Core Web Vitals metriklerini izleyen araçların neden farklı rakamlar raporladığını ve bu farkların nasıl yorumlanacağını öğrenin.
Google, site sahiplerinin Önemli Web Verileri puanlarını izlemelerine yardımcı olmak için çeşitli araçlar sunar. Bu araçlar iki ana kategoriye ayrılır:
- Laboratuvar verilerini raporlayan araçlar: Önceden tanımlanmış cihaz ve ağ ayarlarıyla kontrollü bir ortamda toplanan veriler.
- Alan verilerini raporlayan araçlar: Sitenizi ziyaret eden gerçek kullanıcılardan toplanan veriler.
Sorun şu ki, bazen laboratuvar araçları tarafından raporlanan veriler, saha araçları tarafından raporlanan verilerden epey farklı olabilmektedir. Laboratuvar verileriniz sitenizin çok iyi performans gösterdiğini gösterebilir ancak alan verileriniz sitenizin iyileştirilmesi gerektiğini gösteriyor. Alternatif olarak, alan verileriniz tüm sayfalarınızın iyi olduğunu söyleyebilir, ancak laboratuvar verileriniz çok düşük bir puan bildirebilir.
web.dev tarafından sunulan aşağıdaki gerçek PageSpeed Insights raporu, bazı durumlarda laboratuvar ve alan verilerinin tüm Önemli Web Verileri metriklerinde farklı olabileceğini göstermektedir:
Araçlar arasındaki farklar, geliştiriciler için anlaşılabilir bir kafa karışıklığı kaynağıdır. Bu yayında, Core Web Vitals metriklerinin her birini kapsayan özel örneklerle bu farklılıkların ortaya çıkabilmesinin temel nedenleri ve sayfalarınızda farklılıklar bulduğunuzda ne yapmanız gerektiği açıklanmaktadır.
Laboratuvar verileri ile alan verilerinin karşılaştırması
Laboratuvar ve saha araçlarının neden farklı değerler (tam olarak aynı web sayfası için bile olsa) rapor edebileceğini anlamak için laboratuvar ve alan verileri arasındaki farkı anlamanız gerekir.
Lab verileri
Laboratuvar verileri, bir web sayfasının önceden tanımlanmış bir dizi ağ ve cihaz koşuluna sahip kontrollü bir ortamda yüklenmesiyle belirlenir. Bu koşullar laboratuvar ortamı olarak bilinir. Bazen de sentetik ortam olarak da adlandırılır.
Laboratuvar verilerini raporlayan Chrome araçları genellikle Lighthouse'u çalıştırır.
Laboratuvar testlerinin amacı, mümkün olduğunca fazla faktörü kontrol etmektir. Böylece sonuçlar (mümkün olduğunca tutarlı) tutarlıdır ve baştan sona tekrar oluşturulabilir.
Alan verileri
Alan verileri, bir sayfayı ziyaret eden tüm kullanıcıların izlenmesi ve bu kullanıcıların her birinin bireysel deneyimleri için belirli bir performans metriği kümesinin ölçülmesiyle belirlenir. Saha verileri gerçek kullanıcı ziyaretlerine dayandığından kullanıcılarınızın gerçek cihazlarını, ağ koşullarını ve coğrafi konumlarını yansıtır.
Alan verileri genellikle Gerçek Kullanıcı İzleme (RUM) verileri olarak da bilinir. Bu iki terim birbirinin yerine kullanılabilir.
Alan verilerini raporlayan Chrome araçları genellikle bu verileri Chrome Kullanıcı Deneyimi Raporu'ndan (CrUX) alır. Yalnızca CrUX'i kullanmaya kıyasla daha fazla işlem yapılabilir bilgiler sağlayabildiği için site sahiplerinin alan verilerini kendilerinin toplaması da sık karşılaşılan (ve önerilir) bir uygulamadır.
Alan verileriyle ilgili anlaşılması gereken en önemli nokta, tek bir sayı değil, sayıların dağılımıdır. Yani, sitenizi ziyaret eden bazı kullanıcılar için çok hızlı yüklenebilirken bazıları için çok yavaş yüklenebilir. Sitenizin alan verileri, kullanıcılarınızdan toplanan tüm performans verilerinin tamamıdır.
Örneğin CrUX raporlarında, gerçek Chrome kullanıcılarından alınan performans metriklerinin 28 günlük dönemdeki dağılımı gösterilmektedir. Neredeyse tüm CrUX raporuna bakarsanız, bir siteyi ziyaret eden bazı kullanıcıların çok iyi bir deneyim yaşarken, diğerlerinin çok kötü bir deneyim yaşayabileceğini görebilirsiniz.
