Kami Menganalisis 229K Halaman Internet.  Inilah Yang Kami Pelajari Tentang Core Internet Vitals dan UX

Kami Menganalisis 229K Halaman Internet. Inilah Yang Kami Pelajari Tentang Core Internet Vitals dan UX

[ad_1]

Kami menganalisis 208.085 halaman internet untuk mempelajari lebih lanjut tentang Core Internet Vitals.

Pertama, kami menetapkan tolok ukur untuk Pergeseran Tata Letak Kumulatif, Penundaan Enter Pertama, dan Cat Isi Terbesar.

Kemudian, kami melihat korelasi antara Core Internet Vitals dan metrik pengalaman pengguna (seperti rasio pentalan).

Berkat knowledge yang disediakan oleh WebCEO, kami dapat mengungkap beberapa temuan menarik.

Mari selami datanya.

Berikut adalah Ringkasan Temuan Kunci Kami:

1. 53,77% situs memiliki skor Biggest Contentful Paint (LCP) yang bagus. 46,23% situs memiliki peringkat LCP “buruk” atau “perlu perbaikan”.

2. 53,85% situs internet dalam kumpulan knowledge kami memiliki peringkat Penundaan Enter Pertama (FID) yang optimum. Hanya 8,57% situs memiliki skor FID “buruk”.

3. 65,13% dari situs yang dianalisis membanggakan skor Kumulatif Tata Letak (CLS) optimum yang baik.

4. LCP rata-rata dari situs yang kami analisis mencatat waktu di 2.386 milidetik.

5. Rata-rata FID adalah 137,74 milidetik.

6. Rata-rata skor CLS adalah 0.14. Ini sedikit lebih tinggi dari skor optimum.

7. Masalah paling umum yang memengaruhi LCP adalah jumlah permintaan tinggi dan ukuran switch besar.

8. Pergeseran tata letak yang besar adalah penyebab # 1 dari skor CLS yang buruk.

9. Masalah paling umum yang memengaruhi FID adalah kebijakan cache yang tidak efisien.

10. Ada korelasi lemah antara skor Core Internet Necessary dan metrik UX.

11. Kami menemukan itu FID memang cenderung sedikit berkorelasi dengan tampilan halaman.

53,77% Situs Internet Memiliki Skor Cat Terisi Terbesar yang Optimum

Sasaran pertama kami adalah untuk melihat bagaimana kinerja setiap situs berdasarkan tiga faktor yang membentuk Necessary Internet Inti Google: Cat Isi Terbesar, Pergeseran Tata Letak Kumulatif, dan Penundaan Masukan Pertama.

Data vital web inti adalah bagian dari evaluasi Google secara keseluruhan "pengalaman halaman"

Secara khusus, kami ingin menentukan persentase halaman yang diklasifikasikan sebagai “baik”, “perlu perbaikan”, dan “buruk” di dalam setiap Seek Console situs.

Untuk melakukannya, kami menganalisis knowledge Google Seek Console yang dianonimkan dari 208 ribu halaman (general sekitar 20 ribu situs).

Tugas pertama kita: menganalisis LCP (Massive Contentful Paint). Secara sederhana, LCP mengukur berapa lama waktu yang dibutuhkan halaman untuk memuat konten yang terlihat.

Berikut hasil situs yang kami analisis:

53,77% situs web memiliki skor cat penuh konten terbesar yang optimal
  • Baik: 53,77%
  • Perlu Perbaikan: 28,76%
  • Buruk: 17,47%

Seperti yang Anda lihat, sebagian besar situs yang kami lihat memiliki peringkat LCP yang “baik”. Ini lebih tinggi dari yang diharapkan, terutama ketika mempertimbangkan upaya pembandingan lainnya (seperti yang ini oleh iProspect).

Mungkin situs internet dalam kumpulan knowledge kami sangat rajin tentang kinerja halaman. Atau mungkin sebagian karena perbedaan ukuran sampel (analisis iProspect terus memantau 1.500 situs. Kami menganalisis 20.000+).

