Hier erfahren Sie, warum bei Tools, mit denen Core Web Vitals-Messwerte überwacht werden, unter Umständen unterschiedliche Zahlen erfasst werden und wie Sie diese Unterschiede interpretieren.
Google stellt verschiedene Tools zur Verfügung, mit denen Websiteinhaber ihre Daten im Blick behalten können. ihre Core Web Vitals-Werte. Diese Tools fallen in zwei Hauptkategorien:
- Tools, die Labdaten melden – Daten, die in einer kontrollierten Umgebung mit vordefinierten Geräte- und Netzwerkeinstellungen.
- Tools, die Felddaten ausgeben, also Daten der tatsächlichen Besucher der Website für Ihre Website.
Das Problem ist, dass die von den Labortools gemeldeten Daten manchmal ziemlich groß sind. von den von Feldtools gemeldeten Daten! Ihre Lab-Daten könnten darauf hinweisen, dass Ihre Website eine gute Leistung erbringt, aber Ihre Felddaten deuten darauf hin, zu verbessern. Oder Ihre Felddaten könnten sagen, dass alle Ihre Seiten in Ordnung sind, können Ihre Lab-Daten einen sehr niedrigen Wert melden.
Das folgende echte Beispiel eines PageSpeed Insights-Berichts von web.dev zeigt dass Labor- und Felddaten in einigen Fällen im gesamten Core Web Vitals-Messwerte:
Die Unterschiede zwischen den Tools sind für Menschen verständlich, zu entwickeln. In diesem Beitrag werden die Hauptgründe erläutert, mit konkreten Beispielen zu den einzelnen Core Web Vitals-Messwerten. was zu tun ist, wenn Sie Unterschiede auf Ihren Seiten feststellen.
Labdaten und Felddaten im Vergleich
Um zu verstehen, warum Labor- und Feldtools möglicherweise unterschiedliche Werte ausgeben – selbst für die Webseite ausgeführt haben, müssen Sie den Unterschied zwischen Lab und Field kennen. Daten.
Labdaten
Labdaten werden ermittelt, indem eine Webseite in einer kontrollierten Umgebung mit einem vordefinierte Gruppe von Netzwerk- und Gerätebedingungen. Diese Bedingungen werden als lab-Umgebung, die manchmal auch als synthetische Umgebung bezeichnet wird.
Chrome-Tools, die Labordaten melden, werden in der Regel ausgeführt Lighthouse.
Der Zweck eines Labortests besteht darin, möglichst viele Faktoren zu kontrollieren, Die Ergebnisse sind (so viel wie möglich) konsistent und reproduzierbar.
Felddaten
Felddaten werden ermittelt, indem alle Nutzer, die eine Seite besuchen, Leistungsmesswerte für jeden einzelnen dieser Nutzer, individuell User Experiences. Da Felddaten auf Besuchen echter Nutzer basieren, spiegeln sie die tatsächliche Geräte, Netzwerkbedingungen und geografische Standorte der Nutzer.
Felddaten werden auch als Real User Monitoring (Echtzeitüberwachung für Nutzer) bezeichnet. (RUM) verwendet, die beiden Begriffe sind austauschbar.
Chrome-Tools, die Felddaten ausgeben, erhalten diese Daten in der Regel von Chrome Bericht zur Nutzererfahrung (UX-Design). Auch die Erfassung von Felddaten ist für Website-Inhaber üblich (und wird empfohlen). , weil dadurch mehr umsetzbare Informationen als CrUX allein.
Das Wichtigste bei Felddaten ist, dass sie nicht nur eine Zahl, eine Verteilung von Zahlen. Einige Nutzer, die Ihre Website Ihre Website geladen wird, lädt sie möglicherweise sehr schnell, während sie auf anderen Websites sehr langsam geladen wird. Bei den Felddaten für Ihre Website handelt es sich um den vollständigen Satz aller Leistungsdaten. Ihrer Nutzenden erfasst.