Bir araç, belirli bir metrik için tek bir sayı rapor ederse bu sayı genellikle dağılımdaki belirli bir noktayı temsil eder. Core Web Vitals alan puanlarını raporlayan araçlar, bunu 75. yüzdelik dilim kullanarak yapar.
Yukarıdaki ekran görüntüsünde yer alan alan verilerinden LCP'ye baktığınızda aşağıdakilerin olduğu bir dağılım görebilirsiniz:
- Ziyaretlerin% 88'inde 2,5 saniye veya daha kısa (iyi) bir LCP elde edildi.
- Ziyaretlerin% 8'inde 2,5 ile 4 saniye arasında bir LCP elde edildi (iyileştirme gerekli).
- Ziyaretlerin% 4'ünde 4 saniyeden uzun (yetersiz) LCP elde edildi.
75.yüzdelik dilimde, LCP 1,8 saniyeydi:
Aynı sayfadaki laboratuvar verilerinde LCP değeri 3,0 saniyelik olarak gösterilir. Bu değer, alan verilerinde gösterilen 1,8 saniyeden büyük olsa da bu sayfa için geçerli bir LCP değeridir ve yükleme deneyimlerinin tam dağılımını oluşturan birçok değerden biridir.
Laboratuvar ve alan verileri neden farklı?
Yukarıdaki bölümde açıklandığı gibi, laboratuvar verileri ve alan verileri aslında çok farklı şeyleri ölçer.
Alan verileri, çok çeşitli ağ ve cihaz koşullarının yanı sıra çok sayıda farklı kullanıcı davranışı türünü içerir. Geri-ileri önbellek (bfcache) gibi tarayıcı optimizasyonları veya AMP önbelleği gibi platform optimizasyonları gibi kullanıcı deneyimini etkileyen diğer tüm faktörleri de içerir.
Buna karşın laboratuvar verileri, kullanılan değişken sayısını bilinçli olarak sınırlandırır. Laboratuvar testi şunlardan oluşur:
- Tek bir cihaz...
- tek bir ağa bağlı...
- tek bir coğrafi konumdan yapılabilir.
Herhangi bir laboratuvar testine ait bilgiler, belirli bir sayfa veya site için alan verilerinin 75. yüzdelik dilimini doğru bir şekilde temsil edebilir veya etmeyebilir.
Laboratuvarın kontrollü ortamı, üretime dağıtmadan önce sorunları ayıklarken veya özellikleri test ederken yararlı olur. Ancak bu unsurları kontrol ettiğinizde gerçek dünyada tüm ağ türleri, cihaz özellikleri veya coğrafi konumlar genelinde gördüğünüz farklılıkları açıkça temsil etmezsiniz. Ayrıca, kaydırma, metin seçme veya sayfadaki öğelere dokunma gibi gerçek kullanıcı davranışlarının performans etkisini de genellikle yakalayamazsınız.
Laboratuvar koşulları ile gerçek dünyadaki çoğu kullanıcının koşulları arasındaki olası kopukluklara ek olarak, laboratuvar ve alan verilerinizden en iyi şekilde yararlanabilmeniz için anlaşılması gereken bazı ince farklar da vardır. Bunlarla birlikte, tespit edebileceğiniz farklılıklar da bulunur.
Sonraki birkaç bölümde, Önemli Web Verileri metriklerinin her biri için laboratuvar verileri ile alan verileri arasında farklılıklar olmasının en yaygın nedenlerini vurgulayan ayrıntılara yer verilmiştir:
LCP
Farklı LCP öğeleri
Laboratuvar testinde tanımlanan LCP öğesi, kullanıcıların sayfanızı ziyaret ederken gördüğü LCP öğesiyle aynı olmayabilir.
Belirli bir sayfa için Lighthouse raporu çalıştırırsanız sayfa her seferinde aynı LCP öğesini döndürür. Ancak aynı sayfa için alan verilerine bakarsanız genellikle her sayfa ziyaretine özgü çeşitli koşullara bağlı olan farklı LCP öğeleri görürsünüz.
Örneğin, aşağıdaki faktörlerin tümü, aynı sayfa için farklı bir LCP öğesinin belirlenmesine katkıda bulunabilir:
- Farklı cihaz ekran boyutları, farklı öğelerin görüntü alanında görünmesine yol açar.
- Kullanıcı giriş yapmışsa veya kişiselleştirilmiş içerik bir şekilde gösteriliyorsa LCP öğesi kullanıcıdan kullanıcıya çok farklı olabilir.