Both means, sangat menggembirakan melihat bahwa hanya sekitar setengah dari semua situs internet yang perlu mengerjakan LCP mereka.

53,85% Situs Internet yang Kami Analisis Memiliki Peringkat Penundaan Enter Pertama Yang Baik

Selanjutnya, kami melihat peringkat First Enter Prolong (FID) yang dilaporkan Seek Console. Seperti namanya, FIP mengukur penundaan antara permintaan pertama dan pengguna dapat memasukkan sesuatu (seperti mengetikkan nama pengguna).

Berikut adalah rincian skor FID dari kumpulan knowledge kami:

53,85% situs web yang kami analisis memiliki peringkat penundaan masukan pertama yang baik
  • Baik: 53,85%
  • Perlu Peningkatan: 37,58%
  • Buruk: 8,57%

Sekali lagi, lebih dari separuh situs yang kami lihat memiliki peringkat FID yang “baik”.

Menariknya, sangat sedikit (8,57%) yang memiliki skor “buruk”. Ini menunjukkan bahwa sejumlah kecil situs kemungkinan besar akan terpengaruh secara negatif setelah Google memasukkan FID ke dalam algoritme mereka.

65,13% Situs Memiliki Skor Pergeseran Tata Letak Kumulatif Optimum

Terakhir, kami melihat peringkat Pergeseran Tata Letak Kumulatif (CLS) dari Seek Console.

CLS adalah ukuran bagaimana elemen pada halaman bergerak saat memuat. Halaman yang relatif stabil melalui proses pemuatan memiliki skor CLS (bagus) yang tinggi.

Berikut adalah peringkat CLS di antara situs yang kami analisis:

65,13% situs-memiliki skor pergeseran tata letak kumulatif yang optimal
  • Baik: 65,13%
  • Perlu Peningkatan: 17.03%
  • Buruk: 17,84%

Di antara tiga skor Core Internet Vitals, CLS cenderung menjadi yang paling tidak bermasalah. Faktanya, hanya sekitar 35% dari situs yang kami analisis perlu mengerjakan CLS mereka.

Rata-rata LCP Adalah 2.836 Milidetik

Selanjutnya, kami ingin menetapkan tolok ukur untuk setiap metrik Core Internet Necessary. Seperti disebutkan di atas, Google telah membuat kumpulan pedoman mereka sendiri untuk setiap Core Internet Necessary.

(Misalnya, LCP “baik” dianggap di bawah 2,5 detik.)

Namun, kami belum melihat analisis skala besar yang mencoba untuk membandingkan setiap metrik Inti Internet Necessary “di alam liar”.

Pertama, kami membandingkan skor LCP untuk situs-situs di database kami.

Di antara situs yang kami analisis, LCP rata-rata ternyata 2.836 Milidetik (2.8 detik).

LCP rata-rata adalah 2.836 milidetik

Berikut adalah masalah paling umum yang berdampak negatif pada kinerja LCP:

Masalah yang memengaruhi LCP
  • Jumlah permintaan tinggi dan ukuran switch besar (100% halaman)
  • Waktu perjalanan jaringan yang tinggi (100% halaman)
  • Rantai permintaan kritis (98,9% halaman)
  • Waktu respons server awal yang tinggi (57,4% halaman)
  • Gambar tidak disajikan dalam layout generasi berikutnya (44,6% halaman)

Secara keseluruhan, 100% halaman memiliki skor LCP yang tinggi setidaknya sebagian karena “Jumlah permintaan yang tinggi dan ukuran switch yang besar”. Dengan kata lain, halaman yang penuh dengan kode berlebih, ukuran record besar, atau keduanya.

Temuan ini sejalan dengan analisis lain yang kami lakukan yang menemukan bahwa halaman besar cenderung menjadi penyebab di balik sebagian besar halaman yang dimuat dengan lambat.

