Looker Studio (voorheen Data Studio) is een krachtige tool voor gegevensvisualisatie waarmee u dashboards kunt bouwen bovenop big data-bronnen, zoals het Chrome UX Report (CrUX). In deze handleiding leert u hoe u uw eigen aangepaste Crux-dashboard kunt maken om trends in de gebruikerservaring van een origin te volgen.
Het Crux-dashboard is gebouwd met een Looker Studio-functie genaamd Community Connectors . Deze connector is een vooraf vastgestelde koppeling tussen de onbewerkte CrUX-gegevens op BigQuery en de visualisaties van Looker Studio. Het elimineert de noodzaak voor gebruikers van het dashboard om vragen te schrijven of grafieken te genereren. Alles is voor u gebouwd; het enige dat u hoeft te doen, is een herkomst opgeven en er wordt een aangepast dashboard voor u gegenereerd.
Het standaard Crux-dashboard
CrUX heeft een standaard dashboard , dat wordt onderhouden door het CrUX-team. Nieuwe statistieken (bijvoorbeeld INP ) worden door het team toegevoegd en zijn beschikbaar de volgende keer dat het dashboard wordt geladen.
Maak een aangepast dashboard
Sommige gebruikers willen het dashboard mogelijk aanpassen. In dat geval kunt u uw eigen kopie van het standaarddashboard maken en deze naar eigen inzicht wijzigen.
Ga naar g.co/chromeuxdash om een aangepast dashboard te maken. Hiermee gaat u naar de Crux-communityconnectorpagina waar u de oorsprong kunt opgeven waarvoor het dashboard wordt gegenereerd. Houd er rekening mee dat nieuwe gebruikers mogelijk vragen over toestemming of marketingvoorkeuren moeten invullen.
Het tekstinvoerveld accepteert alleen oorsprong, geen volledige URL's. Bijvoorbeeld:
https://developer.chrome.com
https://developer.chrome.com/docs/crux/guides/looker-studio-dashboard
Als u het protocol weglaat, wordt uitgegaan van HTTPS. Subdomeinen zijn van belang, bijvoorbeeld https://developers.google.com en https://www.google.com worden als verschillende oorsprong beschouwd.
Enkele veelvoorkomende problemen met origins zijn het aanbieden van het verkeerde protocol, bijvoorbeeld http:// in plaats van https:// , en het weglaten van het subdomein wanneer dat nodig is. Sommige websites bevatten omleidingen, dus als http://example.com doorverwijst naar https://www.example.com , moet u de laatste gebruiken, wat de canonieke versie van de oorsprong is. Gebruik als vuistregel de herkomst die gebruikers in de adresbalk zien.
Door het selectievakje aan te vinken, wordt de herkomst opgenomen in de dashboard-URL, waardoor hetzelfde dashboard voor verschillende herkomsten kan worden gebruikt door deze URL-parameter in de toekomst te wijzigen. Het is dus raadzaam om dat aan te vinken.
Klik op de knop Verbinden . Als u het selectievakje heeft aangevinkt, wordt u gevraagd dit te bevestigen.
Als uw herkomst niet is opgenomen in de CrUX-dataset, krijgt u mogelijk een foutmelding zoals weergegeven in het volgende diagram. Er zijn meer dan 15 miljoen oorsprongen in de dataset, maar degene die u zoekt heeft mogelijk niet voldoende gegevens om te worden opgenomen.
Als de oorsprong bestaat, wordt u naar de schemapagina van het dashboard geleid. Dit toont u alle velden die zijn opgenomen: elk effectief verbindingstype, elke vormfactor, de maand van de release van de dataset, de verdeling van de prestaties voor elke metriek en natuurlijk de naam van de oorsprong. U hoeft niets te doen of te wijzigen op deze pagina. Klik gewoon op Rapport maken om door te gaan.
Gebruik het dashboard
Elk dashboard wordt geleverd met drie soorten pagina's:
- Overzicht van Core Web Vitals
- Metrische prestaties
- Demografische gegevens van gebruikers
Elke pagina bevat een diagram met de distributies in de loop van de tijd voor elke beschikbare maandelijkse release. Wanneer er nieuwe gegevenssets worden vrijgegeven, kunt u het dashboard vernieuwen om de nieuwste gegevens te verkrijgen.
De maandelijkse datasets worden elke tweede dinsdag van de maand vrijgegeven. Zo wordt de dataset bestaande uit gebruikerservaringsgegevens van de maand mei vrijgegeven op de tweede dinsdag van juni.
Overzicht van Core Web Vitals
De eerste pagina is een overzicht van de maandelijkse Core Web Vitals- prestaties van Origin. Dit zijn de belangrijkste UX-statistieken waarop Google u aanbeveelt zich te concentreren.
Gebruik de Core Web Vitals-pagina om te begrijpen hoe de oorsprong wordt ervaren door desktop- en telefoongebruikers. Standaard is de meest recente maand op het moment dat u het dashboard maakte geselecteerd. Als u wilt wisselen tussen oudere of nieuwere maandelijkse releases, gebruikt u het maandfilter bovenaan de pagina.
Houd er rekening mee dat de tablet standaard uit deze diagrammen wordt weggelaten, maar indien nodig kunt u het filter Geen tablet in de staafdiagramconfiguratie verwijderen:
Metrische prestaties
Na de Core Web Vitals-pagina vindt u zelfstandige pagina's voor alle statistieken in de CrUX-dataset.
Bovenaan elke pagina bevindt zich het apparaatfilter , dat u kunt gebruiken om de vormfactoren te beperken die zijn opgenomen in de ervaringsgegevens. U kunt bijvoorbeeld specifiek inzoomen op telefoonervaringen. Deze instelling blijft op alle pagina's bestaan.