- Önceki noktaya benzer şekilde, sayfada bir A/B testi çalıştırılıyorsa çok farklı öğelerin görüntülenmesine neden olabilir.
- Kullanıcının sisteminde yüklü olan yazı tipi grubu, sayfadaki metnin boyutunu (dolayısıyla hangi öğenin LCP öğesi olacağını) etkileyebilir.
- Laboratuvar testleri genellikle herhangi bir sorgu parametresi veya karma parçası eklenmeden sayfanın "temel " URL'sinde çalıştırılır. Ancak gerçek dünyada kullanıcılar genellikle parça tanımlayıcısı veya metin parçası içeren URL'leri paylaşır. Bu nedenle, LCP öğesi aslında sayfanın "ekranın üst kısmı yerine" ortasından veya altından olabilir.
Alandaki LCP, bir sayfaya yapılan tüm kullanıcı ziyaretlerinin 75. yüzdelik dilimi olarak hesaplandığından, bu kullanıcıların büyük bir yüzdesinin çok hızlı yüklenen bir LCP öğesine (örneğin, bir sistem yazı tipiyle oluşturulmuş bir metin paragrafına) sahip olması durumunda, bu kullanıcıların bazılarının LCP öğesi olarak büyük ve yavaş yüklenen bir resmi olsa bile %25'ten az ziyaretçi olduğunda bu durum sayfanın puanını etkilemeyebilir.
Alternatif olarak, tam tersi de geçerli olabilir. Laboratuvar testlerinde, bir metin bloğu LCP öğesi olarak tanımlanabilir. Bunun nedeni, bu blokun nispeten küçük bir görüntü alanına sahip Moto G4 telefonu taklit etmesi ve sayfanızın hero resmi başlangıçta ekran dışında oluşturulmuş olmasıdır. Ancak, alan verileriniz çoğunlukla daha büyük ekranlara sahip Pixel XL kullanıcılarını içerebilir. Bu nedenle, bu kullanıcılar için yavaş yüklenen hero resim onların LCP öğesi olur.
Önbellek durumunun LCP üzerindeki etkileri
Laboratuvar testleri genellikle soğuk önbelleği olan bir sayfayı yükler ancak gerçek kullanıcılar bu sayfayı ziyaret ettiklerinde kaynaklarının bir kısmını önbelleğe almış olabilirler.
Bir kullanıcı bir sayfayı ilk kez yüklediğinde yavaş yüklenebilir, ancak sayfada doğru önbellek yapılandırılmışsa kullanıcının sayfayı bir sonraki geri döndürmesinde hemen yüklenebilir.
Bazı laboratuvar araçları, aynı sayfanın birden fazla kez çalıştırılmasını desteklese de (geri gelen ziyaretçilerin deneyimini simüle etmek için), gerçek dünyadaki ziyaretlerin yüzde kaçının yeni ve geri gelen kullanıcılardan geldiğini bilemez.
İyi optimize edilmiş önbellek yapılandırmalarına ve tekrar tekrar ziyaret eden çok sayıda kullanıcıya sahip siteler, gerçek LCP'lerinin laboratuvar verilerinden çok daha hızlı olduğunu keşfedebilir.
AMP veya İmzalı Takas optimizasyonları
AMP ile oluşturulan veya İmzalı Takas (SXG) kullanan siteler Google Arama gibi içerik toplayıcılar tarafından önceden yüklenebilir. Bu, sayfalarınızı bu platformlardan ziyaret eden kullanıcılar için önemli ölçüde daha iyi yükleme performansı sağlayabilir.
Kaynaklar arası önceden yüklemeye ek olarak, siteler kendi sitelerinde sonraki sayfalar için içeriği önceden yükleyebilir. Bu, söz konusu sayfalar için de LCP'yi iyileştirebilir.
Laboratuvar araçları, bu optimizasyonlardan elde edilen kazançları simüle etmez. Hatta bunu yapsalar bile, diğer kaynaklara kıyasla trafiğinizin yüzde kaçının Google Arama gibi platformlardan geldiğini bilemezler.
Bfcache'ın LCP üzerindeki etkileri
Sayfalar bfcache'den geri yüklendiğinde, yükleme deneyimi neredeyse anında gerçekleşir ve bu deneyimler alan verilerinize dahil edilir.
Laboratuvar testlerinde bfcache dikkate alınmaz. Bu nedenle sayfalarınız bfcache için uygun olursa sahada LCP puanlarının daha hızlı raporlanmasını sağlayabilirsiniz.