FID rata-rata 137,4 Milidetik

Kami kemudian melihat skor FID di antara halaman-halaman dalam dataset kami.

Secara keseluruhan, rata-rata Penundaan Enter Pertama adalah 137,4 milidetik:

FID rata-rata adalah 137,4 milidetik

Berikut adalah masalah terkait FID paling umum yang kami temukan:

Masalah yang memengaruhi FID
  • Kebijakan cache tidak efisien (87,4% halaman)
  • Tugas utas panjang yang panjang (78,4% halaman)
  • JavaScript yang tidak digunakan (54,1% dari halaman)
  • CSS yang tidak digunakan (38,7% dari halaman)
  • Ukuran Style Objek Dokumen yang Berlebihan (22,3% dari halaman)

Menarik untuk melihat bahwa masalah caching cenderung berdampak negatif pada FID lebih dari masalah lainnya. Dan, tidak mengherankan, kode yang dioptimalkan dengan buruk (dalam bentuk JS dan CSS yang tidak digunakan) berada di belakang banyak skor FID yang tinggi.

CLS Rata-rata Adalah 0,14

Kami menemukan bahwa skor CLS rata-rata adalah 0,14.

CLS rata-rata adalah 0,14

Metrik ini secara khusus melihat bagaimana konten di halaman “bergeser”. Skor nol dianggap splendid. Dan apa pun di atas .1 dinilai sebagai “baik” di Seek Console.

Masalah paling umum yang mempengaruhi CLS proyek termasuk:

Masalah yang memengaruhi CLS
  • Pergeseran tata letak besar (94,5% halaman)
  • Sumber daya yang memblokir rendering (86,3% dari halaman)
  • Teks disembunyikan selama pemuatan font internet (82,6% dari halaman)
  • Bukan permintaan kunci yang dimuat sebelumnya (26,7% dari halaman)
  • Gambar berukuran tidak tepat (24,7% halaman)

Bagaimana LCP Berkorelasi Dengan Perilaku Pengguna

Setelah tolok ukur ditetapkan, kami kemudian menetapkan untuk mencari tahu seberapa akurat Core Internet Vitals merepresentasikan pengalaman pengguna di kehidupan nyata.

Faktanya, hubungan ini adalah sesuatu yang disorot oleh Google sendiri dalam dokumentasi “laporan Core Internet Vitals”:

Google - Mengapa kinerja halaman itu penting

Untuk menganalisis Core Internet Vitals dan pengaruhnya terhadap UX, kami memutuskan untuk melihat tiga metrik UX yang dirancang untuk mewakili perilaku pengguna di halaman internet:

  • Rasio pentalan (% pengguna meninggalkan halaman situs internet setelah mengunjunginya)
  • Kedalaman halaman in line with sesi (berapa banyak halaman yang dilihat pengguna sebelum meninggalkan situs internet)
  • Waktu di situs internet (berapa banyak waktu yang dihabiskan pengguna di situs internet dalam satu sesi)

Hipotesis kami adalah sebagai berikut: jika Anda meningkatkan Core Internet Vitals situs internet, hal itu akan memengaruhi metrik UX secara positif.

Dengan kata lain, situs dengan Necessary Internet Inti yang “baik” akan memiliki rasio pentalan yang lebih rendah, sesi yang lebih lama, dan tampilan halaman yang lebih tinggi. Untungnya, selain knowledge Seek Console, kumpulan knowledge ini juga berisi metrik UX dari Google Analytics.

Kemudian, kami hanya perlu membandingkan Core Internet Vitals setiap situs internet dengan setiap metrik UX. Anda dapat menemukan hasil kami untuk LCP di bawah ini:

LCP dan Rasio Pentalan

Korelasi antara LCP dan rasio pentalan

LCP dan Halaman in line with Sesi

Korelasi antara LCP dan halaman per sesi

LCP dan Waktu di Situs

Korelasi antara LCP dan waktu di lokasi

Pada ketiga grafik tersebut, terlihat jelas bahwa ketiga segmen yang berbeda (Baik, Buruk, dan Perlu Peningkatan) didistribusikan secara merata pada grafik.

