SwitasKapcsolat

Core Web Vitals

A Core Web Vitals a Google által meghatározott szabványosított mutatók egy csoportja, amely egy weboldal valós felhasználói élményét méri a betöltési teljesítmény, az interaktivitás és a vizuális stabilitás szempontjából. A jelenlegi mutatókészlet szerint a három Core Web Vitals mutató a Largest Contentful Paint (LCP), amely azt méri, mennyi idő alatt jelenik meg a képernyőn a legnagyobb látható tartalmi elem, például egy hero kép vagy címsor, az Interaction to Next Paint (INP), amely az oldal reakciókészségét méri a felhasználói interakciókra – például kattintásokra és koppintásokra – a teljes látogatás során, valamint a Cumulative Layout Shift (CLS), amely az oldalelemek váratlan vizuális elmozdulását méri a tartalom betöltődése közben. A Google közzétett küszöbértékei szerint jó az LCP, ha legfeljebb 2,5 másodperc, jó az INP, ha legfeljebb 200 ezredmásodperc, és jó a CLS-érték, ha legfeljebb 0,1, mindegyiket az oldalbetöltések 75. percentilisénél mérve, mobilon és asztali gépen egyaránt. A Core Web Vitals két egymást átfedő okból fontos: közvetlenül befolyásolják, hogy a valódi felhasználók zökkenőmentes vagy frusztráló élményt kapnak-e egy oldalon, és a Google megerősítette, hogy az oldalélmény-jelzések – köztük a Core Web Vitals – rangsorolási tényezőként szerepelnek keresőalgoritmusában, vagyis a gyenge pontszámok visszavethetik egy oldal organikus keresési láthatóságát a hasonló tartalmú, de jobb technikai teljesítményű versenytársakkal szemben. A keresési rangsoron túl az e mutatók által mért felhasználói élmény jól dokumentált kapcsolatban áll a konverziós és elköteleződési eredményekkel; több nagyszabású iparági tanulmány azt találta, hogy amikor az LCP nagyjából 2,5–4 másodperc fölé nő, a visszafordulási arány jelentősen emelkedik, a konverziós arány pedig csökken, mivel a felhasználók rendkívül érzékenyek az észlelt lassúságra, különösen mobilkapcsolaton. A Core Web Vitals mutatókat két kiegészítő módszertannal mérik: a terepi adatokkal (field data, más néven Real User Monitoring, RUM), amelyeket a tényleges látogatóktól gyűjtenek a Chrome User Experience Reporton keresztül, és olyan eszközökben jelennek meg, mint a Google Search Console, és amelyek a valódi, összesített teljesítményt tükrözik különféle eszközökön és hálózati körülmények között; valamint a laboratóriumi adatokkal (lab data), amelyeket egy kontrollált, szimulált oldalbetöltés futtatásával állítanak elő olyan eszközökben, mint a Lighthouse vagy a PageSpeed Insights, és amelyek hasznosak a konkrét technikai okok diagnosztizálásához ismételhető környezetben, de nem feltétlenül egyeznek azzal, amit a valódi felhasználók tapasztalnak. Mivel a terepi és a laboratóriumi adatok eltérhetnek – például egy oldal jól teljesíthet egy gyors laborkapcsolaton futtatott laboratóriumi teszten, de gyengén a valódi felhasználóknál átlagos mobilhálózaton –, a pontos diagnózishoz jellemzően mindkét adatforrást együtt vizsgálják. Gyakori tévhit, hogy a Core Web Vitals a Google domináns vagy elsődleges rangsorolási tényezője, holott a valóságban a tartalom relevanciája és minősége továbbra is sokkal nagyobb befolyással bír, a Core Web Vitals pedig inkább holtversenyt eldöntő vagy módosító tényezőként működik az egyébként hasonló relevanciájú és minőségű oldalak között, vagyis egy technikailag gyors oldal gyenge, haszontalan tartalommal nem előzi meg a valóban hasznosabb oldalt, amely mérsékelten teljesít ezeken a mutatókon. Másik gyakori buktató az optimalizálási munkában, hogy a Core Web Vitals pontszámokat olyan technikákkal javítják, amelyek ártanak a mérni kívánt tényleges felhasználói élménynek, például a látható tartalom mesterséges késleltetésével javítanak egy kezdeti megjelenítési mutatót, miközben a felhasználók üres vagy hiányosnak tűnő oldalt bámulnak – ez technikailag javít egy jelentett számot, de nem javítja a valódi észlelt teljesítményt. Egy CRO- vagy UX-tanácsadó cég számára a Core Web Vitals auditok jellemzően a technikai állapotfelmérés korai lépései, mivel a gyenge pontszámok visszavethetik mind az organikus forgalom mennyiségét a csökkent keresési láthatóság révén, mind a ténylegesen érkező forgalom konverziós rátáját, így a teljesítményoptimalizálás azon ritka optimalizálási eszközök egyike, amely a tölcsér több pontján egyidejűleg javíthatja az eredményeket. A gyakori javítási stratégiák közé tartozik a képek optimalizálása és megfelelő méretezése, a szükségtelen harmadik féltől származó szkriptek – például a túlzott követőpixelek és csevegő widgetek – késleltetése vagy megszüntetése, az olyan elemek számára, mint a hirdetések és képek, még a betöltésük előtt elrendezési hely fenntartása az elmozdulás megelőzésére, valamint a böngésző fő szálát a felhasználói interakciók során blokkoló JavaScript-végrehajtás minimalizálása; ezek mindegyikét jellemzően előtte–utána terepi adatokkal validálják, nem pusztán laboratóriumi pontszámokkal.

További C betűvel kezdődő kifejezések

Építsük meg a következőt.

Kapcsolat