Kullanıcı etkileşiminin LCP üzerindeki etkileri
LCP, görüntü alanındaki en büyük resmin veya metin bloğunun oluşturulma süresini tanımlar ancak bu en büyük öğe, sayfa yüklenirken veya görüntü alanına dinamik olarak yeni içerik eklendiğinde değişebilir.
Laboratuvarda, tarayıcı, LCP öğesinin ne olduğunu belirlemeden önce sayfanın tamamen yüklenmesini bekler. Ancak alanda, kullanıcı sayfayı kaydırdıktan veya sayfayla etkileşimde bulunduktan sonra tarayıcı, daha büyük öğeleri izlemeyi durdurur.
Kullanıcılar genellikle sayfa "görünen" olana kadar bir sayfayla etkileşimde bulunmak için bekledikleri için bu mantıklıdır (ve gereklidir). LCP metriği tam olarak bunu algılamayı amaçlar. Ayrıca, kullanıcı etkileşimde bulunduktan sonra görüntü alanına eklenen öğeleri dikkate almak anlamlı olmaz, çünkü bu öğeler yalnızca kullanıcının yaptığı bir şey nedeniyle yüklenmiş olabilir.
Ancak bunun etkisi, kullanıcıların sayfada nasıl davrandığına bağlı olarak bir sayfaya ait alan verilerinin daha hızlı LCP süreleri raporlayabilmesidir.
INP
INP için gerçek kullanıcı etkileşimi gerekir
INP metriği, kullanıcıların gerçekten etkileşimde bulunmayı tercih ettikleri sırada sayfanın kullanıcı etkileşimlerine ne kadar duyarlı olduğunu ölçer.
Komut dosyası kullanıcı davranışını destekleyenler de dahil olmak üzere laboratuvar testleri, kullanıcıların bir sayfayla ne zaman etkileşim kuracağını doğru bir şekilde tahmin edemediği ve bu nedenle FID metriği doğru şekilde ölçemediği için bu cümlenin ikinci bölümü kritik önem taşır.
TBT, kullanıcı davranışını dikkate almaz
Toplam Engelleme Süresi (TBT) laboratuvar metriğinin amacı, INP ile ilgili sorunların teşhis edilmesine yardımcı olmaktır. Bu metrik, sayfa yükleme sırasında ana iş parçacığının ne kadar engellendiğini ölçer.
Buradaki fikir, çok sayıda eşzamanlı JavaScript veya diğer yoğun oluşturma görevlerine sahip sayfalarda, kullanıcı ilk etkileşimde bulunduğunda ana iş parçacığının engellenmiş olma ihtimalinin daha yüksek olmasıdır. Ancak, kullanıcılar JavaScript'in yürütülmesi bitene kadar sayfayla etkileşimde bulunmak için beklerse INP çok düşük olabilir.
Kullanıcıların bir sayfayla ne zaman etkileşim kurmayı seçeceği büyük ölçüde sayfanın etkileşimli görünüyor olup olmadığına bağlıdır ve bu, TBT ile ölçülemez.
TBT, dokunma gecikmesini dikkate almaz
Bir site mobil görüntüleme için optimize edilmemişse tarayıcılar, etkinlik işleyicileri çalıştırmadan önce herhangi bir dokunuştan sonra 300 ms'lik bir gecikme ekler. Bunun nedeni, kullanıcının fareyi veya tıklama etkinliklerini tetiklemeden önce yakınlaştırmak için iki kez dokunmaya çalışıp çalışmadığını belirlemesi gerekmesidir.
Bu gecikme, kullanıcıların yaşadığı gerçek giriş gecikmesine katkıda bulunduğundan sayfanın INP'si hesaplanır. Ancak bu gecikme teknik olarak Uzun Süre olmadığından sayfanın TBT'sini etkilemez. Bu, bir sayfanın çok iyi TBT puanlarına sahip olmasına rağmen INP'sinin düşük olabileceği anlamına gelir.
Önbellek durumu ve bfcache'ın INP üzerindeki etkileri
Doğru önbelleğe almanın sahada LCP'yi iyileştirdiği gibi INP'yi de iyileştirebilir.
Gerçek dünyada, kullanıcının bir sitenin JavaScript'i önbelleğinde olabilir. Bu nedenle, sitenin işlenmesi daha az zaman alabilir ve daha az gecikmeye neden olabilir.
Aynı durum bfcache'den geri yüklenen sayfalar için de geçerlidir. Bu durumlarda JavaScript bellekten geri yüklenir. Böylece işleme süresi çok az olabilir veya hiç olmayabilir.