In Berichten zur Nutzererfahrung in Chrome wird beispielsweise die Verteilung von Leistungsmesswerten aus realen Chrome-Nutzer innerhalb von 28 Tagen. In fast jedem Bericht zur Nutzererfahrung in Chrome können Sie feststellen, dass einige Nutzer, die eine Website besuchen, eine sehr gute Erfahrung haben, während möglicherweise schlechte Erfahrungen machen.
Wenn ein Tool eine einzelne Zahl für einen bestimmten Messwert meldet, wird in der Regel einen bestimmten Punkt in der Verteilung darstellen. Tools zur Meldung von Core Web Vitals-Feldwerte tun dies unter Verwendung des 75. Perzentil.
Wenn Sie den LCP aus den Felddaten im Screenshot betrachten, sehen Sie eine Verteilung, wobei:
- Bei 88% der Besuche betrug der LCP maximal 2,5 Sekunden (gut).
- Bei 8% der Besuche lag der LCP zwischen 2,5 und 4 Sekunden (Optimierung erforderlich).
- Bei 4% der Besuche lag der LCP über 4 Sekunden (schlecht).
Beim 75.Perzentil betrug der LCP-Wert 1, 8 Sekunden:
Für Labdaten derselben Seite wird ein LCP-Wert von 3,0 Sekunden angezeigt. Während dieser Wert größer als die in den Felddaten angezeigten 1,8 Sekunden ist, handelt es sich trotzdem um einen gültigen LCP. Wert für diese Seite. Dies ist einer von vielen Werten, die die vollständige Verteilung der Ladezeiten.
Warum sich Labor- und Felddaten unterscheiden
Wie im obigen Abschnitt erläutert, sind Lab- und Felddaten verschiedene Dinge.
Felddaten umfassen eine Vielzahl von Netzwerk- und Gerätebedingungen sowie eine unzähligen Arten von Nutzungsverhalten. Es werden auch alle anderen Faktoren berücksichtigt. die sich auf die Nutzererfahrung auswirken, wie etwa Browseroptimierungen wie die Back-Forward-Cache (bfcache) oder Plattformoptimierungen wie AMP-Cache:
Im Gegensatz dazu wird mit Labordaten die Anzahl der beteiligten Variablen bewusst begrenzt. A Der Lab-Test besteht aus:
- Ein einzelnes Gerät...
- mit einem einzelnen Netzwerk verbunden...
- die von einem einzigen geografischen Standort aus geschaltet werden.
Die Angaben zu jedem Labortest können die 75. Perzentil der Felddaten für eine bestimmte Seite oder Website.
Die kontrollierte Umgebung des Labors ist hilfreich bei der Fehlerbehebung oder beim Testen vor der Bereitstellung in der Produktion, aber wenn Sie diese Faktoren steuern, Sie stellen ausdrücklich nicht die Abweichung dar, die Sie in der realen Welt sehen. in allen Arten von Netzwerken, für alle Gerätefunktionen und an verschiedenen Standorten unterstützt. Ich erfassen in der Regel auch nicht die Auswirkungen des Verhaltens echter Nutzer auf die Leistung, zum Beispiel Scrollen, Auswählen von Text oder Antippen von Elementen auf der Seite.
Zusätzlich zur möglichen Trennung zwischen den Lab-Bedingungen und den Bedingungen der meisten realen Nutzer gibt es auch eine Reihe subtilerer Unterschiede die Sie kennen sollten, damit Sie Ihr Lab optimal nutzen können. und Felddaten sowie eventuelle Unterschiede.
In den nächsten Abschnitten gehen wir näher auf die häufigsten Gründe ein, Unterschiede zwischen den Labordaten und Felddaten für die einzelnen Core Web- Vitalparameter:
LCP
Verschiedene LCP-Elemente
Das in einem Labortest identifizierte LCP-Element ist möglicherweise nicht mit dem LCP identisch -Element, das Nutzer beim Besuch Ihrer Seite sehen.
Wenn Sie einen Lighthouse-Bericht für eine Seite erstellen, LCP-Element ein. Aber wenn Sie sich Felddaten für dieselbe Seite ansehen, gibt es in der Regel eine Vielzahl verschiedener LCP-Elemente, die Anzahl der Umstände, die bei jedem Seitenaufruf spezifisch sind.