Dengan kata lain, tidak ada hubungan langsung antara metrik LCP dan UX.

FID Memiliki Hubungan Sedikit Dengan Tampilan Halaman

Selanjutnya, kami melihat hubungan potensial antara First Enter Prolong dan perilaku pengguna.

Seperti dengan LCP, logis bahwa FID yang buruk akan berdampak negatif pada metrik UX (terutama rasio pentalan).

Seorang pengguna yang perlu menunggu untuk memilih dari menu atau mengetikkan kata sandinya cenderung menjadi frustrasi dan terpental. Dan jika pengalaman itu terjadi di beberapa halaman, itu dapat menyebabkan mereka mengurangi tampilan halaman general mereka.

Dengan itu, berikut bagaimana FID berkorelasi dengan metrik perilaku mereka.

FID dan Rasio Pentalan

Korelasi antara FID dan rasio pentalan

FID dan Halaman in line with Sesi

Korelasi antara FID dan halaman per sesi

catatan: Kami menemukan bahwa FID yang tinggi cenderung berkorelasi dengan rendahnya jumlah halaman in line with sesi. Kebalikannya juga benar.

FID dan Waktu di Situs

Korelasi antara FID dan waktu di situs

Secara keseluruhan, satu-satunya contoh di mana kami melihat petunjuk korelasi adalah ketika kami membandingkan FID dengan jumlah halaman yang dilihat in line with sesi. Dalam hal rasio pentalan dan waktu di situs, FID situs internet tampaknya tidak memengaruhi perilaku pengguna.

Bagaimana CLS Mempengaruhi Perilaku Pengguna

Selanjutnya, kami ingin menyelidiki hubungan potensial antara CLS dan aktivitas pengguna.

Tampaknya logis bahwa CLS yang buruk akan membuat pengguna frustrasi. Dan karena itu dapat meningkatkan rasio pentalan dan mengurangi waktu sesi.

Namun, kami tidak dapat menemukan studi kasus atau analisis skala besar yang menunjukkan bahwa skor CLS yang tinggi memengaruhi perilaku pengguna. Jadi kami memutuskan untuk menjalankan analisis yang mencari kemungkinan hubungan antara CLS, rasio pentalan, “waktu tunggu”, dan halaman yang dilihat. Inilah yang kami temukan:

CLS dan Rasio Pentalan

Korelasi antara CLS dan rasio pentalan

CLS dan Halaman in line with Sesi

Korelasi antara CLS dan halaman per sesi

CLS dan Waktu di Situs

Korelasi antara CLS dan waktu di situs

Secara keseluruhan, kami tidak melihat korelasi yang signifikan antara CLS, rasio pentalan, waktu di situs, atau tampilan halaman.

Ringkasan

Saya harap Anda menemukan analisis ini menarik dan berguna (terutama dengan pembaruan Google Web page Enjoy yang akan datang).

Berikut tautan ke kumpulan knowledge mentah yang kami gunakan. Seiring dengan metode kami.

Saya ingin berterima kasih kepada WebCEO karena telah menyediakan knowledge yang memungkinkan studi industri ini.

Secara keseluruhan, menarik untuk melihat bahwa sebagian besar situs yang kami analisis memiliki kinerja yang relatif baik. Dan sebagian besar siap untuk pembaruan Google. Dan menarik untuk ditemukan bahwa, meskipun Core Internet Vitals merepresentasikan metrik untuk UX positif di situs internet, kami tidak melihat korelasi apa pun dengan metrik perilaku.

Sekarang saya ingin mendengar dari Anda:

Apa kesimpulan utama Anda dari pelajaran hari ini? Atau mungkin Anda memiliki pertanyaan tentang sesuatu dari analisis tersebut. Bagaimanapun, tinggalkan komentar di bawah sekarang.

[ad_2]

Source link