De primaire visualisaties op deze pagina's zijn de maandelijkse distributies van ervaringen gecategoriseerd als 'Goed', 'Verbetering nodig' en 'Slecht'. De kleurgecodeerde legenda onder het diagram geeft het scala aan ervaringen aan dat in de categorie is opgenomen. In de vorige schermafbeelding kun je bijvoorbeeld zien dat het percentage ‘goede’ Largest Contentful Paint (LCP)-ervaringen de afgelopen maanden fluctueert en iets verslechtert.
De percentages 'goede' en 'slechte' ervaringen van de meest recente maand worden boven de grafiek weergegeven, samen met een indicator van het procentuele verschil met de voorgaande maand. Voor deze herkomst daalden de ‘goede’ LCP-ervaringen maand-op-maand met 3,2% naar 56,04%.
Bovendien vindt u voor statistieken zoals LCP en andere Core Web Vitals die expliciete percentielaanbevelingen bieden, de statistiek 'P75' tussen de 'goede' en 'slechte' percentages. Deze waarde komt overeen met het 75e percentiel van gebruikerservaringen van de oorsprong. Met andere woorden: 75% van de ervaringen is beter dan deze waarde. Eén ding om op te merken is dat dit van toepassing is op de algehele verdeling over alle apparaten op de oorsprong. Als u specifieke apparaten omschakelt met het apparaatfilter , wordt het percentiel niet opnieuw berekend.
Technische kanttekeningen bij percentielen
Houd er rekening mee dat de percentielstatistieken zijn gebaseerd op de histogramgegevens van BigQuery , dus de granulariteit zal grof zijn: 100 ms voor LCP, 25 ms voor INP en 0,05 voor CLS. Met andere woorden: een P75 LCP van 3800 ms geeft aan dat het werkelijke 75e percentiel ergens tussen 3800 ms en 3900 ms ligt.
Bovendien maakt de BigQuery-dataset gebruik van een techniek die 'bin-spreiding' wordt genoemd, waarbij de dichtheid van gebruikerservaringen intrinsiek wordt gegroepeerd in zeer grove categorieën met afnemende granulariteit. Hierdoor kunnen we minieme dichtheden in de staart van de verdeling opnemen zonder dat we de nauwkeurigheid van vier cijfers hoeven te overschrijden. LCP-waarden van minder dan 3 seconden worden bijvoorbeeld gegroepeerd in bakken van 200 ms breed. Tussen 3 en 10 seconden zijn bakken 500 ms breed. Na 10 seconden zijn bakken 5000 ms breed... In plaats van bakken van verschillende breedtes te hebben, zorgt bakspreiding ervoor dat alle bakken constant 100 ms breed zijn (de grootste gemene deler), en wordt de verdeling lineair geïnterpoleerd over elke bak.
De overeenkomstige P75-waarden in tools als PageSpeed Insights zijn niet gebaseerd op de openbare BigQuery-dataset en kunnen waarden tot op de milliseconde nauwkeurig weergeven.
Demografische gegevens van gebruikers
Er zijn twee dimensies opgenomen op de demografische pagina's van gebruikers: apparaten en effectieve verbindingstypen (ECT's). Deze pagina's illustreren de verdeling van paginaweergaven over de gehele herkomst voor gebruikers in elke demografische groep.
Op de apparaatdistributiepagina ziet u de verdeling van telefoon-, desktop- en tabletgebruikers in de loop van de tijd. Veel herkomstlanden hebben doorgaans weinig tot geen tabletgegevens, dus u ziet vaak '0%' buiten de rand van de grafiek hangen.
Op dezelfde manier toont de ECT-distributiepagina u de uitsplitsing van 4G-, 3G-, 2G-, langzame 2G- en offline-ervaringen.
De verdelingen voor deze dimensies worden berekend met behulp van segmenten van de First Contentful Paint (FCP)-histogramgegevens.
FAQ
Dit zijn enkele veelgestelde vragen over het bouwen van CrUX-dashboards in Looker Studio:
Wanneer zou ik het Crux Dashboard gebruiken in plaats van andere tools?
Het Crux-dashboard is gebaseerd op dezelfde onderliggende gegevens die beschikbaar zijn op BigQuery, maar u hoeft geen enkele regel SQL te schrijven om de gegevens te extraheren en u hoeft zich nooit zorgen te maken dat u de gratis quota overschrijdt. Het opzetten van een dashboard is sneller en eenvoudiger dan het bekijken van de onderliggende gegevens. Alle visualisaties worden voor u gegenereerd en u heeft de controle om deze te delen met wie u maar wilt.
Zijn er beperkingen aan het gebruik van het Crux Dashboard?
Omdat het gebaseerd is op BigQuery, neemt het CrUX Dashboard ook al zijn beperkingen over. Het is beperkt tot gegevens op herkomstniveau met maandelijkse granulariteit.
Het Crux-dashboard ruilt ook een deel van de veelzijdigheid van de onbewerkte gegevens op BigQuery in voor eenvoud en gemak. Metrische distributies worden bijvoorbeeld alleen weergegeven als 'goed', 'moet worden verbeterd' en 'slecht', in tegenstelling tot de volledige histogrammen. Het CrUX Dashboard levert ook data op mondiaal niveau, terwijl je met de BigQuery dataset kunt inzoomen op bepaalde landen.
Waar kan ik meer te weten komen over Looker Studio?
Bekijk de Looker Studio-functiespagina voor meer informatie.