CLS
Kullanıcı etkileşiminin CLS üzerindeki etkileri
Laboratuvarda ölçülen CLS, yalnızca ekranın üst kısmında ve yükleme sırasında gerçekleşen düzen kaymalarını dikkate alır. Ancak bu, CLS'nin gerçekte ölçtüğünün yalnızca bir alt kümesidir.
CLS alanda, kullanıcı kaydırdıkça veya kullanıcı etkileşiminden sonra yavaş ağ isteklerine yanıt olarak değişen içerik de dahil olmak üzere sayfanın kullanım ömrü boyunca gerçekleşen tüm beklenmeyen düzen kaymalarını dikkate alır.
Örneğin, sayfaların resimlerin veya iframe'lerin boyutları olmadan geç yüklenmesi sık karşılaşılan bir durumdur ve bu, kullanıcı sayfanın bu bölümlerine kaydırıldığında düzen kaymasına neden olabilir. Ancak bu kaymalar yalnızca kullanıcı sayfayı aşağı kaydırdığında gerçekleşebilir. Bu, genellikle laboratuvar testinde tespit edilmez.
Kişiselleştirilmiş içerik
Hedeflenen reklamlar ve A/B testleri dahil olmak üzere kişiselleştirilmiş içerik, bir sayfada hangi öğelerin yüklendiğini etkiler. Kişiselleştirilmiş içerik genellikle daha sonra yüklenip sayfanın ana içeriğine eklendiği için bu durum, bunların nasıl yükleneceğini de etkiler ve bu da düzende değişikliklere neden olur.
Laboratuvarda, bir sayfa genellikle kişiselleştirilmiş içerik olmadan veya genel bir "test kullanıcısı" içeriğiyle birlikte yüklenir. Bu, gerçek kullanıcıların gördüğü değişiklikleri tetikleyebilir veya tetiklemeyebilir.
Alan verileri tüm kullanıcıların deneyimlerini içerdiğinden, herhangi bir sayfada yaşanan düzen kaymalarının miktarı (ve derecesi) büyük ölçüde hangi içeriğin yüklendiğine bağlıdır.
Önbellek durumu ve bfcache'ın CLS üzerindeki etkileri
Yükleme sırasında düzen kaymalarının en yaygın nedenlerinden ikisi, boyutu olmayan resimler ve iframe'ler (yukarıda belirtildiği gibi) ve yavaş yüklenen web yazı tipleridir. Bu sorunların her ikisinin de, kullanıcı bir siteyi ilk kez ziyaret ettiğinde, önbelleği boş olduğunda deneyimi etkileme olasılığı daha yüksektir.
Bir sayfanın kaynakları önbelleğe alınırsa veya sayfanın kendisi Bfcache'den geri yüklenirse tarayıcı, resimleri ve yazı tiplerini indirmelerini beklemeden genellikle hemen oluşturabilir. Bu durum, alandaki CLS değerlerinin laboratuvar araçlarının raporlayabileceğinden daha düşük olmasına neden olabilir.
Sonuçlar farklı olduğunda ne yapılmalıdır?
Genel kural olarak, belirli bir sayfa için hem alan verileriniz hem de laboratuvar verileriniz varsa çalışmalarınızı önceliklendirmek için alan verilerini kullanmanız gerekir. Alan verileri gerçek kullanıcıların yaşadıklarını temsil ettiğinden kullanıcılarınızın neyle uğraştığını ve nelerin iyileştirilmesi gerektiğini anlamanın en doğru yolu budur.
Öte yandan, alan verileriniz genel olarak iyi puanlar gösteriyorsa ancak laboratuvar verileriniz iyileştirilmesi gereken noktalar olduğunu gösteriyorsa başka hangi optimizasyonların yapılabileceğini anlamanız gerekir.
Buna ek olarak, alan verileri gerçek kullanıcı deneyimlerini yakalaysa da bunu yalnızca sitenizi başarılı bir şekilde yükleyebilen kullanıcılar için geçerlidir. Laboratuvar verileri bazen sitenizin erişimini genişletme fırsatlarını belirlemenize ve yavaş ağlara veya düşük teknoloji cihazlara sahip kullanıcılar için sitenize daha fazla erişim sağlamaya yardımcı olabilir.
Genel olarak hem laboratuvar verileri hem de alan verileri, etkili performans ölçümünün önemli parçalarıdır. Her ikisinin de güçlü ve sınırlı yanları vardır. Yalnızca bunlardan birini kullanıyorsanız kullanıcılarınızın deneyimini iyileştirme fırsatını kaçırabilirsiniz.