Beispielsweise können die folgenden Faktoren zu einem anderen LCP beitragen für dieselbe Seite ermittelt wird:
- Unterschiedliche Bildschirmgrößen führen dazu, dass unterschiedliche Elemente sichtbar sind. innerhalb des Darstellungsbereichs befinden.
- Wenn der Nutzer angemeldet ist oder in einigen LCP-Element kann sich von Nutzer zu Nutzer stark unterscheiden.
- Ähnlich wie im vorherigen Punkt könnten bei einem A/B-Test für die Seite werden sehr unterschiedliche Elemente angezeigt.
- Die im System des Nutzers installierten Schriftarten können sich auf die Textgröße auf Seite (und damit welches Element das LCP-Element ist).
- Labortests werden normalerweise auf der Basis einer Seite ausgeführt URL – ohne Suchparameter oder Hash-Fragmente hinzugefügt werden. Aber in der Praxis teilen Nutzer oft URLs die eine Fragmentkennung oder Textfragment, sodass das LCP-Element in der Mitte oder unten auf der Seite sein und nicht fold“).
Da der LCP im Feld als 75. Perzentil aller Nutzerbesuche berechnet wird, wenn bei einem Großteil dieser Nutzer ein LCP-Element geladen wird, z. B. einen Textabschnitt mit Systemschriftart, selbst wenn einige dieser Nutzer ein großes, langsam ladendes Bild als LCP hatten, -Element hat, wird die Bewertung dieser Seite möglicherweise nicht beeinflusst, wenn dieser Wert bei weniger als 25% von Besuchern.
Alternativ könnte auch das Gegenteil der Fall sein. Bei einem Labortest könnten Sie als LCP-Element, da es ein Moto G4 emuliert, auf dem relativ kleinen Darstellungsbereich ist und das Hero-Image der Seite anfangs gerendert wird zu entfernen. Ihre Felddaten könnten jedoch hauptsächlich Pixel XL-Nutzer mit Bei größeren Bildschirmen ist das langsam ladende Hero-Image also das LCP-Element.
Auswirkungen des Cache-Status auf den LCP
Bei Labortests wird in der Regel eine Seite mit einem kalten Cache geladen, aber wenn echte Nutzer die Seite auf dieser Seite sind möglicherweise bereits einige ihrer Ressourcen im Cache gespeichert.
Wenn ein Nutzer eine Seite zum ersten Mal lädt, kann sie langsam geladen werden. korrektes Caching konfiguriert ist, kann das nächste Mal, wenn dieser Nutzer den wird die Seite möglicherweise sofort geladen.
Einige Lab-Tools unterstützen jedoch mehrere Durchläufe auf derselben Seite (um den Test für wiederkehrende Besucher), kann ein Lab-Tool das wie viel Prozent der tatsächlichen Besuche von neuen und wiederkehrenden Nutzern stammen.
Bei Websites mit optimierten Cache-Konfigurationen und vielen wiederkehrenden Besuchern stellen fest, dass ihr tatsächlicher LCP viel schneller ist als die Labordaten.
AMP- oder Signed Exchange-Optimierungen
Websites, die mit AMP oder Signed Exchanges (Signed Exchanges) erstellt wurden (SXG) kann von Content-Aggregatoren wie Google Suchen. Dies kann zu einer deutlich besseren Ladeleistung für Nutzer führen. Ihre Seiten von diesen Plattformen aus aufrufen.
Neben dem ursprungsübergreifenden Vorabladen können Websites Inhalte für nachfolgende Seiten der Website vorab laden was den LCP für diese Seiten verbessern könnte.
Lab-Tools simulieren die mit diesen Optimierungen erzielten Vorteile nicht, selbst wenn Sie konnten nicht erkennen, welcher Prozentsatz der Zugriffe wie die Google-Suche im Vergleich zu anderen Quellen.
