“ sehen Sie eine Aufschlüsselung der Smartphone-, Desktop- und Tablet-Nutzer im Zeitverlauf. Viele Ursprünge haben in der Regel nur wenige oder gar keine Tablet-Daten, sodass am Rand des Diagramms oft „0 %“ hängen bleibt.
Auf der Seite „ECT-Verteilung“ wird eine Aufschlüsselung nach 4G, 3G, 2G, langsamem 2G und Offlinenutzung angezeigt.
Die Verteilungen für diese Dimensionen werden anhand von Segmenten der Histogrammdaten von First Contentful Paint (FCP) berechnet.
Häufig gestellte Fragen
Wann sollte ich das CrUX-Dashboard anstelle anderer Tools verwenden?
Das CrUX-Dashboard basiert auf den gleichen zugrunde liegenden Daten, die auch in BigQuery verfügbar sind. Sie müssen jedoch keine einzige SQL-Zeile zum Extrahieren der Daten schreiben und müssen sich keine Sorgen über das Überschreiten kostenloser Kontingente machen. Ein Dashboard lässt sich schnell und einfach einrichten, alle Visualisierungen werden für Sie erstellt und Sie können es mit beliebigen Personen teilen.
Gibt es Einschränkungen bei der Verwendung des Dashboards zur Nutzererfahrung in Chrome?
Da es auf BigQuery basiert, werden auch alle damit verbundenen Einschränkungen für das CrUX-Dashboard übernommen. Sie ist auf Daten auf Ursprungsebene mit monatlicher Granularität beschränkt.
Aus Gründen der Einfachheit und Komfort werden im CrUX-Dashboard auch einige der Vielseitigkeit der Rohdaten in BigQuery eingetauscht. So werden beispielsweise Messwertverteilungen nur als „gut“, „verbesserungsbedürftig“ und „schlecht“ angegeben, im Gegensatz zu den vollständigen Histogrammen. Das CrUX-Dashboard stellt Daten auf globaler Ebene bereit, während Sie mit dem BigQuery-Dataset bestimmte Länder heranzoomen können.
Wo erhalte ich weitere Informationen zu Looker Studio?
Weitere Informationen finden Sie auf der Seite Funktionen von Looker Studio.