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
Cselekvésre ösztönzés (CTA, call to action)Kártyaválogatás (Card Sorting)Kosárelhagyás (cart abandonment)Változásmenedzsment (Change Management)Fizetési folyamat optimalizálása (checkout optimization)Lemorzsolódási arány (churn rate)Átkattintási arány (CTR)Kliensoldali tesztelésKognitív terhelés (cognitive load)Kohorszelemzés (Cohort Analysis)Versenytárselemzés (Competitive Analysis)Konfidenciaintervallum