Auswirkungen von bfcache auf den LCP
Wenn Seiten aus dem bfcache wiederhergestellt werden, erfolgt der Ladevorgang fast und diese Erfahrungen sind in Ihrem Fachgebiet enthalten. Daten.
In Lab-Tests wird bfcache nicht berücksichtigt. bfcache-freundlich ist, werden sie führen zu schnelleren LCP-Werten, die vor Ort gemeldet werden.
Auswirkungen der Nutzerinteraktion auf den LCP
Der LCP ermittelt die Renderingzeit des größten Bilds oder Textblocks im Darstellungsbereich, aber das größte Element kann sich ändern, wenn die Seite geladen wird oder werden die Inhalte dynamisch zum Darstellungsbereich hinzugefügt.
Im Lab wartet der Browser, bis die Seite vollständig geladen ist, was das LCP-Element ist. Aber vor Ort bleibt der Browser stoppt, Monitoring von größeren Elementen nachdem der Nutzer scrollt oder mit der Seite interagiert hat.
Das ist sinnvoll (und notwendig), da die Nutzenden mit einer Seite interagieren, bis sie "erscheint" Das ist genau das, was der LCP ermittelt werden soll. Außerdem wäre es nicht sinnvoll, Elemente zu berücksichtigen, Darstellungsbereich nach einer Nutzerinteraktion, da diese Elemente möglicherweise geladen, weil der Nutzer eine Aktion ausgeführt hat.
Dies hat jedoch zur Folge, dass Felddaten für eine Seite unter Umständen schneller LCP-Zeiten je nachdem, wie sich Nutzer auf der Seite verhalten.
INP
INP erfordert echte Interaktion des Nutzers
Der INP-Messwert misst, wie schnell eine Seite auf Nutzerinteraktionen reagiert, zu dem Zeitpunkt, als die Nutzer tatsächlich damit interagierten.
Der zweite Teil dieses Satzes ist wichtig, da Labortests selbst dann das Nutzerverhalten von Scripts unterstützen, kann nicht genau vorhersagen, wann Nutzer sich für ein Produkt entscheiden mit einer Seite interagieren und FID daher nicht genau messen kann.
TBT berücksichtigt nicht das Nutzerverhalten
Der Lab-Messwert Total Blocking Time (TBT) dient zur Diagnose von INP-Problemen, da er angibt, wie stark der Hauptthread beim Seitenaufbau blockiert wird.
Dabei werden Seiten mit viel synchronem JavaScript oder anderen intensiven Rendering-Aufgaben haben eine höhere Wahrscheinlichkeit, dass sie einen blockierten Hauptthread haben, interagieren. Warten Nutzer jedoch erst nach dem ausgeführt wird, ist der INP-Wert möglicherweise sehr niedrig.
Wann Nutzer mit einer Seite interagieren, hängt vor allem davon ab, sieht interaktiv aus und kann nicht mit TBT gemessen werden.
TBT berücksichtigt keine Tippverzögerung
Wenn eine Website nicht für Mobilgeräte optimiert ist, fügen Browser um 300 ms Verspätung nach jedem Tippen vor dem Ausführen von Event-Handlern ein. Sie tun das, weil sie feststellen, ob der Nutzer versucht, durch zweimaliges Tippen zu zoomen, bevor er schießen kann Maus- oder Click-Events.
Diese Verzögerung wird auf den INP einer Seite angerechnet, da sie zur tatsächlichen Eingabe beiträgt. die für die Nutzer spürbar ist. Aber da diese Verzögerung technisch gesehen nicht sehr lang ist, Aufgabe, sie wirkt sich nicht auf das TBT einer Seite aus. Das bedeutet, dass eine Seite trotz sehr guter TBT-Werte einen niedrigen INP-Wert aufweisen kann.
Auswirkungen des Cache-Status und von bfcache auf INP
So wie richtiges Caching den LCP in diesem Bereich verbessern kann, um INP zu verbessern.
In der Praxis kann es vorkommen, dass Nutzende den JavaScript-Code für eine Website bereits in ihrem sodass die Verarbeitung weniger und führen zu kleineren Verzögerungen.
Dasselbe gilt für Seiten, die aus dem bfcache wiederhergestellt wurden. In diesen Fällen JavaScript wird aus dem Arbeitsspeicher wiederhergestellt, sodass es nur wenig oder gar nicht verarbeitet werden kann. gar keine Zeit.
CLS
Auswirkungen der Nutzerinteraktion auf CLS
Bei der im Lab gemessenen CLS werden nur Layoutverschiebungen berücksichtigt, die über während des Ladevorgangs, aber das ist nur ein Teil der tatsächlichen CLS-Werte. zu messen.
Dabei berücksichtigt CLS alle unerwarteten Layouts die während des gesamten Lebensdauer der Seite, einschließlich Content, der sich beim Scrollen oder auf langsame Netzwerkanfragen nach Nutzerinteraktion.
Beispielsweise kommt es häufig vor, dass Seiten ein Lazy Loading für Bilder oder iFrames ausführen, ohne . Dies kann zu einem Layout führen, wenn Nutzende zu diesen Abschnitten auf der Seite scrollen. Aber diese Veränderungen wenn Nutzende nach unten scrollen, was bei Labortests oft nicht der Fall ist.
Personalisierter Inhalt
Personalisierte Inhalte – darunter gezielte Anzeigen und A/B-Tests – wirken sich auf welche Elemente aus auf einer Seite geladen werden. Sie wirkt sich auch darauf aus, wie sie geladen werden, da personalisierte häufig erst später geladen und in den Hauptinhalt einer Seite eingefügt, Layout Shifts.
Im Lab wird eine Seite normalerweise ohne personalisierte Inhalte geladen mit Inhalten für einen generischen „Testnutzer“, die die Verschiebungen auslösen kann, die echte Nutzende sehen.
Da Felddaten die Erfahrungen aller Nutzenden umfassen, werden die Menge (und der Grad) wie oft Layout Shifts auf einer Seite auftreten, hängt stark davon ab, geladen wurde.
Auswirkungen des Cache-Status und des bfcache auf CLS
Zwei der häufigsten Ursachen für Layoutverschiebungen beim Laden sind Bilder und iFrames ohne Abmessungen (wie oben erwähnt) und langsames Laden im Web Schriftarten unterstützt. Beide Probleme treten eher die Nutzererfahrung beim ersten Besuch einer Website durch einen Nutzer beeinflussen, wenn der Cache leer.
Wenn die Ressourcen einer Seite im Cache gespeichert werden oder die Seite selbst aus bfcache: Der Browser kann Bilder und Schriftarten normalerweise sofort rendern, ohne auf den Download warten. Dies kann zu niedrigeren CLS-Werten im Feld führen. als das, was ein Labortool melden könnte.
Vorgehensweise bei unterschiedlichen Ergebnissen
Grundsätzlich gilt: Wenn Sie sowohl Feld- als auch Lab-Daten für eine bestimmte Seite haben, Felddaten sind das, was Sie verwenden sollten, um Ihre Bemühungen zu priorisieren. Da Felddaten die das Verhalten realer Nutzenden widerspiegelt, ist dies der genaueste Weg, womit die Nutzenden zu kämpfen haben und was verbessert.
Wenn Ihre Felddaten auf der anderen Seite insgesamt gute Ergebnisse zeigen, deuten darauf hin, dass es noch Raum für Verbesserungen gibt, welche weiteren Optimierungen vorgenommen werden können.
Felddaten erfassen nicht nur die Erfahrungen der realen Nutzer, sondern sie erfassen auch also für Nutzer, die Ihre Website laden können. Labdaten können helfen Ihnen manchmal, die Reichweite Ihrer Website zu vergrößern und für Nutzer mit langsameren Netzwerken oder Low-End-Geräten besser zugänglich sind.
Insgesamt sind sowohl Labordaten als auch Felddaten wichtige Bestandteile Leistungsmessung. Beide haben ihre Stärken und Einschränkungen Wenn Sie nur eine nutzen, verpassen Sie möglicherweise eine Gelegenheit, eine positive Nutzererfahrung bieten.